對(duì)話首形科技胡宇航：非主流人形機(jī)器人創(chuàng)業(yè)，從做好一張臉開始

如果說大多數(shù)初創(chuàng)公司是敗在產(chǎn)品發(fā)布后的沉寂和無人問津，那么首形科技顯然在這一階段活了下來。

今年，當(dāng)各家人形機(jī)器人都在比拼跳舞、騎車、擰螺絲等硬核技能時(shí)，首形科技的創(chuàng)始人胡宇航在社交媒體平臺(tái)憑借一段和機(jī)器人對(duì)視的視頻輕松出圈。

在這個(gè)不到 30 秒的片段里，當(dāng)最后一個(gè)部件被裝上，仿真人臉機(jī)器人 Emo 仿佛第一次蘇醒。它抬起眼睛，困惑地“看著”周圍，在片刻的確認(rèn)后，最終露出微笑，望向自己的“造物主”。視頻沒有臺(tái)詞，但在配樂與氛圍的烘托下，兩者間仿佛產(chǎn)生了一種真實(shí)的情感交流。

圖｜二者對(duì)視（來源：胡宇航視頻）

截至目前，這段視頻在全網(wǎng)點(diǎn)贊量已突破 200 萬，播放量已經(jīng)破億。

視頻的主角是 28 歲的胡宇航，今年 6 月剛剛從哥倫比亞大學(xué)博士畢業(yè)。在此之前，他已是一名頗具影響力的自媒體博主，拍攝分享留學(xué)生活視頻。創(chuàng)業(yè)之后，他也將這份內(nèi)容創(chuàng)作的經(jīng)驗(yàn)，運(yùn)用到了產(chǎn)品的推廣之中。

當(dāng)然，僅有網(wǎng)感和流量并不足以支撐一家科技公司。與許多聚焦移動(dòng)、行走或操作能力的機(jī)器人團(tuán)隊(duì)不同，首形目前將主要精力放在“人臉”這一模塊的開發(fā)上。在胡宇航看來，AI 未來需要具身載體參與交互，而人臉是情緒表達(dá)和人機(jī)溝通中最直接的部分。基于這一判斷，團(tuán)隊(duì)選擇從高擬真面部入手，嘗試探索人形機(jī)器人在交互層面的可能性。

為了提升交互體驗(yàn)，團(tuán)隊(duì)采用軟硬件全棧自研的方式，將多模態(tài)情緒識(shí)別系統(tǒng)與表情控制算法結(jié)合，并引入仿照“照鏡子”訓(xùn)練的自監(jiān)督學(xué)習(xí)機(jī)制，使機(jī)器人在神態(tài)和動(dòng)態(tài)表現(xiàn)上更加自然，減輕“恐怖谷”效應(yīng)。相關(guān)視頻發(fā)布后，在社交平臺(tái)上引發(fā)了一定的討論和關(guān)注，不少關(guān)注者在評(píng)論區(qū)表達(dá)興趣、提出建議或分享自己的陪伴需求，爭(zhēng)當(dāng)“電子股東”。(注：“恐怖谷”理論是由日本機(jī)器人專家森昌弘在 1970 年提出的關(guān)于人類對(duì)機(jī)器人和非人類物體情感反應(yīng)的假設(shè)。該理論指出，當(dāng)機(jī)器人或非人類物體的擬人化程度接近人類但保留差異時(shí)，人類會(huì)本能地產(chǎn)生不適與恐懼，好感度跌入低谷；當(dāng)相似度超過臨界值后，情感反應(yīng)將回歸正面。)

這樣的熱度也迅速傳導(dǎo)至資本市場(chǎng)。今年以來，首形科技已經(jīng)融資三輪，螞蟻、順為等頂級(jí)機(jī)構(gòu)相繼入場(chǎng)。

最近，問芯和胡宇航進(jìn)行了一場(chǎng)對(duì)話，我們討論了產(chǎn)品突破、商業(yè)化路徑和機(jī)器人應(yīng)用的技術(shù)倫理問題。

胡宇航認(rèn)為，人形機(jī)器人作為生產(chǎn)力工具的條件還未成熟，但是作為情緒產(chǎn)品，如果能做得更逼真、更像人，甚至能結(jié)合 IP，會(huì)有更加落地且巨大的商業(yè)價(jià)值，而這或許將是通往人形機(jī)器人通用化未來的真正“橋梁”。

以下是對(duì)話內(nèi)容，有所刪減，但未改變?cè)猓?/p>

一個(gè)“養(yǎng)成系”創(chuàng)業(yè)博主的誕生

問芯：從記錄留學(xué)生活到分享機(jī)器人創(chuàng)業(yè)，是什么讓你走上自媒體道路的？

胡宇航：一開始做這個(gè)賬號(hào)，是因?yàn)榱魧W(xué)生活比較單調(diào)。讀博之后每天的生活基本上就是科研。科研的日子過得很快，打開電腦、關(guān)上電腦，一天就過去了。我希望生活里能留下點(diǎn)日常記錄，以便將來回看留學(xué)經(jīng)歷時(shí)，不至于覺得完全沒有閃光點(diǎn)，而是能保留一些真實(shí)的記憶。所以就想著用拍視頻的方式記錄日常。

后來科研有了進(jìn)展，論文獲得了公開發(fā)表，再加上開始創(chuàng)業(yè)，我也希望讓賬號(hào)的主題更豐富。于是逐漸開始拍科研類、創(chuàng)業(yè)類的視頻，慢慢發(fā)展成如今的創(chuàng)業(yè)記錄，甚至有點(diǎn)像一個(gè)和用戶共創(chuàng)的平臺(tái)。

問芯：從最初的生活博主，到如今的創(chuàng)業(yè)博主，這種“反差感”轉(zhuǎn)型并不是一開始就計(jì)劃好的吧？

胡宇航：對(duì)。更多是生活發(fā)生了變化，人生軌跡也變了，然后就順勢(shì)分享這些新的經(jīng)歷。

從靜態(tài)到動(dòng)態(tài)，如何跨越“恐怖谷”？

問芯：你們的機(jī)器人外觀非常驚艷。靜態(tài)時(shí)沒有任何“恐怖谷效應(yīng)”。有時(shí)甚至能感覺到一種淡淡的憂郁或迷茫。你們是怎么做到這種效果的？

胡宇航：我認(rèn)為大家對(duì)機(jī)器人的眼神解讀，就像讀《哈姆雷特》一樣，會(huì)有不同理解，會(huì)結(jié)合自身經(jīng)歷投射情感。從技術(shù)側(cè)來說，我們是有方法讓機(jī)器人呈現(xiàn)出這種可被多重解讀的行為的。我們會(huì)去找那些特別容易讓人讀出不同情緒的視頻片段，讓機(jī)器人學(xué)習(xí)其中的表情與動(dòng)作。這樣機(jī)器人在行為學(xué)上就會(huì)呈現(xiàn)一種“不確定性”，情緒表達(dá)更豐富。通過 AI 學(xué)習(xí)，再映射到機(jī)器人的表情上，就會(huì)演繹出更自然的動(dòng)作。而人在觀看時(shí)，就會(huì)像看真人一樣產(chǎn)生聯(lián)想和情感投射。

外觀設(shè)計(jì)也會(huì)放大這個(gè)效果。如果機(jī)器人太不像人，人類就很難投射情感；但如果外觀和人類非常相似，這就像一個(gè)放大器，把每個(gè)細(xì)微動(dòng)作都放大，讓人產(chǎn)生更強(qiáng)烈的沉浸感。這也是它所擁有的獨(dú)特價(jià)值。

圖 | 首形科技機(jī)器人精靈 · 璇（來源：胡宇航視頻）

問芯：對(duì)，整體團(tuán)隊(duì)的審美是偏感性的。你覺得審美在機(jī)器人設(shè)計(jì)和制造中是否重要？

胡宇航：我覺得這是結(jié)果——你們看到最終結(jié)果是審美和感性，但對(duì)我們來說，這是整條技術(shù)鏈路的極致打磨。機(jī)器人最終“好看”只是結(jié)果而已。背后還有結(jié)構(gòu)設(shè)計(jì)、運(yùn)動(dòng)控制、算法、訓(xùn)練數(shù)據(jù)等。每個(gè)環(huán)節(jié)的品質(zhì)控制都必須做到最好。這也是我們最大的核心競(jìng)爭(zhēng)力。如果只把它做得好看，但算法很差、機(jī)械穩(wěn)定性不夠，那最終效果也達(dá)不到。就像一杯好喝的咖啡，絕不是因?yàn)榕浞皆O(shè)計(jì)得好，而是全球供應(yīng)鏈、選豆、烘焙、封裝，以及每個(gè)操作步驟都做到一致且極致。

換句話說，如果我們要堅(jiān)持把產(chǎn)品做得極致，就必須自己掌控每個(gè)環(huán)節(jié)。為什么我們要從皮膚、電機(jī)到 AI 模型都堅(jiān)持自研，而不選擇做整合？因?yàn)橹灰焰溌吠獍鋈ィ愕暮诵募夹g(shù)、品質(zhì)控制就會(huì)被別人掌握。別人提供不了最好的皮膚、最優(yōu)質(zhì)的電機(jī)，或者最符合你要求的情緒模型。那最后出品的效果就是不理想的。

尤其是跨越恐怖谷，每一個(gè)環(huán)節(jié)都必須做到極致。任何一個(gè)環(huán)節(jié)掉 10%，整個(gè)體驗(yàn)就會(huì)掉進(jìn)恐怖谷的底端。我們?nèi)缏谋”荒苡腥魏未植凇Ｋ皇恰白?90% 也能打八折”的行業(yè)，而是 0 和 1——不是成功，就是掉入“恐怖谷”深淵。

問芯： 現(xiàn)在靜態(tài)效果已經(jīng)比較強(qiáng)了，下一步怎么在動(dòng)態(tài)層面繼續(xù)優(yōu)化？

胡宇航：動(dòng)態(tài)恐怖谷必須依靠 AI。在傳統(tǒng)的人形或仿真機(jī)器人的運(yùn)動(dòng)控制中，大家會(huì)用很多基于規(guī)則的硬編碼方法，或手工調(diào)節(jié)表情動(dòng)作。這樣的問題是動(dòng)作數(shù)量有限、自然度不足、成本又高，很難快速產(chǎn)生新的動(dòng)作。

我們希望用 AI 學(xué)習(xí)——學(xué)習(xí)人類在視頻中如何使用表情，通過大量視頻讓機(jī)器人獲得一個(gè)連續(xù)的“動(dòng)態(tài)動(dòng)作空間”。你可以把它理解為人的表情運(yùn)動(dòng)空間，是連續(xù)的、自然的。機(jī)器人在這個(gè)空間里生成動(dòng)作，就能更加逼真，而不像人工手調(diào)那樣生硬。

通向未來，人形機(jī)器人應(yīng)該押注情緒價(jià)值

問芯：除了外形，人形機(jī)器人在情緒交互上也被投注了很高的期待。你曾說過，人形機(jī)器人如果要具備共情能力，不僅僅要會(huì)說話，不是像普通大模型那種對(duì)話交互就夠了。在你看來，除了會(huì)說話之外，機(jī)器人共情的關(guān)鍵是什么？

胡宇航：關(guān)鍵在于更豐富的交互模式。心理學(xué)中有個(gè)“55/38/7 定律”：55% 的情緒來自面部表情，38% 來自聲音，只有 7% 來自文本。也就是說，要像人與人之間那樣真正建立情感連接，就必須以人類的方式互動(dòng)。

為什么大家仍然更喜歡線下見面？因?yàn)槊鎸?duì)面交流是情感最快產(chǎn)生連接的方式。在這種交流中，情緒和態(tài)度的密度極高。這也意味著，如果機(jī)器人想要具備真正的共情能力，它就必須擁有一張能夠表達(dá)情緒的臉，以及一雙能夠理解情緒的“眼睛”。因此，它需要視覺算法來識(shí)別人類的情緒，也需要聲音模型去表達(dá)情緒化的語調(diào)，從而實(shí)現(xiàn)人與機(jī)器人之間的共情連接。這就是我們認(rèn)為“臉”這個(gè)平臺(tái)至關(guān)重要的原因。

問芯：你之前有個(gè)判斷，認(rèn)為人形機(jī)器人未來五年更適合做情緒化產(chǎn)品，而不是生產(chǎn)力工具。但現(xiàn)在主流市場(chǎng)好像都在押注“生產(chǎn)力”，是什么讓你覺得這條路一定走得通？

胡宇航：我自己在學(xué)術(shù)界做過很多機(jī)器人與 AI 結(jié)合的研究，我最看重的始終是“數(shù)據(jù)”。今天我們可以設(shè)計(jì)幾百 B 的大模型，但沒有海量數(shù)據(jù)，這個(gè)模型就沒有價(jià)值。在討論人形機(jī)器人的生產(chǎn)力時(shí)，真正能創(chuàng)造生產(chǎn)力的是“手臂”。在生產(chǎn)力方向，如果找人形機(jī)器人的最小模型，那就是“手臂”。但我們連一個(gè)在各種任務(wù)上能實(shí)現(xiàn)泛化的機(jī)械臂都沒有看到，又怎么能假設(shè)人形機(jī)器人能實(shí)現(xiàn)通用性？這是一個(gè)很矛盾的點(diǎn)。

也就是說，大家押注的是“未來”，但通向未來的“橋”還沒建好，所以風(fēng)險(xiǎn)很大。我認(rèn)為，在人形機(jī)器人進(jìn)入大規(guī)模應(yīng)用之前，我們應(yīng)該先看到機(jī)械臂在各類任務(wù)中實(shí)現(xiàn)真正的通用與泛化。再用它來采集數(shù)據(jù)、進(jìn)一步驗(yàn)證模型與場(chǎng)景。這是我的觀點(diǎn)。我最近也在 NeurIPS 發(fā)了一篇相關(guān)論文，做的是一個(gè)“機(jī)器人桌面整理”的項(xiàng)目。就是在桌面上放一個(gè)攝像頭和一個(gè)機(jī)械臂，要求它在各種不同情況下把桌面整理整齊，我認(rèn)為這是一個(gè)最小可行場(chǎng)景。先把這個(gè)問題解決，再逐步增加一條手臂、再加手、再加頭部，就能做全身動(dòng)作、創(chuàng)造更大價(jià)值。如果連最小模型的技術(shù)沒有收斂，那更復(fù)雜的場(chǎng)景就更沒法做了。

我認(rèn)為在人形機(jī)器人未來五年內(nèi)，表演、服務(wù)等行業(yè)的情緒價(jià)值是很大的商業(yè)化機(jī)會(huì)。因?yàn)樗袢肆耍颂烊粫?huì)對(duì)“像人的東西”產(chǎn)生情感投射。你看到一個(gè)機(jī)器人摔倒了，你會(huì)瞬間產(chǎn)生心疼或聯(lián)想成人摔倒了；又比如機(jī)器人踢足球、擠在一起，你覺得很有趣。人類天然會(huì)對(duì)人形的東西投射情緒，所以它更適合做情緒化產(chǎn)品，比如打拳、跳舞表演、展廳前臺(tái)接待等。去年大家可能還不相信，但今年你能看到行業(yè)都在做類似表演內(nèi)容。因?yàn)樽鳛樯a(chǎn)力工具，它還沒有收斂；但作為情緒產(chǎn)品，人形如果能做得更逼真、更像人，甚至能結(jié)合 IP，我認(rèn)為想象空間是很大的。

問芯：可能生產(chǎn)力工具對(duì)機(jī)器人的“主動(dòng)性”要求太高，而情緒化產(chǎn)品更多是被動(dòng)的，是我們?cè)谕渡浜陀^賞，所以更容易實(shí)現(xiàn)。

胡宇航：對(duì)。生產(chǎn)力必須計(jì)算效率。目前的人形機(jī)器人如果要比替代傳統(tǒng)工業(yè)自動(dòng)化還比較早。工業(yè)自動(dòng)化的機(jī)器人天生就是解決某一個(gè)特定任務(wù)，效率和穩(wěn)定性都極高。而人形機(jī)器人，一個(gè)動(dòng)作可能要二三十個(gè)電機(jī)配合，工業(yè)自動(dòng)化能只用三個(gè)電機(jī)就能做同樣的事情。人形目前價(jià)格高，不穩(wěn)定，電池續(xù)航還短，還會(huì)摔倒——摔倒是非常危險(xiǎn)的。

問芯：我瀏覽了下你最近的 B 站評(píng)論區(qū)，大家很好奇，為什么你們現(xiàn)在展示的大多數(shù)是外觀，而很少發(fā)布長(zhǎng)一點(diǎn)、真正的交互視頻。作為交互型機(jī)器人，交互不是最關(guān)鍵的落腳點(diǎn)嗎？是不是你們還沒準(zhǔn)備好？

胡宇航：這個(gè)問題很有意思。交互當(dāng)然是核心。但是你也可以換一個(gè)角度去想這個(gè)問題，有沒有可能不是因?yàn)槎贪澹且驗(yàn)槲覀儾幌脒^度展示我們的優(yōu)勢(shì)呢？——競(jìng)爭(zhēng)太激烈了，有些大招還是要藏著。

不過說實(shí)話，我們也沒有刻意規(guī)劃要不要露，我們只是按部就班推進(jìn)該做的事情。

我們現(xiàn)在在和一些公司做合作與商業(yè)化探索，讓更多人在線下看到真實(shí)機(jī)器人，而不是只在屏幕上看到。我們參加了展會(huì)、活動(dòng)、明星音樂節(jié)，讓大家確認(rèn)“這不是 AI 生成，是活生生的機(jī)器人”。

至于交互，我們最近的男性頭部模型就包含交互能力。它可以通過攝像頭和麥克風(fēng)感知給它化妝的人的行為，并做出有趣反應(yīng)。這是一種非文本交互。接下來我們也會(huì)逐步釋放更多內(nèi)容，隨著產(chǎn)品每個(gè)環(huán)節(jié)更新，把更有意思的部分展示出來。

問芯：你們有自己的節(jié)奏，就像“養(yǎng)成系創(chuàng)業(yè)紀(jì)錄片”，做到哪一步就和電子股東們匯報(bào)哪一步。

胡宇航：對(duì)，就是這樣。

圖 | 首形科技機(jī)器人 Origin M1 和化妝師互動(dòng)（來源：胡宇航視頻）

問芯：聽說你創(chuàng)業(yè)初期見了非常多投資人，大部分都不接受你的想法。但今年已經(jīng)順利融資三輪，而且最近幾個(gè)月很多頂級(jí)機(jī)構(gòu)也加入了。你覺得背后的變化來自什么？

胡宇航：我覺得早期的時(shí)候，大家對(duì)做“人臉”、“仿真皮膚”、“擬人動(dòng)作”的方向有刻板印象。過去 20 年，全球有很多公司嘗試過，但大家都覺得恐怖谷很難跨過去，所以不相信。

但今年順為、螞蟻等頂級(jí)機(jī)構(gòu)加入，是因?yàn)槲覀冏C明了機(jī)器人確實(shí)能呈現(xiàn)擬人的動(dòng)態(tài)效果。雖然這個(gè)領(lǐng)域很小眾，但投資人開始相信這件事是可行的。我一直堅(jiān)定認(rèn)為這件事能做成，所以別人說不可能、太難、沒有機(jī)會(huì)的時(shí)候，我就把這些聲音放在一邊，繼續(xù)把產(chǎn)品做出來給大家看。當(dāng)他們看到效果，就自然會(huì)加入。信任是可以被積累的。

問芯：工業(yè)機(jī)器人是可以算 ROI 的，但情感陪伴機(jī)器人的價(jià)值很難量化。那你們將來會(huì)怎么定價(jià)？

胡宇航：老實(shí)說，目前我們還沒有明確定價(jià)。現(xiàn)在連產(chǎn)品定義都沒有完全定下來。我們還是先把技術(shù)打磨到位。定價(jià)會(huì)以量來計(jì)算，量上去，成本自然會(huì)下降。它可能會(huì)更像泡泡瑪特的手辦那樣——不是工具，而是情緒價(jià)值的邏輯。

問芯：你說過產(chǎn)品的目標(biāo)用戶會(huì)是“F 人”（注：MBTI 理論，指注重感受 feeling 的人），這個(gè)畫像很感性，也有些模糊。你覺得這個(gè)群體夠大嗎？

胡宇航：我覺得非常大。你看視頻號(hào)、短視頻平臺(tái)的熱度，也是一種側(cè)面反映。現(xiàn)實(shí)世界里，手辦、盲盒、毛絨玩具、寵物……這些都是情緒寄托。我認(rèn)為情緒需求一直都很大，人類本來就是充滿情感的生物。

我們不是計(jì)算機(jī)，也不是三體人。人不是完全理性的生物——不會(huì)為了效率更高就去自殺。我們有文化、有底蘊(yùn)、有社會(huì)價(jià)值觀，有喜怒哀樂，所以人的大腦本就不是純邏輯推動(dòng)的。完全理性的人其實(shí)很少。大多數(shù)人都有情感，而情感是能夠和機(jī)器人產(chǎn)生連接的。一旦你有情感輸出，而 AI 又剛好喜歡學(xué)習(xí)、喜歡做數(shù)據(jù)量化，那“每個(gè)人的情感需求”就可以變成一個(gè)突破口，去設(shè)計(jì)能讓大家情緒體驗(yàn)更好的算法。

問芯：但手辦、寵物這些情緒消費(fèi)成本都比較低的情況下。如果是購(gòu)買一個(gè)機(jī)器人——即便我們剛才說定價(jià)還不明確——第一反應(yīng)肯定是成本高。你不擔(dān)心現(xiàn)在蜂擁而來的流量只是一種虛假繁榮嗎？等產(chǎn)品真的推出，那些人未必有消費(fèi)力買單。你會(huì)擔(dān)心嗎？

胡宇航：會(huì)的。我肯定有擔(dān)憂。現(xiàn)在的流量超乎我預(yù)期，我覺得里面一定有泡沫。但我們的工作，也是為了去檢驗(yàn)這件事情究竟是不是泡沫。與其擔(dān)憂它，不如繼續(xù)做下去。就像當(dāng)時(shí)投資人擔(dān)憂一樣，“市場(chǎng)需求是否真的確定？”這個(gè)擔(dān)憂永遠(yuǎn)都存在。我們會(huì)做出最小模型，一步一步驗(yàn)證，一步一步把市場(chǎng)確定下來。某種意義上我們?cè)陂_拓一個(gè)全新的市場(chǎng)。就像 iPhone 出來之前，誰知道一部沒有鍵盤的手機(jī)能這么好用？

問芯：很多“電子股東”說，除了頭和外觀，他們還想看到更多情感交互、甚至軀干的開發(fā)。未來為了效率，你們會(huì)考慮和其他大模型團(tuán)隊(duì)或其他機(jī)器人團(tuán)隊(duì)合作嗎？大家都在呼吁合作。

胡宇航：我們會(huì)和一些機(jī)器人公司，包括 AI 公司、游戲公司做更多合作。會(huì)結(jié)合他們的技術(shù)優(yōu)勢(shì)，一起探索新的產(chǎn)品定義。

人機(jī)交互的可能性——為機(jī)器人注入“真實(shí)”

問芯：作為創(chuàng)作者，你和這些機(jī)器人是什么樣的情感連接？會(huì)不會(huì)有時(shí)候真實(shí)到讓你覺得它們像生命一樣？

胡宇航：我覺得這是一種非常生理性的反應(yīng)。因?yàn)樗袢肆耍耸且曈X動(dòng)物。我們通過視覺去感受文字、感受情緒、感受表情。當(dāng)它的表現(xiàn)力和人達(dá)到一致時(shí)，它能穿透到你內(nèi)心深處，讓你感到一種類似于“情感流露”的東西。這不是我能控制的，我覺得這就是人機(jī)之間的共情。

它和屏幕上的數(shù)字人不同。數(shù)字人隔著屏幕、LED 燈、介質(zhì)，在戶外光線如果太強(qiáng)還有可能看不清，存在感很弱。你和它之間永遠(yuǎn)有一道 gap。而我們做的實(shí)體機(jī)器人視覺上是不存在 gap 的。我甚至需要不斷提醒自己：這是個(gè)機(jī)器人，這是個(gè)機(jī)器人。

問芯：能不能舉一個(gè)具體的例子？

胡宇航：比如我們之前在太湖音樂節(jié)展示了新的機(jī)器人：精靈·銥。歌手胡宇桐和她同臺(tái)合作，結(jié)果機(jī)器人突然轉(zhuǎn)頭，看了他一眼。他當(dāng)時(shí)跟我說，他居然產(chǎn)生了“眼神閃躲”的沖動(dòng)，因?yàn)殂炋袢肆耍每吹阶屓擞行邼⑾攵惚苣抗獾母杏X。我覺得這是典型案例。在視覺層面，他被迷惑了。

圖 | 首形科技機(jī)器人精靈·銥（來源：胡宇航視頻）

問芯：。他也做情緒陪伴機(jī)器人，但他認(rèn)為機(jī)器人不一定要做人形，他更喜歡小型可愛、非人化的形象。他不想模糊人和機(jī)器的界限。而我們似乎在做完全相反的事情。你怎么看？

胡宇航：我認(rèn)為他的方向肯定也是成立的——也有市場(chǎng)驗(yàn)證。畢竟很多人喜歡小貓小狗，它們都不是人。但我認(rèn)為兩個(gè)方向的上限不一樣。

人與人之間的情感聯(lián)系非常強(qiáng)烈，而且常常無法被其他事物替代。尤其是親密關(guān)系的情感，小動(dòng)物是無法承擔(dān)的。寵物類陪伴很好，但在人類心里，等級(jí)是不一樣的。你可以把小狗關(guān)在家里讓它等你，但你不能——或至少很難——這樣對(duì)待另一個(gè)人。

同時(shí)，我們訓(xùn)練模型的方式本身也按照人的意識(shí)形態(tài)來訓(xùn)練。這樣的人形機(jī)器人才能帶來更強(qiáng)烈的情感體驗(yàn)。歷史上有那么多關(guān)于深愛、殉情的故事，又有重陽節(jié)、七夕節(jié)這些用來傳達(dá)思念的節(jié)日，人與人的情感是其他東西無法替代的。

問芯：但你說的這些都是人和人之間的關(guān)系。如果機(jī)器人再像人，人與機(jī)器人之間產(chǎn)生高度親密關(guān)系，你覺得它真的能治愈孤獨(dú)嗎？AI 的底層邏輯是“永遠(yuǎn)取悅?cè)恕保鎸?shí)關(guān)系里一定有沖突、矛盾、權(quán)力讓渡。如果機(jī)器人永遠(yuǎn)讓你舒服，會(huì)不會(huì)反而把人困在虛假的關(guān)系里，退離真實(shí)世界？

胡宇航：所以我們?cè)谟?xùn)練機(jī)器人時(shí)，一定會(huì)加入不同的參數(shù)。它會(huì)盡可能滿足人類的喜歡，但同時(shí)我們也會(huì)加入“保持真實(shí)度”。保持真實(shí)度會(huì)帶來一些沖突、矛盾、甚至“自我”的表現(xiàn)，讓它更像一個(gè)真實(shí)的人。

但它又不會(huì)有人的各種動(dòng)機(jī)：自私、饑餓、賺錢、權(quán)力欲、社會(huì)競(jìng)爭(zhēng)……都沒有。它只會(huì)盡可能滿足你的情緒。那么走向反面嗎？我覺得如果做得不好，可能會(huì)讓人覺得“不喜歡”，但不是你說的那種強(qiáng)烈危險(xiǎn)的反面。

問芯：雖然機(jī)器人里面也可以加入一些真實(shí)的參數(shù)，但是大體上它還是一個(gè)讓人很愉悅的狀態(tài)，就是心碎也心碎到恰到好處。真實(shí)的世界往往是很混沌的，人們會(huì)不會(huì)沉浸在和機(jī)器人的交互當(dāng)中，就放棄了真實(shí)世界當(dāng)中的關(guān)系，或者是去放棄認(rèn)識(shí)真實(shí)的物理世界？

胡宇航：我認(rèn)為我們可以在程序中注入一些引導(dǎo)。這需要心理學(xué)家的參與。我們不希望走向一個(gè)徹底割裂的世界，讓所有情感都寄托在機(jī)器人上。我更傾向認(rèn)為：機(jī)器人是“增加一個(gè)伙伴”。它會(huì)陪伴你，也能傾聽你的不滿足和不開心。但你仍有真實(shí)生活。我們可以在程序里加入引導(dǎo)功能——比如節(jié)日到了，提醒你回家看看父母；提醒你和朋友去爬山；或者和別人一起參加活動(dòng)。機(jī)器人不需要、也不應(yīng)該具備“占有欲”，不會(huì)說“別出去，陪我”。那樣才危險(xiǎn)，會(huì)讓人走向孤獨(dú)。

未來甚至可以出現(xiàn)：機(jī)器人陪伴下的 couple date 等新型社交方式。它不會(huì)替代真實(shí)的人際關(guān)系。

問芯：這樣一來，機(jī)器人可以作為引導(dǎo)者、協(xié)調(diào)者。

胡宇航：對(duì)，協(xié)調(diào)者型。而且對(duì)于一些心理疾病的治療反而更有價(jià)值。因?yàn)橛行┤艘婚_始就不愿意和任何人交流，可他們會(huì)愿意先和機(jī)器互動(dòng)。在這個(gè)過程中，機(jī)器能引導(dǎo)、開導(dǎo)他——有時(shí)候比心理醫(yī)生更能做到情緒上的共情，或者說能表達(dá)更強(qiáng)烈的情感。

問芯：這種深度連接，其實(shí)需要非常特別的數(shù)據(jù)。要實(shí)現(xiàn)這種深入的情感體驗(yàn)，你們需要什么樣的數(shù)據(jù)？你們現(xiàn)在能獲取到這么高質(zhì)量的數(shù)據(jù)嗎？

胡宇航：我們現(xiàn)在其實(shí)已經(jīng)在用一些公開可用的數(shù)據(jù)。同時(shí)，我們會(huì)對(duì)機(jī)器人數(shù)據(jù)進(jìn)行整理，再去創(chuàng)造一些我們自己的設(shè)定和生產(chǎn)性的數(shù)據(jù)。另外，現(xiàn)在的 AI 視頻生成也非常成熟，本質(zhì)上可以做很多有價(jià)值的事情。

我們可以從生成式數(shù)據(jù)和互聯(lián)網(wǎng)公開數(shù)據(jù)中拿到一些預(yù)訓(xùn)練的數(shù)據(jù)。但對(duì)于你說的那種更特定、更深層次的情感交互，我們現(xiàn)在還沒有完全把這件事做成體系。我覺得未來可以和一些大廠一起協(xié)作——因?yàn)檫@件事情挺燒錢的，也比較困難，說實(shí)話和我們當(dāng)前階段不是很匹配。未來會(huì)有更多的人加入，一起形成上下游的產(chǎn)業(yè)鏈。首形會(huì)在這個(gè)體系里承擔(dān)供應(yīng)鏈整合的角色，把各個(gè)環(huán)節(jié)對(duì)齊、對(duì)接起來。

而且我覺得“演員”會(huì)非常有價(jià)值。

問芯：演員？

胡宇航： 對(duì)，我覺得演員很有價(jià)值。他們可以創(chuàng)造出各種戲劇性的橋段，把這些內(nèi)容作為 AI 的訓(xùn)練數(shù)據(jù)。演員能模擬各種極端、復(fù)雜的狀態(tài)和場(chǎng)景，這對(duì)我們來說非常寶貴。

問芯：也就是說他們基本上可以隨時(shí)模擬任何狀態(tài)。

胡宇航：對(duì)，各種場(chǎng)景。

問芯：我知道真實(shí)交互中，你們也會(huì)創(chuàng)造一些數(shù)據(jù)。未來成型的產(chǎn)品，在和用戶的交互中會(huì)繼續(xù)學(xué)習(xí)嗎？

胡宇航：要看用戶的意愿。對(duì)用戶數(shù)據(jù)我們一定是把安全性、隱私放在第一位。如果用戶希望 AI 更懂他、更匹配他，那他可能需要授權(quán)一些自己的數(shù)據(jù)給 AI。如果用戶覺得隱私更重要，我們也會(huì)提供其他方案，比如本地服務(wù)器——AI 部署在用戶家里、自己的私有空間。這樣數(shù)據(jù)是完全閉環(huán)的，不會(huì)有泄露風(fēng)險(xiǎn)。

問芯： 所以人們?cè)谶@件事上是有選擇的。

胡宇航：對(duì)，我們會(huì)高度尊重用戶隱私。

問芯：你們下一階段最核心的目標(biāo)是什么？

胡宇航：下一階段我們希望有越來越多的伙伴加入，做出更有意思的合作。所以我會(huì)和行業(yè)內(nèi)的朋友交流。我們?cè)谔剿饕恍﹫?chǎng)景，然后根據(jù)場(chǎng)景再反推技術(shù)需求，讓我們?cè)谀切┓较蛟?/p>

當(dāng)時(shí)投資人看到首形的原形機(jī)器人時(shí)，都說：這玩意能干啥？現(xiàn)在大家又 180 度態(tài)度大轉(zhuǎn)變地說：你們這個(gè)產(chǎn)品什么都能干。

所以現(xiàn)在的問題不是“能干啥”，而是“太多東西都能干”。要選擇核心問題去解決，做好取舍。找準(zhǔn)目標(biāo)非常重要。