北京
Life is tough，
but we are tougher.
成立于 2011 年的群核科技在走過 15 個創業年頭后，在 4 月 17 日于港交所成功上市了。
這是一個中國合伙人式的故事：三個聯合創始人是美國伊利諾伊大學的校友，其中，董事長黃曉煌和 CEO 陳航，在浙大竺可楨學院時期就是本科時期的室友。
在 GPU 算力尚未被大眾熟知的年代，三位創始人就憑借著對計算技術的熱愛和執著，發現了 GPU 集群可以極大地加速物理渲染，因此打造出渲染引擎——一個拿著技術找應用、拿著錘子找釘子的典型創業范本。
我在去年 8 月份與黃曉煌進行了一場訪談。這個故事中，最打動我的是，回報，總是發生在那些不計結果的好奇心與熱愛之后。
長達 10 年的時間，群核在最不性感、最難數字化的家裝與房地產領域死磕十年，把每一個室內空間的物理參數、材質精準地搬進數字世界。最終打造出空間設計行業的 SaaS 工具「酷家樂」——但也正因為這樣「扎實而沉悶」的積累，讓他們在 AI 時代突然發現，自己坐擁了一座關于物理世界規律的「數據金礦」。
這家公司早從 2021 年起，就開始了從 SaaS 公司向 AI 公司轉型的布局，比 ChatGPT 的爆發還要早一年多。今天，群核成為了具身機器人公司、以及許多訓練多模態、世界模型大廠的重要數據提供商。數據之外，這家公司也正在開放底層空間智能能力，推動AI對物理世界的理解、推理和交互。
我們的訪談還原了一家創業 15 年的硬科技公司，多次轉型的全過程。
（注：本次訪談發生于2025年8月。）
（?原版訪談的視頻版可前往微博、B 站、視頻號等平臺觀看；播客版可前往小宇宙等平臺搜索同名賬號《衛詩婕_漫談Light the Star》）
訪談 | 衛詩婕 × 黃曉煌（群核科技聯合創始人&董事長）
漫談Light the Star
PART ONE
無心插柳，開源數據集InteriorNet
衛詩婕：今年杭州六小龍一下變得特別火，聽到有一種聲音說群核是被塞進去的一條小龍，你有聽說過嗎？
黃曉煌：非常少。杭州其實有非常多優秀科技公司，最終被選為杭州六小龍，肯定是有運氣的成分在。我們公司從成立開始就是科技主導的。在 GPU 還沒熱之前，就發現 GPU 集群可以用來加速很多事情，后面就用來做物理渲染，拿著錘子找釘子，再到處找應用。即使拿到十年后的現在，技術依然是非常領先的。
衛詩婕：我聽說疫情期間有一些硅谷的公司發現你們有一個數據集叫 InteriorNet 。想用來做機器人訓練，因為疫情，所以很多線下的訓練就沒辦法做了。這個數據集就是 3D 空間，我的理解就是像上網校一樣，讓機器人在一個虛擬的世界里面訓練。
黃曉煌：是的，疫情也是比較奇妙的，讓很多事情發生改變了。大家原來習慣了訓練機器人，或者一些 AI 設備、硬件都是到線下場地。但疫情把這些事情全部阻擋住了，也想著新的辦法去做探索，所以 18 年開源了 InteriorNet 之后，這些科研人員也在到處搜相關的解決方案，看到這個東西就來聯系我們。
衛詩婕：其實 InteriorNet 是你們在做傳統業務（酷家樂）的時候自然而然匯集成的一個數據集。
黃曉煌：對，我們當時團隊有一小波人還在做科研，做著玩的，反正也沒有什么業務壓力，就覺得好像有一些用。因為那個年代 AI 比較火的時候，我們當時覺得這東西能不能用來做 AI 訓練，自己不知道怎么訓練，要不我開源出來讓別人訓一訓看看？
衛詩婕：是被李飛飛 ImageNet 所啟發的嗎？（注： ImageNet 是推動深度學習的一個關鍵節點）所以開源出來一開始有效果嗎？
黃曉煌：一開始發論文有效果。做業務沒什么效果。我們跟他們一起發論文。
衛詩婕：2023 年的時候發現有機器人公司有這個需求，是嗎？
黃曉煌：2020 年、 2021 年發現它也不光是機器人，會做各種設備的訓練。
衛詩婕：那這個時候給你什么啟發嗎？
黃曉煌：對我的啟發， AI 好像是到了一個新的階段了。我們在 21 年實際上也擴充了數據集團隊到二三十人。后面發現沒什么用，因為我們發現這里面最關鍵是算法。本來想 21 年就想把這個做成一個正式的業務。客戶說算法效果不太好，幫我調一調。后面才發現需要的是頂級的算法工程師。當時我們還沒關注到大模型，只知道花了好多 GPU 訓練，很多算法調優沒搞定。21 年 5 月份周教授組了一個 AI 的團隊，專門做這個，后面才慢慢的知道怎么做。
衛詩婕：你發現潛在客戶有這個需求，但沒有能力做的時候，意識到得重新拉一個 AI 團隊。
黃曉煌：我當時倒沒想那么多，覺得挺有意思的，一個全新的領域。正好當時周子寒（群核首席科學家）也在研究這些，要不回國一起來做這個。
衛詩婕：我昨天跟他聊了，他說當時加入你們就是因為他是做 3D 視覺這一塊的，在高校數據量很有限，但你們有一個當時看來非常龐大的數據集。實驗室組成了之后，對你們是非常關鍵的一步？
黃曉煌：我們正好是屬于有 GPU 也有數據的，缺算法，正好配齊了，就組了一個實驗室專門研究。過程中還是有很多認知上的變化的。舉個例子，比如說原來訓練模型要很多 GPU ，但很貴。之前不會把東西訓練很大。大語言模型火了之后才知道原來這些東西要很多 GPU 。
漫談Light the Star
PART TWO
公司小的時候，必須蹭熱點
但也要創造社會價值
衛詩婕：最早 2021 年開始有硅谷的一些機器人公司用你們的數據集做事情。但因為你們數據集是開源的，也沒有什么商業收入。你是從那個時候開始意識到，也許好好研究一下大模型和數據價值挖掘，以后有機會可以成為一條商業化收入？
黃曉煌：對，另外一方面，我們在跟這些大公司合作的過程中，隱隱約約發現了這些訓練需要非常大的數據量、 GPU 。當時就意識到好像不對。現在內部的同事，問了一圈也都不會。就只能招相關的人、組建新的實驗室來研究。我們叫升級，實際上老的體系都在，因為老的業務也很穩健，也提供了很好的現金流。但是你要迎接新的時代的到來，必須有一批新的人才、新的組織形態，就要在基礎上升級，兩個體系都有。
衛詩婕：還沒有找到的前沿的探索就需要創新部隊。
黃曉煌：其實不是說找到沒找到，我現在發現的是如果目標過程的操作怎么做也不清楚， KPI 制定不出來，就得用創新式的團隊。
衛詩婕：現在公司里面創新式的和流程式的占比大概是多少？
黃曉煌： 1/ 10 。
衛詩婕：這 1/ 10 的人應該很貴吧。就是我們現在所說的 AI 人才。
黃曉煌：對，是挺貴，但比起機會成本，人的成本其實還好。
衛詩婕：你怎么說服投資人現在要做一件新的事，然后也要招很多很貴的新人？
黃曉煌：每次戰略調整的時候，大部分股東 ok 。總會跳出一兩個覺得不要在中國搞研發，沒前途的。首先不要為了股東的意見而調整自己認為對的戰略方向，畢竟股東只是要錢，又不要你命。但是不要讓這種股東長期存在，不然對于企業的破壞力也很大，最好一次性能解決這個問題。認可你方向，大家志同道合的就一起往前。
衛詩婕：但當中有一個比較 tricky 的地方在于，投資人也好，市場也好，怎么讓他相信我不是來蹭熱點的，而是我的技術、產品落實到這些場景當中，也能發揮作用的。
黃曉煌：首先我覺得蹭熱點不可恥。英偉達也在蹭熱點。當年英偉達蹭挖礦這個賽道我是很不認可的，這個賽道你都蹭，后面要賺了很多錢。熱點應該蹭，但是不能瞎蹭，至少給這個熱點創造一些價值。
另外一點是當你公司小的時候，必須蹭熱點；公司足夠大或者有能力的時候才有選擇，你可以自己制造熱點。過去我有很多朋友的公司很鄙視蹭熱點。但是實際上在做業務的過程中，會發現有熱點的地方，推廣的 ROI 是很低的。技術是通用的。在熱點的行業推，效率、產出高，團隊也有成就感。實際上我現在慢慢理解了這些熱點。有熱點的地方要么有公司在推，要么有國家在推，不會有平白無故出現的熱點。公司也好，政府也好，需要你的助力，所以順勢而為。也不是什么熱點都去嘗試，至少在價值觀上我們認可。
衛詩婕：如果重來一次，你還是不會去挖礦的嗎？
黃曉煌：對，我對這不太感興趣。元宇宙我可以去試，因為我覺得這是一個很酷的 idea 。還是希望做一些實實在在、創造價值的東西。當然還有很多有熱點的東西我看不明白，我也沒參與。
漫談Light the Star
PART THREE
有一些員工很認可，
也會有人覺得，老板怎么又開始蹭熱點了？
衛詩婕：2023 年是群核戰略升級的重要一年。你覺得那個時間點對于群體來說是一個好時機嗎？當時你們也至少財務上面還是虧損的？
黃曉煌： 2021 年因為資本市場太好了，當時去美股 IPO 招了很多人。后面整個市場格局、資本格局，各種大事件出現，你要調整。 AI 的出現給我們調整未來方向一個曙光，因為我發現這些新的公司出來，第一眼觀察到的倒不是說 AGI 會怎么樣改變這個行業，而是它的商業模式。 Openai 按照算力、 TOKEN 收費。我們之前按照 Saas 包年包月收費，導致很多非常好用，但是非常消耗算力的能力，沒有辦法得到推廣，因為成本太高了。別人一用我就虧錢。所以那幾年本身對于這事情是挺糾結的，看了 Openai 商業模式之后我發現，基于 GPU 的商業模式應該是按 TOKEN 收費。所以我們第一件事情提出來的就是調整升級 Saas 的商業模式。
衛詩婕：這樣的話能帶來更多的收入了吧？
黃曉煌：理論上是，現在新業務是都是按照 TOKEN 收費的。老業務還在調整的過程中，但是這樣我們有很多新的能力就可以發布出來了。
衛詩婕：除了商業模式還有別的啟發嗎？
黃曉煌：原來都是要把功能往小、往便宜做，更多的是植入 knowhow 。現在就是往功能、智能化、聰明的做，消耗更多的算力，讓人花更少的時間。原來 Saas 衡量標準是用戶乘以每天花的時間體現產品的價值。未來可能是衡量解放了多少時間。
衛詩婕：硬科技創業其實很像沖浪，尤其是像你們這種擁有通用技術，要找不同的場景。像你說的，要去參與熱點。一波又一波的熱點，就像一浪又一浪，有時候你站上去了，有時候也會被浪打趴下。目前你們有被浪打趴下的經歷嗎？
黃曉煌：肯定有啊。不能叫趴下。比如說你做了半天，本身業務很好了，巨頭突然進來攪局。市場又動蕩了。反正就是大風大浪見多了，所有風浪都是生活的一部分。不要太去在意這些，做你能長期堅持的東西，別人就不能怎么樣。首先這東西有價值，另外在做的過程中，會產生愉悅感。
衛詩婕：在創始人身上還挺好理解的，但是怎么在沒有信心的時候給員工信心？
黃曉煌：這個確實是我創業過程中比我自己的精神狀態更難調整的東西。我自己倒是比較樂觀主義的，外部怎么變化沒什么影響。比如 2023 年我們開始做空間智能、大模型，會有一些員工很認可，也會有一些人覺得老板怎么又開始蹭熱點了？經歷多了我也習慣了。要做到所有人都跟你想法一致是不可能的。跟你想法不一致或者不認可你方向的，要積極傾聽。真的達不成共識的，強留著沒什么意義，要改變人的認知太難了。就像馬云說的，自己都改變不了，還去改變別人。
衛詩婕：你們三個創始團隊都還是比較簡單、純粹、單純的人。
黃曉煌：對，我覺得這點是比較好的。我們三個創始人教育背景、工作背景比較一致，所以類似的問題我們基本上觀念都完全一致，很快能達成共識。
衛詩婕：變本身就是企業的本質。變的過程中有什么可以復用的經驗嗎？
黃曉煌：這個是沒法復用的，時代變化一直是在變的。有幾個是可以復用的，一個是新的方向有沒有創造社會價值？我覺得房產在中國過去的幾十年里是在創造更多的價值，讓我們的生活變越來越好。接下來給中國、給世界創造更多價值的是什么東西？這些是我們要思考的，不能純從賺錢的角度去思考。另外得自己熟，天天看這方面的資料，這東西做的好不好？你有一個判斷力，這種東西可以做；但是如果你自己完全沒判斷力，就覺得這東西好，這就不合適了。
衛詩婕：在早期怎么說服大家這個事情是可做的，而且我是有能力做的？
黃曉煌：經過了幾波之后也不去說了。很多老員工是認可公司的，過程中也風風雨雨的，我們基本上都會給老員工調整業務線。大家形成一個比較長的默契，待到 10 年以上的，更多是相信公司、相信團隊的 DNA 了。包括很早進來，離開我們公司之后最懷念的也是企業的 DNA 。有些人到了新的公司，可能也會習慣性地跑去老板辦公室懟，第二天就領盒飯走了。
衛詩婕：你碰到這種比較冒犯的方式的時候會很 decent （體面地）處理，這是你骨子里的狀態嗎？
黃曉煌：首先我不覺得這種行為是種冒犯。約好時間進來，不管說什么我都是很開放的，在我們公司可以講任何想法。
衛詩婕：在這個變化過程當中最難的是什么？
黃曉煌：人的問題肯定是最難的。在公司找到新的方向，希望帶領大家到一個新的高度，肯定還有一撥人想照老路繼續爬。反對的聲浪會越來越大，我的態度就是這種聲音，不管多刺耳都會聽。但是我不會因為這些聲音改變。
衛詩婕：目前是用自己的利潤在做研發嗎？因為你們公司從 day one 就是一個非常重研發的公司，對嗎？
黃曉煌：對，我們現在有利潤，所以利潤上沒什么問題。
漫談Light the Star
PART FOUR
人類有同樣的認知，
是空間理解的一個關鍵點
衛詩婕：我查了一下空間智能這個詞，其實最早是 80 年代心理學家提出來的。但是去年李飛飛又把這個概念至少在 AI 領域推到了一個新的高度。這個詞跟群核的業務聯系在一起，最早可以追溯到什么時候？
黃曉煌：其實我們從剛成立的時候就開始研究這方向，當然當時更多的是三維設計。特別是 18 年我們開源了 InteriorNet 之后，我們當時隱隱約約覺得有一種 AI ，它跟文字圖像不太一樣，更多的是理解 3D 空間。但具體用什么詞來描述我們研究了很長時間，后面就覺得空間智能這個詞不錯。
衛詩婕：李飛飛把它再次提出來的時候，你覺得這個詞不錯，對嗎？它是不是就完全可以概括你們在做的所有的事情？
黃曉煌：是的，我們現在把空間智能分成四個部分，就是空間的理解、空間的推理、空間的生成，還有空間的行為，基本上就代表了我們平常在做的這些產品。比如說我們坐在這個環境里面，你看到的跟我看到的房間里的所有的幾何結構是一樣的。我們都是人類，都有同樣的認知，是空間理解的一個很關鍵的點。但很多機器人不是一樣的，坐在這邊看到的，跟你坐在這邊看到不是一個房間，就沒法一起工作了。
衛詩婕：這個很有意思，為什么不同的機器人看到的會是不一樣的？我所知道的是因為機器人領域現在還沒有一套統一算法架構，可以理解為他們現在用的都是各自不同的語言。
黃曉煌：不光位置不一樣，換掉一個燈，它都會覺得在一個不同的地方。它對空間的理解，更多的是對于圖像的理解，現在很多機器人的技術還是原來的圖像技術在做，燈開跟燈關不是一個圖像，那它理解的就不一樣。我們得構建出一套系統，能夠讓機器人有記憶跟理解力。
衛詩婕：這也是李飛飛的論文《 Thinking in space 》里面的主要的核心理念， AI 也是需要更進一步地看到這個世界，記住這個世界。很多空間智能相關的論文，是否幫助了你們梳理自己要做的事？
黃曉煌：肯定是有幫助的，我們也看了很多相關領域的論文，對于空間的理解，具體用在哪里？我們就會探索在老的業務里面怎么用這些空間智能的技術。
衛詩婕：除了機器人公司還有別的什么公司來找你們用這些數據集嗎？
黃曉煌：有，硅谷那幾家大的，不過我們簽了 NDA（保密協議） 。我們后面看了論文之后也發現有一些新的算法出來了，需要這些空間認知的模型。
衛詩婕：看完論文之后，是不是非常清楚的知道這些數據集能派上什么用場？
黃曉煌：那個年代還沒有很清楚知道。當時的說法是對于空間的理解產生泛化性。在圖像里去做空間的理解，它是沒有泛化性的，開個燈或者關個燈就不認識。產生泛化性，就是在各種情況下都能認識。現在技術不斷的發展之后，就越來越清晰了。
衛詩婕：在還不清晰的時候，你已經決定了公司要戰略升級、做空間智能了吧？
黃曉煌：2021 年還有點模糊。
衛詩婕：變化的時間點是什么時候？
黃曉煌：2023 年，因為 2021 年老賽道如日中天，業務也很好。那時候不會想著變革的，窮則思變。
衛詩婕：會不會很感謝 22 年 10 月份 CHATGPT 出現，否則你只是在一個大環境變了的迷茫和焦慮狀態當中，可能沒有新技術點燃你新的方向。
黃曉煌：感謝倒談不上，它突然給我們開啟了一個新的大門。
衛詩婕：剛才用沖浪比喻硬科技創業，如果 chatgpt 沒有來的話，那浪就沒有來。
黃曉煌：也許有別的浪。只不過你要做選擇，有的時候是浪花，有時候滔天大浪。
衛詩婕：AI 大模型是超級大浪嗎？
黃曉煌：現在看起來肯定是足夠大的，已經持續了三年了。
衛詩婕：大模型這波浪潮里面你們創始人都是技術出身，純理工男，有過任何的異議嗎？
黃曉煌：有。投入多少資源？怎么投入？招人的標準是什么？應屆生行不行？ GPU 買多少？是量大管飽還是夠用就好？
衛詩婕：這幾個問題都特別重要，我們先從招人聊起，應屆生行不行？
黃曉煌：現在的結論是肯定行。有經驗的都被字節、阿里搶完了，但是我們得想出一些辦法，從應屆里面找到符合我們價值觀、最能打的。我覺得創業者得有一個心態，就是牌桌上有什么牌，你就打好它，別怨天尤人的。沒有那么好的運氣的。
衛詩婕：GPU 是量大管飽還是夠用就好？
黃曉煌：我們經過幾番討論，在 CFO 的強壓下，最后變為夠用就好。其實可以多買一些的。
衛詩婕：據我所知， 2023 年算力非常緊俏，但 2024 年市場上也多出了不少的算力，因為大量的當年號稱要做基模的公司死掉了或者退場。所以它其實有一個曲線變化。但今天看來，你還是會覺得當時比較保守，因為時間更值錢。
黃曉煌：對，有限的 GPU 肯定限制了想象力。不光是浪費了時間，有些模型本來可以訓練得更大。
衛詩婕：這是一個很好的信號，說明你們在做這件事情的過程當中已經看到了越來越大的價值，才會后悔當初投入投少了。
黃曉煌：是。但這東西沒什么好后悔的，萬一投錯了是麻煩。
衛詩婕：怎么測算 GPU 當時到底是要買多還是買少？
黃曉煌：看 GPU 利用率，加了之后會持續提升還是再降低？反正把討論變成一個數學問題。因為數學問題是有答案的，情感問題是沒有答案的。
衛詩婕：群核新方向的突破口目前是幾種場景，一是機器人訓練需要 3D 數據，且非常稀缺；另一個是電商；還有傳統的房地產相關產品，由這些數據集衍生的一系列工具。
黃曉煌：目前能用到的其實還有影視、游戲、廣告，很多賽道都用得上。
衛詩婕：最早 21 年聯系你們的那波硅谷公司們，用完你的數據集，效果是具體是什么樣？自己怎么發現數據集到底有什么用？
黃曉煌：后面他們產品發布了之后，我們能看見有一些是用我們提供的合成數據做出來的。
衛詩婕：你判斷這件事情的商業價值有多大？
黃曉煌：第一個判斷這東西有沒有社會價值，能不能提高社會生產率，提高大家對生活的滿意度。因為所謂的商業價值都是人琢磨出來的，有價值的東西一定有商業價值。不然就是因為過度競爭。當然可能也是受英偉達的創業理念的影響，原來做 CUDA 都說有價值。也不得不相信，因為沒什么選擇，如果 CPU 是未來，公司就沒了。當時英特爾想把 GPU 做進 CPU 里，做成一個大芯片，如果那個是未來，那 GPU 就不用存在了。
衛詩婕：因為如果他不相信 GPU 的話，也不會有英偉達這家公司。但我覺得黃仁勛有很厲害的一點是他永遠會去造未來。他每年畫一些餅，看有沒有跟隨者。
黃曉煌：我覺得不是造，就像我前面說的，更多的是跟著風口。因為他的那些東西學術界已經提出來了，學術界提到的東西你是看不見的，但是商業公司提到的你才看得見。
衛詩婕：這個也是我想問的，今年 GTC 還蠻重篇幅的去講物理 AI 。為什么是今年？
黃曉煌：因為學術界在 22 年， 23 年就熱過了，大家看起來不錯，才會到產業界去推。產業界才會聯系各種媒體到處宣傳，才會進入到公眾視野。不看論文的話，就只能看到公眾視野的東西，那都是落后兩三年、三四年以上的。包括我們自己做商業決策，也是學這招，至少在學術界有一些突破。連學者都沒搞定的事情，你自己就別瞎折騰了。
衛詩婕：今年我們能夠看到群核在機器人狂潮當中有非常重要的角色，因為你是他們非常重要的數據提供商，地底下的這塊數據寶礦終于讓大家看到了價值。這件事情是你們從 25 年開始 highlight 的還是更早？
黃曉煌：18 年就在研究這個，23 年大概就知道能做什么了。
衛詩婕：這三個場景是 2023 年就選定的？電商、機器人，還有工業 4.0 。
黃曉煌：對，當時還不是機器人，更多的是設備的智能化，類似于掃地機器人。我們認為傳統設備的智能化是大勢所趨，但到底是什么形狀不確定，你可以叫物理 AI ，或者設備的智能化。
衛詩婕：但坦率講，如果是以前的那種傳統的掃地機，它跟今天具身智能所面向市場的天花板比起來，肯定還是后者更高。
黃曉煌：那肯定，但掃地機器人只是這個大賽道的一個細分。所以你不能否定它，其實是機器人普及到千家萬戶的一個很好的典型案例。我們想要給所有類型的機器人公司提供服務。當時也在摸索，因為那個年代會訓練大模型的機器人公司非常少，現在能訓練的也很少，所以我們開源模型要把難度給降低，不然很難做。
衛詩婕：除了場景清晰了，還有哪些方面清晰了？
黃曉煌：技術方向也相對比較清晰了。目前用的是 VLM 架構的 SpatialLLM 。
衛詩婕：怎么確定用哪個框架？邏輯是什么？
黃曉煌：不斷做實驗，看哪一個效果好。這些模型目前都是不完美的，還有提升空間，但下一階段會出現什么東西誰都無法預測，我們也在研究。
衛詩婕：你怎么確定空間智能這件事情通向哪個方向？
黃曉煌：首先大語言模型開啟了一個新的大門，并不是說一定要去做 chatgpt 之類的東西。而是數據越多越智能，在大語言模型上我們看到了類似于 Transformer 這類的框架。中國有個天然的問題，就是算力被限制了，所以我們內部就沒去做就圖像大模型、 3D 大模型。數據沒被限制，所以對于數據稀缺，但是算力沒有那么稀缺的賽道，物理 AI 是我們覺得是有機會的，因為它的數據更難獲取，算力要求反而沒有那么夸張，所以我們當時戰略上調整到這個方向。
那物理 AI 能做什么東西呢？首先我們內部確定一點是，我肯定不會二次創業，做一個跟我們原來完全沒關系的東西。我們希望這個大模型出來之后，不僅可以拓展新業務，還可以賦能老業務，畢竟老業務是我們現金奶牛。物理 AI 有這個好處，老業務原來所有東西都需要物理參數、物理材質、信息，原來所有東西都要人工去做，現在訓練大模型可以拆出來圖片里的這些東西的物理參數。這對老業務的效率提升是非常巨大的。我們選這個賽道也是這個原因。
衛詩婕：你在選了新的賽道之后，原來的創新部隊是足以 cover 新的這件事情嗎？
黃曉煌：是需要有大量的新人才加入的，其實 22 年、 23 年是挺難的，招聘不容易。但是今年確實好招了。今年 C9 院校的簡歷大概比去年增長了 9 倍。海歸的簡歷是去年的 20 倍。
衛詩婕： 2025 年之前，你們知道自己是六小龍嗎？
黃曉煌：2025 年之前名字我都沒聽過。看媒體才知道。你也不知道后面會遇到什么事情，我們公司整體文化還是比較務實的，還是希望名氣跟實力是在一個水平線上的。拉得太高容易被捧殺。
衛詩婕：大家現在都說空間智能是通往物理 AI 的關鍵， 2025 年是第一次登上大眾的視野。我相信接下來物理 AI 熱潮應該還會延續到 26 年，因為語言模型發展得相對比較成熟。但是物理 AI 缺數據，所以它其實還是進程當中，有點像幾年前的語言模型。
黃曉煌：數據肯定是缺的，像算法、硬件、算力都有改進的空間，所以我覺得機會還是很大的。為什么 Jason 在 GTC 上也那么強調物理 AI ？很大因素是現在物理 AI 相當于大語言模型 2.0 階段，有沒有 2.0 我都不知道，因為它很多要跑在設備上，所以算力不像云端的大語言模型可以幾千上萬顆 GPU 連在一起。現在就是一個機器人，端側的 GPU 完全不行，數據問題、算法問題大家都在研究，所以是有機會的。
衛詩婕：因為端側算力有限，你們做了一個空間語言大模型， SpatialLLM ，它的底座是用的通義。
黃曉煌：我們訓練了兩個版本，一個千問的，一個 Llama 的。
衛詩婕：昨天有跟你們的首席科學家周老師聊，為什么選通義而不是 DeepSeek 。他講到一個很關鍵的點是，因為端側算力有限，所以其實跑不了太大的模型，DeepSeek 尺寸太大了。
黃曉煌：年初我讓他們用 DeepSeek 去訓練。搞了半天，說底模太大帶不起來，給機器人用太大了，但我是希望 DeepSeek 能夠發小一些的模型，在這上面訓練。我也跟梁文峰說了。
衛詩婕：他說什么？
黃曉煌：哦唄。還能說什么（笑）。
衛詩婕：你覺得他們為什么不做參數小一點的模型？
黃曉煌：我感覺他們做這個意義不是特別大，因為他們肩負的任務更多的是突破前沿最高的點。
衛詩婕：李飛飛論文里把空間智能分成幾個維度，你們好像也把空間智能分成了四個維度。
黃曉煌：對，李飛飛他分成三個，就是空間的理解、推理跟行為。我們加上了一個，因為看其他有的論文里有空間的生成。
衛詩婕：昨天在 Tech day 也看到你們其實現在這四個方向都是有對應的產品的。
黃曉煌： VLA 還沒有。因為跟硬件綁定比較大，我暫時還沒做硬件，目前 VLA 還沒有辦法跨硬件使用。那我訓練它干嘛呢？
漫談Light the Star
PART FIVE
工業4.0能不能反過來做，
為空間智能領域提供合成數據
衛詩婕：我們先從谷歌 Deepmind 發的 Genie3 開始說，你們跟 Genie 3 的本質區別是什么？
黃曉煌：按我的理解，他們大部分是基于視頻來訓練，我們是以三維加視頻模型切入。我們的模型大小肯定跟他們沒得比。只是做一個視頻大模型的補充。
衛詩婕：你們是基于 3D 生成數據，其實就是過去做業務不斷積累下來的。后來有其他的方式擴充這個數據集嗎？
黃曉煌：我們在研究，內部有其他立項，通過一些其他手段收集更多數據。
衛詩婕：你們數據集目前就是聚焦在室內場景。
黃曉煌：目前是，但室內不光是家庭，有辦公室、工廠。我們也在跟英偉達合作，英偉達更多的是提供一個引擎，賣更多的顯卡，我們可以提供數據。
衛詩婕：給需要的企業訓自己的模型，但他們那個好像說有 9, 000 萬億個 TOKEN 的訓練，來自 2, 000 萬小時的真人世界人類互動，我們怎么理解這些參數？
黃曉煌：首先 Cosmos 做的還是非常不錯的，英偉達本身也是為了推動行業的發展，它更多的是給其他公司提供基礎設施，或者一個 Demo 。
衛詩婕：像他這種參數的是不是目前為止群核肯定訓不了？
黃曉煌：要訓也能訓，但是花這么大成本跟代價做，價值點在哪里？我們畢竟規模小很多， GPU 也沒那么多。
衛詩婕：你們訓的方式跟英偉達有什么區別嗎？
黃曉煌：本質上沒有太大區別，就是模型沒那么大、 GPU 沒那么多。
衛詩婕：相比剛才講到的谷歌Deepmind ，英偉達其實是跟你們更接近，它是實際場景的 3D 數字孿生數據積攢而成。只是說參數量比群核大很多。李飛飛的 Worldlab，我看前幾天他們的 demo 生成了，你有關注嗎？
黃曉煌：我看了，李飛飛那個做的更接近于實驗室的學術成果，不像 Nvidia 落地性那么強。
衛詩婕：我不太懂技術，但看了 Worldlab 的 Demo ，感覺像是一個國外先進游戲的畫面。而你們在昨天的tech day 的演示，選了一個要拆除的照相館，它是個真實場景，通過上傳一張圖片，你們的模型會圍繞這張圖片自動生成一個房間。 World lab 那個很像一個游戲世界，非常的虛擬。但是你們生成的這個空間很真實。
黃曉煌：對， World lab 是一個很偉大的、偏學術的公司。我個人猜測李飛飛成立這公司也是因為在學校里面獲取 GPU 或者搞經費太難了。我看起來更多的是一個學術成果，沒看出有什么商業化前景，可能是我認知有限。我們更希望做一些有技術前瞻性，又能夠服務現實生活的，更貼近于商業化一些。
衛詩婕：騰訊的混元 3D 模型呢？
黃曉煌：他們主要室外的，而且也是你說的游戲風格，我估計他們主要是用在游戲上，有些游戲公司可能會要。
衛詩婕：所以在世界大廠當中，真正做空間采集的 3D 孿生數據來訓模型的是只有英偉達嗎？
黃曉煌：據我所知，其實各大廠也都在做，只不過數據占比怎么樣？空間一致性所有公司都會關心的，只不過他們最終的技術方向怎么定我不知道，但是肯定都會一定程度上引入三維數據來做約束。
衛詩婕：現在你們在做的這個事情，看起來是各家大廠都在做的很重要的。
黃曉煌：也沒有。我覺得目前各個大廠還是很小的團隊在探索。不像大語言模型，是傾全公司之力在做的。
衛詩婕：所以你們不在紅海，在藍海。
黃曉煌：紅海，我因為我被巨頭打過呀。在你的視野范圍內。找一個巨頭做了沒什么太大意義，又適合你做的東西。
衛詩婕：什么時候開始加大資源正式立項，要做一個群核的空間語言大模型？
黃曉煌：大概 2023 年，還是 2024 年，也沒多長時間。
衛詩婕：具體在訓的過程當中，比你們想象當中簡單還是難？
黃曉煌：我們實際上在大語言模型出來之前就嘗試做，但是我們之前想輸出腳本非常困難。后面有人開源了才有條件做。所以說為什么開源比較好？因為你永遠想不到別人用你這東西下一步干嘛。我們也是開源的受益者，所以應該積極擁抱。數據集 21 年就開始準備了，只不過那一波沒試成功，沒有別人開源的大語言模型之前，我們自己訓的模型輸出腳本總是不對。
衛詩婕：現在有三個概念，黃仁勛在今年 GTC 強調的物理 AI ，李飛飛去年強調的空間智能，還有最早 LeCun 提出的世界模型。這三個概念有什么關聯性和差異嗎？
黃曉煌：我個人覺得這三個觀念的方向是很接近的，當然它各自強調的點也有一些區別。黃仁勛可能更強調的是跟物理世界的連接，飛飛更多的是在數字世界里對空間的理解。 LeCun 世界模型我感覺更多的是側重在視頻模型里面，要符合物理世界的客觀規律。但是實際上都指向了同一個問題，現在的大模型有幻覺，或者它對世界的理解跟我們不太一樣，所以我們需要一些新的模型來解決這個問題。
衛詩婕：你們的空間智能跟李飛飛的空間智能有區別嗎？
黃曉煌：我們更多的是在已有業務的基礎上做發展的，聚焦在以真實世界為基礎的空間智能。我看李飛飛很多 demo ，有些是類似于游戲世界的，所以區別挺大。
衛詩婕：我對空間智能有一個自己的理解，覺得它是用來幫助 AI 或者智能體去理解物理世界的規律。能不能給大家解釋一下，為什么空間智能是 AI 邁向物理世界的必經之路？
黃曉煌：因為現在的所有機器人，它的大腦肯定是數字。至少我們的技術沒有辦法離開電腦。所以不管做什么樣的機器人，最終都得把所有的數據集中到數字世界里去做運算，之后以某一種方式返回到物理世界里去，所以數字世界是必不可少的。在數字世界里做運算的時候，物理世界的規律并不會出現在數字世界里。計算的東西要跟你推測的世界相吻合，才能夠真正的干活，這個問題就是空間智能要解決的。
衛詩婕：你們是怎么構建這個空間智能的？
黃曉煌：先有了物理世界的約束，在這個基礎上產生了大量的帶有物理世界參數跟約束的數據，在這基礎上再做訓練。
衛詩婕：怎么理解物理世界的約束？
黃曉煌：這些東西是得出現在三維模型里面的，你在做訓練的時候，是可以知道這些參數的。
衛詩婕：你們最早的 InteriorNet 數據集，其實就是在給房地產行業做家裝渲染的過程當中，自然而形成的一個原始的數據集。
黃曉煌：做全屋定制、工業 4.0 的時候，形成了一個數據集。我們跟這些作者商量了，買了一些版權過來。
衛詩婕：您剛才講的物理世界的約束指的是在服務的過程當中會做很多參數的界定。
黃曉煌：它里面需要很多參數，我們在做工業 4.0 的時候，得確保生產出來的所有東西是真實世界可以用的，所以我們做了一個仿真系統去模擬它生產出來之后的樣子，確保它在物理世界里不要有 bug 。你可以理解成這兩個步驟是反過來的，一開始我們先有了數字世界的東西。賦予了它各種的參數系數，然后我們去物理世界把它生產出來，得確保它生產出來的東西的參數跟系數，跟我們想要的是一致的。我們當時開源 InteriorNet 的時候就在想，這個事情有沒有可能反過來做？我們就開源出來給大家實驗。
衛詩婕：我剛才講 21 年有公司再進一步找到你們。你本來就是開源的，為什么要找你呢？
黃曉煌：因為數據量還不夠，一開始拿著這個數據訓練了一陣子，發現效果挺好。后面要更多的數據量。
衛詩婕：所以當時我知道這個是你們的一個 side project，對吧？
黃曉煌：對，也不算邊緣項目，是科研團隊在做。沒想過商業化，本來想發論文的。我們只是單純的好奇工業 4.0 流程能不能反過來做。
衛詩婕：到了 21 年，其實初步驗證了反過來是可行。很多團隊會拿來訓練 AI 、機器人。到了 23 年，這個雛形就更加清晰了。
黃曉煌：對，它可以反過來，并不代表可以獲得所有的信息。 21 年的時候沒有大模型，大家只是反過來做一些很粗淺的工作。還沒有 scaling law 這個理念。23 年有了之后就可以訓練的更智能，泛化性、理解力更強。
衛詩婕：現在空間智能是群核最大的戰略，它有哪些要素組成？
黃曉煌：昨天發布會上也講了空間智能，我們認為包括四個部分，空間的理解、空間的推理、空間的生成跟空間的行為。空間認知是空間理解的一部分。公司的戰略上是覺得工具、數據跟大模型都是缺一不可的，它是一個飛輪。今天光有還不行，要由工具來產生數據，再由數據訓練大模型，大模型是空間智能輸出的核心，這個體系能夠循環起來，才能最終產生空間智能。
衛詩婕：工具用來產生數據。這個怎么理解？
黃曉煌：用來訓練大模型的數據不是憑空生成的，也沒有辦法從互聯網上直接扒出來，總得有一些方式能夠獲取。
衛詩婕：這里可以展開講一下。機器人的數據大概可以分為兩種，一種是仿真合成的，一種是真實世界采集的，當然真實世界采集的很貴。所以我所知道做機器人大腦的公司，主要用的還是合成仿真。你們做了哪些工具，可以如何去生產這一些用于訓練 AI 的數據呢？
黃曉煌：你剛才說的兩種方式都需要工具。真實世界的這些東西，怎么進到數字世界里面變成數據，是由工具來完成的。
衛詩婕：你們現在的哪些產品是做數據的工具？
黃曉煌：酷家樂、棚拍。這種類型的都是工具。棚拍就是給一些實拍的產品做影棚，像電商，一個商品要賣到全世界各地，每一個國家有自己的影棚的風格。人不變，或者商品不變，整個環境發生變化。原來貼圖的方式可以改變圖片，但是場景改不了的。做視頻之類的，空間智能的工具就可以發揮作用了。
衛詩婕：周老師講了一個點，還蠻有意思的。你們現在肯定是有一個存量數據集，使得群核有先發優勢。但是我想未來如果大家都意識到物理 AI 的重要性的話，大家也會重視數據的重要性，可能紛紛開始采集物理世界的數據或者生成，那優勢就是有限的。
黃曉煌：所以我剛才提到了，我們公司是由工具、數據跟模型組成的，要有高效的工具去獲取數據。不管是給人用的還是自動化的，得很高效，有更多的數據之后，可以訓練大模型。然后用這個大模型讓工具更加高效。它是一個循環。
衛詩婕：他還提到了一點，群核還挺希望能夠盡快擺脫對存量數據的依賴。有很多種方式，可以讓 AI 或者智能體自己去探索，過程當中會產生數據。這個數據集就會更龐大。而且可能會有意想不到的收獲。
黃曉煌：是的，也在往這方向努力，所以我們也在做 spatialGen ，它自己能夠生成數據。
衛詩婕：spatialGen 應該是一個空間生成模型，對不對？我們昨天看到的 Demo 是你上傳一張圖片，它就能自動生成一個跟這圖片相關的空間。這個其實也就是生成數據的一個工具了。現在能被誰用起來？
黃曉煌：我們自己內部是用來給電商生成場景的。相信它的使用場景還會非常廣泛的，所以開源大家都可以用。實際上我們跟視頻生成公司是互補的關系，我們的模型可以保證空間的一致性。
衛詩婕：我覺得這個不叫互補，叫你能做到他們暫時還不能做到的一些事情。那就意味著你們面向一些應用場景的時候，有可能做他們無法做的商業化。
黃曉煌：對，但是他們的東西我們也沒去做，比如說國內的一些首尾幀視頻生成，我們也在調用。有一些不要求場景一致性很高的，比如說要做一個天馬行空的內容，就是現在的視頻模型更好。比如說做一個動漫故事，能把故事講清楚就行了。它效率更高，算力成本更低一些。
衛詩婕：你是在暗示跟這些視頻生成公司之間沒有直接的競爭關系嗎？
黃曉煌：我覺得未來應該不是競爭關系，而是合作關系。我們也調他們的模型。很多地方我們不用自己去重復造輪子，內部電商業務線就是把 spatialGen 作為其中一部分。但是外部有好的模型，比如可靈、混元，我們也在調用，反正是開放的。適合某一個場景，各自有的數據不一樣，所以訓練出來的能力也不一樣，你讓我們去做可靈這類型的產品大模型也不現實，所以互相調用唄。
衛詩婕：三維空間對于真實世界的價值到底是什么？
黃曉煌：真實世界是不可計算的，只有把它變到虛擬世界里，你才有辦法處理它。
衛詩婕：我們在探索的許多前沿技術其實都是一個數字技術，但是把這個數字技術落到物理空間需要一個橋梁，那個鏡像世界就是。你要先模擬出一個數字鏡像世界，才能把兩者嫁接起來。花了多久去了解機器人世界對于數據和空間智能的需求？
黃曉煌：基本每周都在談潛在的需求方，各家的需求、進展也不太一樣。
衛詩婕：機器人領域原來使用仿真數據，其實是有一個 sim-to-real gap 。因為仿真數據是一些純生成的數字數據，這么訓是 work 的。但是把它放到真實世界里面之后會出問題。
黃曉煌：對。這個 gap 就是訓練方法的問題，我們也叫泛化性的問題。我們很強調泛化性訓練 sim-to-real 的時候，還是得混入一些真實的數據去訓練的，否則一定有 gap 。
衛詩婕：用上這些數字數據是完全沒有問題的。
黃曉煌：肯定是沒有問題的，你可以讓這些底模或者整個模型的數據量更大，但是得用多種來源的數據一起訓練機器人才有煥發性。為什么有些人在虛擬世界里訓練出來的模型在現實世界里沒法用？那是因為數據集里面根本就沒有現實世界的數據。
衛詩婕：聽說你們好像跟幾乎所有具身智能行業的大腦公司都有合作。他們會跟你反饋使用數據的一些真實的效果。怎么判斷你的數據的使用效果呢？
黃曉煌：主要看他會不會持續地采購更多的數據，所以我們還是需要得到合作伙伴的真實反饋，這樣可以更好優化這個體系。因為現在這個行業大家也都在摸索，但我覺得這其實好事，反而是個機會。
衛詩婕：剛才我們有聊到空間語言大模型 SpatialLLM、空間生成大模型 spatialGen ，還有一個構成是你們的 SpatialVerse，它是一個平臺，會給具身智能業務做一些服務。一句話解釋這個 SpatialVerse 它是做什么的？
黃曉煌：為空間智能領域提供合成數據。
衛詩婕：里面其實會包含 SpatialGen 生成的數據。這一塊收入利潤好嗎？
黃曉煌：說實話，做機器人的公司都收入一般。Spatialverse 的團隊是服務我們內部的模型團隊的，這幾年需求多了之后，把它抽出來作為一個獨立的業務。我們花了很多資源跟研發，建了數據合成的基礎設施，只給自己用太浪費了。很多也開源出來了，剩下提供對外提供服務。
衛詩婕：據我了解，不是只服務具身業務的，還有 AIGC 和 VR 、AR，對嗎？快手、可靈，類似于這樣的公司，也有可能會采集到這個服務。
黃曉煌：對，Google 跟我們合作之后，它在發的論文里也感謝了 SpatialVerse ，很多都有合作，只不過都沒簽 NDA 。
衛詩婕：那 VR 、AR 是不是也可以理解為幾乎整個行業都有機會跟你合作的？這三塊就已經夠大的了。
黃曉煌：其實絕對數量也不多，因為老的業務服務了將近 5 萬個客戶，現在任何一個行業有 1, 000 個客戶就不錯了，所以我們還希望它更通用一些。
衛詩婕：剛才其實講到了你們最主要的三大產品，這三個是構成了大的空間智能戰略嗎？
黃曉煌：對。 SpatialLLM 、 SpatialGen 相當于在這個品牌下面的一個模塊。
衛詩婕：SpatialVerse 跟酷家樂是平行的業務線，你會花更多時間在哪里？
黃曉煌：總體時間更多的可能還是酷家樂。
衛詩婕：把這些空間大模型開源的時候，有做什么心理斗爭嗎？
黃曉煌：其實以前還是有蠻多斗爭的。后面 DeepSeek 成功了之后給大家一個很好的示范。
漫談Light the Star
PART SIX
從信息時代到智能時代
留有余量，不打光彈藥
衛詩婕：你們開源之后，很快登頂了 hugging face 的第三名，僅次于千問和 DeepSeek 。現在應該也有很多人在使用這個大模型，有什么效果或者意想不到的收獲嗎？
黃曉煌：直接商業收益肯定暫時沒有。
衛詩婕：群核還缺人嗎？
黃曉煌：還是缺。我們現在側重的是聰明，學習能力強，動手能力強的。
衛詩婕：怎么確定 AI 時代群核要抓住的是什么？
黃曉煌：我腦海里其實最關鍵還是人才，是所有一切的基礎。其次，還是得把戰略體系梳理清楚。
衛詩婕：AI 時代來了之后， knowhow 都被打破了，以后還會需要這種對行業有經驗的人嗎？
黃曉煌：兩極分化非常嚴重。舉個例子，比如說招一些大客戶代表，原來都要有行業經驗的人，而且越豐富越好。現在這些非常有經驗的人還是很吃香，但是對于有一些經驗，但又不是特別精通，用 DeepSeek 搜一下又能夠搜出來的，這種是影響比較大的。
衛詩婕：你們前幾年就想做這幾件事情，但沒干出來，是因為人才密度不夠嗎？
黃曉煌：少數的幾個專家去做更重要的事情了。
衛詩婕：今年做出來是因為人才補充上來了嗎？所以今年對你們來說真的是至關重要的一年。
黃曉煌：今年公司知名度提升了之后，很多業務同事跟我說，趕緊多跑跑客戶，收點錢。我想我最多的時間應該投入在招聘上，這幾年苦惱比較多的都是人才的匱乏。今年實際上這個情況大為好轉。
衛詩婕：所以 2025 是你剛剛開始大展身手的一年，是嗎？
黃曉煌：我覺得我經歷過好幾個周期。實際上我們公司火過好幾次。目前人才工作在我這邊肯定是第一優先級的。
衛詩婕：能再詳細地描述一下你們火過哪幾次，留下了什么嗎？
黃曉煌：我記得最早一次是酷家樂推出來之后， 13 年底、 14 年初。后面 17 、18 年做工業 4.0 那陣子也火過一波。 2021 年 Saas 特別火。
衛詩婕：Saas 跟你們有什么關系？
黃曉煌：酷家樂后面就改到 Saas 的商業模式，反正都是起起落落的，有的時候火了之后天天在見客戶。但是最終我覺得公司能夠形成長久競爭力的，首先是人才，然后是產品技術。反正我創業這么多年，現在看清了這個事情就是有風口。
衛詩婕：第一次見一個候選人，你會側重于多看他的哪些方面？
黃曉煌：我不看他什么東西，扔一篇論文給他讀一讀，你給我講一講，講完之后我覺得理解的差不多，給他出道題現場實現，但我不限制時間，出的題目都是開放式的，好的人可以把結果做的非常好，差的人可能啥都做不出來。
衛詩婕：解你的題目最長時間的候選人是多久啊？
黃曉煌：干到晚上一兩點吧。我也陪著他。
衛詩婕：剛剛我們聊的那些圍繞空間智能衍生出來的新的產品過程當中，是不是用 AI 把群核重新做一遍的過程？
黃曉煌：倒不是把群核重新做一遍，而是一個戰略升級的過程。你可以理解從一個信息時代變成一個智能時代。
衛詩婕：在智能的 AI 時代，群核接下來會鎖定的一個最主軸的中心就是做好 3D 空間的理解和計算和應用。你會像當年最初創辦群核的時候那樣，手里拿著一個技術，拼命的找利潤最高的行業或者場景嗎？
黃曉煌：我們一直的方法論就是拿著錘子找釘子。
衛詩婕：作為創始人你會怎么去學習一個新領域呢？
黃曉煌：看資料、看視頻、看論文，另外是找相關的從業者交流學習，所有的信息都有可能是假的，所有認知都有可能是錯的，只有做實驗出來才有可能變正確。而且過去所有的正確的經驗，今天也有可能變為錯誤的。
衛詩婕：你覺得群核可能因為什么而獲得巨大的成功呢？
黃曉煌：當我們的技術能夠用在所有行業，然后正好遇到一兩個超級爆發的行業，那它就會上一個大的臺階。
衛詩婕：接下來哪個業務是最有可能碰到一個火的行業大爆發？
黃曉煌：空間智能用在機器人行業目前肯定是希望很大的。反正如果市場發生了變化，就及時調整，我相信這個技術是通用的。
衛詩婕：你會學習英偉達，像教主一樣廣結善緣，到處布局嗎？
黃曉煌：我早些年其實不是特別喜歡，但是經歷了這么多波，看到英偉達的成功之后，我也在改變我的觀念。至少廣結善緣，對所有人都很 nice ，經常傾聽各種行業的聲音，看大家的需求，不斷的在挖掘新的機會點、增長點。但是他用的還是 GPU ，只是在想用他最核心的技術怎么更好地服務好這個行業，所以我覺得這個方法論是值得學習的。
衛詩婕：群核有可能會因為什么而遭遇一個巨大的失敗嗎？
黃曉煌：21 年， 22 年挺危險的。 21 年上半年覺得一切都是超預期的。瘋狂招聘、增長也很快。突然咔嚓一下，房地產、疫情、資本市場等等所有事情全部堆起來。
衛詩婕：21 年初為什么會覺得一切都好？疫情已經開始了。
黃曉煌：對，但是當時可能全世界只有中國能夠正常經營，經濟進入一種非常亢奮期，業務異常的好。年底就開始急轉彎了，當時要是再浪一點，估計就掛了。所以我們后面就定一個規則，公司盡快實現盈虧平衡。
衛詩婕：今天復盤的話，會覺得那個時候有什么決策失誤嗎？
黃曉煌：我后面發現所有公司，包括人生都會遇到起起落落，但是我覺得任何時候保留住足夠的余量，不要打光彈藥。我有很多朋友的公司就是在那一刻太浪了，打光彈藥了，結果沒熬過去。在好的時候一定要反復提醒自己不要太飄。我覺得最應該避免的就是在業務發展好的時候飄了，亂招聘，這時候最容易出問題。
漫談Light the Star
PART SEVEN
Life is tough，
but we are tougher
衛詩婕：你的 MBTI 是什么？
黃曉煌：intj 。
衛詩婕：那你最欣賞的人是？
黃曉煌：我年輕的時候比較欣賞比爾蓋茨。讀計算機，覺得比爾蓋茨基本上改變了整個計算機行業，做賽道布局或者做企業的核心精髓。越到后面我覺得他的整個行為值得學習，包括他用人，你會用一個應屆畢業生做一個新業務的頭嗎？很難想象的。
衛詩婕：今天群核能做到讓一個應屆畢業生做項目的 leader 嗎？
黃曉煌：難，我在嘗試。
衛詩婕：讓應屆生來做項目 leader ，背后其實是這個企業的什么能力？
黃曉煌：用人的體系不拘一格。另外一方面企業有第一性原理。比如說 GPU 會替代 CPU ，第一性原理很多年也一直沒變過。但是在用的行業一直在變。見到他一路起來之后，我覺得這個方法好用。
衛詩婕：今天其實聊了一些，對你的認知還停留在你是一個比較 nice 、 decent 的人，但是我很想知道你有什么深層次人格嗎？
黃曉煌：這個我還沒想過，比較 tough 。我們以前座右銘是“life is tough， but we are tougher（生活很艱難，但我們很堅強）.”
衛詩婕：向內的那個作用力會傷害自己嗎？
黃曉煌：傷害自己倒不至于，就會覺得比較失落，但是我們也發現這種性格的缺陷就是容易死磕。所以我也經常跟合伙人說，有時候發現我在死磕的時候，一定要提醒一下。
衛詩婕：歷史上哪些事情證明了是死磕？
黃曉煌：原來做房地產業務線的時候，當時覺得這可能是巨大的業務線，后面國家調整了。我這業務也就這點收入，不管怎么調整總是能做大的，還在那邊死磕。
衛詩婕：如果推薦一本書的話，你會推薦哪本書？
黃曉煌：前陣子看了《 Breaking Twitter 》，從一個側面，我很喜歡 Elon Musk 。從一個旁人的角度來怎么看這個人也挺有意思的。那更真實。自己寫回憶錄啥都好，過程中也有很多草臺班子的行為。我覺得行動永遠比不行動好，即使世界上最牛的 leader 都有搞砸的時候，但是無所謂，我們也盡量保持真實的一面。堅持了第一性原理，能夠快速有所行動的人，過程中肯定難免有錯誤的。
（整理 ｜ 曹伊筠）
--End--
同期播客已經上線，歡迎前往小宇宙等平臺收聽
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
