打开网易新闻 查看精彩图片

“有一件事我确实极致热爱,那就是创业本身。”

文丨程曼祺 实习生王小淳

编辑丨宋玮

“清华、00 后、世界模型”,刘松铭完全踩中了这组火热一时的投资标签。

他生于 2000 年,2024 年以 RDT-1B 具身模型崭露头角,2025 年底,他在博士三年级时创立 LiberAI,陆续拿到来自真格、红杉、美团龙珠、顺为等机构的 6 轮投资,今年 11 月初发布了世界模型 Liber-0。

一位没有投资 LiberAI 的知名机构合伙人说,刘松铭是 “中国最强 00 后创始人”。

只看履历,这是一套熟悉的叙事:一位年轻研究员做出了有影响力的成果,趁势创业,希望把技术推到极致。

但刘松铭身上却有跳出标签的反差。

许多 “researcher founder”(研究者型创始人)是为了追求某项技术而创业。刘松铭是因为一直想创业,才选了物理 AI 技术。

他看到,物理 AI 是为数不多的、能作为独立公司与基模合作,又不被基模吃掉的方向。

他是世界模型的明星创业者,却认为只做模型很危险。

在创业之初,刘松铭就看到基模会进入物理 AI,很可能会吃掉任务规划层,类似后来 GPT-6 Astra 对具身智能的冲击:

所以我们 day one 就是一家全栈公司,自己做核心的本体设计、关键部件,还有数采设备。

这种模型、硬件和 Infra 的垂直整合打法,迭代更慢、投入更重、团队更复杂,被一些投资人认为 “不够干净”、不够聚焦模型本身。

但刘松铭认为,也正是因为物理世界碎片化、初期单个场景规模小、迭代周期比软件更慢,才会让 OpenAI 等巨头短期内无法真正重兵入场;边缘地带的新公司才有空间积累未来的博弈筹码,长出自己的硬件、产品和交互数据。

他想搏到的大未来,是在个人机器人市场到来后,成为 “对标苹果的特别大的” 公司。这种野心并不罕见,比较罕见的是,他同时会说,现阶段他们的实际商业对手是非标自动化公司。

站在客户角度,比的是我们的模型加硬件,能不能比他们(非标自动化公司的方案)更有成本优势和部署效率。

一个不太 00 后,也不太清华博士生的 26 岁创业者,做了一家不纯做模型的 “世界模型” 公司。刘松铭现在相信,“软硬一体全栈,可能就是通向那个终局的、胜率最高的玩法之一。”

没读完博士,也不想拿教职,创业是唯一选项

晚点:“清华、00 后、世界模型”,你和 LiberAI 身上都有很多标签。你会怎么描述你们是一家什么公司,实际要做什么?

刘松铭:首先 “00 后” 是个客观描述,我确实是 2000 年出生的,我没法抗拒这个标签。而 “世界模型” 或任何其他技术本身都不构成一个公司的使命,它更多是一个手段。

所有公司的最终使命一定是产生商业价值。对我们来说,就是利用物理 AI 技术,实现 physical agent(物理智能体)这个产品。

晚点:为什么物理 AI 和世界模型领域会出现 “小天才扎堆创业” 的现象?

刘松铭:这背后的本质是,从技术突破到它成为创业方向的时间在变短。

这在物理 AI 上表现得更明显,一是因为物理 AI 真正开始发展的时间就比较晚,比如 Google RT-1 是 2022 年下半年的工作,这个领域做研究的这帮人也就比较年轻。二是随着大模型变强,通过 AI 学各种知识的速度也在变快,这压缩了积累经验的时间。

晚点:2024 年 10 月,你在清华朱军教授实验室做的 RDT-1B 使你在业界崭露头角。那时就有投资人劝你创业,为什么当时没有创业?

刘松铭:因为我当时对怎么做 scaling(规模化扩展)还没有把握,我连三个月后要做什么都列不出来。创业不能等到有十成把握,但我觉得至少要有六七成。

晚点:你认为缺什么呢?那时已经有了 VLA(视觉-语言-动作模型),包括你自己做的 RDT(Robotics Diffusion Transformer) 也是这个大方向上的探索。

刘松铭:VLA 的突破是在机器人领域引入了用预训练带来泛化性的想法,在这之前,主流做法是针对不同任务分别采数据,做模仿学习或者强化学习。

但当时,大规模预训练的数据从哪儿来还不清楚。包括 RDT-1B,它的主要数据也是真机遥操,这类数据生产慢、成本高。所以那时我是初步看到了做预训练是有益的,但还不知道怎么去做大规模预训练。

晚点:当时业界还有一种常见搭配,一个像你这样的学界新锐做技术负责人,再搭一个有业界资源的行业资深人士做一号位。你有收到过这类邀请吗?

刘松铭:也有,但我这次想做一号位。关键要看,这件事是靠什么驱动的。如果资源很重要,技术负责人作为招牌去融资、招人,资源型创始人去搞定更多资源,这种搭配是合理的。

但我能看到这个领域在技术上仍有很大瓶颈,这个阶段真正重要的是技术突破,公司的主要投入都得放在算力和数据上。而当投入这么大时,一号位就必须有技术判断力,因为他要决定怎么花钱,怎么更有资本效率地做模型、做各种事。

晚点:你去年底开始创业时是博士三年级,你考虑过读完博士、拿到教职再创业吗?现在青年教授创业也很常见。

刘松铭:没有。时机很重要。而且创业一直是我矢志不渝的追求,我也没考虑过别的职业可能性。

晚点:从什么时候开始有这个追求的?

刘松铭:大概上中学时,我在想人生目标是什么?常见的一种目标是获得资源、金钱、地位和影响力。但再往上想一层,人为什么需要这些东西?我认为最终是为了做事,肯定不是为了享受,享受花不了太多钱。

既然最终目标是做事,其实没必要绕很大一圈,创业就是最直接的方式:它既有可能带来超乎寻常的杠杆、资源和影响力,本身又是一个直接做事的过程。

晚点:为什么中学时会开始想这些?

刘松铭:从小我父母没那么关注我成绩怎么样,他们最关注的是 “你要成为一个什么样的人”,不是他们告诉我 “要做什么”,而是他们问我 “要做什么”。

晚点:你之前为创业做了哪些准备?

刘松铭:一直在准备。高中竞赛后选清华,是因为做过功课,知道清华的创业教育和孵化体系很好。从化工系转到计算机系,是因为化工太重资产,年轻人没什么创业优势,而 IT 机会更多。

大一、大二我参加了清华创协和启创计划,一方面学知识产权、投资条款、企业运营和看财务报表;另一方面做实践,在学长和老师指导下做过在线教育的创业,那次我不是一号位。

到我大四时 ChatGPT 来了,我觉得时间到了,但我没条件做基模,我列了很多方向:AI 应用、多模态视频生成、AI for Science、Robotics……

我的思路很简单:基模一定会非常大,投入非常高。那我必然要做应用,而且得壁垒足够厚,能作为独立公司和基模合作,而不是被吃掉。我认为跟物理世界结合的应用有独特的问题和挑战,更有可能长出独立公司。2023 年我就看到了这个方向,在等技术信号更成熟。

晚点:会有人评价你 “很会做题” 吗?一种典型的科技创业者是 “极致热爱”,比如汪滔从小喜欢航模,一步步做出大疆无人机。而像你这样名校出身、履历很好的 “尖子生” 来创业,看起来是步步为营,选择也很多。你怎么看这种特质?

刘松铭:这和领域有关。如果 “极致热爱” 是指从小鼓捣一个事,那在具身智能或物理 AI 领域,10 年、20 年前的技术和现在完全不一样。

而且有一件事我确实极致热爱,那就是创业本身。

创业时已看到基模冲击,第一天就是全栈公司

晚点:你正式创立 LiberAI 是在 2025 年年底。后来引起世界模型热潮的英伟达 WAM(世界动作模型)DreamZero 还没发布。你看到了什么技术更成熟的信号?

刘松铭:2024 到 2025 年陆续发生了三件事。第一是视频模态开始在具身训练里起作用。当时我实验室的同门做了 Vidar,可以明显看到用视频训出的基座模型,能帮物理模型更好地泛化。(注:2025 年 7 月发布的 Vidar 是清华朱军实验室与生数科技联合推出的具身模型,和今年 2 月英伟达发布的 WAM DreamZero 一样以视频生成模型为骨干。)

第二是来自我自己的研究:我们做了很多 UMI(通用操作接口)的探索,发现用 UMI 采集无本体数据,效果能媲美真机遥操。这能大幅降低采数据的成本。但 UMI 用的是夹爪,而互联网视频里都是人的动作,两者还是有 gap。

要弥补这个 gap,机器人就得更像人,得有灵巧手。这是第三个信号,去年下半年,高自由度灵巧手也更成熟了。

几个因素叠加,我觉得用人类数据训练具身模型的这条路线越来越清晰了。

晚点:你前面提到,选择物理 AI 是因为你认为这个方向不会被基模吃掉。而今年 9 月发布的 GPT-6 Astra 作为基模也有很强的空间智能,这如何冲击了你最初的创业假设?

刘松铭:其实我刚创业时就预判到基模公司一定会进来。一是基模能力持续提升、资本开支也在增加,它既有能力,也有动机去渗透更多场景。二是我和硅谷朋友交流,2025 年下半年就传出 OpenAI 在招机器人团队,进场只是早晚的问题。

晚点:即使知道 OpenAI 会做具身,也有不同的做法。有人认为 OpenAI 会建一个相对独立的团队,用具身的方法做具身。而后来 Astra 展现了直接操作机器人的能力。这超出你的预期吗?

刘松铭:速度上有点儿超预期,效果上没有。

物理世界的智能系统有 3 层:

System 2 负责感知、规划和理解,也就是常说的 “具身大脑”;

System 1 负责接收指令,转换成动作序列;

System 0 是更底层的运控,把动作序列可靠地执行出来。

客观说,Astra 确实在叙事上冲击了具身智能。原本一种观点是,这三层都属于具身公司。但是我创业时就觉得 System 2 有风险,Astra 展现的正是这一层能力——用写代码的方式理解世界,感知距离、大小和深度。

那既然具身的模型层可能变薄,纯做模型就很危险,就得加别的东西把壁垒变厚。所以我们 day one 就是一家全栈公司,自己做核心的本体设计、关键部件,还有采集数据的设备。

刚开始融资时,不少投资人认为我们 “不够干净”,不够聚焦模型层,这是反当时的主流叙事的。

晚点:2026 年的一批新公司确实更侧重模型本身;而 2023、2024 年最早那批具身公司也自然地选了全栈,一是中国有供应链优势,二是有些公司是从硬件转过来的。

刘松铭:我们和那批全栈公司的区别在于一号位的背景。我们是 “硬件服务模型”,不是 “模型服务硬件”。

晚点:你们这次发布 Liber-0 技术报告时也详细测了 Astra。它擅长什么、不擅长什么?边界在哪?

刘松铭:我们对比了两种模式:一是让 Astra 做 System 2、我们的模型做 System 1;二是直接用 Astra 当策略模型(包括 System 2 和 System 1)。在零样本成功率上,前者是 Astra 直接做策略模型的好几倍。

Astra 直接控动作有个明显特征:它能把机械臂移到目标附近,但总差 “最后一毫米” 碰不到,会在那儿来回抽搐、反复尝试。它不擅长与 “物理接触” 和 “可形变物体” 强相关的操作。它的长处也很明显:语义理解、任务拆解和规划,操作失败时能靠高层规划带机器人回到正确路径上再多试几次。

从实验看,Astra 的推理模式吃不掉所有东西,很多物理操作必须靠不经慢思考的直觉反射完成。尤其机器人操作需要低延时,需要应对信息不完全的环境,这都属于物理 AI 的独特挑战。

晚点:GPT-7 发布后呢?10 月时,宇树创始人王兴兴说:等 GPT-7 发布,可能就把具身问题击穿了。

刘松铭:某种程度的冲击是必然的。但至少 GPT 的现有范式解决不了所有问题。

理想分工是:基模厂商拿走更通用、与本体无关的 System 2,提供统一接口;我们做 System 1、System 0,去啃物理交互的硬骨头。这部分的商业回报对我们已经很好了,但对基模大厂来说,碰这些脏活累活根本不值得。

我们也正在和 Kimi 合作:一是用它的基模做 RSI(递归自我改进),缩短硬件和具身漫长的研发周期;二是长远看,很多科研或生产闭环既要处理虚拟世界的信息,也需要物理世界的操作接口,他们解决虚拟世界闭环,我们解决物理世界操作。

除非 GPT-7 专门针对物理接触甚至触觉做了特别的训练,或专门推出更小的端侧动作模型,否则我觉得这种分工是更长期、更本质的结构。但就算他们做了专用的具身模型,由于在实际部署中硬件、模型和 Infra 骨肉相连,模型也很难被当做独立产品卖。

而且 GPT 做小模型也有一个风险,就是参数太小会丧失推理能力。最终还是要回到更有效的计算资源配置上。直觉型模型和长思考模型的计算开销、成本和优化方向都不同。本该用直觉反射去做的事,非要用长思考模型做,这不自然。一定有更轻、更便宜的办法。

Liber-0,220 万小时数据的验证与发现

晚点:你们刚发布了创业以来的第一个成果,世界动作模型 Liber-0。它有哪些显著的能力提升?

刘松铭:它验证了几个重要假设。最直接的是可以系统性地做 Zero-shot(零样本)了——遇到新任务不需要任何示教或训练就能直接完成。

我们的测试里,简单抓取放置(Pick-and-Place)的零样本成功率能到 60%~70%,非抓取放置能到约 30%;以前几乎是零成功率的长程任务,现在也有了 10% 以上的成功率。之前行业里还没人系统测过零样本的长程成功率,我们可能是第一个。

我们也跑通了从人手数据到高自由度灵巧手的迁移,灵巧手的自由度和控制难度要比标准夹爪高很多。

晚点:你们这次让 GPT-6 出了 60 道题,其中抓取、非抓取和长程任务各 20 道。有哪些以前对机器人很难、现在能零样本做到的任务让你印象深刻?

刘松铭:用 GPT-6 出题本身就是创新,比人去想任务更客观。印象最深的还是长程任务,以前觉得基本不可能零样本完成,现在看到了曙光——比如先把桌面上的物体装进袋子,再拉开抽屉把袋子放进去、关上抽屉,有四五个子任务。

晚点:还验证了哪些假设?

刘松铭:第二是,在这个领域做 scaling 不只是堆更多数据,还要懂怎么更有效地 scale。

这和 LLM(大语言模型)不同,纯 LLM 的数据格式都是文本;但具身数据,怎么采、怎么处理、用什么设备,都会影响 scaling 的效率。

我们验证发现,不同数据源的曲线差别很大,我们自研手套采集的物理数据的曲线是最陡的之一。这也是我们做全栈的原因:最终模型效果不只取决于训练,还取决于数采设备和本体设计,垂直整合是有意义的。

这也和我们的第三个验证有关,就是整套系统是互相增强的——数据、本体、模型训练如果各提升 30%,乘起来就是约两倍。比如我们设计的本体平台 LEO,腰部自由度和人基本一致,手腕也能像人一样球形旋转,这在拧转类操作里很关键,和别的本体对比效果明显不同,验证了我们成立公司的根本假设。

晚点:你们这次用了 220 万小时的数据做训练,它们是怎么构成的?

刘松铭:很大一部分是互联网数据,就是各种包含人类操作的视频。其次是第一人称视角(ego)数据,包括开源和供应商采集的视频,以及我们自有手套的数据;第三是真机数据,包括我们自己的遥操数据和开源的跨本体真机数据。

实验结论是:数据绝对量没那么重要,多样性、采集方式以及有没有精确动作信息更关键。

晚点:对比其他几个公布了数据量的模型,今年 8 月的 GEN-1.5 用了 50 万小时的数据,9 月的 Dyna-2 用了 100 万小时。不同公司的数据配比有什么区别?

刘松铭:GEN-1.5 主要用了 UMI 数据,Dyna-2 预训练用的都是第一人称人类视频,在后训练里加了机器人数据。

而我们在 3 个阶段的预训练里都混用了视频、ego 和机器人真机数据,逻辑很简单:互联网视频量大便宜,但缺精度、手部轨迹等物理动作信息;加上手套数据就能起到桥梁作用,完成动作锚定(Action Grounding),既能和互联网视频对齐,又补上了缺失的动作信息。而 UMI 是夹爪数据,和人手对不齐,所以我们没在上面花太多精力。

晚点:报告里有个实验结果是,手套数据配合 25% 的真机遥操数据,效果超过了 100% 的真机遥操作数据。一般认为真机遥操作是质量最高的数据,为什么手套的数据不仅能赶上,还能超过?

刘松铭:因为遥操本来就不是完美的策略,遥操时,人是从侧面看机器人,和机器人第一视角的画面不一致;遥操也没有力觉、触觉反馈,动作慢且迟缓,和预训练视频里流畅的人类动作对不齐。

而手套直接戴在人手上,和人自然的操作没区别,又能记录精确动作,能更好地蒸馏互联网视频里的信息。

我们还发现,模型能从手套数据里学到真机从来没学过的技能。实验里,真机数据只有抓取放置任务,手套数据包含非抓取放置任务,混在一起训练后,机器人就能完成非抓取放置的任务。这意味着模型能直接从无本体的手套数据中学到新技能,降低了对昂贵的真机数据的依赖。

这是我们最重要的验证之一。它比较明确地论证了手套能部分取代真机。手套便宜、真机贵,这样成本就会低很多,对 scaling 非常有利。

晚点:手套替代真机具体能降多少成本?

刘松铭:按我们的结果,手套能替代 75% 的真机遥操数据,达到类似甚至更好的效果。现在真机遥操 1 小时的总成本要上千元人民币,手套方案比它低一个数量级。

晚点:你前面也提到全栈优化效率更高。现在哪些硬件和核心零部件是你们自己做的?做什么、不做什么的原则是什么?

刘松铭:我们只自己做那些能改善最终模型效果的部分,成熟的零部件和供应链靠外供。

本体上,我们主要做构型和一些关键自由度上的部件,追求更像人,因为策略模型学的是人的操作,如果本体不够像人,一些知识就迁移不过去。

比如我们的 LEO,腰部能前折、侧弯,加上底盘旋转和升降,人的腰能做的它基本都能做;而不少人形机器人的腰部只能折叠而不能侧弯。

晚点:这么设计的必要性在哪?比如要调整操作高度,更简单、便宜的方式是让躯干垂直升降。

刘松铭:因为互联网和第一人称视频里的人就是这么动的——擦桌子、拿东西时自然会弯腰、侧身。如果人有这个动作空间而机器人没有,策略上就对不齐。

晚点:所以这是为了更有效率地从数据里学到东西,而不是说自由度更多就更好?

刘松铭:都是为了模型。我们的手腕也是一个类球形关节,能原地做拧转操作。而之前主流的手腕是用串联关节,原位旋转,比如拧瓶盖时,它会带着后面一截小臂一起转,某些情况下会发生碰撞。

晚点:之前大家为什么没在手腕上做球形旋转,在腰上做更多自由度?

刘松铭:因为会增加硬件成本和复杂度。虽然这在整机里占比不高,但从纯硬件角度看,只加成本没有收益,自然没人做;我们做,是因为从模型端看到了明确的收益。

晚点:你们的报告提到,Liber-0 在你们的 LEO 本体上做拧东西、弯腰捡鞋、在窄缝里拉抽屉等动作,成功率超 90%,比对照的硬件平台高 30 个百分点。但这是不是也意味着你们的模型适配不同本体,也就是 “一脑多形” 的能力比较弱?

刘松铭:我们肯定要做跨本体,但当数据来自人类时,越接近人的本体肯定越能接收这些知识,迁移效果越好。

最终会形成一个生态:我们的模型配自己的本体效果最好,也能交叉适配别的本体,但效果会略弱。

如果本体之间毫无差异,就没必要垂直整合了。这个领域对 Astra 来说也就一马平川了。这恰恰证明,越靠近物理执行越和本体强相关,不是单靠基模就能平推的。

晚点:Liber-0 技术报告分享了数据配比、核心假设、验证方法和各种对比测试。你不担心别人都跟进吗?

刘松铭:这取决于现阶段怎么看模型能力和影响力的关系。行业还早,现在又面临资本市场的考验,把验证过的信息分享出来,能让技术路线更清晰、给行业更多信心,也能让大家更相信我们是在扎实做事。

这次我们还开放了线上模拟器,任何人都可以拍照上传身边的物品,直接测试 Liber-0 在仿真环境里的抓取表现。(模拟器地址:https://sim.liberai.work/)

晚点:假如很多人都来自研手套,你们的竞争力不会被削弱?

刘松铭:已经有很多人在做了。但这件事的难点不在手套本身,而在背后的整套管线——从硬件设计、数据处理到模型训练,非常考验团队的全栈综合能力。这套系统我们已经磨了很长时间。

晚点:Liber-0 有什么遗憾吗?

刘松铭:一是触觉模态还在成熟中,主要卡在硬件和工程化上——要找到合适的触觉传感器,再把数据用好。这是 System 1 里的关键部分,也是基模较难涉足的部分。

另外,我们在上一版训练中,对强化学习的探索还不够,我们想做出类似大模型领域 RLHF(基于人类反馈的强化学习)那样与特定任务无关、能通用提升模型整体能力的强化学习方法。

晚点:整个训练 Liber-0 的过程中,有没有超出预期的难点?

刘松铭:训练还好,更难的是硬件,硬件对模型的影响比预想中深得多。不同的机械构型、传感器选型甚至电机参数,都会对最终模型结果产生非常大的影响。这让我更相信一个事实:System 1 及以下的部分,现阶段就是和硬件强绑定的。

不好的一面是,这会拖慢迭代速度,因为模型和硬件要协同迭代,硬件迭代周期比软件慢。

好的一面是,硬件在研发阶段不需要像算力那样砸钱,它需要好的设计理念,而且有大量串行环节,单纯砸钱很难加速。这也意味着大模型公司进场也没法靠烧钱跳过这个周期。

OpenAI 们没有动力啃的硬骨头

晚点:你们现在商业落地的进展如何?

刘松铭:还在探索阶段。这次 Liber-0 演示视频的后半段展示了我们从取料到封装,完整做完一杯奶茶的能力,这就是探索之一。

晚点:我看了接近 6 分钟的无加速、无剪辑的版本,它确实完成了一个复杂的长程任务,但有些步骤对机器人很难——比如有一步是要从带按压泵的容器里把糖浆挤进奶茶,人按一次也未必成功。实际运转中怎么保证成功率?

刘松铭:这需要其他模态来辅助。人是靠触觉和视觉的配合,但目前还没有很好的触觉硬件。像按糖浆这种光靠视觉很难判断的任务,也许还可以通过声音等其他方式,提示机器人有没有按出来。

所以越往真实场景走,越会发现硬件的制约很大。很可能正是这些工程、方案细节以及和模型的垂直整合效果,最终决定了能不能赚钱。

晚点:也可以换个思路,直接改掉奶茶流程里的这个设备?

刘松铭:可以。但我们在挑战完全不改造环境,这样部署成本最低、最容易规模化推广。说到底这是算账:什么方式成本更低、效率更高。

晚点:如果初期不是全自动化的,需要人介入,你能接受吗?

刘松铭:关键看人介入的程度,这还是算账。

晚点:从奶茶这个 demo 看,你们优先尝试的是商业服务场景?为什么不是工业、物流或家庭?

刘松铭:没放其他 demo 不代表我们没想法。现实是没有完美场景:家庭场景卡在泛化性还不够高和安全问题上;工业场景对节拍要求很高,要是找节拍不快的工位,又要比人工便宜,还得看从一个工位迁移到下一个工位有多少能力可复制。这些都还在探索。

晚点:容错率、节拍、工作价值……你们选场景时会重点看哪些要素,怎么排优先级?

刘松铭:第一,不能太非标,否则得做大量定制工程,有被商业化拖慢模型研发的风险。第二,节拍和容错率上,现有模型能力要够得着。第三,客户真愿意付费。

总结就是:不拖慢模型研发进度,又能给公司沉淀长期资产——要么帮我们摸清 “模型能力转化为商业价值” 的 know-how,要么帮我们积累场景数据。我们不会为了着急做短期收入而去做某个不 make sense 的场景。

晚点:不着急做短期收入,那你计划跑通第一个场景要多久?

刘松铭:理想状态下,未来 2 到 3 年我们会跑通一个标杆应用场景。标杆场景是指:第一,商业价值真正来自模型的泛化性,而不是靠传统非标自动化硬堆出来的;第二,可复制、有持续复购和收入,不是做完一单就没了,而且利润不错。

晚点:你觉得市场会给你 2 到 3 年的时间?今年 6、7 月以后,一级市场的创投活动已经明显降温了。

刘松铭:我们已经完成了 6 轮融资。这也是我刚创业时一个判断:市场会有一波行情,行情过后又会有低谷,我预期的转折点差不多也是今年下半年。

所以第一,要提前做好资金储备,要有严格的资本纪律,就是有效率地花钱;第二,做好商业化准备,逐渐靠自己造血。我们现在的储备让我们有足够的试错空间。

晚点:你没上过班、没在产业界待过,你的这些意识怎么来的?

刘松铭:我家里是做生意的,在这方面有很多体感。我爸做生意这么多年,赚的大部分钱可能都是行情好的两三年赚的,其他时间就是维持着。这就是行业周期。

当然他的生意比较传统,和我现在做的事很不一样。但我看过很多次:原本以为不会发生的小概率风险,最后真发生了。所以我越来越有一个想法:做决策时,绝对不能只考虑最好情况。

晚点:你怎么看来自其他类型公司的竞争?OpenAI 也在自己做本体和灵巧手,特斯拉和更多车企也在做机器人。

刘松铭:真到了商业化交付阶段,大家的处境是一样的:都得一个一个去啃客户,啃交付的硬骨头,这直接影响服务品质和回款。

从机会成本看,OpenAI 把同样精力投到 coding 上可能有 20 倍增长,但在具身领域干一两年可能都没多少收入。他们赚软件 SaaS 的钱已经很舒服了,连比物理 AI 好赚钱得多的 Sora 今年都关停了。我不认为 OpenAI 有基因、有动力来赚这种辛苦钱。

而车企、华为这类公司,核心是看量。卖车规模太大了,而机器人在初期,吭哧吭哧干一年也就几百台,他们不会在现阶段就重兵进场。

相反,站在客户角度,我们现阶段商业化交付的核心对手其实是做非标自动化和上一代机器人交付的公司。比的是我们的模型加硬件,能不能比他们更有成本优势和部署效率。

晚点:很多物理 AI 公司的创始人不屑于把非标自动化公司当对手。

刘松铭:在客户眼里就是。所以在商业落地上,最值得担心的不是基模冲击。核心风险在于,具身智能本身的 scaling 趋势是确定的,但技术转化成商业价值的速度和路径是不确定的。

“软硬一体全栈”,可能就是胜率最高的玩法

晚点:如果说基模厂商没动力赚更慢、更辛苦、场景更分散的钱,那选择做这部分的 LiberAI 能长成多大的公司?既然创业了,为什么不做最大的事?

刘松铭:我创业的这个时间点,不可能说我又不 dirty(干脏活、累活),我又能把这个事做得长远、有竞争力。因为客观上基模已经占住了它的生态位,你要跟它抢是非常难的。

这时创业者只有两个选择:要么加入它(基模);要么去做它没优势、短期不愿重投入的事,那就只剩偏物理世界的应用。

另一方面,今天慢、累、小,不代表以后一直小。一旦未来机器人走进个人和家庭的 to C 大市场,就会是一门超级大生意。就算 to C 还没成熟,如果我们能积累足够多的部署数据,训出足够好的模型,就有机会把二次部署的边际成本降到忽略不计,把分散的市场连成一片足够大的蛋糕。那时我们再跟基模巨头博弈,我们从物理世界长出来的硬件、产品和交互数据,就是核心筹码。

晚点:到了那个阶段,市场集中度会如何?大市场不一定有大公司。

刘松铭:走向集中是必然的。那时一定会出现一家对标苹果的特别大的公司。智能机器人一定会是人类有史以来最伟大的工业品之一。

晚点:可以说,成为一家这样的公司是你们的目标?

刘松铭:对,这是我们的愿景。从巨头看不上的地方成长起来,扎下根去,长得足够大再去竞争。如果看我们之后怎么玩这个游戏,我觉得 “软硬一体全栈”,可能就是通向那个终局的、胜率最高的玩法之一。

晚点:能分享一个你正在思考,但还没有清晰答案的问题吗?

刘松铭:未来到了大规模商业落地、分蛋糕时,物理 AI 价值链上的利润会怎么分配?我们能吃到哪部分、占多大份额?

纯数字世界的 LLM 靠 API 交付,大部分钱留在了基模和芯片上;但具身智能没有硬件本体和场景基础设施就转不起来,肯定会有一块价值留在模型、硬件和 Infra 垂直整合成的产品上。只是不同部分最终的利润配比是多少,现在还是未知的。

晚点:你说创业对你的意义是能直接做有价值的事。LiberAI 做成什么,会让你觉得离做有价值的事更近一步?

刘松铭:这和我们的名字有关。LiberAI 源自 Liberty(自由),中文名叫 “将闲科技”——“将要闲暇”,将人从生活琐事和繁重的体力劳动里解放出来。

“哪有什么岁月静好,不过是有人替你负重前行”,如果我们不希望任何一个人被迫负重前行,那负重前行的只能是机器人。那是最大的市场,也是我们最大的目标。

题图来源:晚点