对话宋鸿涌：All In完全人形，5年把机器人送上月球

超级人工智能一两年内降临，唯一道路是合成数据。

作者丨杨诗涵

编辑丨林觉民

一个成年人，能不能只看视频学会游泳？

宋鸿涌的答案是可以。

“先看视频，然后下水去尝试，这就是few-shot learning，然后再加强化学习。”

他看视频学会了游泳和踩水。后来，这套“先模仿、再下水、靠试错修正动作”的方法，成了他一生的操作系统。

他的整个计算机知识体系都来自公开课视频。本科学的是飞行器动力工程，读研之前，他从斯坦福的几门课程开始自学，iOS开发、C++、Java，再到最早的强化学习，全是看视频学的。

他是一个自学的天才。

如果将时钟倒拨，宋鸿涌其实不太像标准意义上的好学生。初高中一直参加数学竞赛，往往大题做对，选择题反而错，一直没拿到一等奖；到大学参加数学建模竞赛，反而能拿一等奖——因为有计算机帮他保证最后的正确性。他说自己思维非常跳跃，经常从A点跳到B点。这种发散思维，后来也成了他做研究的一种方式。

大三那年，他在图书馆翻到比尔·盖茨发在《环球科学》上的文章《家家都有机器人》，从此认定机器人是值得奔赴的方向。先做硬件、做四旋翼，后来发现，其实脑子才是最重要的，于是转身走上了AI的路。

在AI圈，宋鸿涌更广为人知的名字是Flood Sung。

他可能是知乎最早写深度强化学习的人之一，写着写着，爱丁堡和伦敦玛丽女王大学的朋友找来合作，2018年，那篇少样本学习论文《Learning to Compare:Relation Network for Few-Shot Learning》发表在CVPR，至今被引超过6000次。

他维护的GitHub项目Deep-Learning-Papers-Reading-Roadmap积累了近4万颗星，是中文AI社区影响最广的开源科普项目之一。

他工程履历同样硬核。

2020到2022年，他在字节跳动AI Lab等部门做多智能体强化学习，参与过3D MOBA游戏项目的多智能体AI落地。他训过的游戏角色，自己“悟”出了以静制动的格斗技巧。

2023年，他和杨植麟聊了一个小时，最后只问了对方一个问题：要不要all in。得到肯定的答案后，他加入月之暗面（Kimi），任后训练与强化学习负责人，直接向杨植麟汇报，主导KimiK1.5、K2、K2.5等核心模型的RL训练体系搭建与合成数据构建，是Kimi后训练能力的核心推手。

去年12月，他放弃了大量期权，离职创办北京十六号机器人科技有限公司（XVI Robotics），目前已获襄禾资本，靖亚资本，英诺天使等机构参与的天使轮及天使加轮融资。

他想要的，是给完全人形机器人造一个通用大脑。

行业吵得最凶的时候，他坐了下来，跟我们聊了他的三个信念：

1、只做完全人形，一步不让；

2、数据必须靠合成，真机采数据没有未来；

3、机器人不该替代人类，而应该替人类去探索宇宙。

他说：“我希望，这一次是理想主义的胜利。”

以下是对话实录，AI科技评论在不改变原意的基础上有删减。

宋鸿涌 演讲中

01

看视频学会一切，包括游泳和AI

▎AI科技评论：你游泳是看视频学的？怎么看视频学游泳？

宋鸿涌：为什么不可以？（笑）包括踩水也是可以学的。先看视频，然后下水去尝试，就是few-shot learning，然后再加强化学习。蛙泳、自由泳都可以。蝶泳倒不太会。

▎AI科技评论：那你还靠看视频学会过什么？

宋鸿涌：你可以认为我的整个计算机知识都是看视频学的。最早的强化学习、iOS开发，包括最基础的编程范式、编程方法论、C++、Java等等一切，都是。其实人类都是这样的，我们也是看老师教学去学的。但你一定要练习，没有练习也不行。

▎AI科技评论：你一直读到研究生才开始系统学计算机？本科学的什么？

宋鸿涌：应该是读研之前吧，之前是自学，从iOS开发开始，其实就是学了斯坦福的几个课程。本科学的是飞行器动力工程，可以认为是一个机械专业。

（注：这里说的few-shot learning（少样本学习）加强化学习，是宋鸿涌学术生涯的起点，也是他今天做机器人的方法论内核。少样本学习指的是让模型只看到一两个样本就学会一个新任务，就像人看一遍视频就下水；强化学习指的是靠试错和环境反馈不断优化动作。把这两件事合起来，就是先模仿，再试错，这也是他后面所有技术判断的原点。）

▎AI科技评论：那当时怎么想到要去做AI？

宋鸿涌：其实源于我大三的一次觉醒。大学早期我并没有确定的人生目标，大三是一个挺迷茫的阶段。

我在图书馆看到比尔·盖茨（微软创始人）写的一篇文章，发在《环球科学》上，叫《家家都有机器人》。

比尔·盖茨在畅想二十几年之后，世界上到处都有机器人。我当时就觉得，机器人是一个非常好的方向，希望自己未来能往这个方向走。于是我开始做硬件、做四旋翼，去探索。后来我发现，其实脑子才是最重要的，所以慢慢就转到了做AI的路上。

▎AI科技评论：你之前说过自己不喜欢考试。参加数学竞赛的时候，往往大题做对，选择题反而错。这是为什么？

宋鸿涌：这和我从小不知怎么就出现的发散思维有关。我思维非常跳跃，经常从A点跳到B点，或者从A题跳到B题，一些小的细节就很容易粗心。

所以经常出现的情况是，我不是因为题难而做错，而是因为粗心而做错。这个事情后来做数学建模就缓解了，因为有计算机帮你保证最后的正确性。所以我初高中一直参加数学竞赛，一直没拿到一等奖，但到大学参加数学建模竞赛，就能拿到一等奖。

▎AI科技评论：因为小细节上的失误，你有过特别遗憾的经历吗？

宋鸿涌：肯定有遗憾，可能就差一道题，你就能拿到一等奖，可以得到加分。但从现在回头看，这些好像又不重要。人的决策链路非常长，轨迹非常长，中间一些小的失误其实没关系，只要最后能够修正，就像现在做CoT（思维链）一样，你可以改对，那就没有问题。

▎AI科技评论：很多人认识你，不只是因为工作经历，还有更早的CVPR论文和GitHub上那个将近4万星的深度学习路线图。当初怎么想到做这两件事？

宋鸿涌：先说发CVPR这件事，很有意思，因为我其实是远程跟爱丁堡还有QueenMary（伦敦玛丽女王大学）的朋友合作。这件事也是因为我一直写知乎，写了非常长时间，几乎可能是知乎最早写深度强化学习的人之一，所以他们找到我说一起合作，我就远程用了他们的服务器来训练模型。

▎AI科技评论：那为什么选few-shot learning、meta-learning这个方向？

宋鸿涌：因为我认为meta-learning是人类最核心的技能，中文可以叫学会学习。这个技能也是现在大模型已经拥有的能力，也是我们的机器人想要拥有的能力。所以我当时觉得，这是人类必须拥有的，也是AI必须拥有的，所以才会去做这件事。

02

从杨植麟身上学到极致执行

▎AI科技评论：我们聊聊你在字节的经历。你在那边待了接近两年。

宋鸿涌：我在字节是接近两年。一开始是去AI Lab，后来在游戏部门做游戏AI。当时大规模强化学习只能应用在游戏AI这个领域，还比较狭窄，但是很有意思，因为你就是来训练agent，或者游戏里面的角色去格斗、去对战，能够发现它里面涌现出了很多有意思的行为，是你之前没有预料到的。

比如我们之前训练《航海王热血航线》（字节跳动发行的3D MOBA手游）里面一个角色的格斗能力。self-play训练到最后，它自己涌现出了一种终极的格斗技巧，就是以静制动。它会自动走到舞台中间站住，等对手出招。对手一出招，它立马捕捉这个招数去破解。当时它的能力，可以和人类最顶尖的选手打到差不多的水平。

▎AI科技评论：你的意思是它学会了用诡计？让敌人先出手，再找破绽？

宋鸿涌：对，这是它自己探索出来的一种能力，我们从来没有想过。（笑）一开始它的行为都是一直走来走去，但突然到某一个版本，它静下来了。这非常非常神奇。这就是强化学习的魅力，强化学习可以看到很多aha moment。

▎AI科技评论：现在回过头看，字节的游戏业务已经告一段落。你之前跟我们提到，你觉得字节做游戏的逻辑是撒芝麻式的。

宋鸿涌：是的。不能按投资的逻辑去做事情。特别是公司，我们需要以热爱、以愿景去聚焦地做一件事情，这才有可能做好。

▎AI科技评论：加入月之暗面之后，这家公司的组织文化，和你理想中公司应该有的文化接近吗？月之暗面不设职级，没有KPI，有事直接沟通。

宋鸿涌：是的。我觉得这已经是非常理想的一种公司组织形式，所以在这一点我非常喜欢。内部不管大家是谁，都是member of technical staff。创始人也好，到我这一层，到其他同学，我们都一起开会，共同去决策、去推进。

▎AI科技评论：你在月之暗面向谁直接汇报？

宋鸿涌：就杨植麟。

▎AI科技评论：你很认可他的个人魅力。你觉得他最有个人魅力的一件事是什么？

宋鸿涌：肯定是DeepSeek（深度求索）出来之后，他做了很多关键的决定，这些决定成就了现在Kimi的样子。当时DeepSeek的影响非常非常大，甚至让很多人质疑，是不是其他公司都不用做了。

但杨植麟确实做了一个很重要的决定，我们all in去做开源，并且不再做视频生成、不再做很多觉得和智能无关的产品。这样才有了K2、K2.5，到K3，出现一个巨大的飞跃。公司变得更聚焦，和智能无关的基本不做，整个公司就围绕着智能本身来做。

这一点我还可以展开讲，它和移动互联网时代是完全相反的。移动互联网时代，大家是为了占有用户的时间，所以国内App内容越来越多、越来越复杂，每个App都像一个操作系统一样，你在里面可以干所有的事情，你的所有时间都能投在里面，它可以增加收入。但大模型不一样，你所有的价值百分之八九十都来自模型，这意味着你只需要把模型做好，其他都是相对次要的。所以大模型这个时代对技术人员特别美好，因为我们可以一直聚焦在一个点上，不断去提升它的上限。

▎AI科技评论：Kimi一开始对标OpenAI，早期也有堆参数的阶段。什么时候开始真正注重后训练？

宋鸿涌：我们很早就注重后训练了，可以说我入职第一天就开始做了。我入职的时候公司成立差不多两三月，团队应该才二十几个人。

▎AI科技评论：当时杨植麟见你聊了一个小时，你就决定加入了。他说了什么打动了你？

宋鸿涌：其实最后我就问他要不要all in，他说他会all in，然后我就觉得我可以加入。当然我们前面谈了很多有趣的事情，我们谈的是现在最火的自进化、agent，我们在技术理念上达成了非常强的共识，这是最关键的。再加上all in的心态，我觉得这是一个创始人、一个初创公司有机会成功的基础。

▎AI科技评论：很多创业者都会说自己全情投入，但未必真的这么做。你当时怎么判断杨植麟确实按自己说的做了？

宋鸿涌：看他的行动。我跟他一开始肯定也不认识，我是相信他的话，而且他说得很确定，我是可以相信的。事实上过了一段时间，他就从清华出来了。因为现在很多老师创业其实还挂着教职，那就没办法all in。

▎AI科技评论：你离开的时候，他有跟你说什么吗？比如你走早了？

宋鸿涌：肯定有挽留，但是毕竟心意已决，已经准备去做人形机器人这个终极目标，所以最后还是祝福。

▎AI科技评论：放弃Kimi期权的时候，有过犹豫吗？

宋鸿涌：没有犹豫，因为已经足够多了。

▎AI科技评论：“足够多”指的是挣得足够多？

宋鸿涌：对我来说这个选择很好做。因为在那个时间点，主要还是看timing，我觉得已经到了可以做人形机器人的timing。我不是一个特别在乎利益的人，我更在乎的是做的事情，所以很多事情都可以放弃。

▎AI科技评论：在Kimi的这段时间，你从杨植麟身上拿走的最重要的东西是什么？你被他改变的部分有哪些？

宋鸿涌：我觉得最重要的就是执行力。杨植麟可能是我见过执行力最强的人，而且可能没有之一。

▎AI科技评论：强到什么程度？

宋鸿涌：非常理性。我们做的每件事情、每个实验，都要有原因，都要有结果。然后是执行，怎么让整个组织严密地执行、高度地执行、极致地执行。这个事情只有在不同公司才能感受到完全不一样的效果。

它必须创始人非常好地去推进，亲力亲为，了解每个细节，知道每个下一个todo，不断推进下一步的进展，整个轮子才能最快地转起来。这是我在Kimi感受到的一种极致的工作方式，很值得学习。

▎AI科技评论：说到这个，最近有报道说王兴兴（宇树科技创始人兼CEO）连100块钱的报销都要审批。这是不是对公司极致管理的另一种方式？

宋鸿涌：这个我不好评价，因为也有可能这是假的新闻。可能从他的角度，他就是要极致地优化成本，并且要把这个理念传递给整个公司：我们公司要极致地优化成本。所以我认为他是对的。他在意的不是当前这100块，而是累积的无数个100块形成了一个很大的差异。

03

“相信合成数据，就像相信强化学习”

▎AI科技评论：我们来聊合成数据。当时Kimi用的数据，应该是99%是合成的？

宋鸿涌：这要看怎么去看待合成数据。最早合成数据做的事情就是长文本，你也可以认为是100%合成出来的。当年那一波就是我和我现在的联创一起做起来的。后面到agentic data，或者像computer use，很多数据也是造出来的。你不能说全部都是合成的，因为里面可能有人的一些交互数据。但合成是它激活的关键。特别是agent，现在世界上本身不存在function calling、tool use的数据，你只能靠造出来。这和机器人现在很像，现在世界上就不存在机器人的数据，所以你需要找到一个方式去构建出来。

▎AI科技评论：所以选择几乎完全的合成数据，优势在哪里？

宋鸿涌：优势就在scalable。大模型最早的时候是靠人去打标签，但打标签很慢。以前Kimi我们也做，我们也让人打了很多标签、很多数据。但你会发现，如果找到一个很好的方法去合成，那scale的速度要快太多了。

而且我们在这上面发现，只要合成数据做得足够好，它其实就是有效的。甚至你可以认为，现在pre-training的大部分数据也是被改造过、被合成出来的。互联网数据就那么多，但你可以用它扩充出好几倍的数据。所以这在大模型上已经有了充分的实践，甚至可以说现在后训练的数据，你可以认为都是合成出来的。

大家已经很少听说一个专家能标出一条很复杂的数据了，已经标不出来了。所以真正逼出来的不是算力，而是没有数据，你必须找到一个方法。

▎AI科技评论：现在还有一种看法，认为用合成数据是让模型吃自己的尾气。

宋鸿涌：其实不是的，因为这个逻辑不符合自进化的理念。AI可以创造出更强的AI，它的道理是，它可以从现有的数据分布里找到其中的精华分布，再把这部分精华的数据学进来，它就可以提升自己。

所以逻辑上永远都可以用当前的AI去探索出一个更好的数据样本，然后再学到自己这里面。数据是要做清理、清洗的。当然，一些负样本也有用，这都是强化学习的逻辑。所以只要你相信强化学习，你就相信合成数据；你相信模型能够自进化，相信这一切，它们都是顺理成章能够实现的。

▎AI科技评论：AI的自进化会有碰壁的那一天吗？

宋鸿涌：我认为不会。它未来唯一会碰壁的只是现实世界的约束。我们很快，在这一两年内很可能看到ASI（超级人工智能，即AI能够完全自我迭代出下一版更强的AI）降临。但它受限于算力、能源，而且一旦进入物理世界，它受限于物理世界的速度，你做实验都是要时间的。这些才是影响因素。

▎AI科技评论：你对世界模型的判断是什么？

宋鸿涌：世界模型其实也是一二十年前就已经有的概念。在过去的10年，深度强化学习领域，世界模型也有很多相关的工作。但你会发现，在过去10年它并没有成为主流，这里面肯定是有原因的。原因就在于，我们最终要信的是一个policy（策略）。世界模型应该是模拟器，它也许可以帮你做一些规划，帮你去造数据，但它不是主干。你的主干是一个policy，能够直觉地去做一些事情。

▎AI科技评论：我们在私下交流的时候，你跟我们说过一个判断：世界模型今年声量会大幅度减弱。

宋鸿涌：我只是说当前这一类，比如WAM。首先，我百分百确定我们是要基于语言模型的架构、基于Transformer的架构。

为什么？因为我们要做更好的long context、更好的in-context learning和test-time scaling。只要我们相信这一点，我们现在大模型的范式就要在机器人上面去复刻。

那我一定会采用Transformer架构，因为它是天然的。而且我们需要推理，就算你搭一个积木，你也是要思考的。大家现实生活中，大部分情况下是不需要靠想象去做事情的，都是靠直觉。这也是从人的角度去思考，最终它应该长成什么样子。

▎AI科技评论：你刚才提到的世界模型，感觉更像把大模型应用在机器人身上。这跟李飞飞（斯坦福大学教授、ImageNet缔造者）和LeCun（图灵奖得主、Meta首席AI科学家）说的，好像还不完全是一回事。

宋鸿涌：现在世界模型这个概念差异实在太大了。李飞飞做的那个我是认可的，她是造环境、造模拟器。所以世界模型，还是刚才那句话，世界模型发挥它世界模型的作用，但是agent policy我们发挥我们自己的作用。

04

完全人形，一步不让

▎AI科技评论：我们来聊聊你的十六号机器人。首先为什么是这个名字？

宋鸿涌：这来源于《龙珠》。龙珠里面有人造人十六号，为什么选十六号？他非常热爱和平，从头到尾就没有伤过任何一个人。我们认为公司的使命首先是要Don't be evil，你要造福人类，要热爱大自然。而且它又是一个足够科幻的名字。有可能有一天我们要让人形机器人去登月。

▎AI科技评论：你的几个关键bet是什么？

宋鸿涌：首先我认为，现在到了完全可以直接做人形机器人的时候。过去一两年，特别是宇树，他把人形运动小脑已经做得非常好，所以我们现在可以直接基于宇树的机器人来做研发，主要就是把脑子做出来。人形机器人，我说的是双足加灵巧手，而不是夹爪轮式，这是第一点。

第二点，我们怎么去实现真正意义上的scaling law？唯一的、最终的路径一定是基于合成数据。第三点，假设这个机器人做出来了，我们希望把它用在什么地方最合适？想了很久之后，我认为希望它去帮我们探索宇宙，而不是去替代我们自己。因为探索宇宙是增量。人类碳基生命天然不适合星际探索，我们只有极少的宇航员，要花很多培养费用、要有很好的身体状态才能上太空，但机器人不存在这个问题。所以让人形机器人去做星际探索，去发现宇宙的真理，这是最有价值的事情。

（注：这里说的scaling law，指的是模型能力随着数据、参数和算力的增加而可预测地提升。大模型过去几年的飞跃就靠它。但机器人没有互联网那样现成的数据可用，所以宋鸿涌认为要复制这条曲线，必须先解决数据从哪来的问题，这也是他押注合成数据的直接原因。）

▎AI科技评论：为什么一定要是完全的人形？你之前提到一个关键词，说你要押注的永远是高价值的场景。所以为什么是人形？只是做的人少吗？

宋鸿涌：肯定不是。人形的原因有两点，第一点，人形能够真正做通用的事情。人类已经证明了，人可以创造各种各样的工程奇迹，所以人形本来就适配做人类能做的所有事情，这首先满足了真正意义上的通用性。比如换成轮式机器人，只要有台阶你就走不上去；如果是夹爪，复杂一点的物体你就拿不起来。所以人形机器人可以认为是一种终极的形态。第二点来自数据。本质上，是数据决定了本体。因为我们要做的合成数据，最终的源头是人类数据，你越像人，你就能学得越好。所以是数据决定了我们要做成人形。

▎AI科技评论：所以我们很好奇，为什么坚持全人形？它不能有两米的手或者两米的腿吗？理论上它可以跑得更快、手伸得更远。这是不是因为你押注的仿真数据来自人类？

宋鸿涌：我从来没有说过不可以有两米。我其实是认同王兴兴说的，以后可能我们可以有巨型的机器人，就像机甲、各种机甲、高达这样的，是有可能存在的。但它依然是一个人形，因为它可以直接迁移过去，这个不矛盾。

▎AI科技评论：主流做具身大脑的公司，比如智元、千寻智能，都标榜自己用了最多的真实数据。你押注的99%合成数据这条路线，和他们看起来是很不一样的路径。

宋鸿涌：真机当然永远是有用的，但真机数据的问题就是它最不scalable，成本最高。所以短期你可以用它，可能你花很多的人力去采，能做出一些效果，但你就看不到真正意义上的泛化性。

▎AI科技评论：他们相信采集了100万条真机数据，就可以迎来突破。

宋鸿涌：我觉得这远远不够。

▎AI科技评论：那你的赌注是，真机数据要到多少？

宋鸿涌：关键是数据的多样性，还有你能不能让你的数据真正覆盖人类现实生活的每个场景。真机数采有这样的问题，你可能是专门构建了一个场景去采集。比如说我现在希望采集空间站某个东西的数据，或者某个实验室的数据，甚至我们现在这个演播厅里面的数据，它就不存在。所以真机数据永远是有缺陷的。但合成数据就可以确保你的多样性。

▎AI科技评论：现在非常多具身公司都认为模型很难拉开差距，数据才是核心。你认同吗？

宋鸿涌：我认同。大模型为什么取得这样的成功？因为它的数据首先来源于互联网数据，可以先做pretrain，然后又有合成数据不断提升。但具身因为没有这个来源，所以才延迟了非常非常久。当然还有部署的困难、强化学习的困难，这些都是问题，但最根本的就是数据问题。

▎AI科技评论：创业的时候，有想过做一个数据提供者吗？

宋鸿涌：没有。我觉得要做就做点大的事情，做点终极的事情。

十六 号机器 人团队

05

招一个初中学历的小天才

▎AI科技评论：我们来聊你的选人标准。你之前说过更倾向于选择毕业3年以内的。还说过希望能招一个具身的小天才，哪怕他只有初中学历都可以。这是真的吗？

宋鸿涌：是真的。这里面有几个原因。首先当前这个行业非常新，很多东西都是刚刚出现的。比如宇树的人形机器人，其实也就这一两年你才能开始做，还有很多灵巧手也是这一两年的事情。那往往真正接触这些硬件、真正训这些模型的同学，就是刚毕业或者还没毕业的同学，所以他们有第一手的经验。虽然看起来他们最年轻，但他们其实是首选。

另外，正因为现在是agent时代，很多底层技术你并不一定要完全懂，反而是你的思维能力、你跟AI甚至vibe coding的能力，决定你的上限，你的学习能力决定你的上限。所以就算你只有初中学历，只要你的思维非常活跃，这方面非常热爱，同时展现了足够强的工程实践能力，你现在就完全可以直接来做我们公司已经在做的所有事情。

▎AI科技评论：你对员工的要求是不自己写代码，全部用AI写？

宋鸿涌：是的。因为首先是我基于自己的实践，对当前Coding Agent能力的判断：目前的Coding Agent可以百分百替代人类来写具体的代码。但它还没法很好地做到给出很好的规划，计划还是得人类来做，但执行AI完全可以做到。所以基于这样的判断，我们当然采用这样的形式，让每个人都变成了leader，去指挥agent做事情。

▎AI科技评论：在这样的团队里，好工程师的标准是什么？是能更好地指挥AI吗？

宋鸿涌：是的。更好指挥有两点。一个是你单独carry项目的能力，也就是你指挥agent完成这个任务的效果。第二点是并行度，因为你现在不需要亲自写代码，时间空出来了，逻辑上你可以并行做更多的项目。我们现在有的实习生，可以并行做三个可能完全不相关的项目，而且都能做出很好的水平。这就是一个很好的标准。

▎AI科技评论：这一次创立十六号机器人，有从以前的公司带来熟悉的员工吗？

宋鸿涌：有，但都是离职的员工。比如我在月之暗面原来的下属，也就是我现在的联创，她是先去了字节，再到我这边。

▎AI科技评论：你会从Kimi挖人过来吗？

宋鸿涌：不会。

▎AI科技评论：为什么？

宋鸿涌：第一个原因，我和Kimi还是有感情的，所以我不太希望去挖那边的人。另一方面是我的选人标准，我希望他是真正热爱机器人，而不是因为看到机器人是下一个方向才选择出来。这是不一样的。实际上，在做大模型的同学里面，真正热爱机器人的同学非常少。

▎AI科技评论：是不是也有一部分原因，是因为你之前在月之暗面负责后训练，如果你从那里挖人，会动到杨植麟的核心？

宋鸿涌：也是。这肯定也是一个原因，也不太适合去挖。

▎AI科技评论：那为什么做大模型的人出来做具身的比例会很少？

宋鸿涌：一个肯定是因为目前大模型行业非常火，整体薪资很高。第二个就是可能没有原生机器人的热爱。他并不是说我更想去接触物理世界的东西。比如我做CodingAgent也好，做ComputerUseAgent也好，和调机器人的感觉完全不一样。对我来说，搞硬件、接触到这个本体，我就感觉很兴奋、很幸福，会有这种感觉。这才是对的。但很少人一开始就是这样，他如果不是这样的经历，就不会有这样的想法，所以就会导致现在这样的一个结果。你选择创业，就是选择了挑战不可能，去做一件别人觉得是疯子做的事情。我们希望把它做成功，证明给大家看。

06

不轻易商业化，

要商业化就得像Cybercab

▎AI科技评论：现阶段，你怎么向投资人介绍十六号机器人的业务？

宋鸿涌：我们现在是一个研发通用人形基座模型的公司。目前还处于一个neolab的形式，非常早期的阶段。我们相信这个市场空间是无限大的，但我们现在等价于处于大模型的GPT-3阶段。我们不应该急于去做商业落地，而应该去做技术突破。所以我们现在就在做技术突破。

▎AI科技评论：投资人最常追问你的问题是什么？印象最深刻的是什么？

宋鸿涌：每个投资人都不一样，问的问题千差万别。他们经常问我，如果你的bet失败怎么办。但我想表达的是，既然我做了bet，那它一定是对的。

▎AI科技评论：你指的是所有bet吗？你有这个自信？

宋鸿涌：否则我没有必要来创业。因为这个时代，你的bet决定了你创业能否成功的关键，几乎占80%。

▎AI科技评论：按你这么说，每个创业者都相信自己的bet，那他们应该有80%的成功率。

宋鸿涌：不是。如果你bet失败，你一定就死。所以最好在创业之前，你先想明白，你这个bet是不是百分百能通往终局。比如过去我们看到很多agent应用公司，一开始做了很好的事情，但我们知道大模型会吃掉大部分的事情，所以后面就很难推进。所以我们最好在一开始就想清楚，我们做的这个事情是不是通往终局？是不是在不断地吸收大模型的红利、其他技术的红利？而不是说因为一个新的技术出来，你反而因为这个技术，公司就失去了竞争力。想清楚这一点，就能让你的bet成功率得到极大的提升。再加上现在agent迭代速度越来越快，你就可以无限让你的成功率逼近100%。所以我是有这个自信的。

▎AI科技评论：你觉得这个bet需要多长时间去验证？比如智元觉得机器人是5到10年的长期竞争，你的预测时长是多少？

宋鸿涌：5年内。

▎AI科技评论：那这5年里，你有考虑过做阶段性的商业化吗？商业规划是怎样的？

宋鸿涌：我觉得中间是会出现的，但它的商业化是基于你的模型涌现出来的，不应该是定制性的。就像你在GPT-2的阶段去想商业化是没有意义的。实际上我们知道，现在的智能商业化是agent。甚至当年做chatbot，现在看起来也不是一个很好的商业化方向。所以具身也一样，我们应该基于它当前涌现出来的能力，再反过来决定它现在这个阶段做什么能够商业化。我们的核心还是先把智能水平提升。

▎AI科技评论：你的投资人能接受这样一套模式吗？他们有足够的耐心吗？

宋鸿涌：我觉得他们有。中国现在拥有这样的耐心资本，能够支持我们去推进技术创新。因为回到最早说的问题，中国一直没有真正意义上从0到1的突破，非常非常少。你要做从0到1的突破，就需要创新，需要探索，这需要耐心。我们现在发现，具身这个行业拥有了前所未有的机会，我们能够做从0到1的突破。因为美国也没有那么大的优势，我们有供应链优势、机器人优势，还有人才优势。如果我们的芯片也突破了，算力上也不会是卡点。那我们本质上又有全方位的优势，没有道理不能做从0到1的突破。我觉得投资人是看到这一点。

▎AI科技评论：现在十六号机器人的融资情况如何？

宋鸿涌：目前我们已经完成了两轮融资，金额数亿量级。

▎AI科技评论：之前你告诉我们，你希望一旦商业化就是成功的商业化。你对成功商业化的定义是什么？

宋鸿涌：就是真正scalable的商业化。就像马斯克（特斯拉、SpaceX创始人）的无人驾驶，马上那个Cybercab就要发布了，就是无人出租车。逻辑上，还没商业化它就是0。一旦商业化，它能无限scalable，不断增加，应该很快就要覆盖所有城市、覆盖全球。这是最有意思的商业化公司。我希望大模型还有具身是一样的。你能产生一个点，比如你的机器人导航到哪个地方都可以走，逻辑上你就可以把它部署到所有地方。所以就是要么0，要么无限大。这是非常非常疯狂的事情，但也是最exciting的事情。

▎AI科技评论：那对十六号机器人来讲，达到Cybercab级别的成功商业化，具体指的是什么业务、什么规模？

宋鸿涌：按刚才的逻辑，我现在没法具体跟你说，它就涌现出来了。比如我刚才举的例子，导航很有可能是最先能够商业化的一个点，当然还有其他的。但这里面最关键的一点，不要overfit到一个具体的场景。因为一旦你overfit，你就不是通用的，你的TAM（可触达市场）就是很有限的。一定是通用的场景。就算是导航，也是所有地形的导航，而不是说局限在一个地方。

▎AI科技评论：你说想在海淀做一家非常硅谷的公司。这句话是真心的吗？

宋鸿涌：是的。首先从我们办公室、我们公司的logo，你整个看不出来它其实是在北京或在哪里。我想表达的硅谷公司的特点，一个是整个公司的文化：扁平、追求极致。更主要的是，硅谷的成功就像马斯克的很多公司，是一个极具技术突破、颠覆性的突破，然后实现一个从零到无穷大的飞跃。我们其实是希望去做这样的事情，希望有极致的愿景，能够驱动大家去追求极高的目标。

▎AI科技评论：你说的硅谷气质，具体指哪些部分？

宋鸿涌：不设上限，敢于去做。你看马斯克都敢说，他要把Optimus送到月球上去。

▎AI科技评论：大家相信马斯克说可以登月，是因为他之前做的大胆预测，至少其中一些让人印象深刻的部分实现了。比如他让电动汽车普及了，他在大力发展无人驾驶。这是大家相信他能够登月的前提。所以你希望大家听到你的登月判断时，同时看到你做过的哪些成果来相信你？

宋鸿涌：如果回看马斯克更早的阶段，他要去做火箭的时候，我觉得他一定一样饱受质疑。但对我来说，其实无所谓别人的质疑，因为这是我自己的游戏。我们刚才说的是，从人的角度，我们不要去担心自己做不了什么，而应该给自己设定一个足够高的目标，往这个目标去做探索、去做我们所有的行为、所有的梯度下降。我相信目前可能有99%的人都认为我说的是天方夜谭，但没有关系，这就是我的目标。我会往这个方向不断推进，就够了。

我们第二轮的一些投资人就说过：你只要能够把机器人给做出来，我就能帮你把它送上月球。他有能力协助你。所以这确实很区分投资人。有的人是相信一些事情是可能发生的，有些投资人可能觉得你说的完全就是不可能。

▎AI科技评论：你相信这些问题会随着技术成熟迎刃而解？

宋鸿涌：是的。这里我们肯定不希望只是发一个没有用的机器人上天，这没有意义，它是上去能够真正做事情。所以我最近其实也用Seedance（字节跳动的视频生成模型）弄了一个想象的登月视频。它就是一个很好的引领作用，我们能够知道目标就在那里，我们朝着那个方向去做，它就能实现。

▎AI科技评论：公司下一个要发布的产品是什么形态，时间节点是什么时候？

宋鸿涌：可能2027年年初。因为我们要去迭代一版开源的通用类型基座模型。所以现在还处于技术验证的阶段，我们要去scale，最后才有可能deliver这样一版模型出来。

我们希望它能够做一些基础的任务。首先它是通用性的，能够在比如H2（宇树的全尺寸人形机器人）上面部署，然后能够做一些基础任务。当然，你可以认为这一版模型成功率不会太高，因为它是通用的，还处于scaleup的第一个阶段。但它能够展现这样的潜力。下一个阶段我们可以再scale十倍、百倍，使得它通往GPT-3、GPT-4这样的阶段。

宋鸿涌在十六号机器人公司

07

以少胜多，无需担忧英伟达

▎AI科技评论：你的方案对比英伟达和宇树的全身控制，优势会在哪里？

宋鸿涌：我们本质上和英伟达是竞争对手。我们要发布的，就是要去对标Groot加Sonic。首先我们都是用宇树的本体，但我们的运动小脑，还有我们的大脑，是完全可以自研的。我觉得英伟达更多还是一个以卖GPU为主业的公司，他并没有all in去训练这个模型。我们是所有的精力都用来训练这个模型，并且希望能够在全尺寸上面达到一个新的高度，所以这是我们的机会。初创公司的优势就是靠聚焦来实现。

（注：Groot加Sonic是英伟达在机器人上的大脑加小脑组合。GR00T是它的视觉语言动作模型，负责理解指令、规划任务；SONIC是它的全身运动控制模型，负责让机器人把动作做出来，曾在宇树G1上完成123组动作序列、成功率99.2%。宋鸿涌说要同时超过这两个，意思是要把会思考和会动用一套自研模型打通，而不是分成两块拼起来。）

▎AI科技评论：但英伟达有更多的算力可以调用，更多的资源，人才的吸引力也更强。

宋鸿涌：所以怎么判断他有没有全情投入？如果按照你的逻辑，是不是大模型应该是英伟达一家独大？他一张卡都不卖，自己做就好了。但现实中不是如此。因为黄仁勋（英伟达创始人兼CEO）那边的整个战略决定了他作为一个卖铲子的公司是最佳选择。他现在做模型，本质也是要卖他的GPU、端侧GPU，还有训练的算力，所以还是卖GPU的逻辑。所以我们其实不用太担心。每个公司都有每个公司自己的战略。我们可以通过另外一种方式达成，在局部上比他拥有更强的优势，从而来战胜他。历史上有太多以少胜多的案例，就是这么来的。

▎AI科技评论：从业到现在，你有做过什么后悔的技术决策吗？

宋鸿涌：目前其实没有。如果说小的一些点，可能做实验这些肯定是有的。但大的判断其实一直没有错。从最早的强化学习，到在Kimi这个阶段很多大模型的判断，目前都是应验的。之前很有意思，有投资人用agent去看我之前知乎的所有文章，来对我做判断。他的agent得出的结论是，我做bet的成功率非常之高。

▎AI科技评论：我们聊下来，感觉你比较偏向于先做开源的具身大脑，吸引大家来共建。这是你理想的一种形态吗？

宋鸿涌：开源确实能让我们去构造这个社区，使得更多人投入进来。这很重要，是互利共赢的方式。开源也是一个构建影响力的很好的方法。

▎AI科技评论：如果走安卓的路线，其实早期也是找了很多大厂才推动起来的。

宋鸿涌：所以现在本质上，我们的模型是用在宇树上的。短期内会和宇树形成一种很强的绑定关系。但它就是所有人都很容易买到、能够直接使用的，所以它能很快推广。只要你的模型好，肯定有很多公司、实验室、学校都会去用它。

▎AI科技评论：所以我们可不可以理解为，宇树是你看好的一个类似手机厂商一样的角色，而你要在上面做属于你的安卓？只做大脑能盈利吗？

宋鸿涌：有点像，或者像GPU一样。他现在对我们来说就是基础设施。有这个基础设施，我们才能去做他的脑子，这节约了我们太多时间。如果我们现在从零开始做硬件，又要做模型，那可能就是很久之后的事情了。

只做大脑能不能盈利？我认为是有可能的，因为大脑价值更高。就像Windows操作系统，它是可以盈利的。未来也存在可能，你适配更多的本体，但大家都共用同一个脑子。我觉得有这样的先例，能够支持这样的潜在可能。但比如说我自己还更喜欢苹果，我喜欢垂直整合。所以从我们公司的战略上，我们最终一定是会自己去做的。

08

和宋鸿涌聊天是一件轻松的事。你抛一个问题，他不绕弯子，三两句就给你一个干净的判断；再往深处问，他又能把中间的推理链条给你跑一遍。

聊起少年时候的宋鸿涌，眼前会浮现一个泡在视频里的人。他的整套计算机知识都来自公开课，从斯坦福的早期课程、iOS 开发，到 C++、Java，再到强化学习的入门，全部是自学。他说自己游泳也是看视频学的：先看视频，再下水，下水之后再用强化学习修动作。这套“先 few-shot learning，再强化学习”的方法论，是他后来做学术、做工程、做机器人，唯一没换过的内核。

他做过四旋翼，做过游戏agent，但他自己很清楚，一旦认定机器人方向，比硬件更核心的是脑子。后来他在CVPR上发了那篇少样本学习的论文，发完之后又在知乎写了几年的深度强化学习内容，再后来维护了一个攒到近4万颗星的深度学习论文路线图。每一步看起来都很野生，但每一段都没有跑题。

2023年，他加入月之暗面。这家公司的气氛让他非常舒服：不设职级，没有 KPI，从创始人到普通同学都是member of technical staff，一起决策，共同推进。这也对他后来建立自己的公司带来不小影响。

2025年12月，他放弃了高额期权，从月之暗面离职。问他有没有犹豫，他给了同样很干净的答案：没有犹豫，时机已经到了。

于是就有了十六号机器人（XVI Robotics）。名字来自《龙珠》里的人造人十六号，他从头到尾没有伤过任何一个人，因为热爱和平。宋鸿涌说，做一家伟大的公司，前提是Don't be evil。公司的使命不是替代人类，是替人类去探索宇宙。

回过头看，宋鸿涌这个人的成长其实就是一条直线。少年时泡在视频里学游泳的那份专注，延续至今：他在海淀想开一家非常硅谷的公司，要做的是完全人形机器人，脑子要从合成数据里长出来，五年内要把机器人送上月球。每一个判断都很大，但他讲的时候语气平稳，像在讲一件他早已决定要做的事。

他说，希望理想主义能取得最终胜利。

上车，带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。