许四清对话创业者：中国创业者在AI硬件领域要敢于在全球领跑

发布时间：2026-01-04 17:42

企业领导者在引领创新中找到成就感 #生活乐趣# #创新乐趣# #创新企业管理#

中国、硅谷、模型、具身、AI硬件，这些标签共同烘托起今年创投圈的炽热氛围，而这些看似独立的标签之间更有着关系整个AI创业生态的联动密码。

在钛媒体2025 T-EDGE的圆桌访谈中，AI领域的头部创业者们汇聚一堂，在阿尔法公社创始合伙人许四清的引导主持下各抒己见。本文选取许四清与阿尔法公社早期投资的两位创业者，诺亦腾机器人创始人兼CEO戴若犁和Looki创始人兼CEO孙洋的深度对话，共同透视2025年全球AI创投圈令人兴奋的新变化。以下是经过编辑的对话实录：戴若犁：我希望看到人形机器人的通用性在商业领域被验证许四清：若犁，你所在的赛道，中国团队优势有多明显？戴若犁：过去我们服务的更多是影视和体育行业的时候，还是会发现在理念的先进性，或者是说客户的发展阶段方面，美国的领先性还挺明确的，而且基本上都是海外的业务要大于国内的业务。而我们目前的感受和以前完全不一样，至少在机器人这行业里，中美是没有代差。虽然大背景是没有代差，但实际这个生意做起来还是有挺大区别的。我们做的业务是典型的To B的业务，To B业务的本质其实是甲乙双方的劳动力成本置换，或者说是能力的置换。在不同市场环境下，To B业务的推进逻辑会有明显差异，这与当地的劳动力成本结构、客户组织方式以及技术分工习惯都有关系。相对来说，美国的业务会更好做一些。在中国市场，企业全栈/全链路自研是一种思维定势，更希望To B合作企业提供概念验证。但美国的客户或者说全球其他劳动力成本相对较高地区的客户，他们对于垂直整合这件事情的追求就没有这么强势，或者没有那么执着，客户更倾向于基于清晰分工和长期合作关系来推进项目。所以对我们来说，中国的生意体量大，中国的客户离我们更近，但是海外的客户可能毛利更高，也更容易沉淀长期合作项目，所以市场体感上还是有挺大的区别的。纯粹说机器人行业，中国市场参与的主体的更多，投资阶段分布更广，覆盖了更多相当早期的企业。而美国市场的资本集中度相对更高，马太效应更强。许四清：你觉得中美的科技资本环境有哪些差异？戴若犁：美国的早期阶段融资中，如果是用SAFE（Simple agreement for equity）这样的方式融钱，机制相当简化，这是很伟大的。他们也更愿意在小圈子里边闭环，整个融资的事情就在一个微信群或者group里就能完成，更强调对创新和试错的支持，对于创始人的压力相对比较小。

许四清：2025年AI领域最有价值的事情是什么？为什么？

戴若犁：过去来跟我们聊数据业务的业内同仁一般都在聊几千小时，顶多上万小时的数据。但是最近美国有一家公司叫Generalist，这家公司大力出奇迹，自己独立验证了一把Scaling Law，他们用了27万小时的数据做了训练，并且在这27万小时之内没有看到任何训练收益的放缓。这件事情之后，来找我们聊的业内同仁们的数据单位也都变成了以十万小时为单位。这也让具身这个行业整体认识到Scaling Law的边界其实还很远很远，这件事还是挺让人兴奋的。许四清：诺亦腾本来占了动捕差不多全球七成的市场份额，你为什么把这个诺亦腾机器人拆出来单独做呢？这个想法的出发点是什么？戴若犁：传统的动作捕捉技术服务的都是一些小而美的行业，像影视特效、人机交互、重度科研、体育运动、医疗健康，它的天花板并没有那么高，但是很刚需，整个行业的迭代也不会太快。而机器人这个行业的进步是非常快的，这个行业的成长速度，已经是指数级的速度。所以我们会需要用不同的团队，不同的思路，不同的企业的经营方式，也需要用不同的估值和募资的体量去支持这件足够大的事情。当这件事足够大的时候，其实是特别值得最好的团队一起进来的，所以就决定成立一家新公司。许四清：大量的机器人公司在自己做动作捕捉，为什么需要你？戴若犁：核心其实还是专业化分工和成本问题。就像台积电和富士康存在的核心的原因其实是有大量的成本摊销。对于绝大部分的机器人公司来说，数据infra的团队本身不是核心，但却是一个长期、高投入、高经验要求的团队，因此规模体量可能也较小，往往很难在资源、规模和经验积累方面形成效率优势。而我们可以在多个客户和项目之间去摊销长期的研发成本，我们专精这件事情的同事持续积累在数据采集、处理与交付上的经验。所以从各个层面上面来说，诺亦腾机器人（Noitom Robotics）作为一个三方的数据服务商，还是有稳定的市场空间的。我们的核心理念是：做核心用户的非核心任务的核心供应商，这可以说是我们做To B的精髓。

许四清：刚才你提到有公司用27万小时的训练数据训练具身模型，我粗略估算，差不多是一个50个数据岗位将近一年的数据量。那么问题来了，仿真数据的放大作用有多大，在你看来真实数据和仿真数据之间是一种什么关系呢？

戴若犁：来自于真实世界的真实数据和合成仿真数据，这两条路径肯定是一个协作状态。我们从最底层来说，机器人需要从数据中学习的东西可以粗暴地分为两类，一类叫做规则（rules），另外一类叫做先验（prior）。这两类东西里，规则是可以枚举和合成的，但人类先验是无法枚举和合成的。从这个底层逻辑来说，很难说真实数据或者仿真数据单一能解决所有问题，大概率这两者其实是需要合作的。许四清：展望机器人行业未来十年，你最期待出现怎样的颠覆性的进步和变革？戴若犁：我现在最希望看到的，就是人形机器人的通用性能够在商业领域被验证。目前其实不管是英伟达还是特斯拉，他们对于人形机器人的执着其实是都是建立在底层假设第一性的基础上。但事实上，迄今为止商业领域中不同场景的经济性和适用性仍在探索阶段。一边是专机，也就是专门设计的特型机器人，另一边是真人，这个中间的夹缝，是否真的可以通过人形机器人找到稳定可持续的应用空间，我认为仍然需要时间来检验。如果在未来五到十年内，能够看到人形机器人在部分商业场景中形成清晰的价值闭环，我会认为这是对整个行业非常重要的一步。许四清：再继续追问一下，您认为机器人的商业化验证最有可能先发生在商业领域还是工业领域？戴若犁：我认为应该是在家庭领域。我个人一直不认为工业生产制造当中的那个夹缝足够宽，能够让人形机器人找到落地的价值。因为在工业领域里，特别确定性的任务就会走向专机，而特别泛化而困难的柔性的任务就会走向人类，所以中间的夹缝会非常的小。反而是在家庭场景里，虽然实现困难，但是还是会有很多机会。特别是一些在家庭里所谓时空分离的机会，比如扫地机器人这种场景。时空分离下对于容错性，安全性，隐私性等各方面的容忍程度都会高一些，又不像在工业领域里非常容易被自动化流水线专机和便宜的人类劳动力去替代，所以这个夹缝会稍微宽一点点。孙洋：软硬件结合这件事，中国团队有得天独厚的优势

许四清：Looki的第一代产品是以记录生活作为切入点的，产品也非常受欢迎，那这一代产品对Looki而言，看起来是是探索人机交互的一个好起点，你追求的是探索一个单品爆款，还是交互的新方式？

孙洋：应该说是一个起点吧。我们的核心就是在给AI做眼睛和耳朵，然后让AI在物理世界里生活。大家可以把具身理解为，它有像人一样的大脑，然后再加上四肢，能做一些事情。其实Looki在做的事情，就是先把四肢去掉，看能不能先把第二大脑的功能实现。对于第二大脑而言，Looki只是一种形态，未来也可能还会有其他的形态。这其实是随着整个硬件供应链和产业链的发展而改变的，怎么做到低功耗，怎么能做到无感化，怎么能融入大家的穿搭里去，形态上未来一定还会有各种各样的这种延展。从功能上来讲，其实也会随着模型能力的增强，包括我们自己搭的记忆infra系统的升级，不断地生长共进。我们最终还是希望搭建一个叫human-centered AI，也就是以人为中心的AI。这件事情的价值在于，今天人类所有和AI的交互还是要锁在对话框里边，对于普通用户来说，每天生活里面发生的所有事情，我都要转换成语言，转换成prompt，然后才能给到AI的对话框。那我们换一个思路，为什么不能把AI从对话框里拿出来，让AI自主能看到和听到物理世界里发生的事情，这个过程将不再需要用户再去做一个prompt转换。我们有一个口号叫做：这个世界就是AI的prompt。这是我们的核心理念，这是一步一步去延展的。我们先把大脑做好，可能最后再把四肢做好，未必说Looki在五年十年后不去做这件事情。通过一个消费电子产品让大家先用起来，数据飞轮能够转起来，我觉得把启动器找到这件事儿是最重要的。下一代产品我们会做proactive AI或者叫real time proactive AI：更适时的主动式的AI。今天我们L1的产品是需要三段式的，先记录，然后上传AI分析，最后给你反馈记忆。到第二代产品L2的时候，适时发生的所有事情AI都能够快速给予反馈。L3会是更远期的设想，我们觉得五年之后，模型的能力会让今天所有的互联网服务都变成Agent，但整个的Agent网络里面会出现一个新的角色，这个新的角色就是一个中心的General Agent。这个agent它本身不能实现任何的服务，但是它是非常懂用户。当用户给他下达一个简单的指令，General Agent会把这条指令延展成非常丰富的context，然后去对接其他服务型Agent。许四清：2025年AI领域最有价值的事情是什么？为什么？孙洋：我觉得最兴奋的两个点就是Google的回归和Gemini 3的出现，其实这两个也是一回事。我觉得Google的回归是让整个25年的模型赛道拨乱反正。大家之前会看到Open AI已经开始做一些硬件，但其实我觉得模型还远远没到天花板，Google的回归也让大家重新聚焦回模型能力的进一步提升。而Gemini 3的出现也符合我们的预期，在多模态能力又前进了一大步。去年大家所看到是，都是假的多模态，今年Gemini 2.5开始大家又在做图片帧的动态，然后直到Gemini 3的出现，视频的能力又进一步增强，这是符合我们对模型发展趋势的预判的。许四清：你所在的赛道，中国团队优势有多明显？孙洋：在AI硬件赛道，中国在硬件的产业链上肯定是有优势的。其实大家更多的探索是AI硬件会以一个什么样的方式去切入大家的日常生活，给用户带来更大价值。这是一个相对早期，相对模糊的方向，对于创业团队来说更需要保持的敏捷，是头脑敏捷和实验的敏捷，更多在于想象力和taste方面的探索。说回中国团队的优势，我觉得软硬件的结合这件事情，是中国团队毫无疑问的得天独厚优势。美国的软件非常强，AI非常强，但硬件上明显的一个短板。我们也看到很多美国的同行做的AI硬件产品，最后并没有收到市场的正反馈。他们大多数只是兜售了一个比较强的AI概念，但交货有可能一年了也无法交货。许四清：你觉得中美的科技资本环境有何差异？孙洋：我觉得其实在硅谷，在美国的VC圈，投资一些高风险的项目来获得高回报这件事上，大家收到过很多的正反馈。而在国内，大家可能更愿意投一些共识类的项目。但我觉得在今天中美在AI这个赛道上，基本上处于同样的起跑线。希望中国的VC能够更大胆地去支持创业者去做一些非共识和冒风险的事情。许四清：你认为中国的硬件产品在走向全球化的时候，最大的挑战是什么？孙洋：我觉得对于AI硬件来说，今天最大的挑战还是在于data compliance数据合规。因为今天的AI硬件更多都是一个数据的入口，这件事情让数据的合规性变得非常重要。比如说最基本的，你要把数据留在当地；第二，你要做该做的数据审计；第三，基于不同的国家，还要对数据所有权有一些规定。而这些对于之前的消费类硬件来说，并没有相关的积累。寄语2026许四清：我对2026年的期望是，具身智能的落地前景能从此变得更加光明。目前具身智能面对的探索环境与大语言模型截然不同，受限于数据匮乏，行业只能在“小脑”层面进行探索。我希望2026年大家能将探索重心转向“大脑”层面，为具身智能的突破奠定基础。孙洋：2026年，我觉得会是非常争议的一年。这个争议点在于AI产品上可能会出现的百花齐放，以及大家认为26年可能会有很大的bubble。戴若犁：我们是服务具身智能这个行业的，所以我个人的期待其实很朴素：一方面希望马斯克身体健康，继续把人形机器人这条路线往前推；另一方面希望这一波具身智能创业公司都能走得稳、走得远，希望我的客户们都越来越好。本文转载自钛媒体AGI，由钛媒体编辑陶天宇整理。

✦