「破殼機器人」許華哲：兩年內，中國將出現可用的家庭機器人

文｜邱曉芬

編輯｜蘇建勛

2026年，全球的具身智能機器人創業者不約而同將目光方向調轉向深水區：家庭。

點燃這份熱情的，是近期行業里閃爍著的一絲絲Scaling Law苗頭——

先是硅谷具身智能公司Generalist AI在GEN-1模型上驗證了確定性，當他們給機器人喂進海量數據后，精細操作任務成功率竟從64%提升到了驚人的99%；

隨后，硅谷當紅的具身智能獨角獸公司Sunday Robotics也試圖解決家庭場景數據難關，不僅推出Umi手套數據采集方案，還直接將機器人Memo送進家庭做家務（收拾餐做、沖咖啡、疊衣服），因此吸引了大量的資本押注。

在大洋彼岸的中國，近期闖入家庭機器人領域的創業者中，還有一個熟悉的身影——許華哲。

“兩年內，中國將會出現可用的家庭機器人”，他對于行業的判斷，同樣樂觀且激進。

作為“伯克利歸國四子之一”、清華大學交叉信息研究院助理教授，2023年，許華哲曾加入「星海圖」任前首席科學家兼聯合創始人，一起將這家公司打造成中國具身智能領域的明星公司。

不過，在這家公司估值沖破200億、融資近30億的巔峰時刻，許華哲又選擇“單飛”并創辦了全新的具身智能公司「破殼機器人」。

此次重新出發，他想做的是能在家庭場景干活的、真正有泛化性的具身智能機器人。

△ 許華哲

其實，想做一個家庭機器人公司并不是近期偶然的想法。初高中時的他讀完《喬布斯傳》后，內心便萌生創辦一家偉大To C公司的種子。此后，在清華、伯克利、斯坦福的一路升學中，他一直深耕機器人強化學習方向，夢想便是把機器人送入千萬家庭。

他理想中的家庭機器人，雖然不是無所不能，卻能完成上一代機器人（比如掃地機、洗地機）無法完成的復雜任務，比如能進行更精細的清潔工作、有條理的完成諸如洗衣收納的長序列、多步驟任務串聯。

在他看來，這種創業方向的選擇，也帶有強烈的審美潔癖。許華哲直言，泛化性的本質是一種“美與影響力”——用最簡潔優雅的模型，解決人類復雜的生活問題，并真正將AI轉化為生產力，而非僅僅替代低端勞動力。

從更理性的層面，切入To C家庭場景也包含著許華哲的商業判斷。在他看來，當前大量機器人廠商將人形機器人送進工廠，完成傳統機械臂就能完成的上下料、搬運箱的工作，本質上只是在用新的人性在做舊時代的事情，機器人沒有發揮出真正的通用性。

他認為，真正的AGI應該在家庭場景中誕生、運用，因為家庭場景任務比工廠場景更混亂隨機，且數據豐富，恰恰是訓練通用模型的最佳土壤。

因此，為了追趕時機，在創業的短短一個月內，新公司「破殼機器人」已經完成了融資、核心團隊組建、具身模型的訓練、以及硬件迭代工作。

《智能涌現》獨家獲悉，破殼機器人近期完成數千萬美元天使輪融資，由云啟資本領投，并獲得順為資本、弘暉基金等一線美元基金，小米戰投、星海圖等知名產業方，以及BV百度風投、英諾天使基金、水木清華校友種子基金、東方嘉富等一線市場化基金的支持。

快速得到資本押注，也因為許華哲在關鍵技術路線上有一些不同的選擇。

為了實現泛化，在關鍵技術路線方面，他的選擇也略顯反常識。他完全放棄了行業主流的VLA（視覺-語言-動作）基座模型方案，轉而構建一種能直接輸入和輸出“視頻-動作”的世界模型。

在模型結構上，他也提出了獨特的“UAG架構”，用并聯式預訓練替代過去的瀑布式級聯，并將強化學習貫穿預訓練與部署全過程，實現了訓練效率的五倍提升。

打好模型基礎之余，在數據與硬件層面，他也通過UMI、外骨骼和第一人稱視角三層方案采集高質量數據，形成從任務定義到數據、模型、本體的閉環迭代。

據許華哲透露，「破殼機器人」第一代32B參數規模的具身世界模型已完成首輪訓練，正處于數據迭代的關鍵爬坡期。在硬件層面，「破殼機器人」為數據采集量身定制的手套硬件已迭代了五六個版本。

近期，《智能涌現》與許華哲聊了聊，以下是交流實錄（略經摘編）

為何出走「星海圖」？

《智能涌現》：為什么選擇離開星海圖，創立一家新的機器人公司？

許華哲：這個想法其實醞釀了很久。在2023年8、9月份，我就開始和高繼揚聊，加入星海圖。但經過了兩年，到去年11、12月份，我已經基本決定要離開了，真正辦完手續是在今年，創立「破殼機器人」是最近一個月的事情。

離開的原因主要是因為我內心一直想做一些To C的、真正泛化的通用機器人。

《智能涌現》：既然一直想做To C，為什么一開始不直接做To C方向機器人的創業呢？

許華哲：原因是多方面的。2023年我加入星海圖時，也考慮過要不要自己創業，但那時我剛從美國讀完書回來，在叉院工作才一年左右，要自己開公司lead一攤事，還要兼顧教職，挑戰很大。

那時星海圖和其他一些具身智能公司也邀請我加入，我覺得先加入一個優秀的團隊做聯創，是一個更穩妥的選擇，而且當時星海圖的宣傳里也提到大概是“讓機器人服務千萬人類”的話語，這和我的一部分想法是吻合的。

《智能涌現》：您現在新公司雖然只成立一個月，都有哪些進展？

許華哲：團隊方面，目前有20人左右，AI側有一些天才少年，硬件側有很多做過To C量產交付的工程師。我們還在火熱招聘中。

在技術上，我們的AI模型在“動得快”、“泛化強”、“成功率高”三個維度都有較好的前期積累，能讓機器人完成某些復雜任務時達到接近100%的成功率。

我們第一代32B的模型已經完成了第一次訓練，但還需要數據量的迭代才能展現出更好能力。我們的硬件手套也已經迭代了五六個版本。

第一個月要處理公司注冊、選址、裝修等各種事務。能跑出這個速度，我覺得還是比較快的。

《智能涌現》：您這次創業，和第一次創業時心態有什么不同？

許華哲：最大的不同是心態上更踏實、也更敢了。第一次創業前，我會擔心，我沒上過班怎么給別人“班”上？我沒做過生意怎么辦，沒跟投資人、政府打過交道怎么辦？

在星海圖的兩年，我接觸過這些事，“沒打過就硬打，沒上過就硬來”，其實最終結果也挺順利的，太多的顧慮沒必要，出來混最重要是先出來。這次心理上更從容。

《智能涌現》：在2023年和2026年兩個節點創業做家庭機器人這件事，區別大嗎？

許華哲：區別挺大的。首先是硬件本體，這三年中國的硬件供應鏈打磨得更好了，有了更多能用的機器人，2023年時可能只能用工業臂；

第二是數據，2023年時機器人的數據幾乎是0，現在網上開源數據就有幾十萬小時，還出現了大量的數據供應商，雖然數據質量和跨本體適配還是問題，但豐富度已經不可同日而語。

第三是融資和市場認知，2023年要做To C機器人可能很難融資，大家給的時間緩沖也更少。今天起步比2023年更好。

AGI應用于家庭，工廠是上一代技術的領地

《智能涌現》：一直想做To C的機器人，背后的觸發點是什么？

許華哲：首先，一個核心思考是，我們做機器人到底在做什么？機器人是人類自古以來的追求，我們在海底撈、酒店、工廠都見過機器人，但如果我們只是用人形的外殼去工廠擰螺絲、搬箱子，那本質上還是在做舊時代的事情。

這一代機器人最核心的不同在于它的通用性。通用性該用在越混亂、越需要通用能力的地方。那答案就是家庭，或者廣義的服務場景。我認為，通用的AGI（通用人工智能）應該用在家里。

第二，從個人偏好來說，做有品牌的事情是可以做得足夠大、有夢想的。偉大的公司很多是To C的，比如蘋果、小米。

第三，從數據角度看，通用性需要有豐富的數據，混亂的家庭場景恰恰能提供豐富的數據。如果你的數據源頭錯了，就得不到正確的模型。

基于這三點，我覺得做To C機器人是一件正確的事，我自己也特別感興趣。

《智能涌現》：您認為AI模型什么時候可以支撐做家庭To C機器人？

許華哲：我的預測比較樂觀激進，我認為兩年內會出現可以用起來的機器人。它不是萬能的，但會是一個有完善產品定義、能做相當多通用事情的機器人，但它會有一些明確不做的事，比如抱嬰兒、燒熱水。

《智能涌現》：機器人進家庭能做的事情都包括哪些？能否舉一些例子？

許華哲：分兩類。一類是本身很難的任務，比如更精細的清潔，比如清潔墻角霉點、擦掉干涸的飯湯、剝橘子、剝蝦等等。

另一類是長序列、多步驟任務的串聯。舉個例子，一個完整的洗衣流程是——把臟衣服放進洗衣機、倒洗衣液、啟動，然后機器人可以去做別的事，它會在監聽到“洗完了”的聲音后，把衣服拿出來放進烘干機，啟動烘干，最后再把衣服拿出來疊好放進衣柜。

現在的機器人能做任何一個單一步驟，但沒有機器人能像人一樣，從頭到尾，帶著這些“任務間的縫隙”把它完成，我認為兩年后的機器人能有這個能力。

《智能涌現》：家庭和工廠場景，最大的區別是什么？

許華哲：家庭和工廠某種程度上都是“混亂”的，但是本質上不同。工廠的混亂更多是“管理混亂”，比如東西亂扔、人走來走去，但它具體干的活，比如上下料、裝配是高度確定性的。

家里的混亂是任務本身的混亂，比如衣服是團成一團的，杯盤狼藉需要收拾，這種混亂是需要通過工作去恢復秩序的。工廠的很多混亂并不需要去恢復。所以，這是兩種完全不同性質的“混亂”。

《智能涌現》：您認為當前做家庭To C機器人，最大挑戰是什么？

許華哲：機器人進家庭的邏輯和落地To B不同。To B的賬很難算，因為工廠給人形機器人干的活價值很低，一臺二三十萬的機器人可能相當于一個人三四年的工資，還要考慮可靠性、維護，很難回本。再加上工廠里采集的數據可能過于專化。

To C的賬不是簡單的“替代人力”計算。它更像科技潮品+家庭助手+管家的復合體。用戶買它，是購買一種先鋒的生活方式、極致的便利，就像二十年前大家買車一樣。我們考慮的是，當用戶有一筆預算時，是買輛車還是買個能改變生活的機器人。

所以，關鍵是產品體驗要足夠好，價值感知要足夠強。價格區間我們內部還在討論，但肯定會是五位數起步。

追求泛化，也是追求美和影響力

《智能涌現》：所以To C并不是您離開星海圖后才有的想法，而是一貫的想法？

許華哲：是的。我從小就想做To C，想創業。初高中的時候讀《喬布斯傳》、《迪士尼傳》，讀完了就很想創業，做一個像谷歌一樣的公司，后來選電子系也是想要做IT，大學還修了管理學雙學位，就是為了創業做鋪墊。

后面去了伯克利、斯坦福，也是一直在做強化學習和機器人，后來還做了一些觸覺相關的研究，也是在機器人大類里。

我博士畢業時（2021年），主要就是找教職還有找投資人聊，看看有沒有創業機會，當時普遍觀感是，下一代技術還遠，這一代技術就是做掃地機、餐館機器人，但是和AI關系不大，沒看到特別匹配我專業技能的創業機會。

《智能涌現》：你判斷一件事情做與不做，或者談論你對某件事是否感興趣時，你的標準是什么？

許華哲：一個是美，這件事要能給我帶來好的審美體驗。另一個是影響力，我們學術圈有一個詞叫impact追問。

美，更多是個人體驗，我做這件事創造出來的東西是優雅、簡潔的，就像簡單的公式能描述復雜的現象，泛化性的本質也是美；影響力意味著，我做的這件事要能對世界產生足夠大的影響，改變人們的生活方式。

現在我們被迫用巨大的參數量來描述世界，是因為我們還沒找到AI領域的牛頓定律，我相信大模型只是一個中間狀態。我的博士生涯是帶著“AI一定存在一個優美理論”的心理開始的，但后來發現理論越來越解釋不了AI，這是一個痛苦但必須接受的過程。

所以現在我的使命是追求簡潔和影響力，如果有另一個公式（而不是AI模型）能描述機器人與世界的所有交互，我會覺得它更好。

《智能涌現》：這次創業你希望找到什么樣的合作伙伴？你會更欣賞什么樣的公司文化？

許華哲：我對合作伙伴和團隊文化有三個核心要求——

極致：我很喜歡戴密斯·哈薩比斯那本傳記里的描述，里面說，一個人做事要做到什么程度，就像跑馬拉松撞線后，有個救護車把你拉走了，但是你最后沒死。雖然有點夸張，但是我覺得做事極致投入，永遠想更進一步，是很重要的。

坦誠：對自己、對同事、對事情絕對坦誠。不會因為不會而裝會，搞砸了就承認，不要為了面子影響效率。

利他：公司里有很多“縫隙”，如果每個人都只盯著自己的KPI，這些縫就沒人填。對于初創公司，需要每個人在有余力時主動填縫，這種利他性長期看對個人和團隊成長都有益。

（作者注：戴密斯·哈薩比斯（Demis Hassabis）是英國著名人工智能科學家、Google DeepMind 聯合創始人兼CEO、神經科學家，被譽為“AlphaGo之父”。）

我很欣賞段永平的“本分文化”，也欣賞前段時間一篇報道中提到的，Kimi“沒有部門墻”的協作模式，我傾向于彈性、扁平的組織，很贊同黃仁勛、亞馬遜那種鼓勵一線員工直接向老板直接發郵件反饋問題的文化。

做全新物種的家庭機器人

《智能涌現》：很多To C的機器人是曲線救國，先從陪伴場景切入，但是感覺你們的您的產品路徑和其他家很不一樣。

許華哲：完全不一樣。他們做的是陪伴，核心能力是大模型提供的對話能力和娛樂。我們追求的核心是物理世界的通用交互和干活能力。

我們的機器人是“家庭助理”，要能實際處理家務，所以在技術上，我們需要非常強的模型能力來保證通用性，但是很多家庭陪伴機器人是沒做基礎模型的。本質上，我們和他們是兩個不同的品類。

《智能涌現》：你們最主要的技術的差異點是在模型側嗎？

許華哲：我們的一大亮點我們的模型能用好強化學習。過去機器人對強化學習的使用一般停留在單機的后訓練上，但是其實強化學習上有很多自己獨特的東西。

第一個就是價值函數（value function）。價值函數可以對數據質量進行評估，讓模型知道哪些數據好、哪些次優、哪些失敗。數據帶著權重，去讓模型學習。

它帶來的好處有兩個，一是可以讓模型學得更精準，二是可以理解失敗的邊界，這樣模型就能夠知道緊鄰著成功的失敗長什么樣，讓強化學習去把這些失敗因素排除掉；

第二是，強化學習能同時在多個任務上保持高成功率高速度，而不過度擬合到單一任務。

第三是，強化學習也可以突破人類數據上限。以前我們用人采集的數據去做某件事，數據是什么樣的，機器人就能做到怎么樣的，甚至會更差，因為機器人是跟著數據學習的。但是強化學習就是根據數據以及后續的自我改進，持續突破自己的上限，最終可能做出比人類示范數據更好的表現，上限更高。

《智能涌現》：你們的強化學習只用在后訓練上嗎？

許華哲：我們的預訓練也會用離線的強化學習。預訓練現在還是有一些卡點的，比如說模型的選擇上有很多種，市面上有用VLA+VLM的，也有世界模型的，還有VLWAM，就是VLM后面再內嵌一個世界模型。

《智能涌現》：那你們還是用VLA的路線嗎？

許華哲：現在模型的路線還遠遠沒有收斂，我們的選擇是世界模型結合原生的機器人模型，不是用VLA的路線。

《智能涌現》：現在的世界模型有很多派別，有的人用的是偏3D視頻的方向，有的又是偏向于世界仿真，你們對世界模型的理解方式是什么？

許華哲：我們輸入的是視頻和動作，在訓練和推理的時候，輸出的也是視頻和動作。這些視頻和動作里面是遵循物理規律的真實世界的數據。

《智能涌現》：你們做這些事情的過程中，遇到的最大的挑戰是什么？

許華哲：要訓練大模型所需的Infra（基礎設施）是一個挺大的卡點，因為我們想做一個32B的大模型，要支撐比較大的數據量，GPU集群的并行效率、數據吞吐都是一個很大的挑戰和壁壘。

《智能涌現》：在模型側你們提到了一項“UAG”架構，這個怎么理解？

許華哲：UAG（Unconditioned Action Guidance）是我們的一種模型訓練架構。

相對于傳統的瀑布式級聯的模型訓練方式，我們采用的是一種并聯的方式，核心思想是先對動作進行預訓練，然后再對所有的動作做整體聯合的訓練，做一個動作預測器，然后再將動作預測器和視覺模型一起進行聯合訓練。

背后的原理是，一個小時的圖片、視頻是巨大的，但是一個小時的動作很少，可能就是一系列關節的運動，也就是一堆小的浮點數。這種方式可以最大程度保留基礎模型的泛化能力，同時大幅提升訓練效率，估計至少5倍以上。

《智能涌現》：數據也是你們新公司的亮點，你們大概有哪些方案？

許華哲：我們的數據方案主要分三層——

①外骨骼數據采集：提著機器人手臂直接操作，精度高，反饋更直接；

②UMI方案：讓人戴一個和機器人手部構型完全一樣的“硬手套”進行操作，好處是沒有機械臂的負擔，采集效率高，數據量大。手套做硬是為了保持和機器人手的一致性，確保人能做的動作機器人都能做；

③第一人稱視角人類數據：在頭上戴一個攝像頭，記錄人日常干活的視頻。這是從人的視角（Ego-centric）采集海量自然行為數據。

《智能涌現》：這些采集方式其他家也在探索，你們最大的不同點在哪？

許華哲：采集的數據，表層方法可能相似，但內核有本質不同。比如umi手套是否打磨得足夠好，足夠通用？采集的數據質量如何保證？以及如何清洗和處理這些數據，提升數據質量？

我們一個很大的不同是，我們會大量使用評估數據，就是機器人自己做測試和探索的時候，自己在動的數據。這樣的數據某種意義上是更“差”的數據，因為里面會有失敗、會有次優。但是這種“差”其實也是“好”，會讓模型更知道任務的目標是什么。

另外，手套的設計細節，比如攝像頭位置、佩戴舒適度、是否適應不同手型等等，都需要針對家庭任務精心打磨，我們手套的構型設計是面向家庭任務，追求通用性的。我們會在8月末左右給大家看到我們和現在所有的形態都不一樣的數采系統。

《智能涌現》：但是現在出來創業會不會太晚了？現在具身智能行業的融資環境怎么樣？

許華哲：市場熱度還可以，投資人還是比較有熱情的。和之前比，投資人更懂了，大家被市場教育過一輪，所以會問得更細。

關于創業出來是否太晚，我認為——在技術沒有收斂的今天，仍然有巨大的機會。同時，因為我們更晚，所以我們的時間壓力更小、負擔更小，但是各種基礎設施比如本體等也更加成熟了。另一方面，走向通用家庭機器人，其實才剛上半場。雖然后發，但是誰能先至，也未可知。

封面來源｜企業官方

end