机器人热潮里的慢公司。

定焦 One（dingjiaoone）原创

作者 | 金玙璠

编辑 | 贺树龙

2018 年，清华大学的一间实验室里，趴着一台奇怪的机器人——没有腰，没有腿，两条机械臂直接架在地面上。面前是一堆垃圾，它捡起一个塑料瓶，拧开瓶盖，把残余的液体倒进 " 废液桶 "，再把瓶身扔进 " 可回收桶 "。

那一年，海外那篇著名的《World Models》论文刚刚发表，它的 benchmark 很快就被这个清华大学课题组战胜；课题组做出的机械手，还学会了把揉成一团的塑料袋解开、叠好，相关成果拿了顶会 Best Paper 提名。

课题组的组长叫高海川，1996 年生，那年他 22 岁。

2026 年 9 月，高海川坐在「定焦 One」对面。此时的具身智能正处在最热闹、也最具争议的时刻：2026 年前两个月，行业融资总额接近 150 亿元，单笔动辄十亿起步；但到了下半年，宇树上市之后市值腰斩，梅卡曼德炮轰行业、银河通用报了警，还有传闻称机器人企业上市的门槛可能提高。所有人都在谈泡沫，所有人也都在争着融更多钱。

高海川创办的千诀科技，是这条赛道里一个略显另类的存在：不做本体，只卖机器人的 " 大脑 "。

两年多时间，融资走到第九轮，但单笔金额和一些头部公司相比并不突出。

" 如果想把估值快速冲到两三百亿，我们完全可以做到。" 高海川说得很平静，" 是我个人控制了融资节奏。"

在一个所有人都在猛踩油门的行业里，是什么原因让这个 30 岁的 CEO 选择了踩刹车？

01. 最早做 " 大脑 " 的人

千诀 " 只做大脑 " 的决定，不是 2023 年公司成立时做出的，而是可以追溯到 2019 年底。

" 在 18、19 年，中国的硬件水平已经很高了，但机器人没有进入特别多的场景。用排除法看，被什么制约了？答案是大脑。" 高海川回忆。

那个时间点，他们本来准备启动技术孵化，只是不巧赶上三年疫情，一拖就拖到了 2023 年。

这个生态位判断，后来得到了验证：中国供应链成熟，硬件制造能力强，硬件会快速成熟、出现大量玩家—— "硬件玩家越多，对我们越有利。各家为了把硬件卖得更好，主要精力不会过多放在大脑上。而我们聚焦大脑，关注的是大脑本身带来的价值，可以直接在当下就得到市场的反馈。"

当然，反馈里也包含一些 " 毒打 "。

第一个 " 毒打 " 来自酒店。

千诀的第一个客户，是一家互联网大厂的酒店服务机器人出海项目。因为客户面对的海外市场存在电梯控制方面的法规限制，不能像国内一样直接改梯控，机器人要完成楼层间配送，需要有一只简易执行装置，去按电梯按钮。

" 光按这一下不难，但是让它稳定地按、动态地按，像酒店机器人那样跟人生活在一起，受到客人干扰的情况下还能按，而且不会造成伤害，这个事情很难。它要求极高的场景泛化性。"

这一单没赚多少钱，但证明了一件事：客户愿意为此掏钱。高海川后来把这件事总结成了一条融资原则：" 一天没有人用我们的模型，就一天不融资。"

"本土的资金进来之后，更多是放大器的作用。它一开始就要求你完成最小的商业闭环，你可以赚的钱很少，但这个环得闭上，要不然资金进来，放大的可能就是一个错误的事情。"

公司成立早期，千诀维持着很小的团队规模。高海川说，那段时间现金流是正的，" 如果继续做下去，我们就一直赚钱。选择权在我们手里，可以融资，也可以不融资。" 后来为了把研发和业务继续做大，公司才扩大融资和投入。

02. 踩刹车的人

2023 年是千诀最难的一年。行业太早，资源没有完全跟上：具身智能仍在萌芽期，技术和产业的匹配度不高；资金支持，也存在错配。

" 我们做的是上游，市场本身没成长起来，有一个发展过程。"

2024 年之后，钱来了，而且是洪水一样地来。同赛道里，很多公司单轮融资就是 10 亿级别。高海川对此的说法是：钱多了，也有钱多的难法。

高海川的应对方式，是给公司装上三道闸。

第一道闸是融资。每拿一笔钱，他要求三方面同时 " 咬合 "：第一，投资人的预期他要有把握兑现，"如果兑现不了，这个钱我宁愿不拿"；第二，钱进来要能实实在在给业务加速；第三，团队的内心要准备好变大，正视 " 越多的钱会带来越多的噪声和浮躁 "。

这样的想法也被投资人挑战过。有投资人劝他：" 你要激进一点。" 高海川不希望声量跑得太快。" 欲戴王冠，必承其重。美誉度底子不够扎实的时候，关注度过高的结果就是毁誉参半。"

第二道闸是业务布局。千诀只进当下软硬件成熟度匹配、进去就能赚钱或预期能赚钱的场景；那些 5 到 10 年后才能落地的远期方向，暂时不碰。" 在技术没有定型的情况下，不能高估人对未来的预判能力。很多方向一旦布局了，就很难掉头，它会带来组织惯性，并稀释创始人的个人精力。"

第三道闸，是敢于自我推翻。2023 年下半年，千诀做过一些工业制造核心环节，后来主动停掉了其中一部分项目。

" 不是说技术不达标，技术是达标的，但场景跑通受到很多别的因素影响：硬件的稳定性、成本，还有它的竞争对手——传统方法，太过高效。所以，在一些工业制造环节，具身智能不是很好算账。"

" 信息要足够全，我才会做这种大的决策。但只要逻辑上讲得通，我会立马去干。" 他说。

在高海川看来，投资人这两年看公司的方式也发生了变化。"2023 年、2024 年，看论文，一俊遮百丑；到了现在，讲落地、讲场景，是一丑遮百俊。" 既要有长板，还要重视短板，泛化性、稳定性、推理效率、投入产出比、客户付费验证，每一项短板都会抵消长板。

03. 藏在爆款背后

怎么跟一个不懂行的亲戚朋友介绍千诀？高海川的办法是：打开京东，看机器人销量排名。

" 销量靠前的那几个，很多都是我们帮他们一起做的。我们只是不要求品牌露出。"

这是有意为之。

他类比的是智驾行业。Momenta、地平线，购车的人未必熟悉，但很多主机厂用的都是他们的方案。" 大家合作，你要付出一些东西给合作伙伴，不能把品牌也拿走。" 千诀只保留一个 "Powered by" 标识，" 有那么一个就行。"

不做自己的本体品牌，也是千诀希望客户接受第三方 " 大脑 " 的前提。高海川认为，只要千诀不下场和本体客户直接竞争，客户就不用担心被抢生意、被断供。

" 大脑是千诀的命脉，我们不做大脑生意就没饭吃，所以客户相信我们会是他长期的大脑供应商。"

更关键的是数据：" 我们可以用整个行业的数据来给他提供价值，这一点任何做本体的品牌都做不到。哪怕他有了自己的技术团队、自己的数据，仍然做不出我们的能力，因为他生态位不在这里。"

靠着这套打法，千诀的大脑能适配的机器人形态很杂，长出机械臂的割草机、扫地机、配送车，带机械臂的四足机器人，还有一些小型人形机器人。

"让机器人长手，我们是一个中间的推动力量。这个量，远远大于人形机器人。" 甚至，连空调、冰箱都在长出机械臂。

客户为什么掏钱？

高海川从早期客户的投诉、差评、退款要求里，总结出六个维度：效率（" 哪怕百分百成功率，速度慢了就不付费 "）、部署成本、稳定性（" 工作七天以后坏了也不行 "）、外观构型、交互体验，以及性价比。"你不能用 2000 块的价值卖出 2 万块的价格。要匹配一个跟场景最适应的本体，而它不一定是人形。"

现在千诀的收入方式主要有三部分：新场景开拓的研发费、按设备生命周期计费的 token 或 license，以及部分传感器、计算芯片后装方案。

高海川称，目前 90% 以上的合作都会收费，但他并不认为未来还会一直按照现在的方式收钱。

"走向规模化之后，就是一种平台经济模式，甚至慢慢走向免费，通过别的方式收费。最终价值是给客户增加了多少产品能力，而不是单独去算 token。"

04. 一笔技术路线的账

具身智能的技术路线之争，是 2026 年行业讨论最多的话题之一。

高海川和团队曾系统梳理过 Physical Intelligence（PI）核心团队相关的 300 多篇论文。按他的说法，他们从 2016 年前后就开始持续跟踪 Sergey Levine 的研究。

由此，高海川形成了一个和国内常见 " 路线站队 " 不同的观察。

"最大的非共识是，大家都以为 PI 这家公司押注了某一条技术路线，其实不是。夸张一点说，几乎每一条现在可以被某家公司押注的路线，Levine（PI 的核心成员）当年都做过。他在每个时间节点，结合数据丰富度这些生产要素的变化，把资源投入不同的方向——有一段时间 VLA 更好用，有一段时间 model-based 更好用。他不会永远押注 VLA。"

那千诀自己为什么押预测式世界模型？

答案反而很朴素：资源只够重点押一条，那就押自己最熟悉的。

"我们实验室一直走预测控制这条路，这是自动化系的老本行，从传统预测控制，到小模型的预测控制，再到大模型的预测控制，这是我们的强项。"

走错了怎么办？

" 它不会错的。一直都会共存，因为各擅胜场。"

在高海川的划分里，不同路线解决的问题并不完全一样。VLA 更轻量，适合结构化、半结构化场景里的精细操作；生成式世界模型更擅长把世界 " 生成出来 "，适合数据生成、VR、游戏等场景；预测式世界模型则更强调对状态变化的表征和预测，千诀认为它在开放环境里的泛化更有优势。

高海川还半开玩笑地感谢了 Yann LeCun（杨立昆），"Yann LeCun 今年创业之后，我们的日子就好过多了。预测式相比生成式确实抽象，以前讲故事有点复杂，现在直接对标就好了。"Yann LeCun 是预测式世界模型路线最有影响力的支持者之一。

千诀还有一套 " 多项式表征 " 架构。高海川把它类比成数学里的泰勒展开：与具体机器人任务相关度更低的 " 长尾能力 " 可以被关掉，让模型只保留当前本体真正需要的部分。比如，换一台动作空间更简单的机器人，不必把整套模型重新训练，而是调整对应模块。

谈到能力边界，高海川也承认，泛化既是惊喜，也是风险。

" 我们非常频繁地观察到模型的涌现能力，一些没训练过的轨迹、动态突发的场景，它真的可以应对。"

但在大量没有采集到的地方，"它的可靠性原则上没有办法保证。模型会输出一些能力，但可能不是你想要的，甚至有些是危险的。如果没有边界约束，对客户就是不可接受的。"

精细操作上，眼下一个主要瓶颈卡在触觉。

" 人完成精细操作靠的是皮肤和密集触觉，不是眼睛。现在卡在触觉传感器、电子皮肤的稳定性和信息完整度上。"

不过，对此他是乐观的：算法框架已经能接入触觉模态，现在更多要等硬件成熟。

05. 这个行业没有 ChatGPT 时刻

具身智能什么时候真正进入 " 通用 " 阶段？高海川的判断是：这个行业可能不会出现一个突然到来的 ChatGPT 时刻。

"ChatGPT 是数字世界的东西，数字燃料在互联网时代已经积累好了，它只是挖掘出来重新加工。但物理世界不是这样——数据、场景、算法三个要素是慢慢咬合发展的，不会让你感觉到某个跃迁。"

这套判断，也解释了千诀为什么不急着做 " 替代人 " 的生意。

"机器人如果是替代人，我们现在基本上找不到落地场景。"

他更愿意把机器人理解为 " 增加一个伙伴 "。" 那些雇人不太合适的、有隐私顾虑的、本来就不适合雇人干的场景，才是现在机器人的机会。"

家庭里也是如此。

千诀目前更关注桌面、沙发、地面等相对有限的 "2.5D" 空间，比如整理桌面、拿瓶水、收拾鞋子、清理地面垃圾。全尺寸、全 3D 的频繁家务操作还很难。

他透露，按照当时的产品计划，几个月内，千诀与部分白电公司的合作机器人会陆续发布。

出海则是另一套节奏。

" 大脑先出去了。" 高海川说，千诀已经在北美、欧洲、东南亚都部署了大脑的服务器，为海外设备提供支撑。

人形机器人出海这件事，他明显更谨慎。

" 第一，海外看这个东西会联想到地缘政治；第二，它的价值本身还没到可以被接受的程度。"

当下更现实的海外机会，是给原本没有机械手的存量设备做升级。

泡沫这个话题，他同样没有回避。

" 先有预期，东西才能发展。一个发展中的行业一定会有泡沫，先有泡沫，再兑现价值，再有泡沫，再兑现价值，一波一波往前走。当下还是一个比较正常的状态。"

穿越周期的办法，他总结为 " 两手抓 "：研发持续投入，客户和市场也要同步往前走。" 物理 AI 的场景数据和模型研发是迭代着前进的，左脚踩右脚，都要往前走。"

而聊到最大的优势，他的回答又绕回了数据。

" 多样化数据不是靠砸钱就可以的，场景积累需要时间。"他认为，千诀做 " 大脑 " 的时间更久，也经历过多轮机器人技术变化，这些都会转化成对数据和场景的理解。

短板则是结构性的：" 国内公司毕竟带有历史包袱，不会那么纯粹地把所有资源投入算法迭代，所以最前沿的学术算法，会长期落后美国半个身位。" 问到自己要补什么课，他说是 " 国际视野 "，" 毕竟这是个技术驱动的东西，很多算法研发还是以海外在牵头往前冲的。"

06. 结语：一个经过 " 预训练 " 的 CEO

对话的最后，话题回到高海川本人。

高海川 1996 年出生，山东烟台人，母亲四川人，小时候更多在四川生活。2014 年上大学，博士毕业后直接创业。聊起现在蜂拥而入的 00 后创业者，他自嘲：" 我在里面好像算‘老登’了。"

让人意外的是，他说自己创业三年多，并没有感受到特别明显的压力。" 借用我导师的评价：读书期间就看不到我有什么压力，现在他也看不太出来。每一步都很可控地稳步前进，没有太大的波谷，也没有太往前的泡沫。"

这种管理经验，一部分来自学校。

他在清华当了五年课题组组长，把团队从两个人带到十几个人。" 科技创业是第一次，但以前在学校里就历练过这种能力，现在叫 Sim2Real。"

他笑着补了一句，" 经过了预训练，还是能比较快地迁移的。"

一个有预训练、没经过社会 " 毒打 " 的创业者，最容易忽略什么？" 做公司毕竟不是做技术。技术、产品、融资、市场营销、内部组织管理，还有更重要的发展节奏，这些都要一起统筹考虑。不能说 all in 技术这家公司就能成，all in 产品就能成，all in 任何一个东西都成不了。"

" 只有 all in 公司才能成。"