對話許華哲：進家的機器人，先做好這10件事

2026 年 2 月，許華哲從他參與創(chuàng)辦的星海圖正式離開，開啟一段新的創(chuàng)業(yè)——破殼機器人，切入具身智能的 C 端賽道，目標(biāo)是走進家庭。

此前，許華哲是星海圖首席科學(xué)家兼聯(lián)合創(chuàng)始人，也是清華大學(xué)交叉信息研究院助理教授、具身智能實驗室負(fù)責(zé)人。他在伯克利拿到博士學(xué)位，在斯坦福做博士后，他和團隊提出的 3D Diffusion Policy（DP3）已成為業(yè)內(nèi)被廣泛采用和擴展的 3D 視覺模仿學(xué)習(xí)架構(gòu)之一。

“讓機器人做一道松鼠鱖魚” 是他在多次公開場合提到的終極設(shè)想：從處理活魚、改刀到油炸、擺盤，復(fù)雜的物理交互幾乎是驗證機器人智慧程度最好的指標(biāo)。但在破殼的產(chǎn)品路線上，他不會上來就做松鼠鱖魚，而是先做 10 件事：物體傳遞、收納、一定程度的清潔……這些看起來不夠酷，卻是他認(rèn)為進家的機器人必須先做透的事。

從首席科學(xué)家到 CEO，他的體感是“干得很痛快，每天要干非常多事情”。他也第一次自己去看辦公室的朝向、算樓層的租金、招自己原本不太懂的崗位。

我們聊了聊他為什么在 2026 年選擇進家、為什么是 10 件事而不是追求完全泛化、數(shù)據(jù)從哪里來、規(guī)模化強化學(xué)習(xí)和在線學(xué)習(xí)這兩件“今年想做的大事”具體意味著什么，以及他從科學(xué)家到創(chuàng)業(yè)者身份轉(zhuǎn)變里那些具體又瑣碎的體驗。

以下是對話實錄，為方便閱讀，做了不改變原意的編輯。

DeepTech：你之前其實有很多不同方向的選擇。星海圖做得很快、估值也起來了，你原本可以繼續(xù)留在那里做通用的具身大腦。當(dāng)初決定單獨出來做 TO C，最核心的觸發(fā)點是什么？

許華哲：這件事我是從兩個層面來考慮的。

首先從商業(yè)上，TO C 本身就是一個非常有吸引力的市場。古往今來，那些偉大的品牌很多都是 TO C 的，我們?nèi)粘Ｉ罾镉玫健⒖吹降钠放疲^大部分都面向個人消費者。它天然是一個巨大的市場。

更重要的是從 AI 的視角去看這件事。機器人最缺的是什么，大家其實已經(jīng)有定論了，那就是數(shù)據(jù)。那什么數(shù)據(jù)好？肯定是豐富的、多樣的數(shù)據(jù)才是最好的數(shù)據(jù)。什么地方有這樣的數(shù)據(jù)？一個答案很顯然：有熵增的地方。一個地方自動變得混亂，才會豐富；如果一個地方一直規(guī)規(guī)矩矩、沒有變化，那數(shù)據(jù)就是固定的、固化的，就沒什么意義。

那什么地方有熵增？有活物的地方，有人的地方。這給了我們一個很好的啟示：家里面，很有可能是最豐富的數(shù)據(jù)來源。

所以我的結(jié)論是：從商業(yè)上，它是一個巨大的市場；從 AI 上，它是一個非常好的數(shù)據(jù)來源，或者說 AI 最終的落地點。基于這兩點，我們決定從 TO C 開始。

DeepTech：那為什么是現(xiàn)在？2026 年這個時間點，在你看來有什么特殊的？

許華哲：如果你把“為什么要進家“和“為什么是在 2026 年進家”分成兩個問題，前面那個回答的是價值判斷，后面這個其實是時機判斷。

時機上，大模型、AI 的能力已經(jīng)出現(xiàn)了一個躍遷，和五年前、十年前，甚至三年前都不同。我們看到人工智能幾乎可以做所有的事情，這是一個很顯然的事實。整個行業(yè)對“機器人能不能做通用任務(wù)”的預(yù)期已經(jīng)被重新校準(zhǔn)過了。在這個節(jié)點上做家庭機器人，和兩三年前完全是兩件事。

DeepTech：你在最近一次公開演講里說，破殼要先把 10 件事做透，之后再談別的。但你過去幾年的研究有很多都是在做泛化，比如 ManiWhere、3D Diffusion Policy 等，作為一個一直在追求泛化的研究者，產(chǎn)品上來突然“收斂”到 10 件事，這里面的邏輯是什么？

圖丨3D Diffusion Policy（來源：arXiv）

許華哲：這其實不矛盾。做這 10 件事，本身也是要泛化的，只是對“泛化”這兩個字要做更準(zhǔn)確的定義。

我們要做的依然是一個通用的、泛化的模型，只不過到了家里面，不能事事都做。這里面其實有兩件事需要區(qū)分開：

第一，這 10 件事不是固定點位、固定的 10 件事，而是 10 件通用的事。舉個例子，“收納”本身就很泛化，收襪子是收納、收衣服是收納、收玩具是收納。一個家里每天要收的東西是什么，不完全一樣；不同家庭之間更不一樣。你如果有一個能泛化的收納模型，那它就是在做一件通用的事，只不過我們對外把它叫做"收納"這一件事。

第二，有些事情本身其實很有挑戰(zhàn)。你如果真的希望讓千家萬戶用起來，那第一天你肯定不希望機器人去做給老人喂飯、給兒童喂飯這類事，即使技術(shù)上能做到，這件事本身也太危險了。類似的，松鼠鱖魚大家都知道很難，我們不可能說機器人進家的第一件事就是做一道松鼠鱖魚。這是發(fā)展順序的問題，而不是我們放棄了通用的 Physical AGI。

即使是今天的大模型，我也仍然沒辦法跟它說一句“你幫我訓(xùn)一個機器人大模型，數(shù)據(jù)我丟給你”，現(xiàn)在的 GPT 也做不到這件事。我們肯定要在中間找到一個點：一個技術(shù)上能做到、又能真正交付給用戶、同時不會傷到人的點。10 件事就是這個點。

DeepTech：可以透露一下這 10 件事里，哪些是比較明確的嗎？

許華哲：我們確實有一些比較明確的，也有一些比較泛的。

比較明確的，比如家內(nèi)的物體傳遞、收納，以及一定程度的清潔，這些是我們會去明確承諾的。

比較泛的是什么？比如說清潔這件事，家里做過清潔都知道，縫里的臟東西特別難弄，人都很難弄。我不可能上來就說要把這一類最困難的清潔都解決。

更進一步說，產(chǎn)品定義要隨著 AI 的發(fā)展而發(fā)展。我們心里當(dāng)然有一個列表，但今天不適合把完整列表給出來，因為后續(xù)的 AI 發(fā)展，幾乎不是任何人能完全預(yù)判的。你現(xiàn)在鎖死 10 件事寫在發(fā)布會 PPT 上，半年后可能就低估了一部分能力、高估了另一部分。

DeepTech：剛才你一再提到“家里是最好的數(shù)據(jù)來源”。但哪怕在你們現(xiàn)在規(guī)劃的這些相對簡單的任務(wù)里，每個家庭、每一天的場景都高度多樣，一家和另一家的疊衣服不一樣，今天和明天疊的衣服也不一樣。這種差異，模型側(cè)具體怎么解決？

許華哲：這就是我們說的泛化能力。

我自己的看法是，智能其實就兩部分：一部分是數(shù)據(jù)的覆蓋，另一部分是模型的插值，或者說模型的內(nèi)外插，你也可以叫它涌現(xiàn)，因為它太復(fù)雜了，有時候連研究者自己都分不清到底是插值還是涌現(xiàn)。

所以我們肯定要盡可能讓數(shù)據(jù)覆蓋得足夠豐富，數(shù)據(jù)本身覆蓋的面積要足夠大；同時，模型在我們的視角里也要用最新一代的模型，讓它有足夠好的泛化能力。我們會依托世界模型這樣的具身基模去做訓(xùn)練。

DeepTech：回到數(shù)據(jù)這件事。你之前在公開場合講過，“完全依賴仿真”是具身智能常見的失敗模式之一。那破殼的數(shù)據(jù)來源具體包括哪些？真實家庭、樣板間、人類視頻，比例大概是什么樣？

許華哲：你最終要用到哪兒，你肯定希望數(shù)據(jù)來自哪兒，所以最主要的數(shù)據(jù)來源，一定是很多真實的家庭和樣板間。這是我們的底盤。

在此基礎(chǔ)上，我們強調(diào)的是“真實世界”的數(shù)據(jù)。人類視頻會用，真機數(shù)據(jù)會用，無本體的數(shù)據(jù)也會用，只要是真實世界里長出來的，對我們都是有價值的。我們不會把希望完全押在純仿真上，這個路線上前人已經(jīng)踩過不少坑了。

DeepTech：模型這邊，破殼會自己訓(xùn)練一個從頭到尾的模型，還是基于已有的模型做后訓(xùn)練？目前這個模型的初步規(guī)劃是什么樣的？

許華哲：當(dāng)然是自己做自己的模型，這點沒有懸念。

初步規(guī)劃我可以從幾個維度簡單說一下。第一，我們希望有一個足夠大容量的模型，能吃得下現(xiàn)有的具身數(shù)據(jù)，在這個賽道里，模型吃不下數(shù)據(jù)是一件很危險的事。

第二，它要有預(yù)測能力，學(xué)到時間上的表征，這件事本身也很重要。有預(yù)測能力，相當(dāng)于在時序上有表征能力，這是一個模型能不能理解“世界是怎么演化的”最基礎(chǔ)的要求。

第三，它要能夠適配足夠好的后訓(xùn)練，支持短時間的后訓(xùn)練就能快速獲得新任務(wù)的能力，這和我們前面說的“10 件事之外等你升級”是一個邏輯。這樣一個模型，大致是我們想要的世界模型形態(tài)。

DeepTech：在家庭里做“掛衣服”這類任務(wù)，是典型的長程任務(wù)，它需要開柜門、找衣服、掛衣服，涉及一系列動作。你們會更偏端到端，還是上層規(guī)劃加底層技能的分層？

許華哲：我們肯定還是偏端到端的。分層的路線大家都試過，各有各的問題；從模型發(fā)展的方向來看，我們相信端到端仍然是更有長期生命力的那一條。

DeepTech：你在另一次公開對話里提過，你今年想做兩件大事，一件是把強化學(xué)習(xí) scale 到上千臺機器人。這個在具身智能行業(yè)還很少有人真正做起來。這件事對破殼來說，是還在實驗室打磨的方向，還是會直接搭載到第一代產(chǎn)品上？

許華哲：這件事在公司內(nèi)部正在做，它最核心的難度是那套分布式系統(tǒng)，如何讓一系列機器人像仿真環(huán)境一樣運轉(zhuǎn)，把真實世界變成仿真環(huán)境，然后把它用起來。

這不只是一個算法問題，更多是工程問題。每一臺機器人是一個采樣器，它們之間要能協(xié)同、共享、同步、回流。我們目前還在搭這套系統(tǒng)，小規(guī)模的幾臺機器人上已經(jīng)跑得比較好了。規(guī)模化肯定是要去做的，我們希望在真實場景里去推這個規(guī)模化。

DeepTech：如果真的做 C 端的分布式在線學(xué)習(xí)，有一些普遍的顧慮可能包括：一臺機器人學(xué)到的東西能不能讓其他機器人變強，模型會不會災(zāi)難性遺忘，以及用戶數(shù)據(jù)的隱私。你怎么處理這些問題？

許華哲：先說泛化。 既然我們做的是“規(guī)模化”的強化學(xué)習(xí)，它本身就是一個共享模型的設(shè)定，不是一臺機器人一個模型，而是幾十臺、幾百臺、幾千臺共用一個模型。你可以把它想象成一個“共享大腦”。所以根本不存在“一臺學(xué)到了、另一臺沒學(xué)到”這個問題，它們的數(shù)據(jù)共同回流，隨機打亂采樣，是一個多任務(wù)的強化學(xué)習(xí)。

再說隱私，這確實是非常重要的問題。我們自己列了幾個維度：

第一，要和用戶、場景方有明確的協(xié)議，說清楚數(shù)據(jù)到底能放在哪、不能放在哪。這是一切的前提。

第二，要有明確的提醒。就像智能眼鏡一樣，它啟動的時候要亮燈，讓用戶知道"我在被拍了、它在工作"。這一點看起來小，但對心理感受非常關(guān)鍵。

第三，工業(yè)設(shè)計本身要看起來足夠親和，比如不要給人太多攻擊性。除了實質(zhì)上要安全，看起來也要安全。大家的心理感受也很重要。

第四，在結(jié)構(gòu)設(shè)計上，它在不工作的時候要能夠讓人明確地感到“它現(xiàn)在不會侵犯我的隱私”。這可能涉及鏡頭遮擋、機械臂收起等設(shè)計。

第五，打碼。如果用戶同意數(shù)據(jù)上傳到云，那我們也要做好人臉打碼這類工作，不讓任何涉及人臉的隱私泄露出去。

這些問題其實在掃地機行業(yè)、在早期人臉識別行業(yè)都被思考過、解決過。只是在家庭機器人上，我們需要更謹(jǐn)慎地綜合考慮這些問題。

DeepTech：那災(zāi)難性遺忘呢？這在大模型里也是一個老問題，在具身智能里被放大了。

許華哲：災(zāi)難性遺忘是我們的重點，這其實就是在線學(xué)習(xí)要解決的問題。

什么叫在線學(xué)習(xí)？就是當(dāng)我的模型已經(jīng)訓(xùn)到一定程度的時候，我能不能來一個新任務(wù)，還能越用越好用、越聰明，同時不影響舊的任務(wù)？

這件事的做法上有很多路徑可以選，但有沒有在做這個動作，決定了你這家公司、你這個模型，是否真的有可能落地到一般性的服務(wù)場景，因為對 C 端用戶來說，你要么就是一個已經(jīng)定義完善的產(chǎn)品，要么就是一個越用越好用的產(chǎn)品。你不能越用越難用，那樣風(fēng)險就太高了。

所以在線學(xué)習(xí)這件事，目標(biāo)就是解決災(zāi)難性遺忘。在大模型領(lǐng)域，這件事大家討論得比較多了；在具身智能領(lǐng)域，討論還很少，我覺得它在未來一段時間里會成為一個關(guān)鍵命題。

DeepTech：在操作任務(wù)上，過去兩年行業(yè)主流一直是模仿學(xué)習(xí)和 VLA，但從去年下半年開始，越來越多團隊在模仿學(xué)習(xí)的基礎(chǔ)上疊加真機強化學(xué)習(xí)來突破成功率的天花板。強化學(xué)習(xí)正在從運動控制走進操作任務(wù)。你怎么看這兩者各自的角色？

許華哲：模仿學(xué)習(xí)和強化學(xué)習(xí)的使命是不一樣的，模仿學(xué)習(xí)學(xué)的是先驗，學(xué)的是這些事情大概怎么做、物理大概怎么變。它是快速起量、把機器人拉到一個基礎(chǔ)水平的辦法。但模仿學(xué)習(xí)訓(xùn)完之后，你拿到的一般是 70%–80% 的成功率，做不到 100%。

強化學(xué)習(xí)是一個更后階段的事：讓它動得足夠快、保持泛化性、達(dá)到高成功率。這是兩個天然很不一樣的角色。

同時強化學(xué)習(xí)還有一個模仿學(xué)習(xí)沒有的好處：它會對數(shù)據(jù)進行評估、打分，這就是 value function。現(xiàn)有狀態(tài)是好是壞，它給你一個反饋。這件事非常寶貴，因為它能告訴我們什么是壞的、什么是次優(yōu)的，而不只是“什么是對的”。這個信號對機器人來說比想象中更關(guān)鍵。

DeepTech：那你覺得未來一年，強化學(xué)習(xí)的關(guān)鍵突破會出現(xiàn)在哪些地方？

許華哲：有幾個比較明顯的方向：

第一是規(guī)模化。 之前大家做強化學(xué)習(xí)做得少、大多是單機的，單機的又不可復(fù)用，意義不大。規(guī)模化強化學(xué)習(xí)的價值本質(zhì)上是讓你的采樣能力隨著機器人數(shù)量線性擴展。

第二是多任務(wù)。 規(guī)模化不只是“1,000 臺干一件事”，而是“1,000 臺干 500 件事”。這里面有調(diào)度、有經(jīng)驗分享、有多任務(wù)之間的相互促進。

第三是訓(xùn)練的速度和效率。 原來強化學(xué)習(xí)為什么在 AlphaGo 身上表現(xiàn)很好、后面一度低迷？因為 AlphaGo 的數(shù)據(jù)量可以無限試，你可以在圍棋里跑幾十億次模擬。但到了機器人身上，你能試的空間變得太大，又很昂貴，用真實機器人去試，所以產(chǎn)出慢。

但現(xiàn)在不一樣了。預(yù)訓(xùn)練可以給你一個很好的模型，在這個基礎(chǔ)上，你的采樣空間被極大地“減脂”了，我認(rèn)為采樣空間已經(jīng)是“幾乎正確”了，最后要做的其實是把“幾乎正確”變成“正確”。這是一個量級上完全不同的工作量。

所以我覺得強化學(xué)習(xí)未來會有一個極高的效率去做訓(xùn)練。大家之前對它“緩慢”或者“特別耗數(shù)據(jù)”的印象，應(yīng)該會在這一兩年里發(fā)生比較大的改變。

DeepTech：把規(guī)模化強化學(xué)習(xí)和在線學(xué)習(xí)這兩件事放在破殼的 roadmap 上，大概什么時候會真正落地到產(chǎn)品上？

許華哲：我們希望在一年半到兩年的時間周期里，能有相當(dāng)一部分規(guī)模化的部署，能夠把機器人用在實際場景里，把數(shù)據(jù)回流回來，形成真正的閉環(huán)。這是一個現(xiàn)實的時間表。

DeepTech：第一代產(chǎn)品交付的時候，這 10 件事每一件的目標(biāo)成功率，心里有沒有一個大概的標(biāo)準(zhǔn)？

許華哲：這件事沒有一個具體的數(shù)字，和自動駕駛很像——自動駕駛到底是每多少公里、多少英里不被干預(yù)才算好？其實也很難說。對一輛自動駕駛車來說，即使它開得比人好，用戶也不一定滿意。

但我覺得跟人相近的成功率，對機器人來說是必要的。這樣大家才會覺得買一個機器人是一件劃算的事、是一件真正能給我?guī)硎找娴氖拢皇且粋€總是要被監(jiān)督、被返工的東西。

DeepTech：如果遇到它無法解決的問題，怎么辦？

許華哲：這里面有幾層設(shè)計：

第一，機器人的柔順控制非常寶貴、非常重要。說白了就是它能不能足夠軟。因為柔順控制在一定程度上決定了這個東西會不會打到人、磕到桌子之后會不會出問題。柔順控制是第一環(huán)。

第二，觸覺是柔順控制的前提。只有帶著觸覺，你才有可能把柔順控制真正做好。所以我們會在本體上配觸覺傳感器，掛衣服、整理這類任務(wù)會涉及大量柔性物體，對接觸力的感知要求非常高，這件事沒有捷徑。

第三，它要有足夠好的理解能力，知道哪些事情“我現(xiàn)在做不了”，也就是說，機器人對任務(wù)要有一個內(nèi)置的分類，有一個“哪些我不應(yīng)該去做”的判斷。這件事本身也是產(chǎn)品安全感的重要來源，一個知道自己邊界的機器人，才是一個可以放進家里的機器人。

DeepTech：你之前在星海圖做首席科學(xué)家，感覺當(dāng)時對“做不做 CEO”沒有很強的執(zhí)念。現(xiàn)在自己做帶頭人，體感上有什么不一樣？

許華哲：肯定不一樣。

做的事情更多了，維度更多了，豐富度也更多。從我個人的角度來講，成長速度也更快，就跟模型一樣，數(shù)據(jù)的邊界就是 AI 的邊界；人也一樣，處理事情的復(fù)雜度在一定程度上決定了你能力的邊界。對我來說這是一個很好的體驗，做起來也更快樂。

圖丨破殼機器人團隊（來源：受訪者）

另一方面，一定程度上，看整個大模型行業(yè)，很多公司其實都是技術(shù)的人在主導(dǎo)，無論是智譜的張鵬，還是月之暗面的楊植麟。在很多技術(shù)判斷上，在很多投入取舍上，我更可以從自己的、或者說我們幾個人討論出來的技術(shù)判斷出發(fā)去做決策。戰(zhàn)略上，就有了更大的靈活度。

這件事對我來說還是意義重大的。 每個 OpenAI 都需要一個 Ilya 來給出一些想法，如果 Day 1 沒有 Ilya、沒有他和幾個核心技術(shù)骨干，他們也不會往 Scaling Law 這條路上沖。所以在我們這兒，也會更尊重技術(shù)的發(fā)展規(guī)律，去考量各種各樣的權(quán)衡和取舍。

再簡單一點說，就是我覺得很爽，干得很爽。每天要干巨多事情，能把我所有的能量都用出來，這是我特別開心的一件事。之前做 Chief Scientist，更多是做 AI 模型本身，可能還沒有把全部的勢能釋放出來。

DeepTech：你現(xiàn)在又有教職，又在創(chuàng)業(yè)，看你小紅書也更新得蠻勤快。清華那邊和公司之間，精力大概怎么分配？

許華哲：其實在今天這個時代的節(jié)點，我們應(yīng)該看的可能是：我們到底要干成什么事。

你在清華北大也好，你在破殼機器人也好，或是在 OpenAI 和字節(jié)跳動也好，最終還是看你干成了什么事。在哪兒，對我來說是一樣的。我的精力 100% 投入到 Physical AGI 這件事上面就可以了。

DeepTech：從科學(xué)家到創(chuàng)業(yè)公司的一號位，這個切換一般都是“事情變多、瑣碎變多”。有沒有哪些是你之前完全沒預(yù)料到、最近真實在處理的困難？

許華哲：困難肯定是有的。

第一個困難就是找辦公室。 因為物理世界不可加速。我當(dāng) AI 科學(xué)家的時候，辦公室我到了就已經(jīng)在那兒了；我不用關(guān)心這棟樓和那棟樓哪個更合適、價格怎么樣、朝向怎么樣、樓層怎么樣。但創(chuàng)業(yè)最開始，這些事都是我自己去看、自己去比。

它只是一個例子。真正的問題是，創(chuàng)業(yè)早期有一大堆具體的、不可加速的、沒有杠桿的事情，需要你把自己的時間拉滿去做。AI 科學(xué)家的工作模式是高杠桿的，一個想法、一篇論文、一個算法可以被無數(shù)機器人復(fù)用。但找辦公室這種事，你時間花一小時就是一小時，沒有第二個你。

圖丨許華哲和他的新辦公室（來源：受訪者）

第二個是決策維度的變化。 你考慮的維度肯定變多了一些，畢竟你是一個組織了，不再是一個個體。你要對兄弟們負(fù)責(zé)，要對跟你一起做事情的人負(fù)責(zé)，這個責(zé)任也就更重了。這個我覺得變化本身不夸張，但它是一種“背景音”，每次做決定都會在身后。

第三個是招人。 這個地方的困難更多是在判斷上。這對所有要招人的人都是不小的挑戰(zhàn)，因為每個人都有長板、也有短板，你要在你短的地方招人，但你自己在這個地方很菜，你怎么知道他很強？你的 value function 都不準(zhǔn)。這時候就需要更多手段，比如各種快速學(xué)習(xí)、感受他的氣場，用各種方式去做評估。

同時你還要去打動你不熟悉的領(lǐng)域、不熟悉方面的人，這也很有挑戰(zhàn)。做 AI 我知道你想要什么卡、哪種型號、多少臺；機器人我也知道，你大概想要什么形狀的機器人，你想要多絲滑的機器人。但比如做公司還需要 PR，你要理解一個好的 PR 同事到底想要一個怎樣的環(huán)境、他希望提供什么樣的價值，這些東西都要快速去學(xué)。

以前你不需要太關(guān)心，因為只要做好 AI 就好了。現(xiàn)在你既要懂他，又要打動他，這對我來說還是有挑戰(zhàn)的。我們也在快速成長。

DeepTech：最后一個問題。如果我們一年后再坐下來聊，你希望那時候的破殼已經(jīng)能做到哪些事？

許華哲：我希望到那時候，你能來我的辦公室，直接給機器人一些指令，自己體驗一下它到底能干什么。

運營/排版：何晨龍

注：封面/首圖由 AI 輔助生成