告別大疆、華為，他第三次挑戰萬億賽道

“我們完全不介意失敗，但我們希望快速推進，能夠更加原創、自驅地產出很多解決方案和思路。”

文｜《中國企業家》記者 孔月昕

編輯｜馬吉英

頭圖來源｜受訪者

在它石智航最大的會議室里，有一塊占了整整一面墻的白板。作為它石智航CEO，陳亦倫有個習慣：討論到深處，就愛在上面寫寫畫畫推公式。

這個習慣在融資時也沒有改變。公司進行天使+輪融資時，為了解答美團投資團隊對技術細節的提問，陳亦倫寫了整整一下午白板。

陳亦倫用一個硅谷式的詞來形容自己的狀態——“創業者模式”，即充滿熱情，馬力十足，組織結構扁平。“我非常享受這個從0到1的過程。”他說。

事實上，陳亦倫本人已數次經歷“從0到1”。2017年他擔任大疆創新機器視覺總工程師，主導無人機視覺系統研發；后加入華為任車BU首席科學家，從零開始完成了華為第一代自動駕駛系統ADS 1.0的全棧研發；組建清華大學智能產業研究院創新中心（AIRIC），與團隊深度探索機器人領域技術前沿。

陳亦倫 來源：受訪者

他從小就對機器人著迷。2007年他讀博期間，波士頓動力發布了一段機器狗在冰上行走的視頻，他覺得“這太棒了”，當時就萌生了做機器人的念頭。博士畢業后，他帶著“一定要做出理想中的機器人”的信念，供職于一家著名的機電系統公司，學會了如何用電機、伺服控制與液壓系統來更好地驅動機器人。但在研究算法出身的他看來，簡單的程序并不足以做出理想中的機器人，當時的技術還沒有為機器人時代的到來做好準備，直到2022年前后出現了一系列技術突破。

那一年，幾個關鍵變化同時發生：GPT爆發；四足機器狗可以用神經網絡控制步態；傳統機器人三大模塊——運動規劃、運動控制、端到端算法，也都有了突破性進展。更為重要的是，陳亦倫在自動駕駛領域也親自解鎖并驗證了端到端算法的成功與巨大潛力，這將成為通用機器人得以實現落地的一道最重要的曙光。“技術的進步讓人看到很大的前景，但技術和創業之間天然有鴻溝。”陳亦倫說。

于是他選擇回到母校清華大學任教，邊教學邊思考如何將前沿技術與產業發展相結合。

2024年底，帶著“答案”的陳亦倫準備創業。他和百度前自動駕駛事業群負責人李震宇、華為“天才少年”丁文超等人組建團隊，于2025年2月正式成立了它石智航。成立不足半年，它石智航完成2.42億美元的天使系列融資，創下迄今為止中國具身智能領域天使輪融資紀錄，投資方包括藍馳創投、啟明創投、美團、線性資本、恒旭資本、高瓴創投等。

啟明創投主管合伙人周志峰表示，在接觸它石智航之前，啟明創投已經布局過多家具身智能與機器人領域的優質企業，并與二三十家創業團隊進行過深度交流。之所以投資它石智航，主要基于兩點判斷。

一是團隊能力的稀缺組合。在周志峰看來，它石智航團隊同時集齊了三重能力：來自物理AI一線的量產工程落地經驗、前沿學術的技術視野、成熟的管理與商業化能力，這種組合才能真正駕馭機器人這個萬億級大賽道的長期落地。

二是技術路線的務實選擇。它石智航沒有盲從VLA模型的通用路線，而是直擊數據采集的核心痛點，拿出了一套低成本采集真實數據的務實全鏈路解決方案，而非單純技術空想。

在周志峰看來，它石智航成立僅一年，尚處早期研發階段，但已經在許多地方超出了投資人預期。不到一年時間里，它石智航就推出了雙足和輪足兩款硬件產品，發布了真人數據采集硬件方案并向全球開源部分數據集，自研了高自由度靈巧手，訓練了自有的端到端世界模型，并初步跑通了針對線束制造的完整作業流程。“這樣的速度遠超過市場上絕大部分公司。”周志峰說。

線性資本合伙人曾穎哲回憶，在投資它石智航之前，線性資本在具身智能領域出手較為克制。在他看來，彼時技術尚未收斂，也缺乏真正讓人眼前一亮的團隊。他認為，在模型尚未完全收斂階段，真正能做好的機器人，必須是軟硬件一體的。此外，另一個決定性因素是工程化能力。曾穎哲判斷，未來將有幾十萬、上百萬臺機器人在真實場景中運轉，不斷采集數據、迭代模型，再部署回端側，這一整套閉環對工程能力的要求極高。“做過自動駕駛的人特別適合干這件事。”曾穎哲強調。

曾穎哲認為，它石智航將在2026年迎來真正的挑戰——這一年要開始交付了，但他建議初創企業可以控制交付的規模，先把場景跑通。

陳亦倫認為，機器人的Scaling Law有望在2026年到來，它石智航將在2026年推進量產與商業化落地。

以下為《中國企業家》與陳亦倫的對話，有刪減。

重新出發

《中國企業家》：你2022年離開華為后，去清華人工智能產業研究院教學，當時做了哪些創業前的準備？

陳亦倫：我當時做了幾個技術判斷和思考。

首先，我認為現在比較大規模部署的AI，一般會經過三個階段：闖數據關；闖算法跟算力關；闖場景的交互迭代關。

AI本質是一種數據映射的壓縮，它是個函數，一堆數據映射到另外一個數據，沒有數據就沒有AI。

大模型比較幸運，有大量的互聯網數據。自動駕駛行業在2019年都缺乏數據，比較有遠見的企業，比如特斯拉，在2019年開始認認真真去思考，訓練一個無比強大的網絡需要多少數據，數據怎么來，怎么讓數據變成“活數據”，能夠生生不息參與到產品迭代中，這是AI必須想清楚的問題。

來源：AI生成

機器人也是一樣。2022～2025年這三年，大家都在思考機器人數據怎么來。最開始大家想用最簡單的方法，像遙控人一樣用外骨骼去遙控它，這是不是最好的方式，能不能達到預期，是需要思考的。

我有個不一樣的思考方式。

首先是數據量。自動駕駛的數據量要10萬～100萬個小時——10萬個小時代表著產品可以邁入到一個產品級的迭代，之前都是科研級的迭代；100萬個小時是現在可以達到的最好水平，也是幾家頂級公司的水平。機器人需要的數據一定是自動駕駛的10倍以上，因為任務更復雜。如果機器人需要100萬～1000萬小時，應該怎么獲取數據？

第二是算法。主流AI的算法結構各異，只有基于正確的算法，堆砌算力才有效。機器人跟自動駕駛很像，統稱為“物理世界AI”，處理的是本質物理量，比如時間、空間、存在狀態、力及反饋等。設計算法時，對神經網絡而言，核心是要明確神經元的位置，它更多在視網膜上、物理空間里，還是其他地方，這些都需要仔細推敲清楚。學者有學者的視角，行業有行業的判斷，需要自己權衡，形成自身的認知。

第三，也是創業最核心的，要想清楚幾個簡單卻關鍵的問題：想解決什么問題？用戶的需求在哪？為什么要解決這個問題？這個需求有多迫切，是大問題還是小問題，在當前技術下可不可解？還要明確企業愿景：是想做成小而美的企業，還是有機會躋身主航道的企業？不同的愿景，對應不同的發展模式、節奏和組織能力，這些都需要思考。

《中國企業家》：你什么時候徹底想清楚，出來創業組建團隊的？

陳亦倫：2024年下半年。

我感覺2024年下半年其實是機器人行業融資的下降點。2025年春節以后，因為有DeepSeek的發布，以及其他機器人的進展，大家對AI的信心突然漲了很多，又開始往上走。

我們選擇融資的時候，不見得那么好融資。但是，我們覺得自己內心把很多事情想明白了，就可以開始去做。

《中國企業家》：第一輪融資時，遇到了很多困難嗎？

陳亦倫：其實也還好。我更喜歡把融資過程當作一個分享自己愿望或夢想的過程。我會對投資人非常忠實地表達我們想做什么樣的事情，這個事情我們認為應該怎么干，我們為什么覺得這樣干是有可能成功的。到現在我們所有的進展、我們做的事情，都跟我第一次融資的BP一模一樣，沒有改過。

《中國企業家》：你們現在還拿原來的BP去融資？

陳亦倫：當然美化了一個版本。第一個BP好草率，非常丑，但里面的內容都沒有變過，包括講我們怎么樣去判斷數據、應用、時間點，以及哪些硬件是我們需要重視的，這些一行都沒有改過。

《中國企業家》：你去融資的時候，投資人對你最好奇的問題是什么？

陳亦倫：當時我們取名叫它石智航，投資人以為我們要再搞自動駕駛。我說，不不不，不搞自動駕駛，已經搞過了，不再搞了。

“它石”源自英文TARS，暗含“他山之石”之意；TARS是知名電影《星際穿越》中的角色，“智航”指的是宇宙航行，并非自動駕駛。我們當時花了一些時間解釋，我們不做自動駕駛，而是專注于機器人。具身作為新興行業，必然要經歷從發展到收斂的過程，因此高認知水平的投資人，往往會問得十分細致。我認為，核心還是要把一些基礎問題想明白：要解決什么問題、這個問題的影響力有多大、用什么方法解決，以及為什么認為這種方法可行等。

《中國企業家》：你覺得這一年做的最關鍵的事情是什么？

陳亦倫：我們做的事情跟我們創業之前的認知完全對得上，相當于我們在2024年年底做出的關鍵判斷，都是準確的。而且，現在不光是我們這么做，整個行業也開始這么做。

舉個特別簡單的例子，我們一開始就明確要用以人為本的視角，也就是Human Centric。現在引用Human Centric這個詞的地方已經很多了。

除此之外，整個行業對具身智能Scaling Law的認知，也和我們當時的判斷完全一致。客戶跟我們說，線束場景對他們而言就像“哥德巴赫猜想”——大家都知道它難度極高、攻克后影響力巨大，但所有人都在質疑我們到底能不能做好，能不能用我們的方法做好。到今天來看，我們的進展非常順利，整個時間線也和我們之前的判斷非常吻合。

來源：AI生成

我之前一直喜歡講“超級單品”的概念，其實有資格成為超級單品的選擇項不是特別多，手機、電腦、智能汽車以及智能機器人都屬于超級單品。

一般超級單品的產品形態上是一個接近于通用的硬件，可以不斷賦予它各種各樣的軟件功能，且AI可以加速軟件功能的價值變現。

對于超級單品來說，尤其發展早期，你需要三件事情都做，即一個通用硬件，加上一個非常強大的AI，和一個殺手級應用。

這三件事情一旦轉起來以后，（超級單品）就會成長得很快。三個乘起來，就能變成乘法效應，如果有一件做不好歸零了，就乘不起來。

《中國企業家》：現在你跟投資人交流最多的是什么？

陳亦倫：我認為行業和技術都在飛速發展。單從技術變化來看，我之前和Alex（周志峰）聊到“基點”或“指數級增長”時，我就在想：什么叫指數增長？其實有一個很直觀的判斷方式：你每年變化的數據，只要對比去年數據的比值持續大于1，甚至大于1.1，那就是典型的指數增長。

從這個角度看，我非常肯定，（機器人行業）每年的變化量一定大于1。從2024到2025年、2025到2026年，再到2027年，我沒有看到任何技術放緩的跡象，技術只會越來越快。

在這樣一個高速演進的背景下，行業會走向何方，哪些節點會成為關鍵，都是大家非常關心的問題。這也是我經常和投資人討論的內容。

攻克場景

《中國企業家》：2025年12月你們直播的時候做了機器人“刺繡”的展示，當時為什么想到要這么展示？它能應用到工業領域的哪些場景？

陳亦倫：我確實發自內心想解決工業線束的問題。最早的機器人發源于汽車工業，上世紀七八十年代，連電腦、編程員都沒有的情況下，ABB等機器人廠商發明了工業機械臂，解決了汽車噴涂問題，基于這個技術，解決了車身焊接、車身組裝問題。

線束，就是汽車工業的第四大項，也是多年（自動化）懸而未解的原因，就是難在算法上。

這是一個制造業的基本問題，但很多人并不知道，所以我們就把我們的能力外溢到一個大家能感受到的狀態——刺繡，它可以操作非常柔軟的東西，它非常精準、長程、復雜，要雙手配合，靈活操作，方法論都是一樣的。

《中國企業家》：這項能力可以應用到哪些場景？為了讓它穩定在工業場景里面工作，你們攻克了哪些難關？

陳亦倫：不管是工業還是家庭，做再復雜的任務，都需要機器人可用、穩定。從技術方案來看，這種可用性其實并不完全受限于機電能力。事實上，絕大多數機器人的機電系統已經遠超人類，它能動得更快、更準，不知疲乏勞累。

決定可用性很大程度在算法上。有時候視頻里機器人動得又慢又抖，是算法局限住了整體性能。所以我們從一開始的目標就很清楚：機器人得有能力干得比人好。什么叫“好”？就是干得快、干得準、干得成功率高——這三條其實是機器人領域最樸素、最經典的標準。

來源：受訪者

但如果你真的拿這三個目標去牽引技術，你會發現，整個算法的設計、架構、創新點和發力點，都會完全不一樣，是一環扣一環的。

第二是穩定。把一套有問題的、不穩定的系統收斂到穩定，這個過程本身才是最值錢的。這個過程就是一套方法論。如果你開發過那些非常復雜、非常大型的系統，你就知道該怎么用這套方法，讓系統逐步可控，從不確定走向穩定，這是我們比較擅長的事。

《中國企業家》：2026年你們的系統會達到什么樣的水平或效果？

陳亦倫：一般會有一個（跟自動駕駛部署一樣）基線水平，這個基線水平要達到比較好的狀態，過程中你要持續提高它的能力，簡單就是小數點后面的9，每提高一個9是一個里程碑。

我們主要是在關注三件事情。即我們的解決方案機器人，能夠真的解決好這個問題；這個機器人真的一天到晚在創造價值；而且創造的價值可以被用戶所接受、所欣賞、所理解。

只要到達這一點，我覺得銷量、供應量等是一個水到渠成的過程。

《中國企業家》：穩定交付面臨的挑戰有哪些？怎么避免踩坑？

陳亦倫：我們最關注的是交付能不能創造實際價值。所以我們的機器人每一秒都必須工作，這意味著既要保證機器人工作不出問題，也要保證模型本身不出問題。

對于這一代機器人，我們內部有一個明確的定義：它是一個可移動的雙手。不管是用雙足、輪子還是什么方式去承載它，這個定義不變。

這種形態對集群作業有很大好處。當一個機器人失效，它可以退出，另一個頂上。以前的自動化設備不一樣，只要一個復雜設備的一個零件壞了，整臺機器就停擺，必須專人拆裝、重新標定才能恢復。

拿物流行業舉例，早年用AGV小車時，整個系統的冗余程度非常高，一個小車壞了，退出，另一個小車跟上，不影響整體運行。

移動機器人的集群作業也是這種組織管理形式，能很大程度規避單體失效的影響。而且失效的數據會進入閉環，流動起來，反過來推動整個模型、算法和系統持續迭代升級。

《中國企業家》：你們的商業化計劃是什么？要拿大B的訂單嗎？

陳亦倫：整體來說，我們針對的問題全是大商業機會，沒有小商業機會，這也是我們剛開始切入點選擇這個（線束）的原因。

剛開始我們選擇問題時就排除了一些比較顆粒化的商業機會，有三個選擇標準：第一，痛點非常痛；第二，一定要有市場空間，簡單來說就是顆粒度要非常大；第三，要有門檻。

基于這三點，我們當時覺得制造業是一個比較好的切入點。我非常熟悉這個行業，也大致知道哪些需求是非常緊迫且可行的，哪些需求可以通過其他板塊來解決。

來源：受訪者

《中國企業家》：現在很多機器人公司更看重海外尤其是歐洲的制造業市場，你們在出海方面有什么規劃？

陳亦倫：在中國，凡是能用上一代自動化設備解決的問題，基本都已經解決完了。但整個工業制造領域，勞動力依然極度短缺，這說明能用上一代技術解決的問題都解決了，需求卻還在，而且巨大。這正是在呼喚下一代形態、下一代技術。因為現在的工作都是人用各種方式在干，所以類人形態一定能跑通。

這一代技術和上一代的本質區別，還是在算法。上一代自動化設備，我們開玩笑是“小火車”來替代“小汽車”，軌道、動作、空間全都是設計好的，硬件做得很復雜，軟件非常簡單。

而這一代機器人，思路正好反過來：讓硬件盡可能標準，讓軟件盡可能高級——完全不同的兩條路。我們已經看到，這一代的潛能，反而大得多。

我們一直很堅持從用戶視角出發做產品和研發設計。我本人曾是大規模自動化設備的用戶，所以很清楚：核心還是產品技術有沒有競爭力。工時成本、運轉效率，這些從一開始就是產品設計的關鍵指標。

以前確實有過一種情況——設備產生的價值和成本不匹配，為了推廣，就專門找人工成本高的地方去賣。我覺得這不矛盾：你完全可以做性能優秀的產品，同時讓用戶把賬算回來。這兩件事應該一起做。

再說國外。我發現一個有意思的現象，像美國這樣的地方，很多企業、很多重要人物，對生產環節的機器人更看重。因為美國想讓制造業回流，但社會結構和人口結構根本不支撐，這是個巨大的矛盾。他們就指望著這一波AI技術能幫上忙。

而我有一個堅定的信念：在這一代機器人面前，已經沒有所謂的低端制造業了，只要技術和問題解決到位，所有制造業都可以是高端制造業。

至于東南亞，雖然很多企業在往那邊布局，但為什么那么多優秀的制造業還留在中國？原因很多，比如產業鏈協同太好了，中國人的管理能力和工藝水平也依然領先，而且現在不光看價格，更看質量。

所以，推動機器人在制造業落地的驅動力是多元的，但核心還是高效率、高成功率、高準確率。把這三點做好，在哪都能把賬算回來。

數據創新

《中國企業家》：你們還發布了數據采集的手套（設備），是怎么設計出來的？這跟其他家數據收集的方案不一樣，有受到過其他人尤其是投資人的質疑嗎？

陳亦倫：我們的數據手套，包括整個數據采集的方案，就放在我們第一次融資的BP上，到現在這個方案沒有變過，（我們）忠實地執行完，并且還加速了。

投資人對技術問得非常之多，在2025年之前，大家非常關注數據，當時比較受關注的是遙操作或外骨骼。

我認為行業真正需要的數據需要遵循幾個原則：

第一，需要有1000萬個小時。第二，一定要是真實場景。

《中國企業家》：你不認同仿真數據？

陳亦倫：這是我的個人觀點，因為很多時候是排除法。我有一個基本的思考邏輯，自動駕駛是具身智能的一個子集，是一個子問題。如果仿真數據的方法對自動駕駛不生效，那它對具身智能可能就不生效。因為一套方法如果子問題都解決不了，就沒有辦法解決一個超問題。

我在自動駕駛領域認真試過仿真數據，曾經有一個非常棒的仿真團隊給我把整個上海都仿真渲染出來了。比如一條路，開始下雨了，地面開始積水了；過一陣又開始刮風、下雪了，都渲染得特別好，特別真實，但沒什么用。

在真機遙操作上，我在清華的時候跟另外一位老師一起研發了一個類似于新型臂，專門幫助同學去做操作，但它的效益非常低，人一小時干十件事情，它只能干一件事情。而且你做一件事情，旁邊必須有一個機器人放在這。這導致你很難采集一些真實場景。比如我現在想看別人怎么打咖啡，咖啡店員工干活干得好好的，你配一個機器人（同步）操作做咖啡；或者工廠里工人都在飛快干活，推一個機器人過來操作，整個流水線一下被打斷了。整個數據量也完全受限于機器人的體量，這個機器人目前來說什么都不會干，只能采數據，那這個東西到底誰來買？科研可以，但大規模推廣很難，付費就可能存在問題。

我喜歡從之前成功的AI應用（借鑒）思考，比如自動駕駛、GPT是怎么獲取數據的？自動駕駛盡管一車裝8個攝像頭，但它本質上是行車記錄儀，把開車的數據給記下來。最開始算法沒有那么復雜的時候，我們還喜歡在車上裝激光雷達，但本質上也是個激光雷達版本的行車記錄儀。現在如果讓我重做一遍自動駕駛，我連專用的前裝攝像頭都不要了，直接在上面掛一個真正的行車記錄儀就夠了，它就是記錄你開車的數據，Human Centric。

大語言模型是一大堆互聯網數據，都是人自己敲上去、寫上去的，也是在記錄你點點滴滴的文本，你的思考、生活，都是從人身上來的。

機器人的目標也一樣，它希望擁有人身上的技能，為人服務，就是把人身上的數據能夠全量、忠實地記錄下來，通過一系列算法，轉換成機器能識別的數據，我覺得是一條非常正確的路。

接下來是數據記錄的問題。我們不需要記錄每一個關節（比如胳膊肘）的數據，因為最終目標是把手送到位。關鍵在于手的姿態、手型以及接觸信息，中間關節怎么動并不重要。同樣，腿、腰、身體的姿態也未必那么重要。

Sense Hub在多場景進行真人數采。來源：受訪者

真正重要的是眼睛和手：眼睛看到的場景，機器人必須能看見；手在創造價值，其位置、狀態、觸覺都需要記錄。這就是我們所用的全部傳感器，目標是把這套系統做得很輕。難點在于，當手被遮擋（如疊被子時）看不見怎么辦？這就需要一整套技術方案來解決。

《中國企業家》：當時怎么想到用手套這種方式的？

陳亦倫：來源于幾個觀察。

第一，恢復手指姿態非常重要。就像戴AI眼鏡用攝像頭能看見手一樣，圖像里只能給出二維位置，空間精度不夠，我們很強調空間定位。

第二，當手被遮擋時（比如拿咖啡、伸進被子疊被子），視覺質量就會下降，所以需要一套穩健可靠的多元定位方案。手上的攝像頭傳感器因此變得重要，它們需要承載腕帶之類的裝置。

第三，很多應用場景，包括工業領域本身就要求戴手套，所以這也成了一個很自然的選擇。

《中國企業家》：對于你們的機器人來說，是必須要（五指）靈巧手的？

陳亦倫：對，我們是高自由度靈巧手的堅定擁護者。我們根據大量的人采數據做過定量評估：平均而言，用人的五根手指完成任務，比強制用夾子去捏，效率高出三倍。用夾子有些東西甚至夾不住，比如重一點的水瓶。五指手是充分且完備的方案，效果一定很好，我們自己也做了靈巧手。

來源：AI生成

當然，夾爪也不是完全沒用。有些工業場景會用，比如處理很細的線束時，這類特殊場景我們會采夾爪的數據。但泛泛來說，靈巧手與專用工具（如夾爪）的應用比例，我判斷大概是九比一。

《中國企業家》：但靈巧手現在是困擾整個行業的難題，特斯拉也解決不了，你們有沒有考慮過，短期內這會給場景落地帶來困難？

陳亦倫：我們倒不擔心這個。我覺得靈巧手會有兩條不同的上升路徑。

馬斯克喜歡一步到位，這是他的特點。他們的靈巧手之所以難設計，是因為要同時干兩件事：第一，非常靈活，具備21個以上自由度；第二，非常強壯有力。把這兩件事捏在一起，你會發現特斯拉選的是一條非常非常難的路。

如果你把這兩件事分開呢？只聚焦靈巧，抓握力不用那么大，你會發現其實有很多更好的方案。我非常擁護直驅方案，它對AI算法非常友好，而且好造，還能很好利用中國之前的供應鏈。中國做齒輪、做電機，本來就是強項。

在這套方案里，成本只取決于一件事：電機和齒輪的供應商什么時候用自動化生產線來完成制造。現在成本高，唯一的原因就是（電機和齒輪）沒上自動化，還是手工生產線。

組織管理

《中國企業家》：你現在怎么分配自己的時間精力？

陳亦倫：我的時間分配可以分為靜態和動態兩類。

靜態時間，是企業必須持續思考、不斷迭代的基本問題：我們是否還在正確的路上？節奏是否對？資源夠不夠支撐下去？有沒有足夠多優秀的人才？團隊和組織能不能承載我們想做的事？這些問題我每天都會想。

動態時間，是創始人模式下的日常狀態。你要非常敏銳地捕捉企業每一天、每一周最重要的幾件事，這幾件事是動態變化的。如果能提前預判后面會發生什么，那就更好了。然后我會親自去推動這些最重要的事。因為從創始人模式來說，由我來推，往往是最有效、最快，大家感覺也最好的方式。

《中國企業家》：你在融資上會花多少時間？

陳亦倫：對于企業來說，資金就是打仗的糧草，不管是融資還是我們的商業收入，都是企業同等重要乃至于最重要的事情。這些事情一天到晚掛在（我）心里。

來源：受訪者

《中國企業家》：你在跟團隊的交流和管理上，有什么方法論？

陳亦倫：我一般會把這件事情分成兩個層面來看。

我在上一家公司從0到1搭建自動駕駛團隊時，一直堅持精兵策略。我非常認同特斯拉的做法，他們的自動駕駛團隊從頭到尾沒超過200人。我認為200人左右，是高密度技術團隊的一個關鍵規模節點。超過這個數，管理方式就要分階段調整。

對我來說，最舒服的狀態就是帶著一支這個量級的優秀技術團隊，像尖刀一樣快速推進。在這個規模里，我能了解每個人的工作狀態，也能預判他們什么時候可能需要我的幫助，這是我多年養成的習慣。

上一家公司自動駕駛技術進步最快的階段，也是團隊在300人以內。那時基本能把進度條推到80%、90%。這就是從0到1的節奏。

但產品化跟交付、穩定性相比，是另一套邏輯。首先要“快速把事情做對”，然后再“避免把事情做錯”，兩套方法不一樣。

像IPD這類流程化方法論，本質上就是用來避免犯錯的工具，適合在規模化階段使用。雖然每家公司都有自己的開發流程，但我發現真正的高手，都是“取其神，不取其形”。IPD像一部法典，你只要看懂它每條規定背后的思考，就能根據當前狀態，靈活調用適合的工具。

《中國企業家》：你和團隊經常聊到的細節是什么？

陳亦倫：我經常干的事情，就是在白板上推公式，我會直接看某個電路板的某一個芯片，甚至是（它的）一個功率放大器的增益應該怎么調。我也會仔細看它的電機的設計，怎么樣可以讓它的齒槽轉矩變得非常之小。因為我自己以前管過生產制造，我還會關心這個東西我們設計完以后是怎么制造出來的。

《中國企業家》：所以你會參加員工的技術討論，甚至在他們討論時突然出現？

陳亦倫：其實很多討論他們都喜歡邀請我，我在很多技術人員眼里是一個非常好的技術專家，很多時候我能夠非常有效地幫助他們很快推進，他們就更開心了。

我有一個動態的優先級列表，我知道在哪個時候，哪件事情上大家會面臨著一些技術難的、需要攻關的地方，我會主動挑時間進去，看看能不能幫大家把這個事情往前推進一下，目前來說還不錯。

《中國企業家》：你在日常管理中是鼓勵型的“老板”？

陳亦倫：對，我非常明確我是鼓勵型。我們經常喜歡說一句話，很多時候創新是來自于對真相的持續追求。

因為你在不斷探索新東西，所以很多時候你看到的不是真相。有時候我會跟大家一起去介入到對真相的調查，看看能不能成功“破案”。“破案”的過程本身就是一件很好的事情。

其次，我經常跟我們團隊說，我們的做事原則是允許失敗，或者說我們完全不介意失敗，但我們希望快速推進，能夠更加原創、自驅地產出很多解決方案和思路。

《中國企業家》：這對于人才的要求非常高，整個行業的高端人才也是比較稀缺的，你們對骨干更傾向于自己培養還是建立相應的招聘體系？

陳亦倫：我們現在每一個員工，我都是要親自跟他聊一聊。

人才是我們最重要的事情，我覺得對于高科技來說，人才跟組織方式是這個公司最核心的壁壘。怎么把非常優秀的人組織起來并干得很好，非常自驅地往前干，也是很有意思的一件事情。

以前我看武俠小說，說高手之間不用過招，也能認出對方是高手，這種感覺確實存在。有時候你見到一個人，就覺得他好棒，聊一聊，哪怕學科領域不同，也能感知到那股勁兒。我們對這種極端優秀的人才是非常渴求的，不管他是什么出身、什么背景。

我自己總結，這類人身上有一個共性：他們真心喜歡自己做的事，并且能持續從事情本身獲得正反饋。有了這個共性，他們就會不斷學習、不斷推進、不斷拿出更好的東西。這是我們最看重的一點。

《中國企業家》：你們怎么去找到這樣的人才？

陳亦倫：頂尖人才本身就非常非常少，基本上都是可遇不可求。如何發現這樣的人，可能會有一些基本的原則。

俗話說，優秀的人總喜歡聯結在一起。通過一個優秀的人，我們再去找他身邊他認可的人，這樣發現人才的概率可能就會高很多，而且大概率彼此的認同度也會高很多。

其次，因為機器人或者具身智能是比較新的領域，我們倒不是特別介意他之前一定要有相關經歷。哪怕他之前從事的是一個完全不一樣的領域，但他有很好的作品，有很好的做事方式，我們就會認為他只要保持這個勁頭，充滿熱愛，在這個領域就會獲得大量的成果。

以前，我們覺得是因為召集了一批“英雄”，所以打贏了一場戰爭。但事實上，可能是我們召集了一批志同道合的人打贏了戰爭，于是這些人都變成了英雄。

《中國企業家》：你們內部會像DeepSeek一樣培養年輕人？

陳亦倫：是的，DeepSeek最厲害的一點是，知道怎么把這些優秀的人聚集起來，做一件了不起的事情，而且還讓他們能夠持續不斷跟隨著整個組織一起成長。

《中國企業家》：你對于公司未來的發展預期或者規劃是什么樣的？

陳亦倫：我堅持要做有用的機器人，我需要這個機器人能夠不斷創造價值，能夠幫助我做好工作。每個人有機器人加持，會變成一個超人。