许华哲再次具身创业：不想错过最大的西瓜

概览

本期围绕许华哲重新创业展开，核心问题是：为什么他认为家庭机器人会比多数人想象得更快到来，以及为什么他选择离开既有路径，自己主导一家以通用机器人为目标的新公司。

许华哲的判断是，具身智能的关键不在“机器人外壳”或单一场景落地，而在能否做出通用的 Physical AGI。他认为中国行业过去更强调量产、工业落地和短期场景闭环，但真正决定未来的是通用智能能力。

讨论从破壳机器人的产品设想、AI Native 技术路线、强化学习与视频数据，到中国具身智能行业的风险，再延伸到许华哲的个人成长、科研审美、创业动机和内容表达。整期呈现的是一个科学家创业者如何把技术信仰、产品野心和个人使命感合在一起。

分段落总结

[00:07] 开场：Physical AGI 不是“像人的机械臂”

[事实] 许华哲认为，很多人做具身智能时仍把它理解为更像人的机器人，或者工厂机械臂的变体。

[事实] 他明确说自己相信 Physical AGI 会诞生，目标不是专用机器人，而是能像人一样在不同场景中完成不同任务的通用机器人。

[推测] 这段开场奠定了本期的核心分歧：许华哲关心的是通用智能路线，而不是单一场景里的机器人效率优化。

[01:12] 嘉宾背景与重新创业

[事实] 主持人介绍，许华哲从 2026 年 3 月开始成为破壳机器人的创始人，此前两年多是星海图的联合创始人和首席科学家。

[事实] 许华哲说，离开星海图更多是因为他产生了一些想法，并认为这些想法可能只有自己主导才有机会做出来。

[事实] 他的新方向是通用机器人，第一步是家庭机器人。

[推测] 这次创业的动因不仅是技术兴趣，也包括对公司方向、主导权和行业路径的重新选择。

[04:45] 18 到 24 个月的家庭机器人判断

[事实] 许华哲判断，未来 18 到 24 个月内，世界上会有机器人真正走进家庭，能连续工作较长时间，并完成相当多的家务或服务任务。

[事实] 他把具身智能的发展类比大模型：体感上先是渐变，随后某个时刻会让人感觉突然可用。

[推测] 他并不认为家庭机器人一开始就是稳定成熟产品，而是会先出现足够强的“未来已来”的体感。

[06:06] 对工业落地路径的分歧

[事实] 许华哲认为，中国 2023、2024 年成立的许多具身智能公司更强调量产和落地，首选场景常是工业、物流等生产环境。

[事实] 他认为工业场景往往只需要一定程度的智能，和通用 Physical AGI 之间有巨大夹角。

[事实] 他用大模型作类比：如果只做能回答数学题的模型，就不会成为所有人争夺的高地。

[推测] 他批评的不是商业化本身，而是过早被低通用性的场景牵引，偏离了智能能力的主线。

[10:24] 从备菜机器人到工业现场调研

[事实] 许华哲曾发散思考过专门备菜的机器人，并向中美朋友询问愿意为此支付多少钱。

[事实] 中国朋友给出的预算大约相当于冰箱，美国朋友给出的预算更接近高压锅或电饭煲，而机械臂关节成本已明显超过这些预算。

[事实] 他还看过车厂、物流、轻工业、食品工业等场景，发现许多地方需要的是能干活的机器人，但未必需要人形或通用机器人。

[推测] 这些调研让他更坚定地认为，“某某机”很难支撑人形机器人成本，低价值复杂任务更适合由通用机器人降维完成。

[17:15] 时代召唤与创业时点

[事实] 许华哲说，他的孩子在 2025 年 12 月初出生，因此创业决策也伴随新手父亲身份带来的现实压力。

[事实] 他最终选择创业，是因为认为 AI 时代的舞台已经搭好，而自己正好是做 AI 的人，没有理由拒绝。

[事实] 他把这种判断称为“时代在召唤”。

[推测] 家庭和创业的双重压力没有削弱他的决心，反而凸显了他对这轮 AI 机会窗口的紧迫感。

[18:47] 技术信号：强化学习、Scaling Law、Agent 与数据

[事实] 许华哲提到，强化学习在具体任务上已经能达到非常高的成功率，他也提到派的相关进展。

[事实] 他认为大模型证明了 Scaling Law 的上限足够高，只要数据和模型合适，通用性是可以期待的。

[事实] 他认为 Agent 的主动性和填补任务缝隙的能力，对家庭机器人尤其重要，因为家庭不是流水线，需要机器人串联多个专用设备和步骤。

[事实] 在数据上，他认为视频数据会大量用于机器人学习，遥操作因为容易展示进展而一度流行，但终局会走向更多视频数据。

[25:17] “破壳”的命名与科学家创业

[事实] 许华哲解释，“破壳”一方面有好养活的玩笑意味，更重要的是象征生命力、新想法和从零到一的原始创新。

[事实] 面对“科学家创业”的标签，他认为过去投资人担心科学家不重视商业、退路太多，但 AI 时代已经不同。

[事实] 他提到 Hinton、Hassabis、Ilya 等例子，认为科学家的远见和技术信仰在 AI 时代非常重要。

[推测] 他试图把“科学家创业”从风险标签改写为 AI 原生公司的优势来源。

[31:43] 长期目标：消费级品牌与新品类定义

[事实] 许华哲说自己不完全把自己定位为科学家，更希望做出有品牌效应的 2C 消费级公司。

[事实] 他把苹果视为榜样，因为 iPhone 定义了智能手机新品类；他也提到小米的“参与感”，强调与用户共同定义产品。

[事实] 他认为家庭机器人目前还没有被清晰定义，破壳希望参与定义这个新品类。

[推测] 他想做的不是实验室演示型机器人，而是能进入家庭、被普通用户持续使用的消费硬件与智能结合体。

[36:40] 没上过公司班的利弊与团队需求

[事实] 许华哲承认自己没有传统公司组织中的上班经历，但认为这让他更少受既有流程限制。

[事实] 他设想未来办公室像一个家，客厅既能开会、训练机器人，也能录播客。

[事实] 他介绍团队还很小，有硬件、软件成员，也有实验室同学和同学加入，正在造第一款产品。

[事实] 他希望招募有 2C 硬件经验的工程师、顶尖 AI 研究者和懂产品的人。

[41:35] 核心假设：18 个月、生态与聚焦

[事实] 许华哲说他和 1X 前首席科学家 Eric Zhang 都对机器人发展非常乐观，都提到 18 到 24 个月进家庭的判断。

[事实] 他认为机器人公司应该相信生态，不必把摄像头、电机线圈等所有环节都 in-house。

[事实] 他把公司文化中的“极致”放在第一位，认为组织注意力有限，不能什么都做。

[推测] 破壳会把重点放在 AI 和产品，而不是完整垂直整合所有硬件供应链。

[44:08] AI Native：不是 Robotics，不是自动驾驶，也不是小模型拼接

[事实] 许华哲认为具身智能需要 AI Native，但这个词有许多定义。

[事实] 他强调不是传统机器人学，不应一个个解决炫酷但封闭的任务；也不是自动驾驶式地在小场景中做数据闭环。

[事实] 他反对依赖许多深度学习小模型拼接成通用智能，认为小模型适合固定任务，但不是通用智能路线。

[事实] 他认为数据多样性非常关键，封闭环境中采再多数据也归纳不出足够通用的结论。

[53:05] 安全边界：用产品设计约束 AI 的低级错误

[事实] 许华哲承认大模型路线会有不可解释和偶发错误的问题，但认为经验表现足够稳定后可以建立信任。

[事实] 他认为产品设计必须明确“不做什么”，以避免低级错误造成大风险。

[事实] 破壳早期不会做直接接触人体的服务，包括擦拭身体、翻身、抱小宝宝、按摩、喂饭等。

[推测] 他的安全策略不是等 AI 完美后再产品化，而是通过任务边界把早期风险控制在可接受范围。

[56:49] 第一阶段产品：本体、模型与产品定义

[事实] 许华哲说破壳第一阶段重点做三件事：造自己的硬件本体、训练 AI 模型、定义产品。

[事实] 第一款形态会偏通用人形，轮式和足式都会做，但轮式双臂会作为先入点。

[事实] 他设想续航至少在两小时左右，因为家庭中通常不需要机器人连续干两小时以上的活，机器人可以回充。

[事实] 他希望产品面向全球家庭，但也承认楼梯、电池、重量、出海等都会带来具体产品限制。

[61:28] 模型策略：强化学习与统一模型

[事实] 许华哲说模型侧想基于强化学习做很多事情，包括让机器人探索世界、评估数据质量并使用好数据。

[事实] 他认为失败数据和次优数据也应该被利用，而不是简单把所有数据直接混在一起训练。

[事实] 他希望动作和行为相关部分是统一模型，因为一个个任务解决无法通过 100 件事领悟到 1000 件事。

[事实] 他提出规模化后训练，希望模型在后训练后仍保持泛化，而不是被收缩到具体任务上。

[66:15] 里程碑、投资人与路线耐心

[事实] 主持人指出，规模化训练可能在早期每个任务都表现一般，需要说服团队、投资人和市场相信长期进展。

[事实] 许华哲回应说这是双向筛选，要找相信这条路线的人同行。

[事实] 他也说公司不会完全不展示进展，会规划中间成果；同时有投资人告诉他更在乎最终是否做成最大的东西。

[推测] 这表明他既想坚持长期主义，也意识到创业公司必须持续给外部世界提供可信信号。

[70:31] 两年目标与技术不确定性

[事实] 许华哲希望到 2028 年初，已经有人在家里使用破壳机器人做一些事情。

[事实] 他认为办公室做成家的样子后，一年左右机器人应当能在里面具备一些能力；到通用家庭场景可能需要两年。

[事实] 他认为确定性较高的是视频数据会变多、模型会变大、社会接受度会提高；不确定的是模型路径和本体形态。

[事实] 他认为硬件也是卡点，但属于可以攻克的卡点，不像模型路径那样不确定。

[73:11] 物理先验、世界模型与资源投入

[事实] 许华哲认为机器人需要世界的物理先验，而不只是语义先验。

[事实] 他提到世界模型可以作为骨干网络、数据生成器，或通过下一帧预测再反推动作，目前仍处于探索阶段。

[事实] 他倾向于把世界模型作为模型的骨干网络。

[事实] 他估算，在现有数据量下，第一版具身模型一年一到两亿元人民币投入可能较合理；数据量起来后会接近大模型级别的资源竞争。

[76:45] 全球同行、中国差距与“最大的西瓜”

[事实] 许华哲关注 Figure、Physical Intelligence、Generalist、Sunday 等公司，也提到国内 Fluid、Fona 和小鹏的一些产品设计。

[事实] 他认为美国公司往往更能沿着第一天的 vision 持续做下去，商业化压力相对没那么早改变主线。

[事实] 他担心中国具身智能从业者错过“最大的西瓜”，也就是智能本身；如果大脑不是由自己定义，就会失去定义未来的权利。

[推测] 他的行业焦虑不是中国公司完全落后，而是担心资源和注意力被量产、演示和短期订单消耗。

[83:06] 行业风险：卖数据、无脑量产与跳舞内卷

[事实] 许华哲认为，把采集到的数据卖给海外大公司是危险的，因为这是把最宝贵的东西卖给竞争对手。

[事实] 他批评无脑量产，认为需求未必真实存在，并提出应该关注机器人活跃率和日活，而不只是卖出多少台。

[事实] 他认为跳舞有实际需求，但如果只是追求更高更炫的表演动作，和智能关系不大。

[推测] 他用“机器人活跃率”把行业评估从出货数量拉回真实使用，这也是对硬件式繁荣的一种质疑。

[89:30] 成长经历：东北、AI、游戏与机器人

[事实] 主持人提到具身智能行业似乎有不少东北人，许华哲半开玩笑地说东北人比较 physical，更喜欢真实物理世界的生活。

[事实] 许华哲在高中时接触计算机竞赛和神经网络，并开始思考 AI 的极致形态。

[事实] 他本科时尝试用神经网络写游戏 AI 但失败，后来用传统搜索算法完成。

[事实] 博士期间，他做过自动驾驶相关项目，也用强化学习做过 Atari、超级马力、星际争霸等游戏 AI，后来认为机器人挑战更大、影响力更大。

[96:45] 博士迷茫、使命与“非噪音”的科研

[事实] 许华哲说博士三四年级时，科研成果达到毕业和导师满意的标准后，他开始迷茫。

[事实] 他认为多数科研最后只是人类进步路上的一点噪音，少数科研才真正往前走了一步。

[事实] 他逐渐明确自己关心的是帮助更多人，以及在这条路上获得极致体验。

[推测] 机器人之所以成为他的长期方向，是因为它同时满足“更难”和“更有影响力”这两个评价标准。

[100:51] 音乐、网球与重复中的变化

[事实] 许华哲说机器人对他来说不是爱好，而是爱和使命。

[事实] 他把音乐、读书和理论都看作描述世界的方式，认为美来自对世界或心境的准确描述。

[事实] 他喜欢网球和练琴中那种重复但每次都有细微变化的过程，并把它比作螺旋式上升。

[推测] 这种审美也映射到他做技术和创业的方式：长期围绕一个目标重复打磨，而不是不断切换新鲜方向。

[105:30] 好奇心、挑战与影响力

[事实] 面对“好奇心大于成就感的人不适合创业”的说法，许华哲认为自己两者都追求，但他的好奇心是聚焦在如何把使命做成。

[事实] 他承认自己有选择更难事情的倾向，并举了当年放弃更稳保送、选择再考清华保送考试的例子。

[事实] 他把影响力理解为往好的方向影响别人的生活，而不只是赚钱或出名。

[事实] 他用显微镜、抗生素、核能等例子说明，有影响力的技术可能有双面性，但他希望往善的一侧努力。

[112:02] 技术审美：简单与一致

[事实] 许华哲认为技术之美首先是简单，即用小方法解决大问题。

[事实] 他认为如果方法很复杂，只能解决很小的问题，往往是不美的。

[事实] 他还强调理念一致，反感把互相矛盾的技术理念拼凑在一起。

[推测] 这解释了他为什么偏好统一模型和 AI Native 路线，而不是许多模块和小模型堆叠。

[115:39] 行业进展与自己的科研工作

[事实] 许华哲认为 2025 年具身智能成果很多，派的工作、Generalist 的数据规模、各种 embodied VLM 和强化学习进展都很重要。

[事实] 他认为目前还很难判断哪篇工作会像 Transformer 一样成为开创性成果，需要时间检验。

[事实] 他最喜欢自己参与的 Robocook 包饺子系统，也提到 DP3、RL100 和远程触觉研究。

[事实] 远程触觉实验中，机器人在上海触摸物体，北京的人能感受到软硬、形状和粗糙程度，但质感和温度还很难模拟。

[126:40] 做内容、真实反馈与创业者状态

[事实] 许华哲说做内容对他是一种放松，也能让信息更透明，帮助拿不到信息的人看到他们想知道的答案。

[事实] 他认为做 2C 产品需要真实反馈，因此即使创业后也会持续做内容。

[事实] 他自认是外向型人格，但也喜欢独处和思考，认为这并不矛盾。

[事实] 他最近更多思考公司该怎么走，抽象思考变少，因为具体事情来了要先做好具体事情。

[131:00] 尽力人生、创业者特质与找回自己

[事实] 许华哲最近读了哈萨比斯传记，并认同“尽力的人生”像马拉松冲过终点后力竭的描述。

[事实] 他认为创业者没有固定模板，最重要的是“有特质”。

[事实] 他认为任何一家机器人公司的成功概率都很低，但更重要的是是否尽全力、是否有极致体验、是否创造了东西。

[事实] 他从高中起就想创业，也想当老师；这次创业让他觉得找回了很久以前的自己。

[143:57] 结尾回顾与两年后的检验

[事实] 节目结尾提到，这是晚点聊第二次采访许华哲，上一次是在 2024 年 10 月底聊 Tesla 发布会和 Optimus。

[事实] 主持人回顾说，遥操作不能解决机器人自主行动和完成任务的问题，作为数据获取方式也因成本高而逐渐不再那么主流。

[事实] 主持人认为具身智能仍是技术路线没有完全收敛的方向，创业公司还有探索空间。

[事实] 许华哲希望两年后再录一期，检验家庭机器人 18 到 24 个月开始应用的预言是否实现。

播客点评/总结

[推测] 本期最有价值的部分，是把“具身智能创业”从融资、量产、演示视频这些表层热闹，拉回到智能路线、产品定义和长期资源投入。许华哲的表达很明确：如果最终目标是通用机器人，就不能把路径锁死在工业小场景、单任务模型或表演型硬件上。

[推测] 亮点在于技术判断和个人动机交织得很充分。节目既讲了强化学习、视频数据、世界模型、规模化后训练，也讲了他为什么会选择更难的事、为什么把机器人视为爱和使命。这让听众更容易理解破壳机器人不是一个单纯的产品项目，而是许华哲对 Physical AGI 的一次创业押注。

[推测] 局限在于，许多关键判断仍停留在愿景和路线层面，例如 18 到 24 个月进家庭、统一模型的规模化后训练、全球家庭通用性等，都还需要后续产品和真实用户数据验证。

[推测] 这期适合关注 AI、具身智能、机器人创业、前沿科技投资和科学家创业的人收听；如果只想了解某款具体家庭机器人的价格、功能和发布时间，节目提供的信息还不够落地。