The Alphaist

1｜📒 The Alphaist 播客栏目介绍

《The Alphaist》 是一档由Alphaist Partners打造的深度对话栏目。 我们关注技术与创业的第一性原理，聚焦那些正在改变世界的早期创始人、工程师与产品探索者。

每期节目，我们会围绕一个具体的科技创业方向展开深度对话。在这里，我们不追热点、不讲空洞概念，而是用最真实的一线经验去回答创业者最关心的问题：什么值得做？为什么是现在？我们应该怎样做？

The Alphaist 相信：时代真正的机会，往往藏在那些不喧嚣、但正在被新技术、新需求、新产品悄然改变的新生领域。

我们希望用这档节目，陪伴新一代的 Alpha 创业者们，记录与见证那些改变世界的勇敢开始。

📢 我们建了一个 The Alphaist 行业交流群，希望聚集同频的一线工程师、研究者与创业者，在这里分享行业进展、一手消息，以及任何还没琢磨透的问题。为保持良好的社群氛围，入群需经过审核，点击链接填写申请问卷：alphaist.feishu.cn

2｜🤖 本期播客介绍

这是 The Alphaist × 晚点聊 LateTalk 联合推出的具身智能季报第三期。最近一个月，Peter 去了美国和欧洲，在匹兹堡参加了 IROS 2026，也和前沿实验室的研究者有了新一轮交流。

Q2 我们还在讨论大厂会不会下场做人形，转眼到了 Q3，搅动整个行业的却是一个并非为机器人开发的通用模型 GPT-6 Astra：在一些公开测试中，它在机器人任务上的成功率超过此前头部的具身模型。以 OpenAI 为代表的前沿实验室，正在先解决 AGI，再把 Physical AI 当作一个子问题来解决。

如果说 Q1 的关键词是「可实现」，Q2 是「从概念到产品」，Q3 的关键词也许是「重估」：具身模型公司的估值假设，以及它们在价值链上的位置，都需要重新审视。

26Q3 五大核心进展

① GPT-6 Astra：通用模型第一次在物理世界展示出可用的能力

过去大家认为语言模型缺乏空间和物理理解能力，所以需要专门训练的具身模型。而 Astra 的横空出世改变了这个判断：它能直接控制机器人，也能监督现有的 VLA，最具颠覆性的是能自己搭建仿真环境、调试策略，在物理世界里让 AI 训练 AI。这也让很多人意识到，通用模型可能比想象中强大得多。如果物理 AI 只是通用模型的一个子集，具身模型公司的估值假设就要重新审视，物理 AI 到来的时间也会因此提前。

② World Labs × AMD：82 亿美元，NeoLab 的一条现实出路

李飞飞创办的世界模型公司 World Labs 与 AMD 达成收购协议，交易以股票支付。World Labs 选择被收购，是因为在没有明确商业模式的情况下独立做前沿研究，要消耗大量算力，而 AMD 正好能提供；而对 AMD 来说，它缺少英伟达那样有口碑的研究实验室，收购正好能补上一个顶级的 Physical AI 实验室。这笔交易也给 NeoLab 提供了一个参照：中短期内，尽早与大厂结合可能是最现实的出路。

③ 宇树上市：在股价大起大落之后

宇树发行市值 600 多亿元，首日开盘冲到 4400 多亿，截至节目录制时又回落到 1700 多亿。这轮涨跌主要由新股炒作和短期资本推动，明年 8 月科创板解禁后，长期机构的去留会是更有参考价值的信号。从基本面看，上半年收入同比增长 48%，人形机器人出货占比大幅提升。Astra 冲击了具身模型公司的估值假设，对宇树这样的本体公司却是利好：通用智能越强，对扎实硬件的需求越大，就像 OpenAI 越强，英伟达的需求也越大。

④ GEN-1.5 与 Skild S1：in-context learning 进入具身模型

Generalist 和 Skild 先后展示了具身模型的 in-context learning 能力：不改模型参数，给一段示范就能学习新任务，训练中没见过的任务成功率也明显提高。过去把模型部署到新场景，要遥操作采集数据再做后训练，耗时几小时到一周，ICL 有望把这一步缩短到一段视频，因此在落地诉求更强的中国市场格外受关注。

⑤ 美国 FCC 新规：按产地限制境外生产的先进机器人

7 月底，美国 FCC 把境外生产的先进机器人纳入设备授权管辖，2 公斤以上、具备移动、感知、联网和控制能力的机器人都在范围内，按核心零部件产地认定。这类政策和关税一样，是短期、动态的。中国供应链的优势来自电子和汽车产业十几二十年的反复迭代，很难靠短期的限制性政策改变，即使要变，也需要很长时间。

深度探讨专题

— 具身公司的出路：划清边界，做好接口，守住闭环

通用模型变强之后，具身创业公司首先要想清楚边界：哪些能力通用模型已经能提供，哪些需要自己获得。在此基础上，未来通用模型会成为调度器，具身公司要做好接口，让自己能被反复调用，同时守住真正属于自己的闭环，比如触觉信息、工艺约束和持续积累的任务数据。

— 排队上市与「真实的收入」

宇树之后，排队上市的具身公司面临更严格的监管审视。当上市从手段变成目的，公司就容易为了收入去做违背行业发展规律的业务。扎实的收入应该来自与通用智能正相关的业务，比如服务通用智能公司的数据和硬件、更可靠的人形本体、更通用的灵巧手。

— Google 更早看到趋势，为什么率先带来冲击的是 OpenAI

2025 年初，Google 就把 Gemini Robotics 分成 VLA 和负责空间推理的 ER 两个版本，较早看到了通用模型在物理世界的潜力。率先带来冲击的却是 OpenAI，原因可能在于 Google 的组织惯性和资源分散，以及当时基座模型的差距。另一个可能的原因是，机器人经验越丰富的团队，对物理世界的复杂性越敬畏，接受新范式也越慢。

3｜🕙 时间轴

Astra 冲击：通用模型越过虚实边界

• 02:09 Q3 Top 5 进展或事件：Astra、World Labs 被收购、宇树 IPO 及连锁反应、上下文学习、FCC 禁令

• 04:07 GPT-6 Astra 从规划层走向机器人策略

• 12:12 IROS 晚宴上的 “降临派” vs “拯救派”

• 16:58 Astra 的三种用法：充当策略模型、监督纠偏策略模型、充当具身研究员（Physical RSI）

• 26:10 Astra 的能力从何而来？它们使用了何种特殊数据？

• 36:53 中国通用模型公司全面进入 Robotics

• 38:44 具身创业公司的自留地：接口、闭环、硬件与垂直场景

AMD 拟以 82 亿美元收购 World Labs：Neo Lab 的一次定价

• 44:33 World Labs 被收购：明星世界模型公司的一种结局

• 46:09 收购 SceniX，发布 Atlas，收购前的具身相关进展

• 53:20 “没见过神迹的人是不相信的”：Frontier Lab 与机器人从业者的认知断层

宇树上市与具身智能的金钱游戏

• 55:40 宇树 IPO：从 4400 亿到 1700 亿，估值锚如何变化？

• 57:20 Astra 之后，宇树硬件本体的价值反而增强

• 01:01:07 具身 IPO 集体暂缓，和市场期待错位

上下文学习，一个加速 “落地” 的好消息

• 01:10:37 上下文学习（ICL，in-context-learning）：数秒到数分钟的视频示范，免去数小时乃至数天的后训练

• 01:17:05 GEN-1.5 与 S1 的 ICL 实现有何不同

• 01:18:59 其他具身进展：DYNA 2.1、Gemini Robotics 2

• 01:22:55 Google 与 Optimus，当经验成为包袱

FCC：应对风险的方式之一是产能出海

• 01:28:40 FCC（美国联邦通信委员会）新政策限制哪些机器人？

• 01:32:42 短期美国仍可买进口中国旧型号机器人，长期的解法可能是产能出海

• 01:36:06 Q4 展望：Physical RSI、通用模型公司入场与组织重塑

4｜🅰️ 关于我们

Alphaist一周年：科技革命的黎明、与我们所信仰的Alpha创业者

如果你喜欢 The Alphaist 的播客内容，希望参与我们整个探索和创作过程，欢迎加入我们

微信公众号：Alphaist Partners

📬 商务合作 / 内容授权：[email protected]

🎙️ 收听渠道：小宇宙 / B站 / Apple Podcasts / Spotify / Youtube

关注我们：

🐦 X：Alphaist Partners

📖 小红书：Alphaist

在小宇宙查看该单集文稿

1｜📒 The Alphaist 播客栏目介绍

《The Alphaist》 是一档由 Alphaist Partners 打造的深度对话栏目。 我们关注技术与创业的第一性原理，聚焦那些正在改变世界的早期创始人、工程师与产品探索者。

每期节目，我们会围绕一个具体的科技创业方向展开深度对话。在这里，我们不追热点、不讲空洞概念，而是用最真实的一线经验去回答创业者最关心的问题：什么值得做？为什么是现在？我们应该怎样做？

The Alphaist 相信：时代真正的机会，往往藏在那些不喧嚣、但正在被新技术、新需求、新产品悄然改变的新生领域。

我们希望用这档节目，陪伴新一代的 Alpha 创业者们，记录与见证那些改变世界的勇敢开始。

📢 我们建了一个 The Alphaist 行业交流群，希望聚集同频的一线工程师、研究者与创业者，在这里分享行业进展、一手消息，以及任何还没琢磨透的问题。为保持良好的社群氛围，入群需经过审核，点击链接填写申请问卷：alphaist.feishu.cn

2｜🤖 本期播客介绍2.1 话题背景

小时候看完柯南，张笛照着凶手的作案手法复刻了一个蜡烛机关，结果烧掉了店里的一整柜手机。

这份“爱折腾”的底色，一路伴随他从大学打机器人比赛、到港科大读研调试方案时拆掉减速器的一次尝试、并就此萌生直驱创业的念头，直至创立本末科技这家公司。

在创业的早期阶段，本末经历过负债、扩张受挫、资金断档，但张笛始终保持乐观，也从未放下对直驱的坚持。

本期节目上线当天，也是本末科技在港交所挂牌上市的日子。Peter 将以最早投资本末的机构投资人身份，和张笛从爱折腾的少年时期讲起、探讨一家硬科技公司的经营之道，以及直驱在具身智能时代的位置。

2.2 本期嘉宾

• 张笛：本末科技创始人兼 CEO。2020 年创立本末科技，主打一体化直驱路线，致力于重构机器人关节动力系统。

2.3 讨论要点

我们将深入讨论：

• 直驱的起点：一个被客户指定方案拖住的外包项目，如何让张笛较真关节里的每个部件，最终认定减速器可以删除？

• 第一次失败与重启：第一次创业以负债收场，张笛如何归因早期的创业失败？一个力学出身、没有行业资源的年轻人，又靠什么让大客户相信直驱？

• 困境中的决策：TITA 这个名字，来自公司最艰难时的一段深夜偶遇；当董事会主张节流，张笛为何坚持以开源应对、不做大规模裁员？

• 从工程师到 CEO：当公司大到创始人已经认不全员工，他如何理解组织的自我意识？本末对“本”与“末”的理解又发生了怎样的变化？

• 具身时代的直驱：机器人大模型对关节提出了什么新要求？从波士顿动力到 Mini Cheetah，哪条技术路线真正改变了行业格局？

• 机器人的形态之争：机器人会以什么样的方式走进千家万户？如何看待人形机器人作为产品的前景？灵巧手的直驱化又处在什么阶段？

3｜🕙 时间轴

极客底色：从通信柜台到港科大

• 04:23 模仿柯南里「不在场证明」的制作手法，闯下童年最大的一次祸

• 08:10 一个无人机共享机场的点子，换来了李泽湘的 offer

直驱判断的起点：一次姿态控制实验

• 10:57 一篇让他不服气的论文，意外带来了一单外包

• 14:10 ⭐ 把关节里的零件挨个删一遍，哪一个删了，系统还能精准运动？

第一次创业的失败与重启

• 15:18 放弃北美读博后，他试过用机器人送麻辣烫、做美甲

• 19:28 ⭐ 账上没钱只是表象，他在第一次失败里看到了什么？

• 20:34 没设备、没案例、没人脉的行业 nobody，靠什么赢得大客户的信任？

• 22:44 力学出身，心里全是问号，他先去电机厂应聘了产线小工

疫情后的激进扩张与资金断档

• 25:28 拿到融资后的 2021 年，他坦言自己「飘了」

• 28:46 ⭐ 公司最难熬的时期，一次偶遇诞生了 TITA 这个名字

• 30:42 董事会劝他节流，他为什么始终没有大规模裁员？

从学生创业者到 CEO：组织、学费与价值观

• 35:48 出差回来，他发现公司里的人自己一个都不认识了

• 38:19 交付体系还不完善时，一位客户带着整个供应链团队上门

• 43:38 ⭐ 公司价值观，以及对“本”与“末”的重新理解

具身智能时代的直驱与轮足

• 46:48 ⭐ 具身大模型需要什么样的关节？

• 52:55 同样的性能，2023 款和 2025 款直驱产品差了多少重量？

• 55:50 机器人真要走进千家万户，大概率是“滚进去的”

• 58:54 谈到灵巧手的直驱化，他想起了《海贼王》里的一句话

4｜🅰️ 关于我们

Alphaist一周年：科技革命的黎明、与我们所信仰的Alpha创业者

如果你喜欢 The Alphaist 的播客内容，希望参与我们整个探索和创作过程，欢迎加入我们

微信公众号：Alphaist Partners

📬 商务合作 / 内容授权：[email protected]

🎙️ 收听渠道：小宇宙 / Apple Podcasts / Spotify

关注我们：

🐦 X：Alphaist Partners

📖 小红书：Alphaist

在小宇宙查看该单集文稿

1｜📒 The Alphaist 播客栏目介绍

《The Alphaist》 是一档由 Alphaist Partners 打造的深度对话栏目。 我们关注技术与创业的第一性原理，聚焦那些正在改变世界的早期创始人、工程师与产品探索者。

每期节目，我们会围绕一个具体的科技创业方向展开深度对话。在这里，我们不追热点、不讲空洞概念，而是用最真实的一线经验去回答创业者最关心的问题：什么值得做？为什么是现在？我们应该怎样做？

The Alphaist 相信：时代真正的机会，往往藏在那些不喧嚣、但正在被新技术、新需求、新产品悄然改变的新生领域。

我们希望用这档节目，陪伴新一代的 Alpha 创业者们，记录与见证那些改变世界的勇敢开始。

📢 我们建了一个 The Alphaist 行业交流群，希望聚集同频的一线工程师、研究者与创业者，在这里分享行业进展、一手消息，以及任何还没琢磨透的问题。为保持良好的社群氛围，入群需经过审核，点击链接填写申请问卷：alphaist.feishu.cn

2｜🤖 本期播客介绍2.1 话题背景

大疆 Pocket、马赫清洁机器人、水上机器人，这些都是 Matt 入行以来的代表作品，但尚不足以概括他对产品的哲思与创新之道。

Matt 的产品天赋，总是从对话间不经意涌出：从用户想要留住的 moment 出发，他相信 Pocket 必须极致便携；Pocket 的 0 到 1 告一段落后，他转向清洁机器人，看见算法、算力、传感器与执行器的共同进步正在抬高专用机器人的数据能力上限；成立 VoyaX ，他深知钓鱼为何能让人沉浸，从真实的作钓负担考虑，想象水上机器人的终局。

为什么选择水上赛道这样一个长期被欧美品牌主导的早期市场？成为 Founder 后，以往信奉的产品方法还成立吗？本期我们将和 Matt 一起，拆解他从定义产品到选择赛道、搭建组织的变化与坚持。

在 Matt 看来，水上机器人最终会让人更接近自己想成为的样子。他对 VoyaX 的想象也越过了一代产品与个人生命，希望它能为五十年后的 Voyager 留下一点星光。

2.2 本期嘉宾

• Matt：VoyaX 创始人兼 CEO。产品经理出身，大疆 Osmo Pocket 产品线创始人，开创口袋云台相机品类；21 年创办清洁机器人品牌马赫创新；24 年创办水上机器人公司 VoyaX，首款产品为搭载 XPDL 机器人系统的智能钓鱼艇 MOSSA。

2.3 讨论要点

我们将深入讨论：

• 新品类的起点：初代大型 Osmo 市场反馈不及预期，Matt 如何从 moment 重新推导 Pocket？

• 产品直觉的边界：当成熟的市场答案还不存在，如何回应“已有手机，为什么还需要 Pocket”的质疑？

• 三重赛道筛选：需求能否跨时间、跨地域，工程解法是否尚未收敛？

• 先成为用户，再选择 baby step：Matt 为什么从 kayak 和小型钓鱼艇进入，并把仍处早期的水上市场视为一次勇敢开始？

• XPDL 与 MOSSA 的双层闭环：技术中台、最终产品、自有品牌和开放系统如何协同？

• 水上机器人的技术与组织前提：新能源、感知、算法、执行、数据和可靠性如何共同推进？

3｜🕙 时间轴

从变形金刚到大疆：产品经理的形成

• 06:39 造出自动变形金刚后，发现自己是天生的产品经理

• 07:25 “在只有一次的人生中我不妥协”：为什么第一站选择大疆

已有手机，为什么还需要 Pocket：一个新品类的逆向推导

• 08:48 ⭐ 第一代 大型Osmo 失利后的重推导：先让 moment 被记录，再谈画质

• 11:50 已有手机，为什么还要 Pocket？过早回答商业终局，反而可能错过 timing

• 14:29 ⭐ Pocket 的另一种定义：拥有感知、算法与判断的摄影机器人

离开爆款之后：从 Pocket 到机器人创业

• 17:48 离开大疆：0 到 1 完成后，把位置交给更适合破圈的人

• 19:38 ⭐ 选择机器人赛道的三个条件：需求跨时间、市场跨地域、工程解法未收敛

为什么是水上：从场景选择到两张商业网络

• 22:42 XPDL 与 MOSSA 的分工：一个是机器人系统，一个负责产品落地

• 25:55 为什么选择水上：古老而全球的需求，尚未收敛的工程解法

• 27:16 直觉型产品经理：先成为用户，再做全行业研究

• 28:52 自有品牌 + 开放系统：用两张网覆盖 3600 万条小型船体

从水上机器人到钓鱼艇：工程闭环与用户价值

• 30:30 XPDL为何接近智能汽车：算法、感知、执行与数据形成完整闭环

• 31:49 ⭐ 水上机器人的工程门槛：失效成本决定今天，泛化能力决定明天

• 39:30 ⭐ 产品的终点：让钓手成为想象力中本该成为的样子

从 Voyager 到 VoyaX：向未知出发的公司路径

• 42:51 VoyaX 的来源：旅行者与航海家，共享向未知探索的精神

• 46:32 ⭐ 50 年产品标准：站在科技与人文的十字路口，让后来者仍为之惊叹

• 52:01 Bottom-up 的市场选择：资源有限时，在早期赛道建立壁垒和加速度

• 56:38 具身智能不是一个 tag：大脑、身体与数据并行，组织接口同样重要

4｜🅰️ 关于我们

Alphaist一周年：科技革命的黎明、与我们所信仰的Alpha创业者

如果你喜欢 The Alphaist 的播客内容，希望参与我们整个探索和创作过程，欢迎加入我们

微信公众号：Alphaist Partners

📬 商务合作 / 内容授权：[email protected]

🎙️ 收听渠道：小宇宙 / Apple Podcasts / Spotify

关注我们：

🐦 X：Alphaist Partners

📖 小红书：Alphaist

在小宇宙查看该单集文稿

1｜📒 The Alphaist 播客栏目介绍

《The Alphaist》 是一档由Alphaist Partners打造的深度对话栏目。 我们关注技术与创业的第一性原理，聚焦那些正在改变世界的早期创始人、工程师与产品探索者。

每期节目，我们会围绕一个具体的科技创业方向展开深度对话。在这里，我们不追热点、不讲空洞概念，而是用最真实的一线经验去回答创业者最关心的问题：什么值得做？为什么是现在？我们应该怎样做？

The Alphaist 相信：时代真正的机会，往往藏在那些不喧嚣、但正在被新技术、新需求、新产品悄然改变的新生领域。

我们希望用这档节目，陪伴新一代的 Alpha 创业者们，记录与见证那些改变世界的勇敢开始。

📢 我们建了一个 The Alphaist 行业交流群，希望聚集同频的一线工程师、研究者与创业者，在这里分享行业进展、一手消息，以及任何还没琢磨透的问题。为保持良好的社群氛围，入群需经过审核，点击链接填写申请问卷：alphaist.feishu.cn

2｜🤖 本期播客介绍

这是 The Alphaist × 晚点聊 LateTalk 联合推出的具身智能季报第二期。延续 Q1 的观点和预判，我们在 Q2 的尾声继续复盘具身智能领域最值得关注的技术进展与行业动态。

上一季度我们在结尾立了三个 flag：世界模型能否拿出超越 VLA 的进展、灵巧手会不会迎来更多成果、人形马拉松会不会从「搞笑」走向「竞技」。现在回看，可以说这三个判断都应验了。如果说 Q1 的关键词是「可实现」，Q2 的关键词就是「从概念到产品」：世界模型和灵巧手双线突破，人形机器人则以马拉松和物流直播两种方式强势闯入普通人的视野。

这一季度也出现了一个新的行业信号：人形机器人正在从「单一技术创业公司」的游戏，变成「大厂系统性作战」的游戏；而留给所有人下场的窗口，可能只剩一两个季度。

26Q2 五大核心进展

① 荣耀包揽人形机器人半马前三：大厂的组织力第一次在竞技赛场上被验证

冠亚季军，来自同一家手机大厂。荣耀为这场比赛定制了大扭矩电机，还设计了一套精密液冷机制，确保机器人在长时间高速跑动下，电机温度能够始终控制在低位，从而实现全程速度一致性。这说明，一支有高端制造经验、有组织能力的团队，在足够的资源密度下，可以很快拿出有竞争力的人形产品。

② Figure 直播分拣包裹：面向大众普及人形机器人的工业价值

三台 Figure 机器人连续「加班」工作了 200 个小时，分拣约 25 万个包裹，平均每分钟接近 21 件。物流分拣是一个绝佳的人形机器人落地场景：它需要一定的泛化和通用操作能力，又是一项重复枯燥、不适合人类长期承担的工作，且对非标包裹的拣选，正是过去「机器视觉 + 工业臂」的老技术栈很难流畅解决的，双臂加灵巧手的人形方案恰好填上了这一块缺口。

③ ICRA 灵巧手集中亮相：下一个竞争战场正在成形

ICRA 上多家中国厂商发布了高自由度灵巧手，其中舞肌二代手的首秀令人瞩目：它在不增加重量的前提下实现了更好的反驱性能，也大幅改善了散热。值得一提的是，过去一两个月，大量中美创业公司发布的灵巧操作模型都是基于舞肌的手完成的。灵巧手的发展已经历了三四十年，但始终缺乏一个低成本、高可靠、稳定的硬件基础设施，让研究者们可以快速实验和试错。如果一家公司能成为研究者的硬件底座，就有机会沉淀数据、形成生态。

④ 英伟达 Cosmos 3 ：世界模型从实验室走向工业级

Q1 提到的 DreamZero，仅仅是 GEAR Lab 内部一个小规模的实验室作品；而几个月后发布的 Cosmos 3，已经是一个产品级、大规模预训练的统一架构世界模型。与其说世界模型颠覆或超越了 VLA，不如说它给现有的 SOTA 模型带来了一种新的能力和思路——领先的 VLA 模型，正在用各自的方法把世界模型的能力接进自己的体系。世界模型也不容置疑地成为本季度国内最火的创业风口，多家今年才成立的公司已经快速成长为独角兽。

⑤ VLA 持续迭代 ：π0.7 与 Generalist GEN-1

Physical Intelligence 推出 π0.7、Generalist 推出 GEN-1，均让 VLA 的能力和叙事进一步延展，经典 VLA 的优势和劣势已经比较清楚：它本质上是带标注的行为克隆，而世界模型的长处则是对环境的预测与建模。这一季度，我们看到两条路线开始出现融合的迹象，VLA 模型在吸收世界模型的能力，而不是彼此替代。

深度探讨专题

— 宇树 IPO：给整个行业立下估值锚点

宇树这一季度科创板 IPO 过会，它是具身行业里少数处在基础设施位置、且遥遥领先的公司。在它上市之后，所有头部具身公司的估值，大概率都会被拿来和宇树对标。

— 全栈还是垂直，以及大厂下场的最后窗口

具身公司到底该做全栈，还是在一个垂直环节做到极致？本期节目提供了一个反直觉的观察：今天市值最大的几家公司，恰恰都不是全栈公司——英伟达不是，OpenAI、Anthropic 也不完全算是。关于全栈是不是终局的辩题，可能会演变为一场长期博弈，更紧迫的是时间：留给大厂下场的窗口，可能只有未来一到两个季度。

— 创业公司面临两难：在开源与寡头之间

具身模型的创业公司都在同时对抗两种模式的竞争：一边是最好的开源模型，大概率由英伟达这类公司提供，它们靠算力赚钱、不靠模型变现，所以乐于把模型免费放出来；另一边是最顶级的闭源模型，它大概率来自谷歌、阿里、字节、Anthropic 这些资源雄厚的寡头。

3｜🕙 时间轴

• 02:16 Q2 TOP 5 总览

• 06:40 人形马拉松，荣耀夺冠、大厂加码的先声

Figure 连续直播

• 14:19 物流，为何是人形机器人的好场景

• 20:41 遥操从不是争议点，是真实部署时的必要模块

• 24:46 星动纪元合作中国邮政，总结过往 to B 机器人的场景选择

• 28:17 数采范式的 3 次变化

灵巧手和灵巧操作

• 34:10 ICRA 最大亮点：舞肌等中国高自由度灵巧手

• 42:28 灵巧操作：Demo 很惊艳，技术在早期

• 52:57 直驱 vs 绳驱再讨论：大厂继续跟绳驱（Optimus），长期仍看好直驱

世界模型

• 01:02:22 英伟达 Cosmos 3：从生成视频到直接生成动作

• 01:08:15 具身的世界模型分类：3 个相交圆

• 01:13:29 世界模型投资热：大模型教会投资人的事，追逐智能

Gen-1、π0.7 和不在标签里的公司

• 01:19:19 π0.7：VLA 融合轻量世界模型

• 01:22:09 Gen-1：从头预训练，不被路线定义

• 01:24:54 美国硬科技公司必须极其差异化

• 01:28:04 Google 发布 ER1.6，OpenAI Robotics 团队官宣

更多讨论

• 01:37:18 智能部分是否赢家通吃？Omni 模型是个变量

• 01:42:08 “对长期不确定性探索的容忍度依然差”

• 01:47:13 下季度展望：终端大厂加快入场

4｜🅰️ 关于我们

Alphaist一周年：科技革命的黎明、与我们所信仰的Alpha创业者

如果你喜欢 The Alphaist 的播客内容，希望参与我们整个探索和创作过程，欢迎加入我们

微信公众号：Alphaist Partners

📬 商务合作 / 内容授权：[email protected]

🎙️ 收听渠道：小宇宙 / B站 / Apple Podcasts / Spotify / Youtube

关注我们：

🐦 X：Alphaist Partners

📖 小红书：Alphaist

在小宇宙查看该单集文稿

1｜📒 The Alphaist 播客栏目介绍

《The Alphaist》 是一档由 Alphaist Partners 打造的深度对话栏目。 我们关注技术与创业的第一性原理，聚焦那些正在改变世界的早期创始人、工程师与产品探索者。

每期节目，我们会围绕一个具体的科技创业方向展开深度对话。在这里，我们不追热点、不讲空洞概念，而是用最真实的一线经验去回答创业者最关心的问题：什么值得做？为什么是现在？我们应该怎样做？

The Alphaist 相信：时代真正的机会，往往藏在那些不喧嚣、但正在被新技术、新需求、新产品悄然改变的新生领域。

我们希望用这档节目，陪伴新一代的 Alpha 创业者们，记录与见证那些改变世界的勇敢开始。

📢 我们建了一个 The Alphaist 行业交流群，希望聚集同频的一线工程师、研究者与创业者，在这里分享行业进展、一手消息，以及任何还没琢磨透的问题。为保持良好的社群氛围，入群需经过审核，点击链接填写申请问卷：alphaist.feishu.cn

2｜🤖 本期播客介绍2.1 话题背景

当所有人都在谈论具身智能，地瓜选了一条反着走的路——不造机器人，给所有造机器人的人做智能底座。

这条路上，王丛经历了从几百人事业部裁到几十人的至暗时刻，走到今天带队拆分、累计融资 2.7 亿美金、出货数百万片的独角兽。

做机器人 Infra，会不会是下一个英伟达量级的机会？当业界都在追 VLA，地瓜为什么选择先做 VA，用 1/10 的成本达到同等效果？本期 Peter 从 6 年前的相识讲起，和王丛、隋伟一起还原这段创业史。

2.2 本期嘉宾

• 王丛：地瓜机器人 CEO。博士辍学的创业者，18 年加入地平线负责 AIoT 业务，23 年底带领机器人事业部独立拆分，目前 B 轮累计融资 2.7 亿美金。
• 隋伟：地瓜机器人算法技术副总裁。19 年加入地平线做 3D 视觉和智驾算法，23 年底加入地瓜机器人，负责消费机器人具身智能算法研发。

2.3 讨论要点

我们将深入讨论：

• 从地平线到地瓜：一个几百人的事业部如何经历至暗时刻，最终拆分为独角兽？
• 行业选择的底层框架：为什么“拧巴”是最好的决策指南针？创业公司应该去什么样的市场？
• 芯片公司的两种终局：英伟达在催生需求，大多数公司在满足需求，地瓜的选择是什么？
• VA vs VLA 路线之争：当行业都在搞 VLA，为什么地瓜认为 VA 才是现阶段最可靠的落地方案？

3｜🕙 时间轴

从辍学到地平线：王丛的创业底色

• 02:32 第一次创业：博士辍学，想尝试未知的东西
• 03:50 “ToB 的本质是高级外包”：高级外包活不久，往产品或往芯片的分叉时刻
• 05:23 无限游戏：找一件可以做 20 年、30 年的事

至暗时刻：裁员、疫情与战略收敛

• 06:55 “拧巴”是决策的指南针：与价值观冲突的事，再赚钱也不做
• 08:01 裁员的第二波冲击：客户恐慌、团队骑驴找马、疫情封控
• 10:15 ⭐ 销售行为不等于战略选择：未来客户不会用这代产品，不该选

从科沃斯到旭日3（X3）：产品迭代中的反身自省

• 21:24 如何评价自己的第一代产品
• 24:49 芯片公司的两种命运：催生需求 vs 满足需求
• 27:07 去没有标准的地方：A-player 客户是创业公司的望远镜

从事业部到独角兽的拆分时机

• 29:53 为什么边缘业务线长不出伟大公司
• 31:40 ⭐ ARM + Android vs 英伟达 ：机器人时代的操作系统之问
• 39:17 ⭐ 融资是最不重要的事

VA vs VLA：技术路线的反共识选择

• 44:08 ⭐ 机器人视角 vs AI 视角：具身不是单任务，而是通用智能终端
• 46:23 机器人 Infra 的终局有多大
• 52:11 ⭐ VA 的反共识落地：用 1/10 成本达到 VLA 同等效果

CEO 的进化：管理哲学与长期主义

• 58:21 和余凯的多年默契：追求因不追求果
• 01:02:05 ⭐ 带 action 的 ChatGPT：VL 和 A 打通的拐点

4｜🅰️ 关于我们

Alphaist一周年：科技革命的黎明、与我们所信仰的Alpha创业者

如果你喜欢 The Alphaist 的播客内容，希望参与我们整个探索和创作过程，欢迎加入我们

微信公众号：Alphaist Partners

📬 商务合作 / 内容授权：[email protected]

🎙️ 收听渠道：小宇宙 / Apple Podcasts / Spotify

关注我们：

🐦 X：Alphaist Partners

📖 小红书：Alphaist

在小宇宙查看该单集文稿

1｜📒 The Alphaist 播客栏目介绍

《The Alphaist》 是一档由Alphaist Partners打造的深度对话栏目。 我们关注技术与创业的第一性原理，聚焦那些正在改变世界的早期创始人、工程师与产品探索者。

每期节目，我们会围绕一个具体的科技创业方向展开深度对话。在这里，我们不追热点、不讲空洞概念，而是用最真实的一线经验去回答创业者最关心的问题：什么值得做？为什么是现在？我们应该怎样做？

The Alphaist 相信：时代真正的机会，往往藏在那些不喧嚣、但正在被新技术、新需求、新产品悄然改变的新生领域。

我们希望用这档节目，陪伴新一代的 Alpha 创业者们，记录与见证那些改变世界的勇敢开始。

📢 我们建了一个 The Alphaist 行业交流群，希望聚集同频的一线工程师、研究者与创业者，在这里分享行业进展、一手消息，以及任何还没琢磨透的问题。为保持良好的社群氛围，入群需经过审核，点击链接填写申请问卷：alphaist.feishu.cn

2｜🤖 本期播客介绍

这是 The Alphaist × 晚点聊 LateTalk 联合推出的具身智能季报第一期。从 2026 年 Q1 开始，我们每个季度都会分享具身智能领域最值得关注的技术进展与行业动态。

Peter 刚从 GTC 归国，带着一线见闻和理性洞察，他从第一性出发，提出了具身爆发的三大核心要素：硬件成熟 × 模型收敛 × 数据飞轮。在这场播客里，他和曼祺从第一季度的五大进展展开，依次剖析人形机器人本体、灵巧手、世界模型三条技术主线。具身智能已经从“不清晰的科学问题”来到了“可实现 → 可优化 → 可规模化”的拐点，这是一个让技术投资人真正兴奋的时刻。

26Q1五大核心进展

① 宇树 •G1 春晚表演：20 余台机器人实时完成高难度武术动作，验证的不只是「好不好看」，而是动捕与强化学习在2025年密集迭代的成果。

宇树的优势不是某一台机器跑得快，而是能复现。四足时代积累的百万台电机量产经验，是所有新进入者绕不过去的供应链护城河。宇树春晚之后推出的机器人租赁需求也印证了一点：供给驱动市场，只要产品稳定，收入自然来。但表演本质上是固定编排，宇树的操作能力几乎是空白——这是下一个真实战场。

②Sharpa • 灵巧手折纸风车：触觉进入训练循环，22 DOF 高自由度灵巧手代表全球 SOTA 水平。

灵巧手可能是这个季度最被低估的机会。当年 MIT Mini Cheetah 开源，催生四足机器人的繁荣，宇树在这波浪潮里沉默地做硬件，最后走得最远。如今全球研究人员的共识正在向灵巧手汇聚，谁能成为科研市场的「G1」，谁就能建立数据 + 生态的双重壁垒。但前提是足够克制——不要在商业闭环还未成熟时急着量产，否则就是重演「小鹏机器马」。

③ 英伟达 •DreamZero/DreamDojo：WAM 范式登场，用视频生成模型替代语言模型作为 backbone，但基座训练成本把创业公司排在了门外。

VLA 的本质是带标注的行为克隆，换个杯子颜色可能就失效。世界模型理论上限更高，但代价是指数级算力消耗——今天世界上最好的视频生成模型，是 YouTube、可灵（快手）、Seedance（字节），没有一家是创业公司。讽刺的是，全球几乎所有机器人视觉模型的底座，用的都是阿里开源的Wan 2.1，包括英伟达自己。创业公司的空间在：触觉融合、EGO-centric数据管道、场景级fine-tuning——大模型厂商不会帮你解决这些问题。

④ 银河通用 • 人形机器人打网球：机器人完成实时响应球路变化与全身协调挥拍，拓宽了行业对人形能力边界的想象。

网球是实时任务，每次球路都不同，无法预编排。这是目前人形在动态感知决策闭环上公开展示的最高难度任务之一。局限也很明显：依赖外部摄像头，不是on-device 算力。但计算机科学的逻辑是——先证明能做到，再谈怎么优化。这个 demo 拓宽了整个行业对人形能力边界的想象。

⑤ 波士顿动力 • 电动Atlas： 全身仅两种旋转电机，支持360° 旋转，左右腿可互换——美国缺熟练技工的制造业现实，直接写进了硬件设计哲学里。

波士顿动力的路线是「性能冗余 + 结构极简」，跟特斯拉 Optimus 选择高自由度腱绳的路线形成对照。Atlas 的 360° 腰部旋转意味着：机器人从北面转向南面，腰部旋转完成，腿不动。这是「超人形态」，不是仿人，是进化。

深度探讨专题

— 资本市场的A面与B面：泡沫在积累，但不是坏事

目前中国估值超 100 亿人民币的具身公司已超 20 家。相比之下，大模型最热时只有四五家。具身行业最头部的宇树年收入刚过2亿美元，而市场正在用远超大模型的热情定价它的未来。

— 端侧算力格局：英伟达的创新者窘境

英伟达在云端太赚钱，车载和机器人端侧的优先级内部排不上去。国产自动驾驶芯片公司在具身时代将是强有力的竞争者。

3｜🕙 时间轴

03:20Q1 TOP 5 进展
-宇树春晚表演，一致性
-Sharpa 灵巧手实机展示，长程任务组装风车
-英伟达发布DreamZero、DreamDojo，WAM（世界动作模型）而非 VLA
-银河通用机器人打网球
-波士顿动力新版电动Atlas

人形机器人丨中国
09:10 宇树春晚门道：25 年下半年新技术的集中展现，一致性是大亮点
18:20 宇树做科研市场，从来不被投资市场「喜欢」，但专注才造就 G1 的成功
22:35 王兴兴和汪滔：不极致，不成活；目前的智能能力不影响宇树整体竞争力
26:37 银河通用人形机器人打网球，Karpathy 说“这肯定是 AI 生成的”
32:29 双足价值再思考，波士顿动力 Stretch 机器人的启示

人形机器人丨美国
38:00 新版 Atlas：模块化设计、左右腿可互换，人形也可超人
40:45 Optimus Gen3 再延期，已缩水的 1 万台年产目标仍激进
43:14 Optimus 灵巧手，绳驱vs直驱：绳驱真符合“第一性原理吗”？
47:13 “浮夸”的 Figure 和它“浮夸”的创始人 Brett，顺势而为
51:15 美国本土供应链复兴有长期挑战
56:14 Pi、Sunday、Generalist；Sharpa 提出的三层架构：System2（低频、规划）、System1（高频、动作执行）、System0（触觉）

灵巧手创业友好，世界模型的底层属于大厂
01:05:24 灵巧手市场可能存在宇树在人形市场的 G1 机会
01:12:47 世界模型和英伟达的 WAM（DreamZero、DreamDojo）：不再以语言为底层
01:25:36 英伟达 EgoScale 数据框架 & 具身数据的金字塔
01:36:05 视频生成的底层更大厂友好，但世界模型也有创业公司：Rhoda AI 融了 4.5 亿美元

机器人端侧算力：越到新兴市场，英伟达统治力越弱
01:42:00 从云端→车载→机器人：英伟达 GPU 统治力逐步减弱，“创新者窘境”
01:44:45 国产芯片机会：地平线、地瓜在量产机器人市场领先
01:46:43 机器人终局可能高度集中

中国具身上市潮 & 下季度展望
01:52:17 宇树上市，是一家高质量公司的上市，不是泡沫
01:58:17 下季度展望：世界模型超越 VLA、灵巧手进展、马上举行的机器人马拉松比赛从“搞笑”走向竞技

4｜🅰️ 关于我们

Alphaist一周年：科技革命的黎明、与我们所信仰的Alpha创业者

如果你喜欢 The Alphaist 的播客内容，希望参与我们整个探索和创作过程，欢迎加入我们

微信公众号：Alphaist Partners

📬 商务合作 / 内容授权：[email protected]

🎙️ 收听渠道：小宇宙 / Apple Podcasts / Spotify

关注我们：

🐦 X：Alphaist Partners

📖 小红书：Alphaist

在小宇宙查看该单集文稿

1｜📒 The Alphaist 播客栏目介绍

《The Alphaist》 是一档由Alphaist Partners打造的深度对话栏目。 我们关注技术与创业的第一性原理，聚焦那些正在改变世界的早期创始人、工程师与产品探索者。

每期节目，我们会围绕一个具体的科技创业方向展开深度对话。在这里，我们不追热点、不讲空洞概念，而是用最真实的一线经验去回答创业者最关心的问题：什么值得做？为什么是现在？我们应该怎样做？

The Alphaist 相信：时代真正的机会，往往藏在那些不喧嚣、但正在被新技术、新需求、新产品悄然改变的新生领域。

我们希望用这档节目，陪伴新一代的 Alpha 创业者们，记录与见证那些改变世界的勇敢开始。

📢 我们建了一个 The Alphaist 行业交流群，希望聚集同频的一线工程师、研究者与创业者，在这里分享行业进展、一手消息，以及任何还没琢磨透的问题。为保持良好的社群氛围，入群需经过审核，点击链接填写申请问卷：alphaist.feishu.cn

2｜🤖 本期播客介绍2.1 话题背景

过去一年，AI音乐成为生成式AI领域最出圈的应用之一。Suno以2.5亿美金融资和超2亿美金年化收入领跑市场，吸引千万用户重新定义音乐创作。然而在这场AI音乐浪潮中，另一家公司选择了截然不同的路径——从专业音乐人的工作台切入，用"音乐人的Cursor"思路构建AI音乐的基础设施。

ACE，一家不到一年实现千万美元ARR的AI音乐平台，在2026年2月发布了面向消费级用户的ACE Music，并同步开源了接近Suno水平的音乐生成模型。创始人Joe提出了一个大胆判断：AI音乐的终极形态不是更高质量的统一生成，而是每个人都能创造自己个性化音乐的开放生态。

从专业工具到消费平台，从闭源模型到开放生态，ACE的路径选择背后藏着哪些对AI音乐未来的深层思考？

2.2 本期嘉宾

• Joe（郭靖）：ACE创始人兼CEO，连续创业者，2019年起深耕AI音乐领域，致力于用AI实现音乐创作的普惠化

2.3 讨论要点

我们将深入讨论：

• 专业工具的差异化：ACE Studio为何对标Cursor而非Suno？音乐人的IDE如何重塑创作工作流？
• 模型矩阵与数据壁垒：多个专有模型如何协同？万小时录音棚数据与千万首合成数据的训练逻辑
• Human in the Loop：内容创作无标准答案，AI的端到端与人的可控性如何结合？
• "新专业主义"：AI正在模糊专业与非专业的边界，谁是下一代音乐制作人？
• 开源与开放生态战略：为什么用"所有模型联合"打败封闭生态？Flux模式的启示
• AI音乐大于音乐：从工具升级到范式革命，音乐的创作、消费与分发如何被重构？
• 创业七年复盘：从战略失误到All In AI Music，一个中国创业者在LA的选择与坚持

3｜🕙 时间轴音乐人的Cursor：ACE Studio如何重塑专业创作

• 03:21 ACE Studio起点：解决专业创作者寻找歌声成本过高的问题，用AI生成专业级童声合唱
• 04:03 ACE Studio 2.0：整合歌声合成、乐器生成、端到端音乐生成，好莱坞制作人用它将创作效率提升10-100倍
• 05:01 ⭐ Cursor类比：ACE Studio是音乐人的IDE，human in the loop的创作方式；Suno更像Lovart，一键生成

Corner Case哲学：专业工具的护城河

• 07:05 专业产品的核心：覆盖更多corner case并整合为优雅工作流，需要对创作流程的深刻理解
• 08:03 插件生态：ACE Studio可桥接传统DAW，Suno Studio作为网页端无法实现
• 09:45 ⭐ 独特性是未来最重要的竞争力：当所有人都能高质量生成，可控的个性化表达才是关键

Human in the Loop：AI创作的边界与可能

• 11:18 ⭐ 摇滚乐思想实验：训练数据里没有的音乐类型，AI无法发明；强化学习无法奖励早期的划时代创新
• 13:04 照相机类比：照相机出现后画师从追求逼真转向现代主义、抽象主义等艺术风格

原子能力的涌现：ACE Studio 2.0与数据壁垒

• 13:44 涌现式创作：用户将vocal to MIDI、AI instrument、music enhancer等原子能力排列组合，产生全新工作流
• 15:40 ⭐ 模型矩阵：旋律识别、乐器合成、端到端生成、音轨分离等多个专有模型，音乐领域缺乏第三方模型倒逼自建壁垒
• 17:37 数据标注的know-how：用Audio LLM预标注2000万首歌，再用专业音乐人清洗——没有音乐背景的团队"相当于瞎子做图片模型"

新专业主义与商业验证

• 20:58 ⭐ "New Professionals"：钢琴琴童、音乐老师、业余乐队成员……AI让懂音乐的人都能成为制作人
• 23:09 市场天花板：2024年全球音乐专业软硬件市场150亿美金，ACE Studio下限吃下10%-20%
• 24:42 单位经济：推理成本约5-6%，营销成本约20%，年费$264

ACE Music：当AI让音乐实现普惠

• 29:33 ⭐ QQ音乐奇迹：高中生用AI创作的歌曲数周QQ音乐No.1，版权分成近500万人民币
• 30:42 AI音乐大于音乐：让人类几千年来用音乐表达情绪的方式真正普惠化
• 35:17 AI音乐是最接近"直出可消费"的AI内容形态，流媒体平台已在主动限制AI音乐供给
• 36:39 分发重构：版权成本是流媒体命脉，AI Remix改变消费方式，传统平台面临商业模式冲突

开源与开放生态：用所有模型联合打败Suno

• 42:04 ⭐ 开源+免费策略：模型可本地部署，3090显卡11秒生成一首歌
• 43:59 开放生态：整合自有、第三方、开源、闭源所有音乐模型，类比OpenRouter
• 46:03 Flux式商业模式：小模型免费传播→中模型商用授权→大模型闭源API
• 49:43 ⭐ 开源必追闭源：音乐模型非资源密集型，算法和数据创新是小公司超越大公司的关键

创业七年：从至暗时刻到All In AI Music

• 55:31 选择LA而非硅谷：靠近用户比靠近资本更重要，Studio City是全球音乐制作中心
• 58:14 ⭐ 创业初心：音乐不应是少数人垄断的高级形式，而是每个人表达情绪的方式
• 01:01:04 至暗时刻：2022年被其他项目分散精力，眼看Suno将自己的愿景做到世界级
• 01:02:26 All In决定：2024年初飞美途中十几小时讨论，砍掉所有项目只做AI Music

4｜🅰️ 关于我们

Alphaist一周年：科技革命的黎明、与我们所信仰的Alpha创业者

如果你喜欢The Alphaist的播客内容，希望参与我们整个探索和创作过程，欢迎加入我们

微信公众号：Alphaist Partners

在小宇宙查看该单集文稿

1｜📒 The Alphaist 播客栏目介绍

《The Alphaist》 是一档由 Alphaist Partners 打造的深度对话栏目。 我们关注技术与创业的第一性原理，聚焦那些正在改变世界的早期创始人、工程师与产品探索者。

每期节目，我们会围绕一个具体的科技创业方向展开深度对话。在这里，我们不追热点、不讲空洞概念，而是用最真实的一线经验去回答创业者最关心的问题：什么值得做？为什么是现在？我们应该怎样做？

The Alphaist 相信：时代真正的机会，往往藏在那些不喧嚣、但正在被新技术、新需求、新产品悄然改变的新生领域。

我们希望用这档节目，陪伴新一代的 Alpha 创业者们，记录与见证那些改变世界的勇敢开始。

📢 我们建了一个 The Alphaist 行业交流群，希望聚集同频的一线工程师、研究者与创业者，在这里分享行业进展、一手消息，以及任何还没琢磨透的问题。为保持良好的社群氛围，入群需经过审核，点击链接填写申请问卷：alphaist.feishu.cn

2｜🤖 本期播客介绍2.1 话题背景

从客服中心到 AI 陪伴，从游戏 NPC 到虚拟主播——语音正在成为人与 AI 交互的核心入口。Voice Agent 是 AI 领域正在快速升温的方向，而 TTS（文本转语音）模型是这一切的基础设施。

但一个尖锐的问题摆在所有语音创业公司面前：当 GPT-4o 这样的多模态大模型已经能"说话"，独立的语音模型还有存在的必要吗？大公司有万卡集群、有海量数据，小公司凭什么能赢？

Fish Audio 用12个月13倍增长、10M ARR 的成绩给出了答案。他们正在定义 AI Voice 2.0 时代——从企业配音工具到情感智能交互，从传统世界500强到 AI Native Apps 新势力。他们是如何从开源社区起步，打造出全球第二大 AI 语音平台？为什么说"高噪音数据往往是高表现力数据"？端到端架构如何把延迟压到100毫秒以内？本期我们将深入探讨。

2.2 本期嘉宾

- Rissa：Fish Audio 联合创始人兼 CEO，深耕开发者与开源社区生态，用 PLG 把技术真正推到用户手里， 把流量变现

- 冷月：Fish Audio 联合创始人兼首席科学家，前英伟达 Researcher，主导 Fish Speech 核心模型研发，专注把高表现力可控实时语音模型研发

2.3 讨论要点

我们将深入讨论：

- 增长密码：12个月13倍增长，从开源到10M ARR的 PLG 飞轮是如何转起来的？

- 护城河之争：语音模型会被多模态大模型"吸收"吗？为什么复杂情感控制的数据集构建极难，构成独特壁垒？

- 算力真相：大公司有万卡集群，但语音组往往只有几百卡——Fish Audio 已进入第一梯队

- 数据哲学：为什么说"高噪音数据往往是高表现力数据"？用原始分布训练踩过什么坑？

- 端到端信仰：每多一个模块就多一层限制，如何把延迟压到100毫秒以内？全双工模型是下一站

- AI Voice 2.0：从企业配音到情感陪伴，Elevenlabs 服务传统世界500强，Fish Audio 瞄准未来的世界500强

- 开源策略：开发者不相信 Demo，只相信代码——开源是分发护城河而非商业化链路

- 创始人故事：00后技术天才与连续创业者如何联手？危机中的成人礼与合伙人默契

3｜🕙 时间轴公司与产品

- 02:19 一句话定位：全球第二大 AI 语音生成平台，提供多语言 TTS 和高精度声音克隆

- 02:55 ⭐ 核心数据：12个月13倍增长，10M ARR，350万用户，月活超100万，1.1M 公开声音模型

- 03:46 S1模型：世界上第一个支持自然语言控制情感的 TTS 模型，S2即将完全开源

- 04:20 客户画像：Prosumer创作者 + API企业用户（占40%收入），涵盖AI陪伴、游戏NPC、内容平台、实时客服

技术路线与护城河

- 06:45 创业动机：市面上的 TTS 都不够自然，尤其句子长了之后变得单调

- 09:00 护城河判断：复杂情感控制的数据集构建极难，不会被多模态大模型轻易吸收

- 10:08 合成数据有毒：Low hanging fruit 会影响模型的表现能力和上限

- 12:27 ⭐ 算力真相：大公司万卡集群，但语音组往往只有几百卡，Fish Audio 已进入第一梯队

数据与训练

- 13:33 数据稀缺：高自然度、多音轨、情感丰富的语音数据在互联网上极其稀缺

- 15:42 投入规模：Q1Q2数据投入将达百万美金级别

- 15:56 踩坑经验：用原始分布训练导致播客能力强但动漫配音差，数据分布极其重要

- 19:00 ⭐ 反直觉洞见：高噪音数据往往是高表现力数据，人吵架时声音最有表现力

架构与延迟

- 19:48 三代架构：从古典 StyleTTS 到 Torus 架构，再到端到端语义+声学建模

- 22:31 ⭐ 端到端信仰：每个模块都在引入复杂性，限制模型能力和上限

- 23:08 延迟突破：端到端架构有望把延迟降到30-50毫秒

- 26:21 100毫秒目标：通过模块融合，用户停止说话到模型开口可压缩到100毫秒以内

S2模型与市场定位

- 27:47 S2升级：更精细控制、多说话人、更低延迟，完全重构数据管线

- 31:44 模型矩阵：不同场景匹配不同模型，S2 Flash 针对低延迟客服场景，S2 Pro 针对高表现力场景

- 33:33 AI Voice 1.0→2.0：从企业配音到情感交互，Fish Audio 瞄准未来世界500强

- 33:45 ⭐ 差异化定位：更有趣的声音，更有灵魂的声音，服务快速发展的 AI native apps

增长飞轮

- 34:36 PLG起源：从开源社区到创作者平台，团队 DNA 决定了 bottom-up 路径

- 36:12 Slack式增长：开源用户觉得好用，介绍给公司签 enterprise contract

- 37:49 UGC激励：创作者的声音被使用，可获得30%的付费 Token 分成

- 38:20 ⭐ 飞轮案例：阿拉伯王子去世引发克隆潮，带动阿拉伯语模型性能爆发

开源与商业化

- 39:55 多重护城河：UGC音色、RLHF后训练、高效架构、开源分发形成闭环

- 41:05 开源DNA：团队源自开源社区，擅长用开源获取流量

- 41:36 ⭐ 金句：开发者不相信 Demo，只相信代码，开源是分发护城河而非商业化链路

- 42:12 商业化边界：开源让你能用能测，闭源模型才能让你规模化上线赚钱

产品深度与未来规划

- 43:16 Fish Studio：服务专业内容创作者，多轨编辑、精细情感控制、Lip Sync

- 46:23 产品驱动研发：用户需求驱动模型能力迭代，word-level timestamp、视频配音等

- 47:58 全球化战略：日韩市场独特机会，多语种支持是战略重点

- 51:25 18个月目标：50-100M ARR，多模态平台，年底模型能力超越99%配音演员

创始人故事

- 52:56 Rissa 加入：从 Growth Advisor 到全职 CEO，命运的驱使

- 56:34 冷月创业历程：从英伟达离职，开源社区起步，引入 Rissa 完成分工

- 59:01 ⭐ 危机与成长：股权结构问题、老股东 Block 融资，两个月完成公司重组

- 01:00:48 合伙人关系：手牵手、背靠背，危机中建立信任和默契

团队与文化

- 01:03:06 选合伙人：技能互补、看 Track Record、健康的 Vesting Schedule

- 01:04:27 人才吸引力：Hidden Gem、Entrepreneur 型人才、给足 Ownership 和 Upside

- 01:06:24 技术人才招募：开源社区深耕，Work Trial 筛选，给足计算资源和方向自由度

- 01:09:22 ⭐ 长期愿景：让 Fish Audio 成为每个普通人的内容创作工具，一步步走向 AGI

4 ｜🅰️ 关于我们

Alphaist：一家生于 2025 的美元新基金，和它的十年赌局

如果你喜欢 The Alphaist 的播客内容，希望参与我们整个探索和创作过程，欢迎加入我们：加入我们｜品牌内容负责人/实习生招聘中

微信公众号：Alphaist Partners

在小宇宙查看该单集文稿

1｜📒The Alphaist 播客栏目介绍

《The Alphaist》 是一档由Alphaist Partners打造的深度对话栏目。 我们关注技术与创业的第一性原理，聚焦那些正在改变世界的早期创始人、工程师与产品探索者。

每期节目，我们会围绕一个具体的科技创业方向展开深度对话。在这里，我们不追热点、不讲空洞概念，而是用最真实的一线经验去回答创业者最关心的问题：什么值得做？为什么是现在？我们应该怎样做？

The Alphaist 相信：时代真正的机会，往往藏在那些不喧嚣、但正在被新技术、新需求、新产品悄然改变的新生领域。

我们希望用这档节目，陪伴新一代的 Alpha 创业者们，记录与见证那些改变世界的勇敢开始。

📢 我们建了一个 The Alphaist 行业交流群，希望聚集同频的一线工程师、研究者与创业者，在这里分享行业进展、一手消息，以及任何还没琢磨透的问题。为保持良好的社群氛围，入群需经过审核，点击链接填写申请问卷：alphaist.feishu.cn

2｜🤖本期播客介绍

过去一年，具身智能是整个科技行业最热的领域之一。但如果我们仔细观察各种酷炫的视频，会发现大部分机器人做的是跳舞、拳击这样的全身运动，或者相对简单的抓取跟搬运——真正精细的操作任务依然非常少见。

原因很简单：腿的问题基本解决了，但手的问题还远远没有解决。

灵巧手是具身智能的最后一公里。没有一双足够灵巧、足够可靠的手，机器人无法真正进入广泛的应用场景。但灵巧手为什么这么难？直驱和绳驱之争谁会胜出？Sim2Real的gap真的可以消除吗？数据采集的终局方案是什么？

本期嘉宾：

- 潘韫哲：舞肌科技创始人，95后，UIUC本科毕业后创业，从高扭矩电机转型到灵巧手，一年多时间打造出惊艳市场的20自由度直驱灵巧手

我们将深入讨论：

- 技术路线之争：为什么放弃仿生的绳驱方案，选择"反直觉"的直驱？

- Sim2Real的秘密：直驱灵巧手如何实现仿真曲线与真实曲线"完全吻合"？

- 热管理真相：直驱发热是偏见还是事实？功率密度比GPU低2-3个量级意味着什么？

- 可靠性圣杯：为什么说可靠性是灵巧手最被低估但最困难的问题？

- 数据采集终局：为什么传感器应该都在手套上，而不是灵巧手上？

- 大模型信仰：足够多的数据+统一大模型，能否让一切"奇技淫巧"变得不值一提？

- 特斯拉迷思：为什么说Optimus的灵巧手"deliver的东西配不上关注度"？

3｜🕙时间轴

创业与转型

- 03:18 灵巧手初探：18年在家尝试做灵巧手，发现技术不成熟果断放弃

- 03:41 转型因素：电机公司招人困难、确认市场存在空白、技术有可行性

- 07:19 转型是无知无畏：初始团队没有能力做灵巧手，但值得开始

- 10:52 好灵巧手的定义：以人手为参照，各维度都不能有短板

选择直驱路线

- 12:26 不选绳驱的原因：电机数量翻倍、仿真困难、腱绳有蠕变问题

- 15:44 Sim2Real的突破：系统辨识后仿真曲线与实际曲线"几乎完全吻合"

- 18:11 热管理真相：热功率密度比GPU低2-3个量级，散热要求"其实并不高"

产品设计哲学

- 21:02 负载优先级：力够用就好，尺寸>重量>负载

- 22:51 可靠性圣杯：灵巧手最被低估但最复杂最困难的问题

- 26:16 质量体系：可靠性部门应在产品设计阶段就深度介入

- 27:18 落地瓶颈在数据：从最容易规模化的角度设计数据采集设备

市场格局

- 33:41 分水岭：25年商业化是伪需求，26年底会形成真正的生态和应用雏形

- 34:53 护城河：直驱方案做好很难，绳驱的固有问题无法解决

- 38:04 选择20自由度：砍掉的两个自由度"太不重要"

- 39:40 大模型信仰：相信足量数据和大的模型能直接搞定灵巧操作

发展路径

- 42:21 公司定位：解决灵巧手落地路上"最困难的问题"

- 45:35 三阶段路线：从科教和算法公司到工业渗透，再到消费级渗透

- 46:23 成本终局：长期会接近智能手机价格，但"智能才是最大限制因素"

- 48:47 海外布局：探索型需求非常旺盛，但是交付需求的能力是瓶颈

成长故事

- 49:39 学习方法：不服输，并且调动所有资源干中学

- 52:20 舞肌团队气质：充分理解事情 context 并做出好决定

- 57:35 融资经历：研发耗钱但没融过特别大的钱，有资源可以做得更好

- 59:27 最大的教训和收获：之前节奏不够快，应该激进布局和 scaling

4 ｜🅰️ 关于我们

Alphaist：一家生于2025的美元新基金，和它的十年赌局

如果你喜欢The Alphaist的播客内容，希望参与我们整个探索和创作过程，欢迎加入我们：加入我们｜品牌内容负责人/实习生招聘中

微信公众号：Alphaist Partners

在小宇宙查看该单集文稿

1｜📒The Alphaist 播客栏目介绍

《The Alphaist》 是一档由Alphaist Partners打造的深度对话栏目。 我们关注技术与创业的第一性原理，聚焦那些正在改变世界的早期创始人、工程师与产品探索者。

每期节目，我们会围绕一个具体的科技创业方向展开深度对话。在这里，我们不追热点、不讲空洞概念，而是用最真实的一线经验去回答创业者最关心的问题：什么值得做？为什么是现在？我们应该怎样做？

The Alphaist 相信：时代真正的机会，往往藏在那些不喧嚣、但正在被新技术、新需求、新产品悄然改变的新生领域。

我们希望用这档节目，陪伴新一代的 Alpha 创业者们，记录与见证那些改变世界的勇敢开始。

📢 我们建了一个 The Alphaist 行业交流群，希望聚集同频的一线工程师、研究者与创业者，在这里分享行业进展、一手消息，以及任何还没琢磨透的问题。为保持良好的社群氛围，入群需经过审核，点击链接填写申请问卷：https://alphaist.feishu.cn/share/base/form/shrcn8vew7eoXd6Vk8VPjrIXJAN

2｜🤖本期播客介绍

2024年11月，三家硅谷公司几乎同时投下重磅炸弹：Generalist AI 宣称找到了机器人领域的 Scaling Law，Physical Intelligence 发布了能从错误中学习的 π0.6，Sunday Robotics 用一只200美元的手套重新定义数据采集。

这不是巧合，而是一个信号——具身智能可能正在逼近它的"ChatGPT时刻"。

但真相远比Demo复杂：27万小时数据够不够？机器人真的会涌现吗？为什么"端到端"让工程师又爱又恨？当硅谷还在Research Lab模式里探索时，中国公司已在问"三年内能做什么产品"——谁会笑到最后？

本期嘉宾：

• 冯思远：Toyota Research Institute 研究员，Diffusion Policy 联合作者

• 俞冠廷 (Peter Yu)：XYZ Robotics CTO

• 张强 (Jony)：国地共建具身智能机器人创新中心首席研究员

我们将深入讨论：

• Scaling 的信仰：Generalist 声称找到 Scaling Law，但怎样定义Scaling Law？

• 从模仿到经验：Physical Intelligence 为什么让机器人"从错误中学习"？

• 数据革命：Sunday 的三指手套能否打破数据采集瓶颈？

• Evaluation 困境：没有公认的 Benchmark，我们怎么知道在爬“正确”的山？

• 形态之争：为什么三家最前沿的公司都选择了"非人形"？

• 中美路径：Research Lab vs 产品导向，哪种模式更适合探索期？

3｜🕙时间轴

研究范式转变

• 05:12 范式转向：Diffusion Policy让监督学习"又可以了"，完美接上LLM趋势

• 07:53 工程务实：Right tool for the right job，VLA每次evaluate都很expensive

• 08:28 端到端代价：模块化可以写Spec做Unit Test，VLA只能说"大概能跑"

• 10:34 意外的跨界：π0.6出来后，来讨论的反而是自动驾驶的人——他们每天能用的数据不到1%

Generalist：Scaling的信仰

• 12:04 Bet against Scaling Law，基本上不是一个好主意

• 12:58 Evaluation困境：没人知道task长什么样，没人能复现任何实验

• 15:18 数据质量的隐忧：两只手夹爪做daily life，但工业场景用吸盘吸箱子——这很难transfer

• 17:07 Harmonic Reasoning：可能是observation和action同步predict，不是新想法，但工程实现很难

Physical Intelligence：从错误中学习

• 21:21 路径转变：采了很多数据后发现光靠现有的数采方式纯怼pretraining还是不够的，开始转向Post-Training

• 22:32 Language Model的启发：数据飞轮到瓶颈后，RL是更好利用数据的方式

• 26:12 经验学习：不只学对的，从错误中也能学——看别人失败的视频也能学开车

• 26:47 RECAP的聪明：把问题切得很好，每部分都stable，接起来就好用

Sunday：数据采集革命

• 27:48 200美元手套：Skill Capture Glove让普通人在家就能采集数据

• 28:50 两指到三指：三指是复杂度和通用性的最佳平衡点

• 31:03 Long Horizon的真相：线性"长程任务"只是model prediction，分支场景才有挑战

• 33:02 范式跃迁实证：Dishwasher demo从"10人1年"变成"1人1周"

中美格局与Evaluation

• 34:17 路径分野：国内注重落地和system，硅谷像OpenAI一样"不落地"做Research

• 36:37 机器人特殊性：causal system无法做offline benchmark，线上evaluation成本太大

• 37:51 国家标准的尝试：中国已有具身智能相关团标和国标，但"通用"这个东西太难定义

• 39:23 评测悖论：用uncertain的世界模型去评测uncertain的policy，是否合理？

具身形态与落地

• 42:19 迭代速度优先：形态次要，关键是"怎么加快迭代速度"

• 43:22 硬件是天花板：想法验证阶段把天花板定太低是不利的

• 45:02 Superhuman才有价值：搬更重、看更精、天上飞、水下游——要有differentiation

• 49:19 殊途同归：工业派心里都有走向家庭的梦想，南坡北坡都在攀登同一座山

• 50:56 PC类比：最早的PC也没定义用户任务，卖给Developer让他们自己想

未来预测

• 57:18 乐观派：三年内会出现具身的ChatGPT时刻

• 58:02 谨慎派：周期性过程，最近两年轻算法偏工程

• 59:18 建设派：真正产生value要10年，一半以上问题跟硬件有关

4 ｜🅰️ 关于我们

Alphaist：一家生于2025的美元新基金，和它的十年赌局

如果你喜欢The Alphaist的播客内容，希望参与我们整个探索和创作过程，欢迎加入我们：加入我们｜品牌内容负责人/实习生招聘中

微信公众号：Alphaist Partners

在小宇宙查看该单集文稿