李一帆给了一个原文没收录的数字:机器人成本大概率降不到 1 万块,但 10 万块是有可能的。
这句话比 220 亿估值更能定位这家公司。它划出了一条线,机器人要卖到什么价位才谈得上进家庭,以及为什么现在只能待在门店里。
创始人的履历值得改两个字
原文写「三位清华系博士」。李一帆是清华精密仪器与机械系本科,伊利诺伊大学香槟分校机器人博士,主攻机器人运动控制。向少卿是清华精密仪器系本科,斯坦福机械工程博士加电子工程硕士,在苹果做过 iPhone 硬件系统集成工程师。
最后那条履历有意思。一个参与过 iPhone 硬件系统集成的人,说出「物理世界没有纯做 OpenAI 的机会,只有苹果的机会」,这话的分量和别人说不一样。他大概率知道苹果那套软硬一体的账是怎么算的。
「全栈自研」要打个折
原文把 Sharpa 的选择概括成全栈自研。李一帆的原话更细:我们以全栈自研的方式看待这件事,能买的就不自己做,只做机器人进化关键路径和差异化的东西。
他举的例子很清楚。理解指令的语言大模型没必要自己做,但所有和运动控制相关的、世界模型相关的要自己做,比如怎么打开冰箱、使多大的力。这不是全栈,这是选择性全栈。差别在于边界画在哪,而边界画得准不准,决定这家公司的烧钱速度。
第二个场景的小时数,他自己承认还不知道
原文把那句「第一个场景 10 万小时、第二个 100 小时」当成承诺。访谈里晚点追问复制到下个场景要多少小时,李一帆的回答是「现在还不知道」。他只说了做汉堡时应该能复用不少,以及今年办 Tech Day 时会把模型怎么做的讲清楚。
把愿望当成路线图,是这一年具身行业最常见的毛病。这句「不知道」值得单独标出来。
一个原文漏掉的概念区分
李一帆说,具身行业不会像数字 AI 那样一下子到 GPT moment。他的区分是:GPT moment 是所有事都可以试,Coding moment 是在相对高价值、市场可观的领域找到了大场景。他期待具身行业会有自己的 Coding moment,而餐饮服务可能就是那个。
这个区分比「2028 进家庭」精确得多。前者是能力泛滥,后者是场景兑现。用一个词替代另一个词,是很多公司估值故事的底层操作。
另外几句值得抄的
「最好是第一个做成的,而不是第一个去做的,特斯拉也不是第一个造电动车的。」「我大概看过或朋友经历过 100 种失败原因,所以比较谨慎。」他管自己叫老登,说这份谨慎来自见过太多死法。
还有一条关于禾赛的关系,原文只写了供货。实际上两边是互相喂的:Sharpa 的订单增长带动禾赛模组出货,真实场景的现场数据回头改进工程。禾赛现在给自己的定位是 physical AI 的全栈基础设施平台,不只是激光雷达厂。
国内具身创业公司现在不止 300 家。这句话他是在回答「什么时候会死掉一批」时顺口说的,但他紧接着补了一句:我想的是我别被淘汰。
下一根钉子盯 DQ 门店那个比值,日均自主完成订单数除以人工干预次数。上线是一回事,连跑三个月是另一回事。55 步和零改造这两个词好不好使,看这个比值就知道了。