"具身智能开云体育，还处于浊世。"

这是与CyberOrigin（下称：赛源）创始东说念主殷鹏碰面时，他对我说的第一句话。赛源是特斯拉、英伟达等公司在东说念主形机器东说念主领域的合作商之一。而其所在的珠三角，是全国机器东说念主供应链的中枢，那是殷鹏信得过的"战场"——全球任何一家机器东说念主关连的公司，王人必须到珠三角寻找硬件供应链，如今，还包括数据。在机器东说念主圈，这些为特斯拉、英伟达东说念主形机器东说念主提供环节纯属数据的公司，经常被视为巨头背后的"卖水东说念主"。

和此前十余年"卖水东说念主"多为坐蓐制造阵势关连公司不同，AI纪元下，数据类"卖水东说念主"正在异军突起。一批诸如赛源，开动聚焦于提供机器东说念主与的确物理交互的数据。以殷鹏的公司为例，它的客户名单中，包括英伟达、特斯拉、OpenAI的东说念主形机器东说念主；也包括谷歌和斯坦福李飞飞的机器东说念主模子纯属实验室，亦然赛源能够与其他机器东说念主数据公司拉开差距的地方。

但关于这些"卖水东说念主"而言，2025年以来警报声时时响起。

近期，据媒体报说念，特斯拉被曝暂停东说念主形机器东说念主的研发，调理设计。殷鹏在四月份已知说念这个音讯，暂停的主要原因，仍然在数据问题——特斯拉需要更多机器东说念主数据以纯属模子。这关于赛源这么的数据提供商而言，是个好音讯，的确物理交互数据，而非骨子，正在成为这场具身智能武备竞赛中的中枢弹药——"机器东说念主是引擎，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，他穿了孤单剖判打扮，玄色迪桑特polo衫和剖判鞋，倔强的刘海，时时时在语言间甩到前额，他再利落地把它撇开。碰面时，他正履历一场短期出差，还带有一点餐风宿露，他需要在晚上飞回深圳，亦然巨额"卖水东说念主"的基地所在。

手脚赛源的CEO，殷鹏的另一个身份是香港科技大学助理素质，他曾师从SLAM和臆测界传说东说念主物，JiZhang素质，他首创了及时 3D 激光雷达 SLAM 的先河，并将其买卖化。这一技巧，是机器东说念主、自动驾驶车辆的"导航大脑"，如果莫得它，扫地机器东说念主、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（好意思国国防部高档推敲缱绻局）和英伟达的课题，其第一篇国际顶刊著述，成为NASA火星降落的参考决议之一，殷鹏亦然NASA火星登陆花样的高档参谋人；在DARPA的地下机器东说念主挑战赛上，殷鹏和团队开发出了首个超大畛域多机配合定位建模系统，这个恶果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，殷鹏不停说起马斯克——特斯拉的创立者，他强调"第一性旨趣"的挨次论，他读马斯克的自传，拆解这位硅谷"钢铁侠"的创业逻辑、买卖故事，他称马斯克为"老马"，"第一性旨趣相配可怕，他能把一件在旁东说念主看来不可能实现的事情变成可能。"殷鹏说。

2024年，殷鹏遴选创立赛源。在创业之初，殷鹏求教过不少前辈，其中包括香港科技大学素质李泽湘与高秉强，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，以及念念考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说念主，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。

濒临虎嗅，殷鹏分享了我方对具身智能的看法和创业的想法，从学者滚动为企业CEO，殷鹏很坚决，因为学术也曾很难骄横他需要的资源，他需要到业界、到一线去赢得更快更的确的数据反馈。这亦然为什么他莫得遴选作念CTO，而径直遴选作念CEO的原因。

"如果认准了身位，那捐躯无反顾。"殷鹏说。

机器东说念主的ChatGPT时刻

虎嗅：很明白的行业趋势是，ChatGPT出现之后，出现了Emboied AI的见识，立时特斯拉、英伟达、亚马逊等大公司开动发布其各自的通用东说念主形机器东说念主缱绻。这个飞跃在往时机器东说念主历史中极为有数。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架构最大的升迁在于发明了一种可以Scaling Law的模式。往时咱们强调强化学习的效果能达到些许，纯属数据集和测试数据集收支不大，因为场景许多，一定无法涵盖通盘场景，那么模子要不停重新纯属。但这种基于监督学习的姿色，在未知领域发展很慢。Transformer架构可以输入富饶多的数据，在富饶多的数据下再进行微长入升迁。

这个策略架构最早是谷歌提议来，但信得过用起来的是特斯拉的那群东说念主，将Transformer架构诈欺在自动驾驶上。因为推敲东说念主员发现，Transformer的中枢是当数据量到一定数目级时，会出现自大。这让具身智能在空间聚首方面有了很大跳动。

来源，它实现了空间聚首才气的质变：传统强化学习在有限场景中只可进行局部探索，而借助Transformer的自夺观点机制，机器东说念主能够对通盘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，变成统一的空间证据模子；其次，它在泛化才气上取得了突破，传统挨次在纯属集和测试集场景相似时发扬尚可，但一朝场景变化就需重新纯属，而Transformer模子通过大畛域数据纯属后，能够在未见过的场景中自主推理与适合；第三，这一架构推动了从规矩驱动到数据驱动的范式转变，透彻告别了基于IF-ELSE的东说念主工规矩系统，实现了从感知到动作的端到端学习，极地面减少了中间阵势的信息失掉。

此外，Transformer擅永劫序建模，其夺观点机制让机器东说念主不仅聚首动作间的先后关系，还能进行复杂动作序列的持久臆测；更热切的是，它相沿多任务学习：辞全国模子中，视觉、语言与操作被整合于吞并模子；在分层架构中，表层负责高层推理与决策，基层则承担精确推行，两者兼顾；在数据效劳方面，尽管依然需要巨额数据，但与传统挨次比较，Transformer能用更少的任务特定示教数据完成复杂任务，并将学到的知识转移到关连任务；同期，其在线学习才气使机器东说念主在推行过程中不停学习与调理，并对光照、物体位置等环境变化具有更高的鲁棒性；临了，它实现了语言聚首与推行的统一，不仅能聚首复杂的天然语言提示，还能引诱视觉信息进行多模态推理并滚动为具体动作。

这种从"专用AI"向"通用AI"的转变，让机器东说念主从只可推行预设任务的器具，进化为具备环境聚首、手段学习与新场景适合才气的智能体，这一技巧进展恰是"通用机器东说念主成为可能"的根柢驱能源，亦然现时东说念主形机器东说念主欣慰的中枢所在。

虎嗅：你刚才说最早将Transformer踵事增华的是特斯拉的无东说念主车，让民众看到一个热切的实现旅途，可以张开说说吗？

殷鹏：特斯拉无东说念主车将Transformer"踵事增华"的环节在于他们率先将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。

这松懈了传统自动驾驶依赖激光雷达和复杂传感器交融的技巧门道，证据注解了纯视觉决议的可行性。特斯拉领有全球最大的自动驾驶数据采集采集，每天有数百万辆车在路上采集数据，他们率先考据了Transformer架构在大畛域的确全国数据下的"自大"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、车辆剖判轨迹和历史景色、以及3D环境聚首和旅途臆测，这种统一的多模态处理才气为自后的具身智能提供了热切模仿。

更热切的是，特斯拉证据注解了Transformer不仅能作念感知聚首环境，还能作念决策臆测旅途和放置车辆，实现了完满的感知-决策-推行闭环，这为机器东说念主的"大脑"设计提供了热切范式。通过车辆在的确说念路上的行驶数据，特斯拉实现了大畛域的自监督学习，让模子能够从未标注的数据中学习驾驶手段，这种挨次自后被粗豪应用于机器东说念主的动作学习中。

另外，还将其工程化，实现了在车载硬件上的及时推理，这为具身智能的实验部署提供了热切教会。

是以特斯拉的告成让通盘这个词AI界看到了一条热切旅途：通过大畛域的确全国数据纯属Transformer模子，可以实现从感知到行动的端到端智能。这径直启发了谷歌的机器东说念主花样开动大畛域采集机器东说念主操作数据，OpenAI将雷同架构应用于机器东说念主放置，各大科技公司开动深爱具身智能的数据采集。

是以，特斯拉实验上首创了"用数据驱动的AI来解决物理全邦交互问题"的先河，这恰是现时具身智能欣慰的技巧根源。他们证据注解了Transformer不仅能处理语言，更能处理复杂的时空序列数据，为机器东说念主的"ChatGPT时刻"奠定了基础。

虎嗅：咫尺全球机器东说念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门道有什么不同以及优劣之分？

殷鹏：咫尺，模子体系约莫分为两类，很难简便评判优劣。第一类是"全国模子"，将视觉、语言与操作等多种才气整合进一个统一模子中进行纯属。举例，李飞飞实验室的 Open VRA1.0 和谷歌的 PaLM。这类模子的优点是拘谨速率快，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说念主性能。但其劣势在于泛化才气弱。一朝超出纯属场景（如机器东说念主从一个房间挪动到另一个），就需重新采集数十小时的数据进行纯属，不然性能会大幅着落。举例 SLAM（同步定位与舆图构建）对光照和场景元素极为明锐，隐微变化就可能导致如捏取等操作失败。因此，该类模子更相宜简便场景的演示，难以打发如工场等复杂、动态环境。

第二类是分层搀杂架构模子，代表如 Figure.AI。该模子结构雷同于东说念主脑与小脑的单干：大脑部分负责文本和视觉推理，解决"去那处""拿什么"的逻辑问题，如证据卧室或厨房的图像定位方针与制定捏取策略；小脑部分放置机器东说念主骨子的具体动作，如行走、开雪柜门、捏取鸡蛋等，需靠巨额数据纯属实现高精度放置，举例调理机械手的力度和手指溜达。

这类模子的上风在于单干明确：表层负责空间逻辑与决策，基层推行精细动作，尤其在完成"临了一厘米"的操作时，能精确放置推行细节。

以特斯拉等公司的机械手为例，平方具备19至20个目田度，因搜索空间广阔，必须通过巨额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、泛化条目高，且对操作精度极高的场景，如精细捏取。Figure 和特斯拉走的是这条门道。

虎嗅：刚刚说到好意思国，中国这两年也跑出了可以的东说念主形机器东说念主公司，比如宇树，中国的机器东说念主技巧水暖和好意思国有各异吗？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，似乎中国机器东说念主公司民风于先作念硬件、再作念模子，国外似乎是反过来。

殷鹏：我认为这与两国国情相关。中国大陆有很强的智能制造供应链，可以让咱们将通盘元器件以很低资本进行快速落地和迭代，在中国作念聪敏手，可能只需要在1-2个月的时候，用有限的资源就作念成，这在好意思国事根柢不可能的事。但好意思国更擅长的是大脑模子的开发，其实两边可以变成细腻的互补。好意思国擅长从0到1的突破，中国很擅长从1到100。

机器东说念主数据可能是具身智能中最快完成买卖闭环的

虎嗅：为何遴选在这么一个时候点创立一家创业公司？天然大模子自大许多契机，但具身智能的买卖化还有很长的路要走，遑论东说念主形机器东说念主的大畛域买卖化，而手脚这些机器东说念主厂商的上游-数据提供商，买卖链条更长。

殷鹏：来源是时候点。当下是一个环节节点，全球王人能看到大模子在空间聚首、推理才气上的突破，这让通用机器东说念主成为可能。从硬件层面看，也出现了实验落地的迹象，这与上一波主要聚焦特种机器东说念主的机器东说念主波浪不同。

改日的发展周期到底是10年如故20年，难以下定论。但对咱们这群作念机器东说念主的东说念主来说，更垂青的是它最终能否实现。就像老马说的，"能像东说念主相同上工位干活"，这是咱们信得过想看到的。这亦然我遴选在这个时候点创业的中枢原因。

如果一味恭候，就无法信得过感受到期间脉搏。我也但愿能躬行下场，挖掘行业中的中枢难题。许多问题独一信得过插足行业、濒临的确场景，才能体会到，线下纯念念考经常显得太简便。

你刚才提到周期可能很长，照实如此，数据链路也很长，但关于机器东说念主骨子来说，数据反而可能是最快能变成买卖闭环的。

莫得巨额的确数据，骨子和大脑王人难以进化。就像纯属大语言模子需要广阔的语料，无东说念主车需要日采数以百万计的车辆数据，机器东说念主亦然相同。如果不明决数据问题，就会持久被卡住。

模子仅仅引擎，数据才是石油。独一链接接续的数据供给，通盘这个词"车"才能信得过跑起来。具身智能亦然如此，若无法突破数据瓶颈，通盘这个词行业就会停滞。而构建数据闭环天然最具挑战，却亦然最径直、最快和风险最高的一环。

虎嗅：经常这类买卖链条长，对技巧条目高，况兼是"石油"属性的事情，经常是大公司在作念，举例英伟达、特斯拉、谷歌，或者便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，一面是有买卖化压力，如何竞争？

殷鹏：全全国通盘机器东说念主公司、作念大脑的公司、作念骨子的公司，王人是咱们的友商。咱们会给他们提供数据。咫尺咱们也曾给许多头部大型AI公司提供宽绰量机器东说念主数据。起码改日5到10年，咱们和这些头部机器东说念主公司王人是友好关系。

我知说念这个赛说念改日会很卷，东说念主也会相配多，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：我聚首，高出于是作念一个具身智能界的Scale AI吗？

殷鹏：是的，王人是数据供应商。但咱们和ScaleAI不同的点是，Scale AI愈加选藏数据标注，大厂会径直给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使命。

来源咱们有纯属模子的才气，会和巨额大型客户建立宽绰量采集数据基地，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纯属。

虎嗅：咱们咫尺主要有两部分数据，一部分是在的确场景中采集的数据，另一部分是仿真3D数据？

殷鹏：咱们主要聚焦的确场景的数据。

一方面，咱们有一个开源社区，开采供应商王人可以参与数据采集，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纯属和考据，确保可运行后才发布。咫尺咱们采集的数据主如果上百万小时的的确数据，莫得波及合成或仿真数据。

这在业内其实算是比较"反学问"的遴选。咫尺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，的确、丰富的数据最能升迁模子纯属效果。

天然咱们也有才气基于的确数据作念大畛域合成，比如一条生成十条，但这个技巧门槛并不高，大厂也系数可以作念。是以咱们更专注在他们不便捷作念、或者不肯意作念的事——也便是采集的确全国的数据。

至于仿真数据，天然它在强化学习里的确是个可以的考据平台，但效果很难径直转移到现实中。比如咱们用几十张显卡纯属一个捏取动作，在仿真里告成率可能有95%，但一朝部署到的确机器东说念主上就可能掉到60%；像系鞋带这种更复杂的动作，告成率致使可能降到45%。也便是说，仿真数据很难在的确环境中泛化。

因此咱们最终决定专注于的确数据的构建，既来自东说念主，也来自机器东说念主自主采集。

虎嗅：的确场景数据的采集，很考验效劳和采集效果，若何保证质料和数目？

殷鹏：举例工场的一条包装产线，有许多操作细节，如何捏取、如何经受、如何剖析这些动作，可以创造相配丰富和高浓度的机器东说念主数据。咱们会让操作员穿着开采，在的确坐蓐经由中采集数据。一小时内，就能采集出约500到1000条高密度的数据，每条数据王人包含具体动作、翰墨形容、图像捏取等信息。

相较之下，真东说念主采集效果比遥控机器东说念主要好许多。遥操作是用机器东说念主实机在现场完成任务，但以咫尺机器东说念主的才气来看，哪怕是简便操作，也可能推行得很复杂，效劳低下，一小时只可采集几十条信得过有价值的数据。

虎嗅：从数据采集的角度，需要找一个合作生态相配环节？你从什么时候开动作念这件事，作念了多久？

殷鹏：旧年八月份开动，持续半年多，或者有几十家合作公司，包括工场、小作坊等。咱们咫尺或者有十万小时的数据，后头会把量级扩大到10倍，达到100万小时量级。我认为这个量级，才会让机器东说念主达到比较客不雅的效果。

独一成为一号位，才能获取业界最快最的确的反馈

虎嗅：一般科学家创业，告成率经常不高，或者说许多行业的共鸣是科学家创业，其更相宜作念CTO，而不是CEO。在创业之初是否有濒临这么的质疑？在创业过程中关于我方的定位，你是若何看的？

殷鹏：这种质疑对我来说时常出现。我想创业的的确原因是，具身智能这件事，学术的资源也曾不行骄横我，独一信得过到业界，才能拿到富饶多的企业资源，但如果我仅仅个二号位或者三号位，我没方针得到最快最的确的反馈。

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，比如李泽湘本分（虎嗅注：香港科技大学素质，固高技术董事长，松山湖国际机器东说念主产业基地发起东说念主）和高秉强本分（虎嗅注：香港科技大学荣休素质、工学院原院长，全球闻名微电子大家，投资了念念特威、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：李本分的想法是，机器东说念主的生意，还口舌常吃硬件的，需要充分利用好大湾区的资源。高秉强本分的建议是一朝这个买卖模式跑通，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，具身智能这件事如故偏早期，B端的应用最终如故会落到C端，因此也需要念念考这个过程中，B端和C端的畛域，除了给各大厂来用，还需要商量如何让普通民众也用起来。

虎嗅：第一笔投资是若何拿到的？

殷鹏：第一笔投资其实是高秉强本分投的，他是咱们的天神投资东说念主，高本分很了解我，其时咱们常一齐交流，高本分建议在当下时候点，找一个相配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换取的时候经常存在一些语言体系的不同和由此带来的挑战，科学经常但愿在单点突破，但工业界对技巧的率先性反而没那么深爱，更深爱是否解决问题，是否踏实，你如何适合这么的身份转变，适合不同的换取姿色？

殷鹏：照实如此。学者转化到CEO，之前温文一个点，可以挖得很深，可以调度这个点周围关连的资源，其他通盘的链路王人无谓商量。但变成公司就不相同了，更多要商量的是公司的治理、文化、这个业务自己的买卖模式是否闭环，是不是收获。这里会出现许多不同的难点，需要各个击破。另外，手脚一家创业公司，任何一个新的模式王人有东说念主质疑。是以就需要用最小的资本，完成家具的可行性考据，这些王人是创业需要报恩的事情。

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通盘这个词系统就被解决了。创业需要对整条链路的每个阵势王人富饶了解，即使我方不懂，也要找到懂的东说念主一齐作念。而且要有对时候周期的把控，毕竟创业公司的资源不是无尽的，没东说念主能等你10年、20年才商量买卖化。

同期，还需要一个优秀、紧密的团队来承担中枢任务。这其实至关热切。硅谷有个说法叫"创始东说念主模式"——公司价值不雅经常反应的是创始东说念主对行业的聚首。如果咱们聚首富饶深，就能收拢行业的中枢问题，不会过于激进也不会太保守，计谋处所会更了了，团队也会知说念我方的定位。

殷鹏实验室团队，右一为殷鹏

独一具备这么创始东说念主导向的文化，才能引诱信得过志同说念合的东说念主。哪怕像老马这么的创业者，在他的每个公司也王人有一群针织的奴婢者。

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：因为来源是手脚本分要去转型，相配悲凉。要从一个钉子变成一个雷同于像梳子这么的模块。

在崇拜创业之前，咱们经常专注于一个单点问题的长远突破，个东说念主只需念念考得富饶长远即可。但手脚创始东说念主，就要从"钉子"念念维转变为"梳子"念念维，不仅要深挖某少量，还要兼顾全局多个维度。

创始东说念主温文的面相配广，但面广不等于"大而空"，不然团队会不知说念具体该作念什么。在此基础上，既要全面布局，也要在每个环节点长远推动，明确每个东说念主的任务、节拍和具体内容。这对时候治理和详细才气提议了极高条目，亦然每一位创业者王人必须履历的一关。

第二点是买卖模式的不细则性。在发展的某个阶段，一种模式可能完成闭环，实现信得过的突破，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——有东说念主强调课程数据，有东说念主依赖仿真数据，也有东说念主深爱的确数据。咱们相对通达，认为多种模式王人有契机告成，但难以系数把控这种趋势在持久周期内的演进端正，因此要依靠直观判断。

虎嗅：直观主要来自那处？

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。咱们站在前列，能第一时候赢得大厂在性能优化等方面的教会和信息，这使得"即时响应、快速换取和反馈"变得极其环节。因为一朝信息误判，就可能导致决策诞妄，进而影响合座计谋。

是以，在创新过程中，创业者常会履历两个挑战：一是从个东说念主高尚度突破转向全面统筹，二是在不细则中寻找处所，并恒久保持对信息的热烈感知和快速反应。这亦然"早晨前的阴雨"阶段，天然悲凉，但唯有冲到一线，长远念念考和成就，才有可能迎来信得过的突破。

虎嗅：在长远业界之后，你发现了哪些是往时莫得领路到的行业痛点或者问题？

殷鹏：比如咱们之前作念遥操，主管这个领域咱们作念了两年，咱们会作念举例捏取苹果、杯子，这么简便的事情，也会作念拧螺丝这么很难的推敲。但确实和工业界交流时发现，这些事经常无法落地。比如说他们不需要纯属一个多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议。

虎嗅：其实创业公司的初创团队是很热切的，许多时候如果找的王人是才气很强的东说念主，反而不行告成。搭团队的时候你看中的是什么？花了多永劫候搭团队？

殷鹏：找东说念主对创业公司而言至关热切，咱们或者花了半年时候。我如故更模仿黄仁勋的机制，一开动两三个东说念主一定要有心境基础和持久合作伙伴的关系，对彼此有持久信任感，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，这种事情变成的窜改友谊在创业中尤为艰苦。咱们并不贯注这个东说念主是否一定是名校，更在乎的是在插足公司后是否能够快速适合公司文化和氛围，把我方的才气进行快速升迁。是以我更垂青的是加快度，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，把才气作念极大的阐发。

虎嗅：话说纪念，在"画饼"这件事上，您如何让民众好意思瞻念折服这个愿景并坚忍往这个处所费事？

殷鹏：当大哥马作念 SpaceX 时，业界宽绰认为火箭回收不可能。但他凭借个东说念主魔力，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，念念考什么样的数据信得过能起量，拆解通盘这个词过程，预判可能遭受的问题，与团队徐徐攻坚，一朝突破，可以达到若何的畛域和影响力。

咫尺看 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。这个愿景是民众可以一齐实现的。咱们要作念的是惩处大客户，与他们建立深度绑定，让外界更好意思瞻念折服这个故事。

具身智能尚处浊世，认同了捐躯无反顾去作念

虎嗅：你其实是一个民风于将长方针拆分红一个个短方针的东说念主？

殷鹏：是的。我合计任何复杂的事情王人耐不住细化，短期可以是一个季度为计或者半年可实现的方针，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，仅仅在其时的时候点莫得东说念主提。是以他开动作念游戏，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"踵事增华的东说念主。什么时候开动领路到"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信得过了解Elon Musk，他背后的创业逻辑、故事门道，了解特斯拉、SpaceX。我在好意思国的那几年，未必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民众对他的质疑划破，去末端。包括他应许了快要十年的Robotaxi。是以我推敲了他的买卖历史，我发现第一性旨趣确实相配可怕，能把一件在旁东说念主看来不可能实现的事情变成可能。

虎嗅：咫尺在看什么书？

殷鹏：最近的新书便是马斯克的自传。

虎嗅：看起来你很心爱马斯克。

殷鹏：对，可以说我的通盘这个词的买卖逻辑，买卖模式，许多王人是来自老马的启发。他如安在早期就念念考这件事，如何设计、如安在某个时候点打法压力，作念别东说念主看起来不可能的事情。

虎嗅：咫尺还会宝石冥想吗？每天会花多永劫候？

殷鹏：我咫尺每天早上五点起床，会花半小时冥想然后开动每天的日程使命。因为事情会越来越多，如果莫得一个合理的放空契机，东说念主会在一些杂事情上迷失。如果每天没方针得到我方内心深处的反馈，在旅途遴选上如故会出现一些问题。

虎嗅：创业于今，有莫得发生一些反学问的事？

殷鹏：我合计是有的。泡泡玛特的王宁曾总结过一个教会：创业时咱们常以为A很热切，离了它不行，但实验作念下去才发现，信得过环节的是B，而B在最初致使看不出来有多热切。到濒临客户时，又可能是C才对，因为客户需求会不停变化。最终是通过B的调理，才演化出C的形态，不停优化这个过程。

一开动联想的旅途，在不停试错和拘谨中，可能会天然找到最优解，但这个最优解很难一开动就预预料。正如那句话："伟大的事情无法被缱绻。"

虎嗅：关于你和公司而言，改日的挑战会在那处？

殷鹏：咫尺可见的是，插足具身智能行业的"用户"越来越多，而不是专注作念数据的公司。咱们旧年刚创业，还需要向投资东说念主解释机器东说念主数据的热切性，但如今这简直已成共鸣。

这天然是善事，但亦然一把双刃剑。民众认同数据的价值，意味着越来越多的公司开动涌入这个赛说念，无论大厂如故中小团队，生态变得越来越"卷"，也开动出现不少重迭造轮子的景象。

通盘这个词行业仍处于"浊世"阶段，环节在于如何找到我方的独到位置。对咱们来说，数据是最中枢、亦然最擅长的部分。既然如此，就莫得游移的根由开云体育，只可义无反顾地往前走。