出品｜虎嗅科技组足球投注app

作家｜陈伊凡

剪辑｜苗正卿

头图｜AI生成

“具身智能，还处于浊世。”

这是与CyberOrigin（下称：赛源）创始东谈主殷鹏碰头时，他对我说的第一句话。赛源是特斯拉、英伟达等公司在东谈主形机器东谈主领域的合作商之一。而其所在的珠三角，是全国机器东谈主供应链的中枢，那是殷鹏真实的“战场”——全球任何一家机器东谈主关联的公司，都必须到珠三角寻找硬件供应链，如今，还包括数据。在机器东谈主圈，这些为特斯拉、英伟达东谈主形机器东谈主提供关键检修数据的公司，往往被视为巨头背后的“卖水东谈主”。

和此前十余年“卖水东谈主”多为分娩制造模范关联公司不同，AI纪元下，数据类“卖水东谈主”正在异军突起。一批诸如赛源，驱动聚焦于提供机器东谈主与真什物理交互的数据。以殷鹏的公司为例，它的客户名单中，包括英伟达、特斯拉、OpenAI的东谈主形机器东谈主；也包括谷歌和斯坦福李飞飞的机器东谈主模子检修实验室，亦然赛源能够与其他机器东谈主数据公司拉开差距的所在。

但关于这些“卖水东谈主”而言，2025年以来警报声往往响起。

近期，据媒体报谈，特斯拉被曝暂停东谈主形机器东谈主的研发，养息设计。殷鹏在四月份已知谈这个音信，暂停的主要原因，仍然在数据问题——特斯拉需要更多机器东谈主数据以检修模子。这关于赛源这么的数据提供商而言，是个好音信，真什物理交互数据，而非实质，正在成为这场具身智能武备竞赛中的中枢弹药——“机器东谈主是引擎，数据是石油。没油，发动机运不了。” 殷鹏说，“咱们需要成长为特斯拉最大的数据端供应商。”

当虎嗅于六月在上海见到殷鹏时，他穿了孤单通顺打扮，玄色迪桑特polo衫和通顺鞋，倔强的刘海，时往往在言语间甩到前额，他再利落地把它撇开。碰头时，他正阅历一场短期出差，还带有一点风餐露宿，他需要在晚上飞回深圳，亦然多量“卖水东谈主”的基地所在。

算作赛源的CEO，殷鹏的另一个身份是香港城市大学助理诠释，他曾师从SLAM和盘算推算界外传东谈主物，JiZhang诠释，他创始了及时 3D 激光雷达 SLAM 的先河，并将其交易化。这一技巧，是机器东谈主、自动驾驶车辆的“导航大脑”，如果莫得它，扫地机器东谈主、车辆自动驾驶将无法存在。而殷鹏在而后曾深度参与NASA（好意思国国度航空航天局）、DARPA（好意思国国防部高等磋商筹划局）和英伟达的课题，其第一篇国际顶刊著述，成为NASA火星降落的参考决策之一，殷鹏亦然NASA火星登陆神志的高等参谋人；在DARPA的地下机器东谈主挑战赛上，殷鹏和团队开发出了首个超大限制多机合营定位建模系统，这个效力也发了第二篇国际顶刊论文。

图为殷鹏在实验室 图片由殷鹏提供 

在与虎嗅的交流中，殷鹏接续说起马斯克——特斯拉的创立者，他强调“第一性旨趣”的模范论，他读马斯克的自传，拆解这位硅谷“钢铁侠”的创业逻辑、交易故事，他称马斯克为“老马”，“第一性旨趣尽头可怕，他能把一件在旁东谈主看来不可能实现的事情变成可能。”殷鹏说。

2024年，殷鹏采用创立赛源。在创业之初，殷鹏求教过不少前辈，其中包括香港科技大学诠释李泽湘与高秉强，前者建议充分利用大湾区的资源。后者则建议作念国际商场，以及想考C端的生意。高秉强不仅是导师，亦然殷鹏最早的天神投资东谈主，这位在硬科技领域投资了不少上市企业的前辈告诉他，当下时点，找一个切口去创业，再层层迭代。

面临虎嗅，殷鹏分享了我方对具身智能的看法和创业的想法，从学者飞舞为企业CEO，殷鹏很坚决，因为学术依然很难心仪他需要的资源，他需要到业界、到一线去赢得更快更真实的数据反馈。这亦然为什么他莫得采用作念CTO，而顺利采用作念CEO的原因。

“如果认准了身位，那葬送无反顾。”殷鹏说。

机器东谈主的ChatGPT时刻

虎嗅：很较着的行业趋势是，ChatGPT出现之后，出现了Emboied AI的见地，立时特斯拉、英伟达、亚马逊等大公司驱动发布其各自的通用东谈主形机器东谈主筹划。这个飞跃在以前机器东谈主历史中极为有数。Transformer架构究竟作念了什么，让这个行业出现这么质的飞跃？

殷鹏：Transformer架构最大的晋升在于发明了一种可以Scaling Law的模式。以前咱们强调强化学习的效果能达到几许，检修数据集和测试数据集出入不大，因为场景许多，一定无法涵盖扫数场景，那么模子要接续重新检修。但这种基于监督学习的相貌，在未知领域发展很慢。Transformer架构可以输入充足多的数据，在充足多的数据下再进行微统一晋升。

这个策略架构最早是谷歌建议来，但真实用起来的是特斯拉的那群东谈主，将Transformer架构诓骗在自动驾驶上。因为磋商东谈主员发现，Transformer的中枢是当数据量到一定数目级时，会出现领会。这让具身智能在空间说合方面有了很大超过。

开头，它实现了空间说合能力的质变：传统强化学习在有限场景中只可进行局部探索，而借助Transformer的自防护力机制，机器东谈主能够对扫数这个词三维空间进行全局感知，并通过同期处理视觉、语言与动作等多模态信息，变成统一的空间领会模子；其次，它在泛化能力上取得了突破，传统模范在检修集和测试集场景相似时浮现尚可，但一朝场景变化就需重新检修，而Transformer模子通过大限制数据检修后，能够在未见过的场景中自主推理与适合；第三，这一架构推动了从章程驱动到数据驱动的范式转换，透顶告别了基于IF-ELSE的东谈主工章程系统，实现了从感知到动作的端到端学习，极地面减少了中间模范的信息亏本。

此外，Transformer擅万古序建模，其防护力机制让机器东谈主不仅说合动作间的先后关系，还能进行复杂动作序列的经久盘算推算；更进攻的是，它支柱多任务学习：活着界模子中，视觉、语言与操作被整合于统一模子；在分层架构中，表层负责高层推理与决策，基层则承担精确奉行，两者兼顾；在数据效力方面，尽管依然需要多量数据，但与传统模范比拟，Transformer能用更少的任务特定示教数据完成复杂任务，并将学到的知识移动到关联任务；同期，其在线学习能力使机器东谈主在奉行过程中接续学习与养息，并对光照、物体位置等环境变化具有更高的鲁棒性；临了，它实现了语言说合与奉行的统一，不仅能说合复杂的天然语言领导，还能勾通视觉信息进行多模态推理并飞舞为具体动作。

这种从“专用AI”向“通用AI”的转换，让机器东谈主从只可奉行预设任务的用具，进化为具备环境说合、技巧学习与新场景适合能力的智能体，这一技巧进展恰是“通用机器东谈主成为可能”的根蒂驱能源，亦然刻下东谈主形机器东谈主高涨的中枢所在。

虎嗅：你刚才说最早将Transformer进展光大的是特斯拉的无东谈主车，让群众看到一个进攻的实现旅途，可以伸开说说吗？

殷鹏：特斯拉无东谈主车将Transformer"进展光大"的关键在于他们率先将Transformer架构应用于自动驾驶的视觉感知系统，实现了从多个录像头输入到驾驶决策输出的端到端学习。

这冲破了传统自动驾驶依赖激光雷达和复杂传感器会通的技巧道路，证明了纯视觉决策的可行性。特斯拉领有全球最大的自动驾驶数据采集汇注，每天有数百万辆车在路上采集数据，他们率先考据了Transformer架构在大限制真实全国数据下的"领会"效应，当数据量达到一定例模时，模子性能会出现质的飞跃。

特斯拉的Transformer模子能够同期处理8个录像头的及时画面、车辆通顺轨迹和历史现象、以及3D环境说合和旅途盘算推算，这种统一的多模态处理能力为自后的具身智能提供了进攻鉴戒。

更进攻的是，特斯拉证明了Transformer不仅能作念感知说合环境，还能作念决策盘算推算旅途和甘休车辆，实现了齐全的感知-决策-奉行闭环，这为机器东谈主的"大脑"设计提供了进攻范式。通过车辆在真实谈路上的行驶数据，特斯拉实现了大限制的自监督学习，让模子能够从未标注的数据中学习驾驶技巧，这种模范自后被粗拙应用于机器东谈主的动作学习中。

另外，还将其工程化，实现了在车载硬件上的及时推理，这为具身智能的实践部署提供了进攻训诫。

是以特斯拉的顺利让扫数这个词AI界看到了一条进攻旅途：通过大限制真实全国数据检修Transformer模子，可以实现从感知到举止的端到端智能。这顺利启发了谷歌的机器东谈主神志驱动大限制采集机器东谈主操作数据，OpenAI将类似架构应用于机器东谈主甘休，各大科技公司驱动宠爱具身智能的数据采集。

是以，特斯拉实践上创始了"用数据驱动的AI来解决物理全邦交互问题"的先河，这恰是刻下具身智能高涨的技巧根源。他们证明了Transformer不仅能处理语言，更能处理复杂的时空序列数据，为机器东谈主的"ChatGPT时刻"奠定了基础。

虎嗅：目下全球机器东谈主模子主要来自几家实验室，包括谷歌和斯坦福李飞飞实验室，这些不同的模子技巧道路有什么不同以及优劣之分？

殷鹏：目下，模子体系豪爽分为两类，很难纯粹评判优劣。第一类是“全国模子”，将视觉、语言与操作等多种能力整合进一个统一模子中进行检修。举例，李飞飞实验室的全国模子、Pi的 OpenVLA 和谷歌的 PaLM。这类模子的优点是不休速率快，适用于在厨房、浴室、卧室等特定场景中采集数据并优化机器东谈主性能。但其劣势在于泛化能力弱。一朝超出检修场景（如机器东谈主从一个房间出动到另一个），就需重新采集数十小时的数据进行检修，不然性能会大幅下落。举例 SLAM（同步定位与舆图构建）对光照和场景元素极为敏锐，隐微变化就可能导致如合手取等操作失败。因此，该类模子更合适纯粹场景的演示，难以打发如工场等复杂、动态环境。

第二类是分层羼杂架构模子，代表如 Figure.AI。该模子结构类似于东谈主脑与小脑的单干：大脑部分负责文本和视觉推理，解决“去那边”“拿什么”的逻辑问题，如证据卧室或厨房的图像定位主见与制定合手取策略；小脑部分甘休机器东谈主实质的具体动作，如行走、开雪柜门、合手取鸡蛋等，需靠多量数据检修实现高精度甘休，举例养息机械手的力度和手指远隔。

这类模子的上风在于单干明确：表层负责空间逻辑与决策，基层奉行精细动作，尤其在完成“临了一厘米”的操作时，能精确甘休奉行细节。

以特斯拉等公司的机械手为例，闲居具备19至20个目田度，因搜索空间纷乱，必须通过多量数据学习来优化动作旅途。这种架构更适用于环境复杂、频繁变化、泛化条款高，且对操作精度极高的场景，如精细合手取。Figure 和特斯拉走的是这条道路。

虎嗅：刚刚说到好意思国，中国这两年也跑出了可以的东谈主形机器东谈主公司，比如宇树，中国的机器东谈主技巧水和缓好意思国有各异吗？有一个不雅察，如果从两国具身智能公司所展示的Demo侧要点来看，似乎中国机器东谈主公司风尚于先作念硬件、再作念模子，国外似乎是反过来。

殷鹏：我认为这与两国国情筹划。中国大陆有很强的智能制造供应链，可以让咱们将扫数元器件以很低资本进行快速落地和迭代，在中国作念贤慧手，可能只需要在1-2个月的时期，用有限的资源就作念成，这在好意思国事根蒂不可能的事。但好意思国更擅长的是大脑模子的开发，其实两边可以变成雅致的互补。好意思国擅长从0到1的突破，中国很擅长从1到100。

机器东谈主数据可能是具身智能中最快完成交易闭环的

虎嗅：为何采用在这么一个时期点创立一家创业公司？诚然大模子领会许多契机，但具身智能的交易化还有很长的路要走，遑论东谈主形机器东谈主的大限制交易化，而算作这些机器东谈主厂商的上游-数据提供商，交易链条更长。

殷鹏：开头是时期点。当下是一个关键节点，全球都能看到大模子在空间说合、推理能力上的突破，这让通用机器东谈主成为可能。从硬件层面看，也出现了实践落地的迹象，这与上一波主要聚焦特种机器东谈主的机器东谈主波浪不同。

将来的发展周期到底是10年照旧20年，难以下定论。但对咱们这群作念机器东谈主的东谈主来说，更敬重的是它最终能否实现。就像老马说的，“能像东谈主不异上工位干活”，这是咱们真实想看到的。这亦然我采用在这个时期点创业的中枢原因。

如果一味恭候，就无法真实感受到时间脉搏。我也但愿能切身下场，挖掘行业中的中枢难题。许多问题唯一真实参预行业、面临真实场景，才能体会到，线下纯想考往往显得太纯粹。

你刚才提到周期可能很长，如实如此，数据链路也很长，但关于机器东谈主实质来说，数据反而可能是最快能变成交易闭环的。

莫得多量真实数据，实质和大脑都难以进化。就像检修大语言模子需要纷乱的语料，无东谈主车需要日采数以百万计的车辆数据，机器东谈主亦然不异。如果不明决数据问题，就会经久被卡住。

模子仅仅引擎，数据才是石油。唯一冉冉陆续的数据供给，扫数这个词“车”才能真实跑起来。具身智能亦然如此，若无法突破数据瓶颈，扫数这个词行业就会停滞。而构建数据闭环诚然最具挑战，却亦然最顺利、最快和风险最高的一环。

虎嗅：往往这类交易链条长，对技巧条款高，而且是“石油”属性的事情，往往是大公司在作念，举例英伟达、特斯拉、谷歌，或者即是举例此坦福实验室这么的学术机构。初创公司来作念这件事，一面是钱无法和大公司抗衡，一面是有交易化压力，如何竞争？

殷鹏：全全国扫数机器东谈主公司、作念大脑的公司、作念实质的公司，都是咱们的友商。咱们会给他们提供数据。目下咱们依然给许多头部大型AI公司提供大都量机器东谈主数据。起码将来5到10年，咱们和这些头部机器东谈主公司都是友好关系。

我知谈这个赛谈将来会很卷，东谈主也会尽头多，许多公司也会转去作念数据，不外我认为这个并不影响事情自己。因为关于最深层的数据，很难通过一家或两家公司作念成。

虎嗅：我说合，荒谬于是作念一个具身智能界的Scale AI吗？

殷鹏：是的，都是数据供应商。但咱们和ScaleAI不同的点是，Scale AI愈加贯注数据标注，大厂会顺利给Scale AI提供数据。但咱们在作念数据标注除外，还需要作念数据采集和考据的职责。

开头咱们有检修模子的能力，会和多量大型客户设立大都量采集数据基地，作念几百万小时的海量数据采集。拿到这些数据之后，咱们还要作念标注、清洗、模子初期考据，再把数据转给大厂，作念更精细化的处理和检修。

虎嗅：咱们当今主要有两部分数据，一部分是在真实场景中采集的数据，另一部分是仿真3D数据？

殷鹏：咱们主要聚焦真实场景的数据。

一方面，咱们有一个开源社区，开拓供应商都可以参与数据采集，这是一个分享的平台。另一方面，咱们在拿到数据后会先在里面进行检修和考据，确保可运行后才发布。目下咱们采集的数据主若是上百万小时的真实数据，莫得触及合成或仿真数据。

这在业内其实算是比较“反知识”的采用。当今许多公司在作念合成或仿真数据，咱们天然认同不同类型数据各有价值，但从咱们的角度来看，真实、丰富的数据最能晋升模子检修效果。

诚然咱们也有能力基于真实数据作念大限制合成，比如一条生成十条，但这个技巧门槛并不高，大厂也实足可以作念。是以咱们更专注在他们不简易作念、或者不肯意作念的事——也即是采集真实全国的数据。

至于仿真数据，诚然它在强化学习里的确是个可以的考据平台，但效果很难顺利移动到现实中。比如咱们用几十张显卡检修一个合手取动作，在仿真里顺利率可能有95%，但一朝部署到真实机器东谈主上就可能掉到60%；像系鞋带这种更复杂的动作，顺利率以致可能降到45%。也即是说，仿真数据很难在真实环境中泛化。

因此咱们最终决定专注于真实数据的构建，既来自东谈主，也来自机器东谈主自主采集。

虎嗅：真实场景数据的采集，很锤真金不怕火效力和采集效果，如何保证质料和数目？

殷鹏：举例工场的一条包装产线，有许多操作细节，如何合手取、如何继承、如何解析这些动作，可以创造尽头丰富和高浓度的机器东谈主数据。咱们会让操作员衣服开拓，在真实分娩经由中采集数据。一小时内，就能采集出约500到1000条高密度的数据，每条数据都包含具体动作、笔墨描摹、图像合手取等信息。

相较之下，真东谈主采集效果比遥控机器东谈主要好许多。遥操作是用机器东谈主实机在现场完成任务，但以当今机器东谈主的能力来看，哪怕是纯粹操作，也可能奉行得很复杂，效力低下，一小时只可采集几十条真实有价值的数据。

虎嗅：从数据采集的角度，需要找一个合作生态尽头关键？你从什么时候驱动作念这件事，作念了多久？

殷鹏：前年八月份驱动，持续半年多，粗鲁有几十家合作公司，包括工场、小作坊等。咱们当今粗鲁有十万小时的数据，背面会把量级扩大到10倍，达到100万小时量级。我认为这个量级，才会让机器东谈主达到比较客不雅的效果。

唯一成为一号位，才能获取业界最快最真实的反馈

虎嗅：一般科学家创业，顺利率往往不高，或者说许多行业的共鸣是科学家创业，其更合适作念CTO，而不是CEO。在创业之初是否有面临这么的质疑？在创业过程中关于我方的定位，你是如何看的？

殷鹏：这种质疑对我来说经常出现。我想创业的真实原因是，具身智能这件事，学术的资源依然不行心仪我，唯一真实到业界，才能拿到充足多的企业资源，但如果我仅仅个二号位或者三号位，我没办法得到最快最真实的反馈。

虎嗅：决定下场创业时，有跟行业前辈聊过吗？

殷鹏：和许多前辈聊过，比如李泽湘真诚（虎嗅注：香港科技大学诠释，固高技术董事长，松山湖国际机器东谈主产业基地发起东谈主）和高秉强真诚（虎嗅注：香港科技大学荣休诠释、工学院原院长，全球知名微电子众人，投资了想特威、博通集成、澜起科技等公司）。

虎嗅：他们有莫得给一些可以的建议？

殷鹏：李真诚的想法是，机器东谈主的生意，还悲伤常吃硬件的，需要充分利用好大湾区的资源。高秉强真诚的建议是一朝这个交易模式跑通，一定要作念国际商场。因为国际在具身智能上走得更早，会有更深的Know-how。另外，具身智能这件事照旧偏早期，B端的应用最终照旧会落到C端，因此也需要想考这个过程中，B端和C端的界限，除了给各大厂来用，还需要接头如何让普通环球也用起来。

虎嗅：第一笔投资是如何拿到的？

殷鹏：第一笔投资其实是高秉强真诚投的，他是咱们的天神投资东谈主，高真诚很了解我，那时咱们常一皆交流，高真诚建议在当下时期点，找一个尽头好的切进口可以去创业，再层层迭代。

虎嗅：许多科学家在与工业界交流交流的时候往往存在一些语言体系的不同和由此带来的挑战，科学往往但愿在单点突破，但工业界对技巧的开头性反而没那么宠爱，更宠爱是否解决问题，是否结识，你如何适合这么的身份转换，适合不同的交流相貌？

殷鹏：如实如此。学者曲折到CEO，之前宥恕一个点，可以挖得很深，可以退换这个点周围关联的资源，其他扫数的链路都无谓接头。但变成公司就不不异了，更多要接头的是公司的欺压、文化、这个业务自己的交易模式是否闭环，是不是收成。这里会出现许多不同的难点，需要各个击破。另外，算作一家创业公司，任何一个新的模式都有东谈主质疑。是以就需要用最小的资本，完成产物的可行性考据，这些都是创业需要讲演的事情。

虎嗅：这两个旅途是相背的，一个往纵向里扎，一个作念横向。

殷鹏：是的，一个点的突破不代表扫数这个词系统就被解决了。创业需要对整条链路的每个模范都充足了解，即使我方不懂，也要找到懂的东谈主一皆作念。而且要有对时期周期的把控，毕竟创业公司的资源不是无穷的，没东谈主能等你10年、20年才接头交易化。

同期，还需要一个优秀、风雅的团队来承担中枢任务。这其实至关进攻。硅谷有个说法叫“创始东谈主模式”——公司价值不雅往往反应的是创始东谈主对行业的说合。如果咱们说合充足深，就能收拢行业的中枢问题，不会过于激进也不会太保守，计谋标的会更明显，团队也会知谈我方的定位。

殷鹏实验室团队，右一为殷鹏

唯一具备这么创始东谈主导向的文化，才能诱骗真实志同谈合的东谈主。哪怕像老马这么的创业者，在他的每个公司也都有一群至意的扈从者。

虎嗅：在这个过程当中比较大的挑战，或者压力挺大的时候是什么？

殷鹏：因为开头是算作真诚要去转型，尽头祸害。要从一个钉子变成一个类似于像梳子这么的模块。

在讲求创业之前，咱们往往专注于一个单点问题的潜入突破，个东谈主只需想考得充足潜入即可。但算作创始东谈主，就要从“钉子”想维转换为“梳子”想维，不仅要深挖某少量，还要兼顾全局多个维度。

创始东谈主宥恕的面尽头广，但面广不等于“大而空”，不然团队会不知谈具体该作念什么。在此基础上，既要全面布局，也要在每个关键点潜入推动，明确每个东谈主的任务、节律和具体内容。这对时期欺压和详细能力建议了极高条款，亦然每一位创业者都必须阅历的一关。

第二点是交易模式的不笃定性。在发展的某个阶段，一种模式可能完成闭环，实现真实的突破，但咱们无法准确瞻望这一刻何时到来。以数据行业为例，外界对其组成存在争议——有东谈主强调课程数据，有东谈主依赖仿真数据，也有东谈主宠爱真实数据。咱们相对通达，认为多种模式都有契机顺利，但难以实足把控这种趋势在经久周期内的演进限定，因此要依靠直观判断。

虎嗅：直观主要来自那边？

殷鹏：这种直观，来源于第一性旨趣的分析、快速获取行业和用户的反馈。咱们站在前哨，能第一时期赢得大厂在性能优化等方面的训诫和信息，这使得“即时响应、快速交流和反馈”变得极其关键。因为一朝信息误判，就可能导致决策失实，进而影响全体计谋。

是以，在创新过程中，创业者常会阅历两个挑战：一是从个东谈主上流度突破转向全面统筹，二是在不笃定中寻找标的，并永久保持对信息的机敏锐知和快速反应。这亦然“早晨前的昏黑”阶段，诚然祸害，但唯有冲到一线，潜入想考和成立，才有可能迎来真实的突破。

虎嗅：在潜入业界之后，你发现了哪些是以前莫得领略到的行业痛点或者问题？

殷鹏：比如咱们之前作念遥操，支配这个领域咱们作念了两年，咱们会作念举例合手取苹果、杯子，这么纯粹的事情，也会作念拧螺丝这么很难的磋商。但确切和工业界交流时发现，这些事往往无法落地。比如说他们不需要检修一个多Fancy的模子，只需要百分百作念成一件事，一个可以落地的策略解决决策。

虎嗅：其实创业公司的初创团队是很进攻的，许多时候如果找的都是能力很强的东谈主，反而不行顺利。搭团队的时候你看中的是什么？花了多万古期搭团队？

殷鹏：找东谈主对创业公司而言至关进攻，咱们粗鲁花了半年时期。我照旧更鉴戒黄仁勋的机制，一驱动两三个东谈主一定要多情谊基础和经久合作伙伴的关系，对互相有经久信任感，能够共同承担风险。比如咱们早期和好意思国大型公司谈订单，拿劣等一个客户，这种事情变成的创新交谊在创业中尤为贫瘠。咱们并不留神这个东谈主是否一定是名校，更在乎的是在参预公司后是否能够快速适合公司文化和氛围，把我方的能力进行快速晋升。是以我更敬重的是加快度，如果加快度很强，证据他有很强的内驱力，能够在一个公司找到我方很好的身位，把能力作念极大的阐述。

虎嗅：话说转头，在“画饼”这件事上，您如何让群众应承折服这个愿景并坚韧往这个标的奋勉？

殷鹏：当年老马作念 SpaceX 时，业界遍及认为火箭回收不可能。但他凭借个东谈主魔力，作念了初步考据，拿到融资，从 NASA 招来一批折服他的团队，最终把这件事作念成了。

我亦然从第一性旨趣启程，想考什么样的数据真实能起量，拆解扫数这个词过程，预判可能遭受的问题，与团队沉稳攻坚，一朝突破，可以达到怎么的限制和影响力。

当今看 Scale AI 的市值就能明白，一家“卖水”的公司也能作念到行业头部。这个愿景是群众可以一皆实现的。咱们要作念的是处理大客户，与他们设立深度绑定，让外界更应承折服这个故事。

具身智能尚处浊世，认同了葬送无反顾去作念

虎嗅：你其实是一个风尚于将长主见拆分红一个个短主见的东谈主？

殷鹏：是的。我认为任何复杂的事情都耐不住细化，短期可以是一个季度为计或者半年可实现的主见，层层往上迭代，总会实现。黄仁勋亦然这个策略，他最早就All in算力，仅仅在那时的时期点莫得东谈主提。是以他驱动作念游戏，然后挖矿，之后遭受AI。

虎嗅：你一直在提到“第一性旨趣”，马斯克是把“第一性旨趣”进展光大的东谈主。什么时候驱动领略到“第一性旨趣”这件事并认同它？

殷鹏：我是去好意思国之后第一次真实了解Elon Musk，他背后的创业逻辑、故事道路，了解特斯拉、SpaceX。我在好意思国的那几年，正巧见证了特斯拉如何冲出低谷，再往上爬升的过程。见证马斯克如何一层层把群众对他的质疑划破，去终了。包括他承诺了快要十年的Robotaxi。是以我磋商了他的交易历史，我发现第一性旨趣确切尽头可怕，能把一件在旁东谈主看来不可能实现的事情变成可能。

虎嗅：当今在看什么书？

殷鹏：最近的新书即是马斯克的自传。

虎嗅：看起来你很可爱马斯克。

殷鹏：对，可以说我的扫数这个词的交易逻辑，交易模式，许多都是来自老马的启发。他如安在早期就想考这件事，如何设计、如安在某个时期点吩咐压力，作念别东谈主看起来不可能的事情。

虎嗅：当今还会相持冥想吗？每天会花多万古期？

殷鹏：我当今每天早上五点起床，会花半小时冥想然后驱动每天的日程职责。因为事情会越来越多，如果莫得一个合理的放空契机，东谈主会在一些杂事情上迷失。如果每天没办法得到我方内心深处的反馈，在旅途采用上照旧会出现一些问题。

虎嗅：创业于今，有莫得发生一些反知识的事？

殷鹏：我认为是有的。泡泡玛特的王宁曾总结过一个训诫：创业时咱们常以为A很进攻，离了它不行，但实践作念下去才发现，真实关键的是B，而B在最初以致看不出来有多进攻。到面临客户时，又可能是C才对，因为客户需求会接续变化。最终是通过B的养息，才演化出C的方式，接续优化这个过程。

一驱动设计的旅途，在接续试错和不休中，可能会天然找到最优解，但这个最优解很难一驱动就意预见。正如那句话：“伟大的事情无法被筹划。”

虎嗅：关于你和公司而言，将来的挑战会在那边？

殷鹏：当今可见的是，参预具身智能行业的“用户”越来越多，而不是专注作念数据的公司。咱们前年刚创业，还需要向投资东谈主解释机器东谈主数据的进攻性，但如今这险些已成共鸣。

这天然是功德，但亦然一把双刃剑。群众认同数据的价值，意味着越来越多的公司驱动涌入这个赛谈，无论大厂照旧中小团队，生态变得越来越“卷”，也驱动出现不少访佛造轮子的怡悦。

扫数这个词行业仍处于“浊世”阶段足球投注app，关键在于如何找到我方的特有位置。对咱们来说，数据是最中枢、亦然最擅长的部分。既然如此，就莫得游移的旨趣，只可义无反顾地往前走。