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。”
