2.42亿美元，一举创下中国具身智能最大天使轮融资纪录，很多人正是从这里一次听到它石智航。最近一幕更震撼，它石智航Pre-A轮融资4.55亿美金，创下了中国具身智能最高单轮融资纪录。
与公司热度相反，它石团队却如其名，踏实而低调。大多数人只看到了这枚火箭的速度，好奇与质疑并存。
最近，在线性资本出品的视频播客「一线之间」中，线性资本创始人王淮，邀请到它石智航的创始人兼CEO陈亦伦，聊了聊他与它石背后的故事。
回顾过往，陈亦伦在人生重要时刻的每个选择都看似令人费解：物理竞赛保送清华，选了电子系。博士毕业拒掉50万美金年薪offer，去机电公司学液压。大疆干得开心，后转身离开。从零把华为智驾做到震惊行业，又转身回到清华做研究。
2025年2月，陈亦伦与李震宇、丁文超、陈同庆、Vincent等，联合组建起一个六边形的创业梦之队，成立它石智航，连续三轮融资后，一年领跑行业第一梯队。
这是陈亦伦创业后首次对外做客的视频播客，也是它石创业故事的首度全景呈现。
01 那些塑造命运的震撼时刻
物理少年的武侠“内功”幻想
▍王淮：亦伦，知道你们这轮融资又做得非常顺利，我们也连续支持了三次。虽然它石的故事才刚刚开始，但的确是一个非常闪光的出场。具身作为一个品类，也是被越来越多的人所认识到。
虽说英雄不提当年勇，但每个人的现在，或多或少都能在过去找到暗藏脉络。我很好奇，你是物理竞赛保送去的清华，但是选的是电子专业，当时是一个什么想法？
▍陈亦伦：我中学是在外公外婆家里上的，两个老人家不喜欢看电视，家里什么好玩的东西都没有，只有两类书，一堆是物理书，一堆是武侠书。
渐渐地，我就养成了两大爱好：一是特别爱看武侠小说，几乎把所有武侠小说全部都看遍了。武侠小说里往往有个经典桥段，男主掉到悬崖底下却意外发现了武功秘籍，然后开始努力修炼，内力渐长直至神功大成，这种故事总让我热血沸腾。二是我对物理极其喜欢，我努力学物理时就在幻想，自己会不会有一天也能神功大成，成为一个非常好的科学家。
▍王淮：物理武侠大师，这两者倒是蛮有意思的组合。
▍陈亦伦：我中学时一直觉得自己在学物理上非常有天分，我在初中就学完了所有的高中物理，而且我在初二就开始学大学的普通物理，初三也学完了微分方程。但这一切其实是出于我对于“苦练内功”这种情景的代入。
后来我参加物理竞赛，觉得我一定要成为伟大的物理学家，也许能成为爱因斯坦这样的人。但后来有几件事情让我看法发生了改变，也令我一直受用。
第一件事是我参加物理竞赛，非常顺利地一路进入了国家集训队，会从25名学生中选5名代表中国参加国际奥林匹克。我们当时在上海进行集训，大概一周后，你就会发现一个非常痛苦的事实——大家来之前都觉得自己是下一个爱因斯坦，但来了之后你发现这25个人都是这么想的。
▍王淮：但最后有20个人要黯然离场。
▍陈亦伦：所以当时我就意识到了，至少我不是那个独一无二的，最终我也没有挤进前五名，但这件事却让我明白了一些事。
第二件事是，我在中学时有两本特别喜欢的书，一本是《朗道十卷》，它是一条最优化原理（万物运行遵循最低耗能），我读到时感觉醍醐灌顶，它让我相信这个世界一定是有规律的；另一本是《费曼物理学讲义》，他把一个非常物理的东西给你讲得头头是道，这个过程让我觉得太有意思了，我觉得可能我内心是个工科生。后来我们集训队大概有一半人去了北大物理系，去清华的没有例外，几乎大多数都去了清华电子系。
▍王淮：我记得费曼有个说法是，如果一个概念你没有办法对8岁的孩子讲清楚，那这个概念可能你就没讲好。
▍陈亦伦：非常对，这就是后来大家说的“费曼学习法”，我亲测有效。
天生喜欢“能动的东西”
▍王淮：你以前也说过，你天生喜欢能动的东西，这个点是什么时候开始的？
▍陈亦伦：物理和数学有个特别大的区别，在于数学你解题或者推导，很多时候不知道它是干嘛用的。但物理你做完一段东西后，能够在实际中印证起来，就会非常激动。当时省队为了让我们补充物理实验，把我送到大学里去，把大学的那些物理实验全翻了一遍。那个时候我感觉特别好，这个东西对我来说感觉比推公式要更有趣。
▍王淮：所以从那时候就开始就是“能动手，就绝不多说”。我记得你还有一个震撼时刻是，07年看到波士顿动力机器狗在冰面上的视频，能不能还原下当时的情景？
▍陈亦伦：对，我当时在密歇根大学读博的时候，我做的方向是统计机器学习（Statistical machine learning），其实就是现在AI的前身。那几年我差点变成数学家了，每天就是在图书馆翻各种各样的数学定理，以证明我提出的方法是满足某种最优性原理的。
但密歇根大学其实在机器人方面非常强，有个知名的鸵鸟腿机器人就来自于我们系的Jessy W. Grizzle教授。所以你可以想象，当时一边是我每天在拼命推导公式，一边是看同寝室的同学们在机器人实验室玩那些能动的东西，这让我极其羡慕。但我其实发现他们用的还是一些非常传统的办法，所以尽管它能动，却非常笨拙。
07年的时候，波士顿动力已经在YouTube上放一些视频了。那个液压狗，在冰面上打滑、被人推也能保持平衡——这对于学算法或者学机器人的人来说是非常震撼的。在那个时代，这个效果绝对是断代式领先。而且这与学术工作不一样的是，他们没有论文让你研究是怎么做的。所以这样一个工业界的作品，反而更加激发了我的好奇心，让我非常上头。
▍王淮：有时候人是会特别着迷于一些难的东西的。所以这件事对你后面职业、创业的选择有多少影响？
▍陈亦伦：有巨大的影响。我当时看到这个东西，就觉得是我想做的事。过去我其实花了很多时间做算法，那其实是你输入一堆数，吐出一个数，但这个数意味着什么？而这个数如果能被你直接感知到，甚至看到它创造价值，那你获得的满足感将完全不同。
除了波士顿动力狗，当时特斯拉电动车也带给了我极大的震撼。尤其是Roadster（特斯拉首款量产车型）出来后，你会觉得酷呆了。这种能动的东西，让你感受到了这些算法是个好东西。
▍王淮：有一种看到了光的感觉，对吧？
▍陈亦伦：对，看到光，所以就要去追逐它。
▍王淮：其实我们回头想想，人生的很多阶段都会出现一些吸引你的东西，让你夜不能寐。那其实就是人生当中指引你应该往哪里去的那些光，不能轻易让那些东西过了第二天就跑掉了。
放弃50万美金年薪的职业起点
▍王淮：以你博士读的方向，当时去硅谷那些TOP大厂应该不难，而你却选择了去一家机电系统公司学液压，这个选择当时是怎么做的？
▍陈亦伦：这确实是一个非常反主流的选择。毕业的时候，首先我的导师力劝我留在学术界，他说“亦伦，我觉得你适合当老师”。但我更喜欢做实际的东西，所以后来我拿了三个Offer。
第一个Offer是去华尔街做量化，在2011年时年薪就能达到50万美金，这肯定是很大一笔钱。第二个比较常规，就是Google的，当时好像有几十个人想要内推我。大概是15万美金一年，对于一个刚毕业的博士也是很不错的待遇。
▍王淮：这个待遇真的是蛮少见，我第一次听说Google里几十个人推一个人的，大家可能都觉得你这个Referral Bonus比较好赚吧哈哈。
▍陈亦伦：第三个是我选的，是一家叫伊顿（Eaton）的公司。其实我之前完全不知道有这么一家公司，只是有个清华的师兄在那儿，他说这也是家财富500强公司，最关键的是他所在的部门叫Innovation center，有着一套非常有趣的运行机制。
首先这个部门是刚成立的，直接汇报给伊顿的CTO，很受关注。然后他们工作的方式特别像一个初创公司，他们的负责人是西门子TTP部门过来的，几乎是在用一种风险投资的方式运营这个部门。员工负责提出idea，然后公司会分A、B、C阶段来资助员工，让这个想法变成产品，甚至走向市场。
▍王淮：很有意思的一个游戏规则。
▍陈亦伦：他跟我说，你不要把它当做一个工作，这完全可以是你的学习体验，相当于读MBA了。而且作为一个创新者，我可以在伊顿的各个业务板块间活跃。我就去看了伊顿具体有哪些业务，越看越上头，尤其是它有hydraulic，我就想起了波士顿动力狗。当时伊顿在商用车的Hybrid Powertrain里排名第一。
我就发现，之前可能一直有个模糊的想法要做Robotics，但是我只懂算法，我不懂其他。那在这里我可以像做一个初创一样来做这些，还可以和其他各个领域的专家合作，简直完美。
▍王淮：这是你追逐的梦想的第一道门？
▍陈亦伦：是的，伊顿对我来说真是非常有价值的一段经历。
▍王淮：所以如果想要吸引顶尖的人才，只靠钱是不行的。对那些真的有才华、同时也有梦想的人，一定要用梦想去俘获他们。你在伊顿待了多久？又是因为什么机缘加入的大疆？
▍陈亦伦：我在伊顿其实待的时间还挺长的，大概五年。我们是一个全球化的创新中心，当时在上海要建一个中心，所以我算是最开始来筹建的四个人之一。
▍王淮：那也是一个创业的经历啊。
▍陈亦伦：可以说完全是从0到1，先定义要做什么，然后自己动手把地下车库改造成一个大实验室，招募全球团队，非常有趣。
02 大疆与华为的修炼之路
在大疆学到的最重要一课
▍陈亦伦：离开伊顿有两个原因。客观原因是原来的CTO是瑞典老先生，他对创新特别包容，他退休后就换了位印度裔的CTO，大幅收缩预算，很多事情就和之前不一样了。
而主观原因是，虽然我当时干得也很起劲，但是我意识到，我做的事和机器学习或者AI渐行渐远了。而那几年，恰恰是AI发展最快的时候。
而且因为我和同学朋友联系比较多，所以我知道当时在硅谷发生的所有事情，我知道AI其实进步得非常非常快。我想了想，我还是想做Robotics。
那中国最好的Robotics团队在哪里？一般认为在大疆。因为那时候Robotics还不是一个大行业，学校里这块最好的人就是打打比赛，工作去大疆。
▍王淮：你通过人才的导向也看到了一些端倪。
▍陈亦伦：而且当时哪种机器人可以代表这个行业最先进的技术？肯定不是工业机器人，那些还是90年代非常老派的东西，那时候无人车也没有起来，所以无人机确实能代表机器人领域最先进的技术，它的双目定位、导航避障、路径规划，这些都做得很好。
而且我非常喜欢大疆的产品，感受到里面是用科技之美感动了人心。而且它里头有很多设计是颠覆你的认知的，比如说它的云台怎么能够做到那么低成本？悬停怎么做到能够那么稳？
而且伊顿还是比较典型的西方大企业模式，有一套环环相扣的体系，但特点是做事情特别慢。但大疆你可以看到每年都在推很棒的新产品，所以我非常好奇是怎么做到的。当时我的一个朋友在大疆，他有句话非常打动我，他说：“你来大疆不会后悔的，因为最好的机器人工程师全在这里”。听到时有点意外，但我后来想想好像是对的。
▍王淮：但你在大疆只待了一年多对吧？
▍陈亦伦：对，虽然在大疆待了不到两年，但现在想起来应该都是打工生涯最开心的一段时间。我当时和大疆应该是种双向感兴趣。
我自己平时喜欢编程，积累了一套当时很厉害的Machine Vision算法库，而且我把它优化到汇编语言，可以跑得非常快。而大疆的产品需要集成在一个飞行平台中，是个极端低算的，所以他们对于我做的东西非常感兴趣。
那我对他们感兴趣的是，大疆是怎么做无人机的？怎么能把它做得这么好？接着他说他负责的不光是无人机视觉，还负责大疆的智能制造。我是一个对机电充满情怀的人，当我听到说在这里还可以接触到所有的3C的制造链，那就更兴奋了。
刚进大疆的时候，觉得他们一定有套技术管理的窍门才能做这么好。后来我发现他们其实连测试团队都没有，这几乎是难以想象的。但我很快明白了，他们并不真的需要测试团队。每个开发者桌子上都放着一架无人机，也就是说每个人无时无刻都在测试，这种强度其实比有个完整的测试团队要大多了。
而且每个开发者，都是发自内心地热爱这样东西。经常在实验室里，听到无人机起飞的声音，然后突然坠地，开发者就一拍大腿，“啊，内存越界了”。
所以当时我就感受到，一个快速迭代的、对产品发自内心真正喜爱的、纯粹的团队，且一群人都有这样共同的特质，这个威力是巨大的。这是我在大疆学的最大一课。
没做过自动驾驶去华为做智驾
▍王淮：那后来什么原因促使你加入了华为？
▍陈亦伦：其实我在大疆干得一切都很好，但问题在于如果要继续做些认真的开发和研究，还是得长期在深圳，那相当于和我的家人又要分开了。
刚好那段时间华为的自动驾驶团队在招人，是通过朋友推荐找到我的。我跟他们说：“我不会做自动驾驶，没做过。” 结果他们说：“不要紧，我们也都没做过。”
▍王淮：这句话也蛮打动人的，对吧？
▍陈亦伦：那我觉得挺好，试一试。而且他们招人的视角其实挺有意思，今天来看这道理不完全对也不完全错。当时他们想找一个既懂神经网络，又非常精通传统CV的人。我说为什么要这样的画像？他们说当时辅助驾驶最强的不是特斯拉，而是Mobileye，它的创始人是个在传统CV上很厉害的人。
▍王淮：有人说你是“华为智驾团队背后的技术灵魂人物”，你怎么看这个说法？会担心这是个谬赞吗？还是说好像也有一定的道理。
▍陈亦伦：如果不谦虚地说，我觉得是有一定道理哈哈。一个是当时最开始做的时候，华为没有任何期望算法能做得这么好，从效果看完全超出了大家预期之外。
第二个是关于组织的建立。我去华为后最头疼的事是招聘。所有来应聘的人，没有人相信华为自动驾驶能够成功。你感觉到根本不是在面试别人，是别人在面试你。他们的问题是为什么你会成功？为什么不是Waymo或者百度？那其实像Waymo这样回来的人根本招不到。
第三个是这件事到底应该搞成什么样子。有人说你把它高速跟泊车搞好就不错了，有人说我们应该直接搞Robotaxi，有人说应该走Mobileye的路，有人说要走博世的路，众说纷纭。
所以我们当时是定了个目标，我们要把Waymo的能力搬到每一辆车上，现在大家把这个东西叫FSD，但其实当时华为ADS团队是最开始身体力行地做这件事情的。那时候还没FSD这个叫法，特斯拉还正在跟Mobileye打。所以你会发现这个定位目标极其重要，直接决定了你之后打算怎么做、你面临的首要问题是什么。
当我们把使命定位成要把Waymo能力复刻到每辆车上，那自然就有三个问题冒出来了：第一是成本，Waymo把一辆车武装得跟坦克一样，但是你要把成本压下来，但就推到两件事——车规级低成本的激光雷达，以及必须是个主视觉方案；第二是当时Robotaxi、Waymo都非常依赖于高精地图，但很难让每辆车都能享受上全国范围的高精地图，所以需要真正的解决方案；第三是你需要处理国内环境中大量的交互博弈，这使得整个planning算法会变得非常复杂。这就是直接指向你必须用AI解决这个问题。
▍王淮：做端到端，不能搞规则。但你在一开始有这个想法的时候，是不是也是忐忑不安，端到端能不能做到你想要的效果？
▍陈亦伦：对，说实话那可能是我心里压力最大的时候。完全是一个无人区，你到底能不能做到这点？
还有件事让我更坚定要选AI这条路。因为我发现，为什么即使系统栈很旧，Waymo的系统可以做得那么好？是因为Google的software engineering非常强大，有最好这些软件工程师、架构师，把那么多代码堆砌出来后不会出问题。但是我进入自动驾驶部门后，简单分析了下程序员写多少行代码会出现bug，这个指标是远远落后于Google的。也就是说，你永远不可能通过同样的方式完成这件事。
第二个发现是，我们最开始也有非常像Waymo或者像Apollo的这套系统，简单来说会分成感知、融合、预测、规划、执行五层，是一个上下游串联过程。但在现实中，你会发现出问题的时候这些架构之间会反向PK。所以最终变成一个层与层组织间的博弈问题，简单来说就是看谁更能吵架。所以无法客观地找到问题根源。那你就会想到把它自动化一下，那其实就类似于五层神经网络的端到端雏形。
端到端的“无人区”突围
▍王淮：这个逻辑有点像，明确知道Rules Engine这条路走不通，那就只剩下AI，就是要押注在端到端。但哪个aha moment你意识到端到端是可行的呢？
▍陈亦伦：我当时走端到端的策略是这样的，一共有5层layer，我先从上往下推，把前三层跟感知跟预测有关的全部AI化。这过程我不是特别担心，它有规律可循。但真正的无人区是Planning，它是一个闭环的AI，到底能不能在自动驾驶这种对于准确率、安全率要求如此高的环境中起效，我完全没把握，心理压力巨大。
但是我当时有个简单的想法思路，就在全球找最合适的人才做这件事情。那时我组了一个三人小分队，用来攻克这个端到端，文超（丁文超，现它石首席科学家）是这个小队的负责人。我对能够做端到端的人才有个画像，既要非常懂传统的一套planning，也要非常懂AI，才知道那些事真正应该下手的环节。这样的人我在全球找了，只找到两个人，现在都在它石。
▍王淮：哈哈不错，人才是最重要的资产。什么时候你觉得这条路走对了？
▍陈亦伦：我觉得一个新技术什么时候能让人最震惊，就是它解决了上代技术解决不了的问题。所以当时我给文超的题目是，自动驾驶什么情况最难？钻城中村。里面全是人车混行，甚至很多时候人也不敢开这种路。我说传统方法我认怂了，肯定搞不定，看你用端到端能不能搞定。所以我们就想试一试。
但我们遇到的第一道关就是数据，要收集大量的人类驾驶数据，但其实原来的车队都是用来测试自动驾驶版本的，很缺人类实际开车的数据。而且刚开始数据没有起量时候，没有任何效果，压力巨大。直到文超有天跟我说：“陈博，有效果了！数据超过5000个小时后，开始看到一些东西了”。
▍王淮：量变带来质变了。
▍陈亦伦：对，达到9000个小时，你觉得好像它真的学到一些东西了。然后我们再加到1万多小时，发现很好。
我至今都仍记得当时挑战城中村场景的画面。在上海浦西闹市区，巴掌大的地方有100多个目标，那辆车开着自动驾驶模式，真的纯端到端，不像以前传统方法还得跟着30万行代码。文超非常争气，那些都不要，就用一些最简单的操作，3万行代码都不到就成功了。
我们的Aha Moment是，这种东西按以前你哪怕垒到100万行代码、发动几百个工程师解bug，也是无法达成的事情。但现在用learning的方法，干净漂亮地就把这件事情解决好了。
▍王淮：我觉得传统的那些Rules Engine，可能还是在同一个维度上解决问题。端到端那些某种意义上是一种更高的维度。用高维解决低维问题要容易得多。
▍陈亦伦：还是一个算法复杂度的问题，觉得人类驾驭代码的复杂度是有上限的，但是端到端它不一样，天然擅长处理这种复杂的问题。
▍王淮：这算你在华为的一个高光时刻吗？
▍陈亦伦：其实当时知道这件事情的人很少。我记得21年4月的时候，我们开了一个发布会，我们就把车打开，让所有的媒体过来直接看。一连好几天，从早开到晚。然后大家觉得这件事情原来离生活如此之近。也大概就是那时候，华为自动驾驶一炮打响。但其实我们后面还有一套更厉害的端到端系统。
03 回到清华寻找更大的问题
在高光时刻离开华为
▍王淮：你在这之后不久就决定离开华为了，是吧？在一个高光时刻激流勇退回学校，也是蛮反常规的操作。
▍陈亦伦：对，这件事情其实很多朋友都问过我。最真实的原因其实有几个。第一个，最重要的是我看到端到端这个东西真的起效果了，让我深深被震撼。我当时非常笃定，之后的几年，自动驾驶所有的技术路线都会往这条地方收敛。但另一方面，我相信这种动态系统能产生的价值，绝对不仅在于自动驾驶，它一定能用在Robotics。
所以当时摆在我面前有两个选择，第一个是我直接就去做Robotics，第二个是我继续把自动驾驶这件事一口气推到行业中一个令人瞩目的位置。
▍王淮：所以你是看到了曙光。但为什么是去清华，而不是马上自己创业呢？
▍陈亦伦：以我对创业的理解，做一个Business Proposal，你要找到一个有价值的东西。但端到端是个技术突破，它可以让机器人非常智能，但它究竟能解决什么有价值的大问题，充满了不确定性。而且就技术本身来说，它能达到什么高度，也需要一定的探索时间，所以回到母校是个自然的选择。
▍王淮：边回馈母校边研究机器人，去思考、去磨这个剑。
▍陈亦伦：对，我要找到一个非常大的问题。而且我觉得后来具身这块，可能不止一个大问题。所以找到好的路径这件事也很重要。
▍王淮：那你在清华这三年研究了什么？有没有让你这三年感觉是很有成就感的？
▍陈亦伦：这三年其实很充实，而且我觉得真的是在回馈母校。首先我帮亚勤（张亚勤，清华大学智能产业研究院创始院长）也组建了一个 Innovation Center，这也是很好从0到1的过程。
▍王淮：骨子里很喜欢0到1的。从选第一份工作开始，就选最便宜的，但是最创新的。
没有数据就反求诸己
▍陈亦伦：是的。但我在清华其实遇到几个问题。第一是没有数据，不像自动驾驶有大量数据，机器人这块没什么数据，没有数据就没法做端到端。第二是它到底有什么用，最好是能解决有影响力的大问题。第三是端到端技术能做到什么高度，这我后来在它石里可能会有答案。
▍王淮：过程中最大的挑战，是没有办法在有限时间内获得大量的高质量数据？
▍陈亦伦：在没有大量数据的情况下，我就反诸于自动驾驶。汽车作为一种特殊形态的机器人，在没有自动驾驶功能的时候就存在了，有人愿意买它。当时整个自动驾驶产业已经起来了，跟很多地方合作能获得大量的数据。但一个机械臂或者是一个机器人，在没有算法的时候很难有人愿意去摊这个成本，所以拿不到这么多数据。
我当时有个很简单的判断，如果一个方法它对自动驾驶好使，它对具身智能机器人可能是好使的，但是如果一个方法它对自动驾驶不好使，那它对具身智能大概率也是不好使的。
所以这可以帮我做排除法。但前面怎么获得数据、怎么找到真正有价值的问题，这件事是需要探索的。在清华AIR那几年我们其实也探索了很多种数据的获得方式。
1000万个小时是怎么来的
▍王淮：我记得你说过，自动驾驶的数据量你认为是100万个小时，但机器人至少要1000万，这个十倍量级是怎么得出来的？是不是有些特定场景，这个数量级可以下来；还是说做机器人一定要做这种通用具身的，才会真正的有泛化的意义？
▍陈亦伦：这是一个非常好的问题。我的观点是，神经网络是对数据的某种压缩表达。所以有多复杂的任务，就需要复杂的神经网络参数，背后需要更多数量的数据。这是一个大致的数量级区分。
自动驾驶它其实也是一种机器人某种形态任务的体现。这种复杂度它大概是100万个小时。当然如果是个特别简单的机器人任务，比如叠衣服，根本不需要100万个小时，可能大概1万小时也可以叠得很好。
之所以提出这个概念，是我们认为在具身机器人这件事情上，一定存在一个跨机器、可泛化的具身基础模型，可能比10个自动驾驶系统加起来还要复杂。那1000万小时是我的一个bet。
▍王淮：其实是一个工程直觉。
▍陈亦伦：1亿小时可能也需要，但我觉得可能真的不需要那么多。
▍王淮：我岔开问一个技术方面的构想。我们在现实中其实有很多视频数据，有没有可能把这些海量的数据利用起来，再比如通过世界模型之类的，把它迁移到机器人身上，跟世界打交道的时候应该所遵循的这种隐空间，针对特定问题的时候，再给他做强化学习。这样是不是需要的小时数就少了？你说过你们扒过Youtube上高质量的视频不不太行，但一定需要高质量的视频才能让机器人去学习人跟世界的交互吗？
▍陈亦伦：其实有时候大家说条条大路通罗马。它通是通，但是花的代价不一样。有的可能会很快，有的可能会很慢。有的可能看似很快，其实很曲折。从之前各种各样的实践来说，你会对神经网络有个越来越返璞归真的认识，它其实就是个巨大的一个数据压缩器。
▍王淮：但在很早的时候，你就说遥操这个方案不太可行，这个判断是如何产生的？
▍陈亦伦：其实一切都是从数据上判断。第一，遥操能不能产生非常大量的数据，很难，因为这得和你遥操的机器人数量得成正比。第二，对于做AI来说，数据质量极其重要，遥操很难达到人那么高成功率。
▍王淮：我试过自己去做遥操，我要人为地把机器想象成我手的动作，跟实际动作之间去弥补这种误差，非常反人类。
▍陈亦伦：以至于现在有时候我们看到一些模型，它动作都是像帕金森一样地一抖一抖的，很大原因可能是遥操出来的数据就是一抖一抖的。第三，很多真实场景不允许你那样采集数据的。比如一个节拍飞快的工业场景中，你在里面慢吞吞做这件事，直接把整体节拍都打乱了。
▍王淮：那种数据的产生方式有些时候是破坏性的。所以你们主打的还是尽可能无感地采集数据。清华之后，又是什么节点让你觉得应该出来创业了？
▍陈亦伦：我觉得创业需要想通几个基本问题。首先，我对具身AI有信仰，但我必须解决好数据来源的问题，才能把它演进到大模型上。第二，我需要找到一种方式，证明这种数据跟AI的方式能够有效，那就至少得到一个场景打通环路，而且这应该是能持续创造价值的环路。第三，必须有一个很好的创始团队，组成六边形战士协同工作。幸运的是，我在24年下半年对这几个问题有了答案。
04 从寻英雄到造英雄的组织哲学
梦之队的自然汇聚
▍王淮：它石的梦之队是怎么建立的？
▍陈亦伦：当时我跟文超（丁文超）还有同庆（陈同庆）已经组成了个很好的技术和工程团队。同庆是我在伊顿时就招过来的员工，已经合作了十来年，是非常可靠的工程师；而文超对于新技术的敏锐度跟判断力极其准确，而且能够把新技术都破局。
▍王淮：确实是个天才少年啊。
▍陈亦伦：当时华为一半的天才少年是都在自动驾驶这边，文超就是里面最好的，没有之一。但我们这个团队少了些什么东西？稍微有点偏科，我们对于商业和商业模式的了解不那么全面，所以我一直在期待震宇这样的人，其实我对震宇“觊觎”已久。
▍王淮：震宇原来在百度负责萝卜快跑的时候，是你们的对手。把对手变成了同一个战壕的兄弟，这也是一段佳话。
▍陈亦伦：后来跟震宇说，往往最了解你也最尊敬你的是你的对手。我说，百度有个开源工程叫Apollo，你知道最熟悉Apollo的人是谁吗？不是你们百度的同学，是我。我真的逐行代码都看过，非常细致地研究。
然后震宇笑了笑说，那不是商用的版本，我说我知道。前一两年我还判断不好震宇要是不是要出来，当后来得知他从百度要出来的时候，我就觉得可能是个时机。
▍王淮：其实我认识震宇好多年了。我一直觉得这哥们是比较难出来的，高管做得那么舒服，他又是一个很沉稳、很nice的人，很难想象说震宇会出来创业。
▍陈亦伦：所以我知道时也很意外。震宇也问我：“你是不是想出来做事情？”我们就一拍即合。
▍王淮：惺惺相惜。但“我们在一起吧”这句话是谁先说的？
▍陈亦伦：震宇。
▍王淮：其实是你是在等这么一个人，这个人就出现了，而且他还先开口说了这句话。那时候你是什么心情？
▍陈亦伦：其实当时有一些传言说震宇可能要出来了。我就在盘算，找个时间点找他聊聊。后来Vincent也来了，我们发现我们这些人里面好像没人创过业，Vincent的加入可能会补齐这一点。事实证明这个团队组得非常好。
内部创业与外部创业
▍王淮：震宇有创过业吗？
▍陈亦伦：没有，其实我跟震宇都算是在大厂里有很多从0到1的经验。
▍王淮：在大厂里面的内部创业，跟自己真正出来之后的外部创业，究竟有什么不一样？
▍陈亦伦：很多事情都是对等的。一方面，出来创业的自由度肯定会变大，这让我现在特别喜欢。
大厂里，尽管你也是做0到1的事，但是做新项目时，你最担心的事这个事情明年还会不会继续下去？对一个大企业来说，他有那么多业务，都是他的孩子，而你做的可能是最小的孩子。也许你已经取得了很大的成绩，但对于整个公司来说，只是毛毛雨。可能就大家开一场会，这个项目就没有了。但是对创业者来说，你做的事就是你的全部，你只有这一个孩子。
▍王淮：对别人是1%，对你是100%。创业至少还是能掌控自己的命运的。
▍陈亦伦：另一方面，责任当然也不一样了。说实在话，在大厂很多时候花的是人家的钱。所以后来你会发现，做同样一个决策时，代价是不一样的，所以这也会增加很多决策的难度。
▍王淮：是的，这选择起来的确不一样。即使创业也有投资人各种鞭策。
▍陈亦伦：那是一定要对投资人负责的。
▍王淮：文超他作为一个这么瞩目的天才少年，你是怎么说服他出来的？还是根本不用说服？
▍陈亦伦：不用说服，他天生就想做机器人。在我离开华为大概半年左右，他也打算离开了。我现在还保存着那段微信聊天记录。他说：“陈博，做Robotics吧。” 我说，“好，一起。”
▍王淮：要靠说服的东西都挺难的。很多事情都是自然而然，水到渠成。
▍陈亦伦：我觉得当时那个Aha Moment，对他的震撼也是巨大的，他也明白这里面到底是什么影响力。
▍王淮：所以你们其实都受到过同一道光的照耀。
特别喜欢别人反对我
▍王淮：你们内部是怎么分工的，哪些商量着来哪些又是一个人拍板？会不会有吵架的时刻？
▍陈亦伦：整体来说，我还是想维持一个非常扁平而纯粹的机构。大部分时候都是就事论事，大家可以充分发表意见。我其实是个特别喜欢别人反对我的人。为什么大家要一起做事？就是你要能够听到不一样的声音，否则就一个人做事就好了。反而我们在所有人高度共识的时候要非常小心。
▍王淮：对，我在公司也经常被人说服。但我有个原则，我说我欢迎你分享你的观点，但是如果你有的只是观点，那就听我的；但如果你有数据和逻辑，那就听你的。
▍陈亦伦：经常大家讨论问题，是把自己的逻辑和数据拼图，拼完了之后，自然而然他的决策就出来了。但有的时候大家拼不出来，可能会互相argue一下。但这个过程也是很好的，会激发探索以拼得更完整。
▍王淮：各种讲道理、摆事实，实在不行的要谈感情。因为当你理性已经谈不出一个有效的、明确的一条路了，这时候只能诉诸于感性了。
▍陈亦伦：说得特别对。拼好这个图其实是很好的决策过程，但往往最难的事，你不知道这张图在哪里，那有些时候还得凭共同的直觉走。
▍王淮：所以真没有一些吵架的情况吗？
▍陈亦伦：也不算吵架，但是观点肯定有过相悖的。举个例子，比如我们最开始想挑战的就是线束这么高难度的一个场景，那去年就有个时刻，我们在讨论要不要备一个方案。万一这个主方案失败了怎么办？但一旦你有个备用方案，实际上是会分兵的，反而会让主方案更加容易失败。
这件事或许没有完全正确的答案。但我们最后还是坚持说就按主方案，相信可以做到。现在来看，似乎确实是没问题的。
▍王淮：No Plan B，也是一种选择。
中国有句古话是“守正出奇”，你有你的正道，但永远想办法，分个10%在所谓的Plan B上。那个奇兵有时候也是为了让别人进攻正面部 队的时候有所顾忌。这是古人的智慧所在，但实操过程中确实不易。就像你说的，很容易把精力分散掉。
但古人也有另个智慧是“背水一战”，这时候大家必须要同仇敌忾。我觉得其实都有道理的，就看你在具体的哪个阶段、哪个场景，以及你们的性格适合哪一种。
打赢了战争才成了英雄
▍王淮：说到它石其实召集了一帮很优秀的人，我就想到你说过一个英雄观，以前是觉得召集一帮英雄才打赢一场战争；现在是觉得把人才聚到一起打赢了战争，这帮人成了英雄。这个想法是怎么产生的？
▍陈亦伦：我特别爱看人物传记或史书。我之前一直有个问号——为什么英雄总是在一批时间内大量的涌现？就像像三国一下涌现了多少英雄，过了之后，你会发现如此之平淡。后来我找到一个解释，就是你为什么认为他是英雄？是因为他的所做的事情支撑了他，成就了英雄。在某个时代有这些事情，有人做成功了，所以产生了大量英雄。
所以后来很长时间我就用这种方式，一方面激励团队，一方面也是激励自己。因为很多时候，你在做一件事情的时候，可能觉得自己并非把这件事情做成的人。就像当时在华为做自动驾驶，我招过来团队，包括我在内大部分都没干过自动驾驶。那是Waymo早10年就跑完的赛道。但做成之后，大家都变成了这个行业的大拿。
▍王淮：但有个挑战在于，你觉得英雄是“一个人的英雄”还是“一群人的英雄”？“一群人的英雄”很多时候是很难的，这帮人会不会就是像火焰一样迅速燃烧一把，然后也就这样了。
▍陈亦伦：确实历史上有很多成功以后就迅速分崩离析的案例。但我也看到很多成功以后没有分崩离析的，我自己感受下来，可能需要一些比较好的管理和合作方式。
我其实很认同乔布斯说的，他只要那种A Star的人。我们团队有个共性，就是这些人自己对自己的这种认同感，大于别人对自己的认同感。换句话说，即便别人觉得我这件事情没什么，但我觉得这件事情很了不起，就会从中获得巨大满足；但别人觉得说这件事情很了不起，可我自己觉得这件事情做得还不够好，也不会有巨大满足感。这一点其实很重要。
第二点是，对这件事情的认同感，能不能在这件事上获得持续的正反馈。第三点，看他追求的东西是什么？有些同学跟你聊起他过往做的一个东西，也许你可能不知道他在讲什么，但是他自己讲得唾沫星子横飞、满眼发光。哪怕这个作品再小，也代表他非常看重这件事情。一般满足这几个特征的人，你会发现他们其实极好合作。
▍王淮：那些我觉得极其优秀的人，我看到是有两个特点：一个他可以自己挑战自己，第二个他能够自己享受自己。如果我们一定要给人加上“英雄”这个词的话，这帮人你是不能“管理”他的，但你可以“召唤”他，让他有这种使命感，并且能够inspire他。
但这帮英雄在一起，有些时候可能也很难英雄相惜吧？比如说：“不行，你得按我的方式来”。你不担心英雄们在一起有所内耗吗？
▍陈亦伦：其实很多时候内耗是好事情。一件事情已经非常水落石出的时候，他就没有内耗。这件事情最有价值的时候，恰恰是它水落不石出。
▍王淮：那可能也不一定叫内耗了，是一种有效讨论。
▍陈亦伦：确实是有效讨论，而且可以增加探索的空间，帮你找到一个更好的解。这过程中有以上特质的人，他其实不太会在乎个人的脸面这些东西，因为他最大的快乐来源于把事情做得特别完美。只要最后在讨论过程中获得巨大的满足感，其他东西都不重要。
高密度人才的组织密码
▍王淮：所以这就延伸到另一个话题——高密度人才，我记得这个词应该是DeepSeek梁文锋在某个分享里提到的。这帮英雄式的人物高密度在一起后，凭什么能产生很多奇妙的结果出来？
▍陈亦伦：我挺认同梁文锋他说的，而且我以前也是这么思考的。我可以分享个数字。我离开华为的时候，自动驾驶团队已经1500人了。但我能感受到我们团队推事情最快的状态是300人，几乎把90%的进度条都推完了。所以我当时觉得应该把更多资源投到数据、投到算力这些。
为什么两三百人的团队是一个比较好的尺度？因为这些都是很厉害的人，第一他们单兵能力很强，第二他们之间得有乘数效果。这种化学反应很多时候需要靠大家的连接来做成的。当你超过一定人数，就没法做到全连接，就必须分层。
我观察过在大型组织中，有些人本来可以合作得亲密无间，但一旦分层后，他们的立场就转化为组织的立场。
▍王淮：条条框框这些仪式感就来了。
▍陈亦伦：对，而且合作就不再那么灵活了。但这两三百人，为什么一定要是高密度人才呢？因为对他们来说，在事情上获得乐趣是动力来源，而不喜欢过程中的各种连接阻力，所以这样反而能更好地做事。
▍王淮：在社会学里面有个概念，我如果没记错叫Dunbar's number（邓巴数），说一个人能够真正有效的连接其实也就150个人，超过这个数，对新的人的连接质量自然下降。
05 出发时就确定的反主流路线
看到曙光就要快速奔跑
▍王淮：你觉得成功的必要条件是什么？
▍陈亦伦：刚开始聊的时候，我说最近为什么累？就是我觉得我们已经看到光了，所以要快速奔跑。
对于成功的定义，可能会有两个阶段，一个“小成”，一个“大成”。“小成”其实是你在里面探索出了一些了不起的技能，“大成”是你发现这些技能间还在互相连接、互相增长，而且增速极快。
我们现在已经非常明显看到了“小成”曙光。快则一年，慢则两三年，它石实现“小成”是没有问题的。那要实现“大成”，一个是已经探索出的Skill能迅速扩展到另外地方，第二个是要靠AI力量把他们迅速连接组合。这其实是具身智能，它的范式和矛盾问题。
▍王淮：这两者你都看到了巨大的曙光？
▍陈亦伦：是的，两者我都看到了巨大的曙光。
▍王淮：你们当时展示的那个线束机器人，那个操作也是打破了吉尼斯纪录，算一个曙光时刻吗？
▍陈亦伦：没错。其实所有的工业制造中，最难处理的就是线。我之前17年在大疆也做过整个工厂的智能制造，那时我在想为什么无人机不能被全自动化生产出来？因为打开以后全是线，所有可以去对位的刚体都好办，但柔软的、有形的、力控的东西反而都不好办。
为什么我们要挑战线束这件事？从历史看，所有机器人、机械臂的祖宗，是ABB这批人，为了解决汽车生产里喷涂的问题，发明了一整套方式，解决了机器轴正负逆解的问题，从此开创了机械臂的时代。当时赶上汽车行业大爆发，喷涂这件事情对人高度不友好，吸进去很容易生病，而且人喷得就是没有机器喷得好。现在看来是普通的技术，但那时候可是难上天了。
▍王淮：所以是一个实实在在的工业问题，触发了一系列的技术大爆发。
▍陈亦伦：对，实实在在的问题触发了上次机械臂的革命，然后工业机械臂遍地开花。
汽车里面最重要的是前装三大线，汽车行业高度拥护自动化，但里面现在最头疼的问题之一就是线束，所以我们是把它当成工业前装的第四大线来看待的。而且这个问题的解法不再是之前的谐波减速机、正逆解算法，它就是根正苗红的具身智能AI。
另外，线束它是一个制高点，如果能解决这个问题，意味着你就解锁了后面的一系列问题。如果你是从一个很难的高能级往低能级泛化，这很容易。
▍王淮：我们对此很期待。我就记得以前你跟我们分享过一数据，线束工人在中国有100万？
▍陈亦伦：是的，大概是你如果一年产300万辆车，背后可能有15万工人在支撑，是这么个量级。所以你已经很难在任何的工业体系里，找到这么大的密集人口，在单点干这件事情。
刺绣机器人首秀只是泛化能力一隅
▍王淮：你们现在拓展客户的情况如何？
▍陈亦伦：挺好的，甚至有点超乎预期。我在清华的时候，已经做好了充分的场景调研，我知道比如说所有汽车行业的一号位都会操心供应不上的问题。
但我开始时还是会担心，客户对这件事有没有信心、接纳程度又如何。因为大家都知道这是很难的一件事，所以很多人上来会问：“你为什么做这个？为什么不先做一个简单点的？”有些特别友好的客户，他们甚至说：“我们愿意合作，但你要不先从搬箱子这样简单点的事开始做起。”
但我们还是想聚焦核心问题，所以建立客户信心，只能通过实际的东西。客户可不会听你讲VLA跟World model的区别，他们只关注结果是不是更高、更快、更强。所以这是我们去年一年集中努力的。但客户对于新技术的接受程度，还是超乎意料的。
▍王淮：那是不是跟客户聊的时候，比跟投资人聊的时候更加有共鸣啊？
▍陈亦伦：其实有的时候是从客户那边获得的认可，跟投资人获得的认可是两种。但确实从客户那边获得的认可，更能够从上到下地传导到整个团队，鼓舞人心。
▍王淮：我理解投资人认可是一个想象世界的认可，因为我们是为你未来去买单的。客户的认可是基于现实世界的认可，一个代表天，一个代表地。
▍陈亦伦：是的，两个都非常重要。
▍王淮：两个认可你就可以顶天立地。但你们第一场发布会，以刺绣机器人作为首秀，这是一个什么考量呢？
▍陈亦伦：其实自从首轮融完后，我们有半年非常低调地专注在干事情，完全忙不过来。到了年底，兄弟们一盘，说要不我们也搞个发布会，自己纪念下今年干了什么。那我们这一年在干什么？就在干线束，但这是一个太工业的场景，大众了解得太少了。所以我们就跨了一个技能，想到用刺绣来做些演示。但其实很容易，也没有专为这个刺绣机器人投入多少精力。
▍王淮：所以说明你们这套路线的泛化能力蛮强的。
▍陈亦伦：以一种非常直观的方式，展现这代技术和上代技术的差异，而且我觉得这个东西今年还可以做得更出神入化。
▍王淮：我们先卖一些关子，不着急太多剧透。
具身为什么要中国原创
▍王淮：但你在融资过程中，这些想法、路径有没有受到过投资人的质疑？
▍陈亦伦：其实从第一轮来说的话，我们这些想法过于非主流。相当于我们在VLA最火的时候，给大家讲了一个World Engine的事。然后我们在遥操作是主流方法的时候，告诉你应该用Human-centric。
▍王淮：我们对这个印象非常深刻。
▍陈亦伦：但是我觉得很好的一点是，我们每轮融资BP其实没有变过，只是慢慢把它从纸面上，变成一个实际的东西。
▍王淮：但当中真的没有一些认知，在过程中产生了一些迭代吗？
▍陈亦伦：我们在开始前，对AI整体的思考，来回推算了很久。到目前为止，看起来都是对的，没有发生过特别大的问题。反而有一些惊喜的部分是出乎我们意料之外的。
▍王淮：只有跨时代的新技术，才有可能带来这样的效果。
我想起来文超曾经说过一句有点“让人讨厌”的话。他说“中国在大脑上有原创性创新的公司非常稀缺”，你怎么看这段话？我觉得说的蛮好的，但势必会得罪一大帮人。
其实我听到的第一反应想到了DeepSeek。DeepSeek这种工程优化上的创新绝对是大开脑洞的，你不能说它的架构本身有多大的创新，但在工程优化上做到了极致。我其实认为不是只有原始从0到1才叫原创，中间针对你的目标，有很多原始的、敢为、敢想的创新想法，也是值得被肯定的创新。
▍陈亦伦：我觉得文超如果今天在现场，会非常同意你刚刚说的。DeepSeek是非常创新的，完成的是如何在资源受限的情况下解决一个了不起的问题。这种问题我们以前也遇到过。
我们是比较反对拿来主义的。大家可能会发现，很多行业好的技术越来越不值钱，很多程度上是因为大家只是拿来不原创了。技术可获取的成本越来越低，但是技术的上限一直没有往上走。所以一个行业真正它的希望，是它的技术上限要一直往上拔高。
我们过往看到，不管是大语言模型还是自动驾驶，往往典型模式是，国外出现一个标杆性的工作，大家都去笔直地逼近这个标杆性的工作。如果国外的这种标杆性的工作还在不断往前走，国内也会不断往前走。这是以前大家熟悉的模式。
▍王淮：Copy to China。
▍陈亦伦：但为什么我觉得在具身领域，我们的原创会非常重要呢？因为以我们的观察，美国在具身领域还没有出现真正标杆性的公司。这是一个巨大的机会，同时也是巨大的挑战。到底谁可以领跑？不见得是美国了。
所以为什么我们比较反对那种拿来主义的VLA？因为我不认为那是标杆式的工作，我认为一定会有个更了不起的标杆式的工作。
▍王淮：我非常认同这个，当年中国有家商业上蛮成功的企业，它是典型的拿来主义的集大成者，但定位是一个科技消费品，我并不Respect。虽然不得否认他们在商业化上很成功。
06 最大具身天使轮背后的故事
市场情绪低点的融资高点
▍王淮：回头看你们创业的时候，当时融资环境其实是一个低点，但你们融到的钱肯定是个高点，你如何看待这种反差？
▍陈亦伦：其实我们也没想到。
▍王淮：发现投资人们其实都在等待寒冬中，有一棵小草拼了命地从这个土壤当中挣扎出来，大家都很珍惜。
▍陈亦伦：对，我觉得我们比较幸运，确实我们遇到的投资人都非常了不起，有些投资人之前还是创业者。因为我自己喜欢看武侠小说，武侠小说中高手在一起都不用过招，就会感触到对方是高手。所以我是有这种感触的。
▍王淮：是的，因为我见过太多大佬，我能够理解你的这句话。用古话可能就是“谈笑间，樯橹灰飞烟灭”。经历过很多这类时刻所沉淀下来的东西，是会让你感受到他那些气场的。
在第一轮的时候，我们都很喜欢它石这个团队，喜欢你们走的独特路径，虽然不确定能不能走通。但毕竟价格还是挺贵的。后来震宇给我发消息说，“Harry，我们找到领投了”。那个时候我是又惊又喜——喜是一个好的团队融到大钱肯定是件好事嘛，惊的是那个时候我们投不投啊？但我们最终决定了还是要投。但我们一开始在1000万到1500万美金之间，选的是1000万。
然后震宇跟我说，你们还是希望线性多投一点。但其实那时候你们已经超募了呀，为什么还希望我们多投一点呢？
▍陈亦伦：其实很多时候，我觉得大家下最后判断，抛开理性的各种分析，都是感性判断。我们还是希望你们这样的投资人，能更多参与到我们这件事情里面，我们能够长期一起走下去。
我觉得融资是一个分享理念并且交朋友的过程。交朋友来说的话，其实你是希望交到自己喜欢的朋友，一起把这件事情做成。
▍王淮：我们也是冲着这点，所以后来不是也犹豫了没多久，不到半小时吧，就说我们投1500万美金。
粮草先行，未雨绸缪
▍王淮：但你们第二轮、第三轮融资也很顺。你怎么看待这个事？可能我是瞎捉摸，融资太顺不一定是件好事？
▍陈亦伦：其实我觉得做任何一件事情，肯定是经过九九八十一难，只不过你可能不知道这八十一难在哪里，他可能不在这里就在那里。那对我们来说，可能在融资上顺利，有可能在其他地方就会碰壁。所以我们天使融完这么多后，在很多事情上反而会特别小心。如果留意我们第一年的财务记录，你会发现我们花钱特别小心。
▍王淮：对，我们注意到了。
▍陈亦伦：我们内部不停告诫自己，不能因为我们刚开始融资比较顺，就开始大手大脚地花钱。我们一定要把自己当做一个初创公司。甚至需要假想，如果我们的资源是一直枯竭的状态，应该怎么做这件事情？
▍王淮：没错。但你如果是这个心态，我又会给你另外一个建议——学会花钱。因为这个钱跟你生活中的钱不一样，创业时候的钱是一种资源单位，跟你的人才、算力、数据一样的。创业公司学会花钱其实也是个不容易的能力。
▍陈亦伦：我们现在就是最大化自己的花钱效率。特别是在今年，我们已经明确看到方向了，那我们就会把花钱的效率拉高，让这个目标更快地实现。
▍王淮：但你为什么开始要融那么多钱呢？
▍陈亦伦：我们对这个事情的过程有个判断。像我跟震宇都是在自动驾驶上打过十年大战的，我们见过这里头前三年是什么样子、中间三年什么样、后三年什么样子。所以我们是把具身智能当做一个比自动驾驶更大、更有影响力的赛道来做。
然后这其中，早期玩家可能有各种各样的，但其实中间三年也会有更有实力的玩家入场。可能探索期是这样的格局，快到成型期了，大家又面临更严峻的挑战。那时候可能才是一个关键的时期。所以我们是基于公司未来可能会遇到什么样的问题，来规划我们的融资节奏。
▍王淮：明白，所以你们是其实未雨绸缪。兵马未动，粮草先行。准备好就是打一个大仗。
▍陈亦伦：我觉得打大仗其实最关键就是粮草。
▍王淮：这我也同意，所以我们还是每一轮都放了很多钱的。有时候我们觉得真的值得支持、放大钱的公司老实说也没那么多。
融资是寻找共赢的过程
▍王淮：第二轮的时候，我也印象深刻。当时我跟震宇说，我们也可以象征性地参与一点，表示老股东的持续支持，也可以Full Pro Rata。但因为知道你们又超募了，所以说那少投点也可以的，说不定这个时候少投也是帮你们一把，因为份额不够了嘛。然后震宇说，“Harry，你们还是Full Pro Rata多投点。”这个当时让我们蛮震撼的。
▍陈亦伦：其实我跟震宇的逻辑是这样的。我们的合作伙伴，大家一起发展不错，那肯定希望大家在里面的份额或者ESOP能够往多来做，这是一个共赢的过程。
▍王淮：是的，互相成就嘛。但你在见投资人的过程中，有没有真的让你很难受、很不爽的时刻？又是怎么去克服这些时刻的？
▍陈亦伦：我觉得都还好。因为很多时候我都会把自己代入到投资人角色，觉得这些问题都是非常能被理解的。而且有些时候，我觉得一个资深投资人他问得越尖锐，只能说明他背后很认真，很在意想搞明白究竟是什么情况。
▍王淮：对，但得问有意义的尖锐问题。有些投资人其实也会无理取闹，通过挑刺来显得聪明。
▍陈亦伦：是的，所以基本上几句话聊下来，就能搞明白是不是认真的。
▍王淮：其实高段位的创业者，见投资人很快就能知道他对你有没有兴趣。我们募资的时候也是这种心态，很清楚的，从不要试图去说服任何人。很多时候前15分钟就决定了结果，后45分钟其实都在享受。
▍陈亦伦：没错，我现在发现其实越大的决定，其实其中感性判断可能会更重要一点啊。
07 寻找未来生存答案的使命
创业外的B面
▍王淮：刚才我们聊的更多是创业这些事情，算是你铁汉的那一面。那我们也聊聊柔情的那一面。你以前弹钢琴、拉手风琴、爱户外运动，创业之后还有继续做这些事吗？
▍陈亦伦：其实真的很少，钢琴、手风琴我很久很久没有弹过了。户外运动这块，我每周六会带孩子去游几场泳。创业后其实我周一到周五很难见到他，回家的时候他都睡着了，他第二天醒来我又去工作了。所以周六算是我们的happy time。但现在小朋友学业越来越忙了，也比较要强，花很多时间在学习上。所以我们现在的happy time变成一起打会儿游戏。
▍王淮：我也和小孩一起打双人游戏。其实我平时还有个放松方式就是听歌。
▍陈亦伦：我也很喜欢。
▍王淮：有没有什么你特别喜欢的歌手？在你有些时候最难的、最烦躁的时候，听听他的歌来平静一下？
▍陈亦伦：我可能稍微有点反常，我是个古典音乐迷。从巴洛克，然后一路听到浪漫主义。我基本上对于每个典型音乐家的作品，都能听几句就报出名字。
▍王淮：如果我是一个古典音乐初学者，你会推荐谁的作品？
▍陈亦伦：从我的习惯来说，如果是初学者，我喜欢从巴洛克时代开始听，推荐维瓦尔第的《四季》。那个旋律你可能很熟悉，因为以前天气预报经常用。
▍王淮：哦，是吗？
▍陈亦伦：非常有名，我自己最喜欢的是《冬》，尤其是冬的第二段，让你感觉非常平静。我想象的画面就是在冬天下着大雪，一个人踏雪而行。还有很多其他的歌单，我到时候可以都推荐给你。
▍王淮：太好了，我觉得又打开一个新世界。我自己个人特别喜欢的是张国荣的。
▍陈亦伦：这个我也喜欢。
▍王淮：尤其是《风继续吹》。再难的事很难一时下定论，你就让风再吹一会。只要能够坚持留在牌桌上，一切皆有可能。无论结果如何，一定要享受这个过程。你什么时候想到要听个歌让自己平静下来？
▍陈亦伦：反而是在比较重要的事做完了以后，我可能想听一听，过程中一般是不听的。给自己一个奖励，也让自己就是冷静一下， 因为脑袋可能会过于兴奋。我觉得人也是个音乐的predictor，尤其是听熟悉的歌时候，你听这个音符会预测下个音符，这时我的思绪就会往这个方向去集中。
▍王淮：这也是你自我反省、自我提醒的一个过程。
▍陈亦伦：还有一种方式让我特别放松的，就是做饭。我是很喜欢做饭的，做饭备菜过程中我可以做到啥事都不想。
来自星际穿越的名字
▍王淮：我们回过来聊聊，公司为什么叫它石？
▍陈亦伦：其实我们先起了一个英文名叫Tars。我们创业就想选个我们最喜欢的机器人，发现我们都是《星际穿越》迷。我可能陪我儿子看了快20遍。
▍王淮：这么多啊，我也看了至少6遍。你还记不记得你开始叫Tars的时候，我马上就跟你说，这是Interstellar这部电影的机器人。
▍陈亦伦：我记得，而且你当时还引用了Tars对Cooper说的最后一句话。
▍王淮：你的投资人中有人给你提出过同样的这个点吗？马上告诉你说这个TARS这个名字哪里来的？
▍陈亦伦：你应该是唯一一个，而且你立马就把那段台词说出来了。
▍王淮：是的，我是很喜欢那部电影的。那这个角色的什么特质，是你想赋予它石的？
▍陈亦伦：电影里面Tars给人感觉是幽默，但同时又非常可靠，值得信赖。他是一路陪着主角进入到最危险区域，并在最后关头能够起作用的一个人。
▍王淮：你刚才已经称它为一个人了，对吧？
▍陈亦伦：所以说当时叫TARS以后，我们立马就把它展开，叫Trust AI Robotic Solution。要值得信任，这是非常大的一件事情。后来我们也把它展成一个中文名字叫“它石”，做事要踏踏实实。
▍王淮：这个我还真不知道，踏踏实实，原来是这么来。
▍陈亦伦：我们公司都是一些比较踏实的人。
▍王淮：我还以为是“它山之石，可以攻玉”。但这个故事中，其实我觉得有点沉重的点在那里。Tars某种意义上是人类的救世主之一。当时Cooper把它从飞船里发射出去，让他到黑洞里去收集数据嘛。当时Tars的回应是：“It' s not possible.”。但Cooper说：“No, it' s necessary.”。 你说得对，但是我们不得不这么干，不然人类没有任何希望。
从今天物理学的角度，你只要进入到黑洞的“视界”，你是逃不出去的。但是他们基于这是唯一可以去试的一条路，如果有奇迹，也只能在黑洞里产生，所以他说“No, it' s necessary.”。
但进去后，Tars还是观察到了黑洞的很多数据，发给了Cooper，然后Cooper用手表的指针，通过重力效应，跨越时空传递给了他的女儿。所以当时它石这家公司很吸引我的一个点，除了你和震宇外，我觉得你们思考名字的时候，是有很多哲学思考的。但我当时也有另外一个担心的——你们会不会给自己的压力太大了？
▍陈亦伦：其实能够打造出这样的机器人，就有一个巨大的满足感，我觉得机器人就是要往这个方向去做。我们是有情怀，也有使命感的。
▍王淮：如果失败了怎么办？
▍陈亦伦：再来一次。
▍王淮：挺好，如果有再来一次一定要给我们打电话。其实我们对于失败是很能接受的，但对于说不能全身心投入而造成的失败，那就很难接受了，毕竟我们对于LP有信托责任。他们相信我们能够找到不仅是才华上最牛的，也是真的能够把命赌上去的创业者。真碰到这样的人，一次不行，那就第二次。
那你觉得它石跟其他那些具身领域的创业公司，有什么不同？
▍陈亦伦：我自己感觉，现在大家其实都很优秀。但我们可能有一点不一样，就是从最开始我们就想清楚要解决什么样的问题。我们可能会有一篮子问题，大问题、小问题，但目标是特别明确的。
▍王淮：什么问题？
▍陈亦伦：怎么样用机器人能够重构我们整个的生产力。
▍王淮：甚至可以更大一点，重构人类世界。但机器人把人的所有事都干了，人怎么办？
▍陈亦伦：我是科技乐观派。你会发现，每次的技术革命都是把人的单点能力放大了很多倍，所以我觉得机器人AI一定也是这样子。
超人时代一定会来临
▍王淮：你说你要做一个有用的机器人，让每个人变成超人。但这会不会给自己的压力太大了？反而限制你的脚步？
▍陈亦伦：我觉得我不怀疑这个愿景，只是觉得能够做到这个的人是不是我？
▍王淮：Somebody will do it, you could be that somebody。
▍陈亦伦：但也可以是别人,这个事我认为是一定会发生的。虽然现在AI在很多程度上已经超越了人的能力，但是人的will、purpose、favor、taste，这些是独一无二的。
今天我们已经通过各种科技，极大地放大了自己的能力，千里眼、顺风耳，这些事情都是早已实现的事。硬件系统的迭代永远比软件系统迭代慢很多。所以你要通过硬件系统放大自己的能力，最简单的方式是把这个硬件做成一个几乎标准的、通用的硬件，然后不停在软件上去疯狂迭代。
所以我认为通用机器人出现，一定是加速形式出现的。我只是觉得这个东西是不是它石？我希望它是它石。而且我自己是乐观的，我觉得一定在我的有生之年能看到这一天。
▍王淮：但其实我骨子里还是有个担心的，跟投资无关，纯粹我个人的一个思考——真的让每个人变成了超人之后，这最终是带来人类的繁荣还是加速人类的灭亡？我觉得真不好说。
▍陈亦伦：其实有两种说法，悲观的说法是说人类可能是另外一种文明的Boot Loader。那可能乐观的说法是，人类通过各种各样的方式驾驭住了比你能力更强的东西。
我目前还没看到第一种情况的出现，因为目前的AI本质上还是个大号计算机。而且人类应该有两种智慧，一种是发明工具的智慧，一种是驾驭工具的智慧。
▍王淮：我也希望通过咱们的努力，最后能够促进人类的繁荣。它石的存在，能够为人类在千年后依然繁荣的概率稍微有那么一点点提升，咱们的使命感可能就得到了实现。说近一点，你希望10年后的陈亦伦是什么样的人？
▍陈亦伦：我现在的目标很简单，希望10年后的我能够回味这10年中做的事情，充满了满足感。
▍王淮：可能过程比结果重要。
▍陈亦伦：是的，其实很多时候如果只是一个结果的话，构成不了很大的满足感。只有伴随起伏、痛苦、欢乐等等，走完后留下的东西才是最大收获。
比如你解决了一道特别难的题目，但是你每每回想过程，你觉得快乐会重新再来一遍。这种快乐可能是激励人不停去创造带来的东西，而且持续时间会非常长。
▍王淮：作为一个物种，如果你轻轻松松被满足了，我们整个物种就躺平了。躺平的唯一结果就是灭亡，没有任何悬念。
最后回到它石的名字上，我以明信片送你一句话——愿你们的TARS，也是我们的TARS，能找到人类在未来生存的答案。It's not just possible. It's necessary.
