心智觀察所：在具身智能領域中國不一定是落后的，可能在有一些地方我們和西方是齊頭并進，或者我們已經(jīng)在某種程度上領先了。目前西方有沒有做同類的競品？

李治軍：這個問題實際上投資人問過我們好多次。就我所研究的智能機器人操作系統(tǒng)而言，目前國內外明確發(fā)布的同類系統(tǒng)還不多見。像iOS這樣明確公布的手機操作系統(tǒng)，在機器人領域尚未出現(xiàn)明確的同類發(fā)布，但確實有一些解決方案出現(xiàn)，有些可能通過模型或多種模型融合的方法來實現(xiàn)。

國外在這方面有一些公司，比如Figure AI，我們主要是對標他們。Figure AI在多機型協(xié)作和場景理解等方面表現(xiàn)出色，他們的多機器人協(xié)作視頻展示了機器人之間流暢的動作和對環(huán)境的高效執(zhí)行能力。我們的團隊希望通過系統(tǒng)層面的解決方案，結合模型能力來實現(xiàn)類似的效果，而Figure AI則更多是從模型的角度出發(fā)。我相信他們也會逐漸結合系統(tǒng)能力來發(fā)展。

實際上，具身智能可以被描述為一個三角關系：硬件本體、系統(tǒng)和算法模型。這三者缺一不可，最終需要建立一個具有生態(tài)的平臺?；蛟S可以把這個結構看作兩者的結合，一部分人做硬件，另一部分人做系統(tǒng)和模型的結合。Figure AI在這方面做得很好，值得我們學習，他們的成長速度也非?？臁?

心智觀察所：您提到的“本體、算法、系統(tǒng)”需要協(xié)同工作，這讓我想到硬件和軟件的軟硬協(xié)同。您團隊成員來自不同學科背景，他們如何協(xié)作？他們的學科背景是什么？又是如何加入您的團隊的？

李治軍：我的團隊主要由學校的團隊和外部合作人才構成。最初，我專注于操作系統(tǒng)，隨著人工智能的興起，我們意識到必須與人工智能領域的人才結合。

因此，團隊中有一部分人是做模型的，包括大模型、小模型，涉及機器人控制、強化學習等。雖然我們不可能成為所有領域的專家，但必須了解模型的特性，以便選擇合適的模型并與系統(tǒng)集成，實現(xiàn)垂直整合。

學校團隊以系統(tǒng)為核心，成員包括我指導的碩士、博士以及年輕教師。他們一直跟隨我從事操作系統(tǒng)的研發(fā)工作。我們還刻意補充了與模型相關的人才，特別是自然語言處理和視覺理解模型方面的人才，以便更好地理解和處理場景信息。

在機器人領域，硬件耦合是不可或缺的。我們需要兩類硬件相關的人才。一類是算力人才，他們要懂計算機中的CPU、GPU、網(wǎng)絡、I/O等，并能夠與機器人本體各關節(jié)貫通。

另一類是機械人才，他們要懂機器人的關節(jié)自由度和機械結構。雖然我們不直接從事機械設計，但需要將機器人的機械能力抽象為計算能力，以便與機器人廠商進行有效對接。

總的來說，我們的團隊由四部分組成：以系統(tǒng)為核心的人才、模型相關人才、算力人才和機械人才。這種多元化的團隊結構有助于我們在機器人操作系統(tǒng)和人工智能領域進行深入研究和開發(fā)。

心智觀察所：您提到北京舉辦的人形機器人馬拉松大賽，這是全球首個此類賽事。網(wǎng)友評價褒貶不一，有人批評機器人摔倒、外觀丑陋。作為創(chuàng)業(yè)者，您如何應對這些負面聲音？

李治軍：我作為老師，最近的相關認知有所改變。大眾希望產(chǎn)品一開始就完美，但技術發(fā)展需要迭代。早期手機、PC雖不完美，但不斷改進才有了今天的產(chǎn)品。創(chuàng)業(yè)者要敢于展示不完美的產(chǎn)品，接受質疑，并持續(xù)改進。

愛因斯坦曾講過三只小板凳的故事，前兩只雖粗糙，但不可或缺。這種精神對社會很重要。機器人發(fā)展也是如此，當前的不足是迭代過程的一部分。

心智觀察所：如果將人形機器人發(fā)展比作馬拉松，目前進展如何？距離終點還有多遠？

李治軍：若以人類身體能力為終點如奧運會展現(xiàn)的優(yōu)美運動能力，當前的機器人還處于極早期階段。這段距離看似漫長，但科技正在加速迭代。例如，大模型顯著提升了藥物研發(fā)效率，量子計算等領域也逐步突破。盡管前路遙遠，但科技爆發(fā)可能大幅縮短進程。保守或樂觀估計，未來10年內或將迎來顛覆性變化。

心智觀察所：在人形機器人賽道創(chuàng)業(yè)困難漫長，但值得堅持。作為創(chuàng)業(yè)者，持續(xù)馬拉松需要哪些支持和陪跑者？

李治軍：人形機器人是人工智能時代的典型代表。人類文明的核心在于智能，若機器人或其他智能體能發(fā)展成熟，或將推動社會進入全新階段。

例如，未來機器人可能自主制造火箭，甚至開拓宇宙文明——這將是人類未曾設想的全新世界。當然，如此宏大的命題需要全方位投入。以手機為例，從諾基亞功能機到智能終端，背后是基礎設施、人才、資本等系統(tǒng)性工程。而人形機器人的發(fā)展涉及更復雜的鏈條：政府需引導方向，資本需保持耐心，科技工作者需持續(xù)創(chuàng)新，甚至需聯(lián)動職業(yè)教育。例如，我們正推動高中生參與具身智能數(shù)據(jù)采集——如同互聯(lián)網(wǎng)依賴海量數(shù)據(jù)，物理模型也需要更多真實世界的數(shù)據(jù)支撐。唯有全社會協(xié)同“陪跑”，這一目標才可能實現(xiàn)。

心智觀察所：我們深知商業(yè)的基本邏輯始終圍繞企業(yè)發(fā)展與成長的目標。而作為教授或技術理想主義者，如何平衡日常工作中的企業(yè)增長需求與技術的持續(xù)迭代發(fā)展，這也是我們需要探討的核心命題。

李治軍：這確實是一個值得深入討論的矛盾點。以學術界為例，部分發(fā)表高質量論文的學者，其研究成果往往過于超前，難以實現(xiàn)產(chǎn)業(yè)化轉化。這種現(xiàn)象并非負面，而是社會現(xiàn)實的客觀呈現(xiàn)——例如產(chǎn)出千余篇論文中，可能僅有一兩篇最終實現(xiàn)產(chǎn)業(yè)化。但需注意的是，若沒有這千篇的基礎積累，那一兩篇突破性成果也難以誕生。

另一現(xiàn)象是，部分學者與企業(yè)合作緊密，產(chǎn)業(yè)化成果顯著，卻難以產(chǎn)出創(chuàng)新性論文。這反映出社會整體對創(chuàng)新缺乏耐心。從長期視角看，千篇論文中必有一篇具有應用價值，因此無需過度糾結當下研究是否“有用”。關鍵在于保持長期主義，也就是允許階段性成果發(fā)表并獲取反饋，同時堅信最終能產(chǎn)出真正有價值的成果。但需警惕為發(fā)論文而發(fā)論文、為創(chuàng)新而創(chuàng)新的形式主義。

企業(yè)層面也是這樣。若僅追逐短期利益，榨取客戶現(xiàn)有價值，是難以持續(xù)的。真正吸引用戶的是通過創(chuàng)新創(chuàng)造的深層價值。例如早年操作系統(tǒng)研發(fā)因周期長、見效慢而難獲投資，但如今企業(yè)逐漸意識到，僅優(yōu)化表層交互無法顯著提升體驗，底層技術創(chuàng)新才是關鍵。

當下趨勢已顯現(xiàn)融合的可能性。以人形機器人為例，若僅強調運動性能如馬拉松而忽視工業(yè)場景應用，或僅專注替代工人而缺乏技術創(chuàng)新，均不可持續(xù)。大模型的發(fā)展則提供了創(chuàng)新范式——企業(yè)通過行業(yè)應用反哺技術創(chuàng)新，形成良性循環(huán)。這種產(chǎn)研耦合或將成為未來創(chuàng)新與產(chǎn)業(yè)結合的主流模式。

心智觀察所：您多次提及“耐心”，近年來“耐心資本”概念備受關注。作為創(chuàng)業(yè)者，您是否獲得了這類資本支持？

李治軍：感謝投資人的支持。我們剛完成天使輪融資，后續(xù)還將追加投資。具身智能操作系統(tǒng)項目在投決會上確實存在爭議——部分投資人質疑操作系統(tǒng)盈利模式，畢竟Windows主要依賴Office盈利，安卓通過應用生態(tài)創(chuàng)收，鴻蒙系統(tǒng)研發(fā)投入超百億卻難直接變現(xiàn)。但最終項目仍獲通過，尤其某資深投資人力排眾議，認為這代表未來方向。正是這種真正具有耐心的資本支持，才讓公司得以成立并發(fā)展至今。

操作系統(tǒng)賽道投入產(chǎn)出周期極不匹配已是行業(yè)共識。以Windows和鴻蒙為例，前者研發(fā)需數(shù)千人團隊，后者投入高達數(shù)百億。機器人操作系統(tǒng)同樣面臨商業(yè)變現(xiàn)難題，許多投資人直言難以盈利。但那位堅持投資的前輩認為，這正是“做難而正確的事”的價值所在。這種對技術長期價值的篤信，體現(xiàn)了資本市場的成熟度提升，也反映出社會對深層創(chuàng)新的期待。

心智觀察所：我們觀察者網(wǎng)總部位于長三角地區(qū)的上海，了解到長三角國家技術創(chuàng)新中心與您有合作。能否簡要介紹您與他們的合作模式？

李治軍：長三角國家技術創(chuàng)新中心是國家級重要創(chuàng)新平臺。其核心任務是通過項目孵化和對接創(chuàng)新資源，支持推動科技成果與產(chǎn)業(yè)化結合。長三角國創(chuàng)中心對我們的支持主要體現(xiàn)在兩方面。

第一方面是資金支持。我們的項目經(jīng)過國創(chuàng)中心的嚴格遴選，獲得其直接投資，以天使輪注資形式完成，這既是對項目的認可，也為項目的早期發(fā)展提供了關鍵助力；

然后還有資源對接。長三角國創(chuàng)中心構建了創(chuàng)新資源、研發(fā)載體和產(chǎn)業(yè)需求的創(chuàng)新體系和生態(tài)，因此中心為我們鏈接了豐富的客戶、行業(yè)應用場景等資源，并提供市場推廣等服務，全方位助力企業(yè)成長。這種支持對初創(chuàng)企業(yè)的技術落地和市場化至關重要。

心智觀察所：您始終關注青年成長與教育。對于希望進入具身智能領域的年輕人或選擇相關專業(yè)的學生，您有何建議？

李治軍：用一句話概括：具身智能是代表未來的前沿領域，充滿挑戰(zhàn)與機遇。我不僅要求自己的碩博團隊全面轉向該方向，還通過講座向高中生、大學生普及其重要性。

人工智能已深入社會生活如語音交互普及，而具身智能則更進一步——它將數(shù)字智能與物理世界結合，通過物聯(lián)網(wǎng)、機器人等技術實現(xiàn)環(huán)境感知與實體操控。這種“數(shù)物融合”的特性使其成為極具價值的賽道。無論是高校新生還是從業(yè)者，都應積極投身這一領域，把握創(chuàng)造巨大價值的機遇。

心智觀察所：您研發(fā)的操作系統(tǒng)作為微觀載體，與宏觀的物聯(lián)網(wǎng)生態(tài)有何關聯(lián)？當前中國在具身智能和AI基礎設施方面處于何種發(fā)展階段？需要哪些力量共同推動？

李治軍：物聯(lián)網(wǎng)的本質是物理世界的數(shù)字化、網(wǎng)絡化與智能化。我選擇操作系統(tǒng)作為切入點，因其是連接硬件與應用的底層核心，正如互聯(lián)網(wǎng)時代的電商平臺承載商業(yè)變革，操作系統(tǒng)將在萬物互聯(lián)時代成為關鍵基礎設施。

中國正處于從數(shù)字化向智能化躍遷的階段，需多方協(xié)同。在技術層面上，有操作系統(tǒng)、機器人載體、6G衛(wèi)星網(wǎng)絡、在GPU領域等需同步突破；而且各領域需發(fā)展適配自身場景的智能系統(tǒng)，形成一種技術拼圖，這就既需要底層技術研究者，也需要跨學科復合型人才推動應用落地。

作為從業(yè)者，我專注于操作系統(tǒng)與機器人融合方向，這也是個人學術積累與行業(yè)趨勢的雙重選擇。

心智觀察所：人工智能與具身智能的進步需要長期投入，不能僅關注短期商業(yè)成果。希望社會各界給予技術創(chuàng)新者更多耐心與支持，共同培育這一改變人類生活方式的領域，也感謝李教授做客觀察者網(wǎng)。

本文系觀察者網(wǎng)獨家稿件，文章內容純屬作者個人觀點，不代表平臺觀點，未經(jīng)授權，不得轉載，否則將追究法律責任。關注觀察者網(wǎng)微信guanchacn，每日閱讀趣味文章。