文 | 白鲸实验室

具身领域里，恐怕没人比丁琰更能感受到行业的巨震和疯狂。

9月30日，他任职的一星机器人，因为吉利战略收缩，成立不到半年意外解散。时任CTO的丁琰在随后短暂的33天里，罕见地完成了别人可能需要数年完成的人生轨迹，失业、创业、融资、被收编。

一直到11月2日，丁琰以联席CTO的身份加入明星初创公司鹿明机器人，他带着昔日的10余名骨干终于安定下来。他形容这段经历，每天的信息都在爆炸，人生几乎以10倍速度快进。

去年他留学归国，意外站在具身行业最炙热的前沿，在市场上大受青睐。他是最早将GPT-2模型融入机器人的研究员，博士期间发表论文有上千引用，回国后又all in UMI技术(一种数据采集技术，相比当下的遥操作方式，采集效率提升3~5倍，成本降低近90%)，成为国内最大的UMI玩家。时代的机遇放大个人的际遇，推着他往前跳跃。

丁琰加入鹿明不久，UMI技术因为美国具身公司Genralist、Sunday Robotics火爆，在国内也意外走红。

丁琰再次被推到时代前列。市场放量增长，鹿明机器人的UMI数据采集工厂也在同步扩增。同时，鹿明机器人也刚完成来自鼎晖投资、南京创投等多家机构的数亿融资，这也预示着已经发布四款机器人产品的鹿明机器人，从数据入口、模型到本体实现全栈自研，真正步入具身赛道的旷野。

在这次访谈中，丁琰不仅首次分享了离开一星加入鹿明这一阶段的疯狂和割裂，也系统性复盘了UMI数据采集与模型训练中不断精进的认知。

今年具身智能融资超过500亿，仅11月公开宣布的融资案例就超过35起，临近年末，具身行业依然表现出火热的劲头。丁琰说，第二梯队公司也成长起来了，“FOMO”(担心错过)的投资机构在加速上车。

以下是《白鲸实验室》和他的对话，为了文本阅读方便，我们做了精简处理。

以10倍加速的33天

白鲸实验室：最近多家具身智能公司，包括鹿明机器人在内，纷纷宣布获得数亿融资，在当前商业落地仍不明确时，行业还在加速？

丁琰：我个人感受是，从资本以及带动人才的涌入来看，确实是一个加速过程。

现在具身智能行业梯队已经分明，第一梯队公司估值动辄上百亿，对投资人而言价格太贵了，而且普遍营收低迷，能不能上市、 带来回报，充满不确定性。第二梯队公司也成长起来了，还未入局的投资人有一种普遍的忧虑——担心错过上车的机会，所以会涌入第二梯队里有潜力的公司。

白鲸实验室：你的经历非常有意思，去年博士毕业后去上海AI Lab，一家实验室，今年先后去了吉利的一星机器人（由于吉利战略收缩，成立半年自动解散），目前在鹿明机器人公司担任联席CTO，经历身份的巨变，有没有更加坚定的信仰？

丁琰：这个问题挺好的，我的经历确实挺压缩的，在极短时间里，疯狂地经历各种起伏。我就职的这几家风格也完全不同，上海AI Lab属于国家级实验室，更多偏向学术研究，可能只有20%偏向工业。一星机器人属于大公司（吉利）孵化的一个，有自己的场景和业务线，只需要服务好自有的业务线，而鹿明属于明星初创公司，商业化落地和技术研究一样都很重要。

过去几年，我见证了具身智能从少有人问津到火热的过程，越来越意识到具身智能绝对是未来，唯一的问题是商业化落地，这相当于是一个战场。这么多玩家入局，想要生存，必须把所有战略资源、研究重点集中起来，准备好在未来6-8年打一场硬仗。这也是行业重塑的过程。

这一点我非常坚定，在上海AI Lab或者一星时，可能都没那么坚定。

白鲸实验室：为什么？

丁琰：可能因为鹿明离这个战场的核心地带更近。

白鲸实验室：一星不近吗？

丁琰：一星相当于大公司的后花园，有一个大家长把你保护起来，离前线还是稍微远一些。而鹿明这样的初创公司，离炮火更近，可以近距离看到战争的全貌。

白鲸实验室：离得更近，不会觉得商业化更难，现实更骨感吗？

丁琰：换家公司我可能都会很担心。有些公司疯狂融钱，只画饼，在商业化上没有任何落地，没有闭环，会让人觉得害怕。而鹿明属于另一种，一直在做商业闭环。

白鲸实验室：有没有逐渐祛魅的想法？

丁琰：基本上没有。

白鲸实验室：今年10月一星解散，到11月初加入鹿明，时间很短，很多人向你投来橄榄枝。

丁琰：我从美国留学归国后，对时间确实有非常明显的体感差异。我在美国读了五年博士，感觉时间过得很漫长，回国后，每天感觉都是加速状态。在上海AI Lab，可以看作2倍在加速，在一星相当于3到5倍在加速。离开一星后的过渡期，我觉得是10倍加速，手机上的信息非常爆炸，每天都逼着你做决定。

从9月30号知道一星解散的消息，到11月2号加入鹿明。这期间，我们还筹备了一家公司，做各种路演，都融到资了，有一家投资公司已经给TS（投资意向书），还有两家准备投。其中一家准备打钱的前一天，我决定不干了，还去一家企业待了三天，发现不对劲，后来选定了鹿明。

白鲸实验室：你说当时手机都爆掉了，有多少家具身智能公司邀约你？

丁琰：没有30家，也得有20来家，工作机会非常多。

白鲸实验室：怎么就确定是鹿明了呢？

丁琰：鹿明的CEO是创业者行列里最懂技术的那一批，同时也懂商业，这是一个非常少见的组合。

白鲸实验室：具身智能行业里的创业者，纯技术出身的还挺多。

丁琰：不太一样。具身智能行业里纯技术出身的创业者，有些是做大模型出身的，有些是做自动驾驶出身的，我更偏向于选择机器人出身的团队。

白鲸实验室：会有什么不同吗？市场上有不少声音认为，自动驾驶技术离具身智能很近。

丁琰：我从来不觉得这两者贴近，反而认为区别非常大。举个例子，做自动驾驶的人，是不需要考虑车是怎么造的，硬件已经很成熟了。而具身智能需要去造机器人，还有不同形态的机器人，算法和数据都没有完全实现跨本体迁移。

比如数据，作为预训练是可以用的，但是在精细化操作时，完全不能使用。如果可以使用，UMI技术也不会这么热闹了。

白鲸实验室：你经历的大起大落，似乎是中国具身智能行业今年火热的一个缩影，很有代表性。当时为什么没有自己创业？

丁琰：创业对于创始人的心力要求很高，说实话，我觉得自己hold不住。这里面最大的问题是人的管理。鹿明的团队有很强的资源整合能力，原有的硬件业务和我们数据业务也很互补。

UMI技术不只是数采，而是类似基建的系统

白鲸实验室：你从加入上海AI Lab，到现在一直研究UMI技术，有没有始料未及的问题？

丁琰：其实没有什么始料未及的问题，我很坚信自己的技术直觉。

我在上海AI Lab还是挺幸运的，当时只是一位研究员，实验室leader对我们很宽容，允许我们all in 一个当时还不明确的方向。其实最大的难题是如何说服其他12位PHD（博士）和硕士一起做UMI技术研究，这是非常难的，一旦出现一点问题，这事就黄了。事后回顾，如果重新来一遍，能不能成功我都没有把握。

白鲸实验室：你是如何说服他们的？

丁琰：我一直觉得UMI不单单是一个数采技术，而是一套体系，有点像基建。在这个基础上，你可以起万丈高楼。我当时就这样告诉大家，很多人也是有这个信仰的，也一直在研究这个领域。

我当时写过这样一句话，硬件、数据、算法和系统是很难分开的。我们不仅要实现硬件的自给自足，算法也要根据硬件和数据特征开发，系统适配前三者，让这四块形成内循环，大力气搞infra，才能走得更稳健。

白鲸实验室：国内今年多地流行建数据采集工厂，为什么普遍都采用遥操作的方式，而不是UMI技术？

丁琰：数采厂可以消耗掉一大批机器人本体，相当于帮助具身智能公司卖机器人设备了。如果站在数据的通用和资产化的第一性原理来看，UMI数据是正确的选择。

白鲸实验室：一个百万级的数采厂需要多少机器人？

丁琰：百万级都不行，得千万级。我觉得数采厂，至少7成的钱都花在硬件上。数采厂普遍管理成本很高，尤其对数采员的管理，因为这个工作非常枯燥，重复性劳动，通常又是外包，大家并不会很用心，导致采集到的数据质量不会很高。

比如一个关门的动作，常规情况需要机器人的爪子拿着门把手一推，但实际上采到的数据里，可能一些数采员直接用手推开的，轨迹数据完全不能用。后续数据清洗时，工作量会很大，合格率估计很低。

鹿明在数据质量管控方面采取了极为严格的标准，创新性地构建了六道数据检测与校验流程，从采集、处理到交付进行全链路质量把控，最大程度保障交付给用户的数据具备高一致性与高可信度，能够稳定支撑模型训练与性能提升。

白鲸实验室：国内流行的数采方式是遥操作，和你们的UMI技术的主要区别是什么？

丁琰：完全是两个流派。遥操作是人实时控制机器人执行任务，要依赖机器人本体采集数据，而UMI不依赖机器人硬件或本体，通过独立的采集设备，如手持装置、头戴装备等，记录人类的操作过程，这可以迁移到不同的机器人身上。

如果不考虑效率、成本和硬件适配，遥操作机器人采集的数据信息量比较多，模型好训，不需要处理。而UMI技术采集的数据最大的优势是效率高、成本低和异构本体适配，不过对数据后处理要求很高，这正是行业的门槛。

白鲸实验室：最近比较火的两家美国具身智能公司Generalist、Sunday Robotics，采用的也是UMI技术，会影响国内数采方式吗？

丁琰：已经影响了，至少观点刷新了一波，我相信这就是未来，国内公司的数采也一定会follow这一路线。

白鲸实验室：如果follow的话，是不是意味着早期建的数采工厂是一种资源的浪费？

丁琰：对，但是UMI是一场革命，它必然发生。目前国内全栈跑完UMI整套流程，拥有商用数采设备、数据处理、数采工厂和模型验证的，只有鹿明机器人一家。目前市场对鹿明FastUMI的数采方案需求量非常大，我相信FastUMI会成为未来数据采集的标准，会替代一大部分早期的数采工厂方案。

白鲸实验室：综合考虑来看，这两种数据采集方式是互补的？

丁琰：我的理解，完全不是互补，而是互为取代。

白鲸实验室：你在一星时，包括现在的鹿明，也有自己的数采工厂，UMI技术获得数据还对外出售，商业模式上算跑出来了吗？

丁琰：苗头已经很明显，目前势头很好。

白鲸实验室：难点是什么？

丁琰：整个商业模式现在处于大混战中。每家具身智能公司都觉得数据是弹药仓库，都要自己建，哪怕利润很低。可能过一段时间，形势会更明朗。大家会发现数采厂特别难搞。投入和产出也不成正比，如果管理不当，或者技术不够优秀，实际上是亏钱的状态。

这个时候，三方的数据服务商的价值就会凸显，这也是鹿明正在快速深挖的领域。我们已经算是这个市场里做UMI数据的Top1选手。

白鲸实验室：你们现在收入情况如何？

丁琰：具体数字暂时不好说，不过我们有真金白银进账，整体还是不错的，国内外的具身公司基本上都有找我们采买过设备和数据，目前数据采集与交付能力已接近满载。

黎明前夜

白鲸实验室：模型适用scaling law法则（数据越多，训练的模型性能越好），现在的数据集对模型而言处于什么状态？

丁琰：还是一个黎明前夜，大家都知道scaling law，但数据规模还远远不够。

白鲸实验室：现在训练一个模型，能吃透的数据集是多少？

丁琰：不好判断。但我们自己比较坚持FastUMI路线，提供最高质量的UMI数据。

白鲸实验室：你们是如何突破数据采集规模的？

丁琰：建数采厂，增加产能，也只有这一条路。对初创公司而言，需要很大的决心。刚开始我们计划建一两个数采厂，没想到UMI的需求这么大。现在预期加大，准备增建两三个，一步步往前推。

白鲸实验室：建数采厂的成本不大吗？

丁琰：和传统遥操作数采厂相比，投入的成本会便宜很多，不需要买机器人，就会节省很多成本。

白鲸实验室：能便宜多少？

丁琰：具体数字暂不透露，但价值不仅在于便宜，而在于跨本体适配，才能形成真正的数据市场。

白鲸实验室：行业里有人说过，如果现在一个刚刚起步的具身玩家，一比一复刻Generalist的数采方式和规模，大概需要至少要超过半年甚至一年的时间，不包括数据基建的过程。

丁琰：那太乐观了。可能半年、一年都完全达不到。举个例子，光造抓夹硬件，可能需要四到六个月。采集27万小时需要多久呢？至少也需要1000人，马不停蹄的采集大半年，甚至小一年才能达到。

怎么可能半年就复制出Generalist的规模？除了像我们团队这样有硬件、软件基础，又有资源整合能力的，我觉得中国其他团队，在一年内是不可能有人复制出这种规模。

白鲸实验室：Generalist现在以每周1万小时的速度增长，鹿明是在过去一个月时间里，积累了1万小时真机数据，这个时长和美国Generalist相比，是什么水平？

丁琰：我们刚刚起步，但我们未来一定比他们快，要相信我们的组织能力和调动资源的能力。

低估机器人的复杂性

白鲸实验室：今年大家讨论的概念太多了，像VLA是今年Figure带火的，你觉得为什么它就成了主流？

丁琰：VLA一直是比较热的话题。以前没有大语言模型，更多是一个视频输入、动作输出。大语言模型火了后，加入进来，是很自然的过程。语言模态加入，参数量变多，模型能记住更多动作，也能更好地完成任务。

白鲸实验室：你曾说VLA还处于非常早期阶段，目前它只能解决机器人不到10%的问题，它不擅长解决的是什么任务？擅长的是什么任务？

丁琰：这个问题非常有意思。首先机器人有不同的派别，以前的传统机器人，通过加一堆特定规则，把专项任务能解决得非常漂亮，效率高、成功率高，问题在于没法泛化。VLA这种范式，相当于用通用的方式，只需要把不同任务的数据输入进去，就可以做得很漂亮。

这似乎是一种趋势，目标很美好，现实是输入的数据完全不够用，导致输出成功率可能只有百分之三四十，完全达不到传统机器人99%的目标。甚至还得花好多精力微调，一旦环境有一点变化，成功率又下降。解决问题的效率也跟不上，整个解决方案也不怎么顺滑优美。

VLA肯定是未来，但还有很长的路，现在许多任务它都解决不了。像颠勺做菜这类看起来简单的任务，即使是世界上最牛的VLA模型成功率也不会很高。

白鲸实验室：VLA的问题是因为数据规模太小，影响它的泛化能力吗？

丁琰：一方面是数据的问题，目前真机数据规模太小。

另一方面也是模型架构问题，现在有一种趋势，总觉得一个模型能解决机器人的所有问题，这低估了问题的复杂性。比如躲避障碍物，效率，遇到一些日常意外怎么解决，模型实际落地中会冒出很多问题。如果脑子里只有一个VLA或者其他什么模型，我觉得这是有问题的。

白鲸实验室：关于VLA和世界模型的定义分歧很多。有人觉得世界模型是方向，还有人觉得VLA才是核心，世界模型只是VLA的虚拟环境，通过世界模型生成的虚拟数据，可以反过来提升模型的效率性能。你怎么看？

丁琰：VLA是一个很宽泛的定义,只要有一个vison和language输入，然后生成一个动作行为，我认为就是VLA。另外，部分VLA模型中间某个模块依靠一个世界模型来完成，如果按照这种定义的话，我觉得VLA是包含世界模型的。

白鲸实验室：模型训练时，吃透数据是不是一个难题。

丁琰：需要很多耐心和试验，我总觉得机器人是一个经验性工程。你得疯狂的去做试验、试错，才能得到一些insight和know-how（这两个英文单词都强调，真正下场踩过坑，才能获得的经验）。怎么吃数据其实也是在不断试错中调整的。

白鲸实验室：这个吃透数据过程进展到什么程度了？

丁琰：不断去探索数据的边界。我们觉得数据就像宝藏，现在探索的可能才十分之一。什么样的数据算好，什么样的不好，为什么不好，怎么采好数据，这数据需要多少模态，每个模态之间怎么影响，这都是非常大的问题，但对完成任务是很有价值的。这些我们一直在探索，也需要很长的时间。

白鲸实验室：目前你们能看到数据的局部边界吗？

丁琰：没有，我们自己反正没找到，我觉得这个边界还挺远的，我们才探索了一部分。

白鲸实验室：你怎么看仿真数据和真机数据？

丁琰：我觉得这是不同的流派。我不是很相信仿真，甚至觉得两者的差距有点大。但是仿真肯定是有用的，只是说这个用处多大，我没有探索，也不好评价它的边界。

我一直有个比方，如果你想把真机数据跟仿真数据混在一起，有点像做菜，把一个冬瓜跟苦瓜混在一起，能不能做好，是可以的。绝对比单独做一个冬瓜或一个苦瓜要难的，多少比例，什么时候加入什么样的数据，这个工作量会很大。

人的精力和资源都是有限的，我只能all in到一条线上去，不能再分散精力去探索仿真数据的边界。

白鲸实验室：你们目前模型的训练，百分之百都是真机数据吗？

丁琰：对，百分之百都是真机数据。

白鲸实验室：最近有一家具身智能公司极佳世界，刚发布了一个具身的世界模型，其中仿真数据占比达到了90%，在具体的泛化维度上实现了三倍的性能提升。

丁琰：它们属于另一个流派，对算力的要求很高，这两个流派的隔阂很大，我无法评价。

白鲸实验室：业内也在探索真机数据和仿真数据的比例，比如9:1，你会担心多种数据的结构，会在模型训练时取得更好效果吗？

丁琰：不会担心，目前来看，数据问题的边界还远没有探索出来，不好评价。

白鲸实验室：像中国的这些数采厂，消耗不了的数据，完全可以出海？

丁琰：对，很多人都在做了。

具身行业也需要像OpenAI一样的领头羊

白鲸实验室：最近你在认知上最大的变化是什么？

丁琰：我觉得可能是我不只考虑技术了，在商业化上更成熟，我们CEO的商业思维非常好，对我影响很大。设计一款产品时，有些因素我没考虑到，他就会从商业化，或者供应链的角度上提供分析。比如数采厂，我们一下扩增3个，我担心吃不下，他会给出具体的分析，说3个刚刚好，目前来看他的判断是很准确的。

白鲸实验室：你来鹿明后，会做一些技术上的折中和妥协吗？

丁琰：折中是有的。具体怎么折中的话，比如说对资源的利用，人员的配比上，更偏向一些懂商业的人，而不是一个纯技术公司引导的模式。

我觉得不能叫妥协，妥协的隐含意好像心有不甘。经历过一星的事情后，我的想法变了很多，让大家活下来更重要，不能一味满足技术追求，这是很不负责的表现。

白鲸实验室：你觉得一星在商业或者技术上有没有激进的地方？

丁琰：一星倒不是激进，这种判断对一星很不公平。一星已经非常自由，也没有对不起人，这个事儿（解散）不是一星能决定的，是吉利集团决定的。

白鲸实验室：大家可能没有批判一星，而是批判吉利。

丁琰：商业是很复杂的一个行为。人需要妥协，需要考虑更全局的东西，不能太自我，这在商业世界里是忌讳。

白鲸实验室：你之前有提到在一星未做完的事情，要在鹿明继续做，这个指什么？

丁琰：其实就是把整个FastUMI系统搭建好，这个思路一直没有变。我的目标就是希望一年之内能运转起来，形成闭环，如果能完成，就已经很牛了。

白鲸实验室：Generalist的目标很明确，就是要做什么事情都能做的机器人，鹿明呢？

丁琰：我们要先做成具身领域的基础设施，把数据平台和硬件平台构建好。

白鲸实验室：目前鹿明内部最可能率先闭环的是UMI系统，是不是？

丁琰：UMI系统的确闭环挺快的，现在已经看到闭环的苗头了。（笑）

白鲸实验室：现在机器人的基座模型还没有达到GPT3的水平。GPT从2.0到3.5版本，参数量有上百倍的增长，反观具身智能赛道，从数据上看还没有形成这么大规模吧？

丁琰：是这样的，具身世界也需要一个领头羊，这个领头羊是谁我不知道，可能是Generalist。他确实证明了某种成功。但是问题在于，他选择的路线很独特，没有像OpenAI产生很大的价值，可以重塑一个商业模式，通过付费形成收入闭环。

Generalist的价值闭环目前没找到，现在只是发布一个会叠乐高、叠衣服的demo，这种场景的商业化落地在哪里？大家怎么跟，投入多少，我觉得都会影响从GPT2到GPT3的进展。比如说像宇树、智元等行业第一梯队的具身公司都跟进尝试的话，是不是GPT3才会来？

白鲸实验室：有一位行业人，把今年的具身智能比作2015年的自动驾驶。

丁琰：我觉得这种比较没意义，这完全是两个赛道。自动驾驶可以一家独大的，只需要在车里面搭载个系统，最后牌桌上剩几个玩家。但是机器人最后不可能只剩下三个玩家。机器人市场很分散，因为场景太多了，至少相当一段时间，不可能一家公司的模型把所有的场景全吃掉。

白鲸实验室：我之前有看到一位具身智能行业里的人，说大厂的成本很抽象，买几千张显卡审批很容易，但是采购上百台这个机器人却很难，对现在刚毕业的具身行业的年轻人，你会建议他们先去大厂还是初创公司？

丁琰：这个事儿其实也挺难说，因人而异吧。在创业公司，有一种共同做事业的感觉。在大厂就有点像领工资那种状态，没有自由，但更稳定一些。就是看你想要以什么样的心态去做事。

大厂的战略目标，可能会更加细致具体，对于下面的员工而言就是要坚决执行。初创公司可能有一点好处，它的打法和战略调整非常快，每个人做的事情也更有灵活性。