前小鵬高管創業，給美國家庭造了臺戶外陪伴機器人

文｜邱曉芬

編輯｜蘇建勛

CES 2026上，一家中國機器人公司的展臺外擠滿了人。大家圍觀的，不是CES上司空見慣的人形機器人或四足狗，而是一臺雙輪足、身軀四四方方、帶有顯示屏的機器人——只有15公斤重，40厘米高。

它在草皮上時不時抱著皮球行進，穩穩穿越不同狀態的地面。看到有觀眾拍攝它時， 它會停下來與人互動，左右輕輕搖晃，并在屏幕上切換不同表情。仔細看，它上方還加裝了全景相機，實時記錄下被圍觀的畫面。

這臺機器Rovar X3人出自「深庭紀」，主打戶外陪伴。

目前，這臺機器人尚未正式發售，但「深庭紀」的創始人王弢告訴《智能涌現》，未來的價格會低于5000美金，“可能會擊穿很多美國人對機器人品類的價格預期”。

△Rovar X3能踢球還能當攝影支架

這種全新的機器人構型，背后的設計者同樣大膽——「深庭紀」的創始人王弢，享受一切不確定性。

這種偏好，體現在他過去每一項關鍵的職業生涯抉擇中。2015年，在斯坦福攻讀深度學習和視覺感知博士的他，和導師吳恩達聯合創辦了專攻L4的自動駕駛公司Drive AI。

在自動駕駛沉浮的歲月里，這一公司最終迎來一個不錯的歸宿——2019年，這家200人的硅谷明星公司被蘋果“招聘式收購”，吸納進蘋果的造車項目“泰坦”。

但王弢沒有像其他人一般加入蘋果。“不是蘋果不好，是我能看到十年后我在哪個位置，對于這種未來，我很抗拒”，王弢直言。

最后，他選擇加入了小鵬。在時任自動駕駛副總裁吳新宙麾下，王弢用三年時間，從0到1搭建了小鵬汽車的視覺感知團隊。

不管是2015年進入自動駕駛領域，還是2024年離開小鵬投身機器人創業，王弢喜歡在賽道尚未收斂的時候，趟出一條路——不確定性的背后，恰恰藏著“十倍增長”的紅利。

△王弢，圖源：受訪者提供

享受不確定性的背后，王弢性格的另一面是，務實，關注落地。

在行業大講人形機器人干活的故事時，王弢選擇先從戶外切入，并向家庭場景蜿蜒進發。他將他們的戶外陪伴機器人Rovar X3，稱為最有機會進入家庭的物理AI MVP（最小可行性產品）。

在硅谷生活了16年的王弢告訴我們，這種產品思路，源于他對身邊人的觀察。

在硅谷，當全世界最聰明的一群人聚集在一起時，最大的困擾是無聊，在當地有“灣區三俗”的說法——這群人在周末基本只做三件事：帶孩子戶外徒步、去野外摘櫻桃、看房子。

尋求戶外搭子，是這群硅谷人士的真實需求——在此前，大家的選擇只有兩個，寵物狗，或者售價高達7.5萬美元的波士頓動力四足狗。

為此，王弢為Rovar X3設計了三大主要用途：

首先，它能充當“戶外搭子”。其視覺系統通過識別主人的生物特征（人臉、步態、身形），緊緊跟隨主人。在相對復雜的戶外路面下不僅能靈活避障，還能 馱重物，整個過程不需要經過遙控；

其次，它還可以在幫忙照看小孩，和小孩躲貓貓、幫忙撿球、和人類踢球等等；另外，你還可以把手機和全景相機支在上面，讓Rovar X3充當拍攝支架。

△2026年CES上，Rovar X3和觀眾打招呼

在機器人領域創業，王弢坦言，比曾經的自動駕駛領域，多了一份“造物”的興奮感——現在的機器人，已不是冷冰冰的自動化設備，而是有自主性、有生命感的“物理AI”。

只是，現下“造物”的方向，五花八門。陪伴型機器人的產品形態明顯尚未收斂。而王弢對于這個品類的很多判斷，也和市面上的大多數人不一樣。

在Rovar X3的設計邏輯中，相較于“機器人會不會聊天”，他更強調“有沒有一起做過事”。讓機器人參與到真實世界的行動中，與人協同完成任務，長久地陪伴才會發生。

這種啟發，源于「深庭紀」公司的第九號員工——一只小狗。他觀察到，在午休時間，員工們會自發把小狗帶到草坪上，扔球、奔跑。現實世界里的互動，讓人和小狗建立了深刻的情感鏈接。

△Rovar X3能撿球

建立鏈接后，更進一步的思考是：如何讓機器人智能體持續變強？

大多數人的選擇是，將機器人送進工廠，或者鎖定在某一個細分的場景里，讓模型進化。

王弢反而認為，這種做法雖然能帶來交付，并不利于機器人智能體的提升——以工廠場景為例，特點是高度標準化，容錯率低。

這意味著，能幫助模型進化的不確定性因素、信息也隨之消失。而參考GPT，卻是在復雜多樣數據的加持下，才出現涌現時刻。

特斯拉是一個經典案例。馬斯克一開始并不是直接去礦山或者封閉園區落地，特斯拉的MVP是直接在高速上跑L2輔助領航。“當時看起來并不是很fancy，但是它最早的使用場景，和最終FSD的場景，都是公共道路。數據的DOMAIN（范圍）是比較接近的”。

在王弢看來，戶外陪伴場景，正是一個天然更貼近家庭的選項，且兩者數據訴求也基本一致。因此，在初步取得用戶的信任之后，王弢還希望機器人進一步逐漸走入庭院、家庭，收集用戶更多多樣化的數據。

而這些數據，也將成為其訓練操作模型的專有數據，加深機器人對于世界的理解，逐漸形成“數據飛輪”。

近期，「深庭紀」完成了億元天使輪融資，由藍馳創投領投，粒子未來基金跟投。《智能涌現》與王弢聊了聊，關于他鮮少披露的過往、以及他對打造具身智能MVP的理解。

以下是交流實錄（略經摘編）

職業選擇中，尋找“十倍增長”

《智能涌現》：之前你跟著吳恩達一起創辦Drive.ai，這個項目被蘋果收購后，你沒有加入泰坦那個項目里，反而是加入小鵬。當時做出這種選擇的人，多嗎？

王弢：我是2009年在斯坦福大學讀碩士，做深度學習和視覺感知，后來跟著吳恩達讀博士。當時自動駕駛一下子火起來。吳恩達和他的太太、我們幾個師兄弟聯創一起創辦了Drive AI ，做L4 無人駕駛。

我是聯創，也是工程與研發總監，負責PNC模塊，就是規劃與控制模塊、系統集成。Drive AI 是2019年被蘋果收購。被收購之后沒加入蘋果的人，說實話不是很多，我當時的選擇確實看起來有一點非主流。

《智能涌現》：不加入蘋果，你當時怎么判斷的？

王弢：第一點，對我來說，真正有吸引力的不是進入一家已經被證明的公司，而是去做一件還沒有標準答案的事。蘋果代表的是完成度，而我當時更在意的是創造的過程。

第二點，我當時對L4自動駕駛的判斷是，這是一個非常長周期，可能很多年都看不到產品的賽道，作為一家創業公司，比較明智的選擇還是要去抱一個口袋很深的“金主爸爸”。

在技術上面，L4需要全局地優化，感知、預測、規劃、后臺數據閉環、算力平臺都是強耦合的。

但是蘋果作為一家非常典型也很成功的公司，它的組織方塊、組織模式是非常模塊化的。我當時看到蘋果的每個團隊成員是把自己輸入、輸出的接口定義得很清楚，盡量減少耦合，這個很明顯是一個硬件公司的做法。

所以我當時的判斷是，在蘋果做L4，會可能變成一個很難落地的科研項目。但我自己的風格是，希望把東西做出來，落到實地。

《智能涌現》：所以落地這件事情，對于你來說非常重要。

王弢：是的。

△Rovar X3有不同的表情

《智能涌現》：你剛剛說不希望進入一家已經被市場證明過的公司，為什么后面選擇加入小鵬？

王弢：我是吳新宙招進去的。在小鵬的前三年我是從0到1搭建視覺感知團隊，負責模型訓練、數據采集標注、模型部署、工程化等。其實在小鵬相當于是一次創業的經歷。

2023年初，我判斷自動駕駛的感知和AI 已經比較收斂了，格局也已經定了。我自己的職業規劃經歷都是尋找10倍增長，我當時的判斷就是，自動駕駛其實已經不是下一個十倍增長了。

《智能涌現》：后來是發生了什么，讓你覺得創業的時機真正成熟了？

王弢：2023年，我在鵬行帶AI團隊。一線的實踐當中，我們看到很多這個領域長期存在，但是被低估的很多問題。

比如說，真實世界數據的采集成本、標注成本很高，哪怕到今天還是存在；sim to real有巨大的鴻溝；硬件平臺為了追求極致運動性能，存在過度設計的問題。我們當時內部也在非常頻繁討論，走路應該用輪式底盤還是雙足？

這些問題會導致系統復雜度指數級上升，拖慢智能化的迭代速度。我就慢慢開始萌生了一個想法：如果我去解決這件問題，我有充足的資源，我會怎么去解決？

這種思考慢慢的指向了一個判斷：真正要推動具身智能向前，需要一些全新的產品路徑。

創業是一場持續的思考，不是一瞬間的靈感。我推演了一段時間，從鵬行出來是2024年1月，我4月份才成立新公司。我覺得具身肯定是下一個10年、10倍增長的機會。但如果要重新定義一代機器人，機器人應該是有自主性、有生命感、以AI為先的，而不是一個冷冰冰的自動化設備。我當時有一種造物的沖動、興奮感，

《智能涌現》：推演的三個月，你在做什么？戶外這個方向是怎么思考出來的

王弢：機器人我把它分成四個大的板塊——移動、操作、智能、導航。

我覺得移動、操作、導航這三塊很多可以復用自動駕駛能力。智能這一塊，我當時判斷它處于比較早的階段，我當時思考的是，如何讓智能體要持續地變強？

我們最終還是希望借鑒特斯拉或者小鵬數據飛輪的方法論。過去的經驗是，誰能夠把數據飛輪跑起來，誰就能夠在具身智能趨勢里面成為贏家。

進廠，對智能體訓練不是好事

《智能涌現》：關于智能體要怎么去變強，你是怎么推演的？

王弢：第一，需要找到一個MVP，一個真正能夠走入終局的場景。拿特斯拉來舉例，它一開始并不是去礦山或者封閉園區，它的 MVP 是在車上去跑 L2 輔助領航。

當時這個技術并不是很fancy，只是在高速上做自適應巡航和車道保持。但是它的實際使用的場景，跟最終FSD需要使用的場景，都是公共道路，數據的DOMAIN（范圍）是比較接近的。

我的判斷就是，如果機器人最終要達到像馬斯克說的幾億臺甚至十幾億臺，那一定是要走入家庭的。

雖然我們不是一開始就走入到家庭，我一定要盡可能貼近家庭，獲取家庭用戶的信任、獲取家庭用戶的數據。 第二，我認為機器人使用的場景一定是diverse（多樣）的，不是限定幾個垂域，不能在垂域里面去采數據。

《智能涌現》：但很多具身智能公司都在瘋狂找垂域場景，比如工廠，但是你的MVP是落在家庭和戶外。你們怎么看待這種分野？

王弢：我覺得在商業化上，Tob是不錯的一個選擇。Tob最大的優勢是需求很清晰，只要把場景限定好，機器人是有機會做到穩定執行和交付的。

Tob的場景里面，最重要的目標是不出錯，為了達成這個目標，產線也會把環境標準化。

這意味著有很多不確定的行為或者因素會在場景里面消失。我覺得這對于智能體的訓練來并不是一件好事。GPT是在所有的領域都有數據的情況下才能涌現，不是只在少量的幾個垂域訓模型。

《智能涌現》：你是怎么發現戶外場景有陪伴的需求？

王弢：大家都調侃灣區是高科技大農村，全球最聰明的人聚集一起，但高性價比的放松娛樂活動非常少。工程師、碼農們周末最常見的活動就是徒步、摘櫻桃還有看房子，我們叫“灣區三俗”。

我自己也是徒步大軍中的一員。但走多了你會發現，風景很美、也很無聊。這時候我都在想，如果能有一臺自主移動的陪伴機器人隨行，它既能承擔5公斤的負重，幫忙背包，在露營空地也能陪孩子做游戲，是非常有價值的。

這不是一個完全脫離生活的幻想，而是灣區人們的真實需求，特別是在科技行業的有孩人群。

《智能涌現》：那你們的機器人是怎么從戶外場景，一步步進入家庭場景？

王弢：我們雖然是先切入戶外的場景，但未來我們一定會走入家庭。

家庭室內的門檻非常高，任何一次失誤都會摧毀消費者的互信。戶外是一個切入點，它的付費意愿高，試錯成本是比較低的。在戶外哪怕是土坡上面摔了一下，其實只要自己能站起來，問題就不是很大。

其次，在戶外的場景，我們可以復用很多在自動駕駛領域已經相對成熟的方法論。在戶外自主移動，是在更加開放的環境中實現自動駕駛系統。在低速場景下和人的交互，又和新能源車艙內的智能座艙智能有一定的相似性。

我和很多土生土長的美國人去聊，美國的主流文化對于最先進的科技，持有一種既好奇又謹慎的態度。比如你看終結者系列，他們對于人形機器人有比較大的疑慮。

我們第一步用Rovar這種雙輪足形態，個子也不高，不會像人一樣跟你長篇大論的，有比較可愛的表情，更容易切入到家庭中。其次，它的主要使用場景是在戶外，用戶對它的疑慮也會更小一些，通過這樣的一代產品，能夠獲得用戶的信任，未來可以走到室內。

《智能涌現》：那后面的第二步、第三步，具體怎么走？

王弢：關于第二步、第三步，我們現在有很多的選擇。一個是在戶外做得更加重度、更硬核，我們會做一個客單價更高的產品。

第二就是從戶外慢慢走入庭院，再走入家庭內部。我會鼓勵用戶利用機器人采集到更多的數據，比如用戶在后院清理雜草、清理樹葉、丟垃圾的數據。

這些數據我都可以鼓勵用戶去上傳，最后變成我們訓練操作模型的專有數據。這是用戶真正從場景中得到的，和數據采集工廠里的數據不同。

《智能涌現》：這些數據去反哺到模型之后，能讓機器人產生什么新的玩法？

王弢：從最簡單的說起，比如說用戶指某一個方向說，“你幫我把那個罐子拿過來”時，機器人需要先有對于世界的理解。我們希望未來機器人能夠理解用戶的指令，自己去執行命令。這是可以通過模型學習的。

《智能涌現》：你們未來這兩個方向都會去兼顧？

王弢：我覺得在夠長的時間維度里，這些都是可以做的選項。具身智能是一個10年的賽道，很多時候需要通過市場反饋來決定下一個發力點。大疆剛剛一開始在做無人機的時候，他也沒有想到會變成飛行相機。

陪伴機器人，不應該只聊天

《智能涌現》：你們剛創業的時候是四足，但現在變成了輪足。為什么有這種改變？

王弢：我覺得現在物理AI最優的構型，遠遠都沒有收斂。雖然大家都做人形機器人，但如果仔細去看，構型都是不一樣的。

從四足到雙輪足的演進，是因為我們產品定義逐漸清晰，才做了一次系統收斂。雙輪足的電機數量首先比四足要少一半，系統復雜度的出錯概率會低很多。雙輪足的運動方式是靠輪轂、電機，運動的能效比足式要高很多。

《智能涌現》：陪伴，最重要的是什么？很多廠商更側重語言上的陪伴，但你們好像不是這么想。

王弢：人其實也可以跟我們的機器人說話，通過手勢或者語音。不過，我們不希望Rovar變成GPT聊天的工具。它可以輸出一些簡單的詞匯來表達自己的情緒，但是他不會長篇大論。

我覺得陪伴，最重要的是和用戶形成情感上的連接。這個連接來自于，在某一個場景中和用戶一起去完成一些事情，這是最長效、最牢固的。 關于陪伴粘性的思考，啟發自我們公司的9號員工，也是一條小狗。我們養了一個寵物，體驗一下小狗跟人之間是怎么樣建立連接。

我們發現中午午休的時候，我們的員工非常樂意帶著小狗去草地上面去玩球，把球丟出去，小狗會把球叼回來。

現實世界里非常簡單的事情，但是大家都樂此不疲。我覺得陪伴產品，應該去做一些力所能及的物理連接。

《智能涌現》：你曾說你們的受眾可以歸納為“硅谷老男孩”，這群人有什么共性？

王弢：“硅谷老男孩”是一個統稱，更加細化的話，其實是幾個類別：

一個是企業主和公司高管，他們時間稀缺，愿意為高質量的產品體驗付費；

第二個是創意工作者，比如抖音短視頻制作者、好萊塢的人，他們對于新形態的產品、審美有很高的敏感度；

第三個就是醫生、律師這類高收入專業人士，他們的共性是，不會問機器人是什么，更關心機器人能不能融入生活。他們中一部分人還是保留著探索的樂趣，有對少年感的向往。

我們做過一些審美取向的調研。“硅谷老男孩”們并不喜歡過度的科幻機甲風，產品必須好看，但又克制不浮夸。

《智能涌現》：你們的產品，具體有什么玩法？

王弢：我們有三個最大的使用場景。

一個是戶外的陪伴，你在山上走，它像一個小寵物一樣在走在前面，有簡單的交互，讓我感覺到不那么孤獨，也可以幫忙背個水、背個相機。

從心理學的角度去分析，人在戶外，特別是美國這種地廣人稀的地方，心理上需要去尋找安全港灣。這也是為什么很多人會帶著寵物狗出去徒步。

第二個場景是小孩陪護，比如躲貓、追逐、嬉戲。現在很多陪伴類的產品側重對話式陪伴，但是據我的觀察，粘性相對比較低。

為什么大家對于把球踢進門里這樣一件簡單的事情，會有成癮，我自己踢球那么多年從來沒有膩。我覺得這也是物理世界一部分的魅力。

第三個功能是可以加裝各種配件，手機或者是全景相機。Rovar有大量想象空間，用戶會找到千奇百怪的玩法，我們希望早期有一個發散的過程。

《智能涌現》：如果從技術的層面去拆解，背后都包含了哪些核心技術，有什么比較難的地方？

王弢：這背后的技術挑戰是，如何讓機器人做好社交導航，比如在步道上面能夠進行避障，美國很多步道都不是鋪裝路面，而是泥土路或者沙石路。

其次，機器人在戶外要能夠持續識別到主人，不會被干擾，這首先考驗我們的視覺能力。我們用了一個純視覺的解決方案，沒有去使用激光雷達，機器人通過深度特征去感知人類，比如人臉的特征、步態、身形。

在戶外場景里，續航、重量、地形通過性其實是一個不可能三角，考驗著我們做取舍和平衡的能力。

《智能涌現》：你們提出的端側“慢腦 + 快腦”AI架構，但是市面上大家用的是“大腦+小腦”。兩者有什么差異？

王弢：“大腦+小腦”架構中，大腦負責思考、小腦負責運動控制。但我認為這種劃分方式并不十分全面。

現實情況下，有許多思考過程需要極快的處理速度，大腦的運行速度相對較慢，僅依賴大腦無法完成某些任務。同理，一些運動控制類操作，也并非單純由小腦就能實現。

所以，我們所提出端側的“慢腦+快腦”架構——“慢腦”負責把事情想清楚，而“快腦”則負責快速反應。

具體而言，“慢腦”處理那些無需毫秒級或亞秒級反應，但需要深入理解的事務。例如，自動識別當前所處環境是公園、家庭庭院、室內還是公共道路；識別用戶及其偏好，如記住小孩和家長的長相。

“快腦”則進行實時響應。比如，當聽到用戶喊“你快回來”時，立刻停止當前任務并原路返回；當與機器人進行踢球時，在每次與球觸碰后，機器人迅速判斷下一步與球的接觸方式。

快腦與慢腦，二者并行運行、產生交互數據。慢腦會提前向快腦傳達大致的任務信息，快腦則在此基礎上，負責向控制規劃模塊傳達如何執行當前任務。

《智能涌現》：陪伴機器人這個賽道有同質化的趨勢，你覺得這個領域核心的競爭力是什么？

王弢：陪伴這個賽道，產品形態是沒有收斂的。我覺得最核心的能力是持續的用戶洞察，和領先競品一代的技術認知。這兩個可能聽起來稍微抽象，但是要做創新品類，這兩點是最重要的。

《智能涌現》：要保持和競品有一代的差距，行動上要怎么體現？

王弢：我覺得公司除了找PMF（產品和市場匹配度）之外，還需要找到PTF（團隊和產品的匹配度）。我們團隊在美國生活了很多年，在文化、場景的理解上，天生是有一些優勢的，能夠站在用戶角度去思考產品的功能。

我更多的是從算法研發的角度，在現有的算法中，尋找高潛力的、還沒有被使用到產品上的新技術，做出人無我有的體驗。

比如說踢球，市面上沒有任何一個機器人可以在草地上，像一條小狗一樣跟你玩球。

《智能涌現》：這兩年陪伴型的機器人密集爆發，背后有什么因素推動？

王弢：更多的就是物理 AI 概念的帶動。之前大家說 AI 更多的是GPT，能夠跟你對話、幫你解題，停留在虛擬世界當中。但是這一波首先是自動駕駛的AI能力有溢出，自動駕駛是一個物理AI非常初級的形態。

第二是硬件成本持續下降到有望走入家庭了。以前說到北美機器狗，大家想到的都是Boston Dynamics（波士頓動力），售價7.5萬美元。

但是我們的產品能做到5000美金以下，會擊穿很多美國人對機器人品類的價格預期。

《智能涌現》：陪伴機器人可能在什么時候達成你預期的“十倍增長”？

王弢：在我們的規劃當中，26年、27年是我們探索MVP 的階段，在鴻溝的左側，去找早期的種子用戶，持續尋找killer APP。

未來確切的時間點，我可能沒辦法很好去判斷。你看馬斯克在2012年說，還有兩年就能實現全自動駕駛，最后證明他的時間判斷基本上都是錯的。

我自己的方法論就是，不會刻意從時間上面去做判斷，但是我會關注實際技術的進展。

如果某一天具身智能的操作領域，大家都用同一個Benchmark（標準），那我判斷“Alex moment”到來的時間，可能不會大于兩年了。用自動駕駛來比喻的話，現在是在自動駕駛2012、2013年的階段。

《智能涌現》：你覺得陪伴型機器人的PMF已經找到了嗎？

王弢：我覺得初步是找到了，但是如果真的要形成爆款，我覺得可能還需要一定時間的用戶洞察。我們在美國其實做了很多用戶調研，初步找到一波種子用戶。

但是種子用戶和大眾用戶之間的鴻溝怎么跨過去，如何尋找到更精準的PMF，對于新品類來說是比較挑戰的。

但是一旦這個鴻溝跨過去，作為新品類的定義者，也能收獲到巨大的紅利。

封面來源｜受訪者提供

end

end