專訪賈奎：世界模型不是Demo是生意，10億融資到位，跨維智能沖刺IPO｜甲子光年

定義Physical Token經(jīng)濟(jì)學(xué)。

作者｜田思奇

編輯｜栗子

“春節(jié)一過，行業(yè)就開始關(guān)注機(jī)器人能不能干活了。”

具身智能行業(yè)不缺少宏大敘事。Physical AGI的想象足夠迷人。但跨維智能創(chuàng)始人賈奎關(guān)心的是，一臺人形機(jī)器人在工廠的每一次作業(yè)，會消耗多少數(shù)據(jù)、算力、硬件成本？客戶能獲得多少回報？

這些問題被賈奎統(tǒng)稱作“Physical Token經(jīng)濟(jì)學(xué)”。在他看來，物理AI不能只依賴巨量投入和宏大敘事。“目前行業(yè)最大的問題確實(shí)是太浮躁了，”賈奎說。“你天天秀Demo，總得拿出點(diǎn)可以解決問題的東西。”

賈奎是香港中文大學(xué)（深圳）終身教授，國內(nèi)最早深耕空間智能和三維數(shù)據(jù)生成的學(xué)者之一。2021年創(chuàng)辦跨維智能后，他試圖把這些底層研究從論文和Demo中拉出來，變成能進(jìn)入真實(shí)場景、產(chǎn)生商業(yè)價值的物理AI系統(tǒng)。

跨維智能創(chuàng)始人賈奎

5年來，跨維智能已在50多個細(xì)分行業(yè)部署了超1500個具身智能模型，產(chǎn)品覆蓋機(jī)器人大腦、空間智能傳感器和人形本體，自研DexWorldModel登頂WorldArena全球榜單。

公司近期完成10億元B輪融資，投后估值超100億元，投資方包括連投兩輪的深創(chuàng)投、貴陽數(shù)字經(jīng)濟(jì)基金，原有股東南山戰(zhàn)新投、成都科創(chuàng)投、四川院士基金追加跟投，以及新入局的前海母基金、藍(lán)思科技、工銀資本、恒健資產(chǎn)、諸瑞資本等。

這家今年營收預(yù)計達(dá)2.5-3億元的公司，正沖刺世界模型賽道第一股。

圍繞Physical Token經(jīng)濟(jì)學(xué)和對具身智能商業(yè)化路徑的判斷，賈奎在對談中系統(tǒng)解釋了跨維智能的技術(shù)路線、世界模型選擇，以及工業(yè)和商業(yè)服務(wù)場景中的落地進(jìn)展。以下為賈奎公開訪談內(nèi)容，經(jīng)「甲子光年」整理。

1.融資熱之后，具身智能進(jìn)入算賬周期

提問：如何向不太了解跨維智能的人介紹這家公司？

賈奎：跨維是一家物理AI公司，核心是用AI構(gòu)建三維物理世界，以最高性價比的范式訓(xùn)練模型完成感知、決策到執(zhí)行的閉環(huán)，驅(qū)動本體完成柔性作業(yè)。

我們的使命是將通用AI能力推向物理世界。盡管挑戰(zhàn)很大，但我們希望通過底層技術(shù)研發(fā)，落地通用泛化能力、控制成本，真正釋放工業(yè)與商業(yè)場景的應(yīng)用價值。AI的本質(zhì)是降本增效，物理AI的核心就是賦能本體，讓其在真實(shí)場景中產(chǎn)生價值。

提問：跨維2021年成立時，具身智能還不是今天這樣的風(fēng)口。外界最早認(rèn)識跨維，更多是從工業(yè)機(jī)械臂這樣的場景開始；但這兩年，行業(yè)敘事迅速轉(zhuǎn)向具身智能、世界模型和人形機(jī)器人。回頭看，真正推動跨維戰(zhàn)略和技術(shù)演進(jìn)的，是新一輪AI技術(shù)的出現(xiàn)，還是客戶需求和場景變化？

賈奎：從2016年開始的非常早的學(xué)術(shù)研究，到2021年公司成立，我們始終在做同一件事：用AI解決三維物理世界的感知、決策與執(zhí)行問題。無論是早期的工業(yè)場景，還是現(xiàn)在的商業(yè)服務(wù)、人形機(jī)器人，底層邏輯完全一致，核心都是圍繞高效數(shù)據(jù)生成、模型訓(xùn)練、本體適配、跨場景泛化，以及精度與穩(wěn)定性的打磨。

2021年我們優(yōu)先切入工業(yè)場景，是因為工業(yè)場景的社會與商業(yè)就緒度最高，對具身智能的需求最剛性——技術(shù)達(dá)標(biāo)，客戶就愿意付費(fèi)。具身智能的風(fēng)口確實(shí)帶來了變化：社會、政府和客戶對新技術(shù)的接受度明顯提升。2021到2023年上半年，很多客戶聽不懂我們的技術(shù)，現(xiàn)在的市場環(huán)境已經(jīng)完全不同。

提問：外界看跨維，好像既有大腦軟件，也有傳感器和人形本體，還做工業(yè)和商業(yè)服務(wù)。這幾條線之間的關(guān)系是什么？

賈奎：跨維最核心的底座是自研DexVerse具身智能引擎。AI落地三維物理世界，要解決3D感知定位、驅(qū)動機(jī)器人執(zhí)行任務(wù)，必須依托底層引擎能力，實(shí)現(xiàn)高效數(shù)據(jù)獲取、模型訓(xùn)練與復(fù)雜技能支持。視覺傳感器、人形本體這類硬件，更多是階段性產(chǎn)物。對模型公司而言，如果技術(shù)不能在本體上形成產(chǎn)品閉環(huán)、兌現(xiàn)客戶價值，模型本身就沒有說服力。

所以我們先自研硬件完成價值閉環(huán)，驗證模型能力；等行業(yè)生態(tài)成熟后，再逐步向上游技術(shù)輸出的方向走。比如工業(yè)場景中，我們已經(jīng)能驅(qū)動大量成熟的第三方協(xié)作臂；未來人形硬件生態(tài)完善后，我們的大腦也會適配更多第三方本體。

提問：今年具身智能融資很熱，投資人的關(guān)注點(diǎn)有什么變化？跨維打動他們的是什么？

賈奎：最大的變化是，春節(jié)一過，行業(yè)就開始關(guān)注機(jī)器人能不能干活。宇樹上過春晚后，大家反而覺得動作表演已經(jīng)到了一定階段，接下來要看機(jī)器人能不能解決真實(shí)問題。

技術(shù)層面，投資人的關(guān)注點(diǎn)也更務(wù)實(shí)：從VLA的局限性延伸到世界模型，再下沉到數(shù)據(jù)基建，包括真實(shí)數(shù)據(jù)、合成數(shù)據(jù)的體系建設(shè)。經(jīng)過兩年多發(fā)展，行業(yè)對技術(shù)的理解越來越深。

跨維打動投資人的核心有兩點(diǎn)。第一是我們堅持具身智能的本質(zhì)，即建立在通用能力基礎(chǔ)上的邊界內(nèi)泛化，機(jī)器人的上肢作業(yè)能力必須匹配真實(shí)場景需求，覆蓋工業(yè)與商業(yè)服務(wù)場景。另外就是要算得過賬。從數(shù)據(jù)到模型，再到本體能力，要更高效、更低成本，也要在商業(yè)上成立。

我們一直從第一性原理出發(fā)，跑通技術(shù)—產(chǎn)品—產(chǎn)業(yè)的完整價值閉環(huán)。業(yè)務(wù)層面，我們今年上半年營收約1億元，全年預(yù)計2.5億-3億元。疊加DexWorldModel、Dexterity-BEV 等底層技術(shù)儲備，投資人認(rèn)可我們不是只有遠(yuǎn)期敘事，而是正在逐一完成場景閉環(huán)驗證。

提問：藍(lán)思科技是如何成為跨維股東的？

賈奎：藍(lán)思原本就是我們的客戶。我們將模型搭載在PickWiz等具身軟件產(chǎn)品中，配合傳感器在藍(lán)思產(chǎn)線落地柔性分揀、柔性裝配等任務(wù)，雙方一直有深度業(yè)務(wù)連接。藍(lán)思投資相關(guān)負(fù)責(zé)人，以及周群飛女士本人，都多次來過公司。他們核心認(rèn)可的，是我們用具身智能技術(shù)解決工業(yè)真實(shí)問題的能力。

成為股東后，雙方的產(chǎn)業(yè)協(xié)同會進(jìn)一步深化，后續(xù)雙方會展開更多合作。

提問：跨維提出的Physical Token經(jīng)濟(jì)學(xué)，和你提到的“算得過賬”，應(yīng)該如何理解？

賈奎：大語言模型的Token經(jīng)濟(jì)學(xué)已經(jīng)形成行業(yè)共識，研發(fā)、調(diào)用、成本的邏輯都很清晰。

具身智能、物理AI的邏輯與之相似，但核心差異在于：價值消耗發(fā)生在真實(shí)世界的物理載體上，消耗Token的主體不是人或程序員，而是機(jī)器人。 如果簡單算賬就會發(fā)現(xiàn)，當(dāng)前很多路徑在商業(yè)上根本不成立。

機(jī)器人產(chǎn)出的每一個Physical Token，只要對應(yīng)客戶價值，就必須核算全鏈路成本，從模型訓(xùn)練到推理，全流程都要講效率。比如預(yù)訓(xùn)練的真實(shí)數(shù)據(jù)獲取、后訓(xùn)練的合成數(shù)據(jù)生成、數(shù)據(jù)訓(xùn)練模型的效率與成本，如果世界模型的建模方式錯誤，數(shù)據(jù)利用率會指數(shù)級降低。

模型層面同理，用超大模型解決小邊界內(nèi)的任務(wù)，本身就不經(jīng)濟(jì)，也會推高推理的Token成本。 因此Physical Token經(jīng)濟(jì)學(xué)不是簡單的計費(fèi)體系，而是一套完整的方法論：從底層數(shù)據(jù)基建、模型架構(gòu)，到本體適配、通才到專才的落地路徑、邊界內(nèi)泛化的策略，重新定義通用具身智能的投入、實(shí)現(xiàn)、應(yīng)用與變現(xiàn)邏輯。我們的核心理念，就是讓機(jī)器人產(chǎn)品實(shí)現(xiàn)最高的 ROI per Physical Token。

提問：融資之后，資金主要投向哪里？

賈奎：這輪融資是我們IPO進(jìn)程中的關(guān)鍵一步。資金主要投向兩個方向：一是落地行業(yè)真實(shí)需求，通過技術(shù)落地實(shí)現(xiàn)生產(chǎn)力提升與降本增效；二是持續(xù)投入底層創(chuàng)新，夯實(shí)數(shù)據(jù)、模型、算力等物理AI的核心能力。這兩件事并不割裂。只有底層技術(shù)能力持續(xù)突破，機(jī)器人在更多真實(shí)場景中的成本、效率與ROI才能真正成立，商業(yè)閉環(huán)才能持續(xù)跑通。

2.VLA之后，重新理解物理世界

提問：真正適配物理場景、可商業(yè)化的具身世界模型，應(yīng)該是什么樣的？

賈奎：正本清源地講，世界模型必須是學(xué)習(xí)到世界內(nèi)在運(yùn)行規(guī)律的模型。

不是生成一段機(jī)器人視頻就叫世界模型。落到三維物理世界的感知、理解與執(zhí)行，它要學(xué)習(xí)的是如何讓機(jī)器人在正確坐標(biāo)系下完成動作、執(zhí)行任務(wù)。

無論各家路線差異多大，最終都要回歸本質(zhì)：是否對三維物理世界完成建模，是否學(xué)到對應(yīng)的數(shù)據(jù)模型，是否具備 潛在動力學(xué)能力。進(jìn)入具身智能領(lǐng)域后，世界模型會快速收斂到一個實(shí)際標(biāo)準(zhǔn)：生成的數(shù)據(jù)訓(xùn)練出的模型，能否讓機(jī)器人高成功率完成任務(wù)。

提問：和其他企業(yè)相比，跨維智能的世界模型有什么不同？

賈奎：世界模型重新被行業(yè)重視，核心原因是過去兩年多的實(shí)踐證明，VLA（視覺 - 語言 - 動作模型）很難解決具身智能模型的通用泛化性問題。

此前以PI為代表的VLA范式本質(zhì)是捷徑學(xué)習(xí)，靠視覺輸入加語言目標(biāo)直接輸出動作，但大量真機(jī)數(shù)據(jù)驗證下來，這種方式泛化學(xué)習(xí)效率極低。對AI來說，數(shù)據(jù)與模型一體兩面，并非堆數(shù)據(jù)就能提升效果，錯誤建模方式下的學(xué)習(xí)效率，可能比正確方式低1000倍、1萬倍甚至100萬倍。

Sora 這類視頻生成看似掌握了世界規(guī)律，實(shí)則沒有觸達(dá)世界機(jī)理——世界的機(jī)理不是二維圖像、不是 RGB 像素空間，而是三維的、物理的。

跨維的世界模型有兩個核心特點(diǎn)：第一，它在潛在空間中采用的是時空表征，面對的是機(jī)器人運(yùn)動、動作生成和三維物理空間，而不是生成給人看的二維視頻；第二，我們發(fā)布的Dexterity-BEV，將無人駕駛領(lǐng)域的BEV技術(shù)升級到三維物理世界，把視覺、力、電機(jī)等多源異構(gòu)數(shù)據(jù)統(tǒng)一到同一坐標(biāo)空間。

結(jié)合潛在空間時空表征，世界模型的輸入輸出表征得以統(tǒng)一，從數(shù)據(jù)利用效率、模型學(xué)習(xí)效率到推理執(zhí)行效果，才能真正打開局面。

DexWorldModel也遵循同一思路，我們不追求直接生成RGB視頻幀，而是生成可支撐機(jī)器人精準(zhǔn)執(zhí)行的隱空間特征。包括后續(xù)配套的細(xì)粒度語言對齊大規(guī)模數(shù)據(jù)集，目標(biāo)都是讓世界模型在正確范式下迭代，更快提升機(jī)器人任務(wù)的通用能力與零樣本能力。

提問：跨維在世界模型和Dexterity-BEV上的一些理念，后來也看到阿里、李飛飛、特斯拉、英偉達(dá)等大廠或頭部團(tuán)隊在往類似方向走。你怎么看這種行業(yè)收斂？會焦慮嗎？

賈奎：這是非常值得歡迎的事。如果你提出的方向永遠(yuǎn)沒人跟進(jìn)，反而大概率是錯的，行業(yè)技術(shù)本來就是共創(chuàng)的。比如我們發(fā)布Dexterity-BEV后不久，阿里也推出了非常接近的技術(shù)，說明行業(yè)確實(shí)在往正確方向演進(jìn)。

世界模型落地具身智能，最終一定會收斂到正確的建模方式。要真正解決機(jī)器人在三維物理世界的感知、理解與執(zhí)行問題，就不可能停留在RGB像素空間，也不能只停留在視頻生成層面。

提問：如果朝完全的Physical AGI走，目前行業(yè)最大的卡點(diǎn)是什么？跨維的破局思路是什么？

賈奎：如果追求完全的Physical AGI，也就是單個模型通吃所有任務(wù)與場景，那么預(yù)訓(xùn)練階段需要海量真實(shí)數(shù)據(jù)，模型需要掌握人類完成各類任務(wù)的方式；后訓(xùn)練階段也需要極高精度的數(shù)據(jù)，支撐機(jī)器人不同動作的訓(xùn)練，這些都需要更長時間去規(guī)模化擴(kuò)充。

模型側(cè)的壓力相對更小，只要建模與表征方式正確，就可以持續(xù)推進(jìn)。如果不想等5年、10年甚至20年才看到世界模型的價值閉環(huán)，正確的路徑是先劃定應(yīng)用場景的邊界。

這個邊界不是我們?nèi)藶樵O(shè)定的，而是場景本身就有邊界。就像頂尖外科醫(yī)生的能力邊界是手術(shù)，不需要同時精通川菜烹飪，人的能力本身就是有邊界的。在場景邊界內(nèi)，用正確的技術(shù)范式從數(shù)據(jù)、模型到訓(xùn)練體系全鏈路落地，解決邊界內(nèi)的通用泛化性，達(dá)到產(chǎn)品級智能水平。通過逐個落地邊界內(nèi)的通用能力，再逐步擴(kuò)大邊界，最終才能實(shí)現(xiàn)更通用的具身智能。

提問：跨維一直強(qiáng)調(diào)仿真與合成數(shù)據(jù)。它在具身智能里具體解決什么問題？和真實(shí)場景數(shù)據(jù)是怎么分工的？

賈奎：具身智能需要的泛化性至少分兩類：一類是語義泛化性（Semantic generalization），一類是物理泛化性（Physical generalization）。

語義泛化性，就是看到任務(wù)場景就知道對應(yīng)動作，取決于對操作對象、物料與環(huán)境的理解，這部分?jǐn)?shù)據(jù)必須來自真實(shí)數(shù)據(jù)，本質(zhì)就是人類行為數(shù)據(jù)。 物理泛化性對應(yīng)的是環(huán)境變化、物體位置偏移、干擾物出現(xiàn)、材質(zhì)改變這類場景，對應(yīng)的需求完全可以通過仿真高效生成數(shù)據(jù)來滿足，不需要依賴真實(shí)采集。

我們從不否定真實(shí)數(shù)據(jù)的價值，也不認(rèn)為合成數(shù)據(jù)能解決所有問題，只是堅持從第一性原理出發(fā)，用對應(yīng)的數(shù)據(jù)類型解決不同維度的泛化問題。 具體分工上，第一視角（egocentric）這類以人為中心（human centric）的數(shù)據(jù)能解決語義泛化，但精度不足，更適合用于預(yù)訓(xùn)練；合成數(shù)據(jù)主要用于后訓(xùn)練，保障模型達(dá)到高精度、高穩(wěn)定性、高成功率的產(chǎn)品級標(biāo)準(zhǔn)。

在后訓(xùn)練階段，我們完全可以通過合成數(shù)據(jù)實(shí)現(xiàn)目標(biāo)。真實(shí)數(shù)據(jù)采集方面，我們從一開始就認(rèn)為真機(jī)遙操的模式效率太低。一名操作員一天只能產(chǎn)出100到150條數(shù)據(jù)，靠這種方式積累語義泛化所需的真實(shí)數(shù)據(jù)，可能需要10萬年。

所以我們很早就提出基于第一視角的裸手采集方案：操作者不需要戴手套、不需要通用操作接口（UMI），正常完成操作即可，通過頭部攝像頭實(shí)時跟蹤手部與腕部軌跡，提取三維動作數(shù)據(jù)。這同樣屬于真實(shí)數(shù)據(jù)，也是更接近通用泛化終極目標(biāo)的數(shù)據(jù)范式。

提問：生成式仿真具體怎么提升項目交付和復(fù)制效率？

賈奎：我們在仿真與合成數(shù)據(jù)領(lǐng)域布局很早。2019年，我們就在NeurIPS上發(fā)表過完全用合成數(shù)據(jù)訓(xùn)練的端到端抓取模型，對未知物體的抓取成功率達(dá)到百分之八九十。

但物理仿真本身不等于具身智能。具身智能引擎的核心，不只是模擬物理過程，而是打通物理仿真、虛擬傳感器、合成數(shù)據(jù)生成、模型訓(xùn)練到真實(shí)世界部署的完整閉環(huán)。模型要能驅(qū)動不同本體形成技能，并且在真實(shí)場景中達(dá)到產(chǎn)品級成功率。

生成式仿真的變化在于，它把原來高度依賴工程師手工搭建的任務(wù)環(huán)境，變成了自動化生成。過去一個新任務(wù)要先手搓環(huán)境，現(xiàn)在只需要輸入一張圖片和一段任務(wù)描述，就能生成對應(yīng)任務(wù)環(huán)境，再組織機(jī)器人在虛擬環(huán)境里完成動作、生成數(shù)據(jù)、訓(xùn)練模型。

它提升的不是單點(diǎn)成功率，而是整套工具鏈效率。比如半結(jié)構(gòu)化泛智能制造場景的新任務(wù)，從造數(shù)據(jù)、訓(xùn)模型到落地可用，我們6到8個小時就能完成；人形機(jī)器人的新商業(yè)場景任務(wù)，幾天內(nèi)也可以落地，靠的就是這套自動化全鏈路能力。

提問：從學(xué)者和從業(yè)者的角度，你今年最關(guān)注的、大家還沒有充分意識到的前沿技術(shù)是什么？

賈奎：首先肯定是生成式仿真的持續(xù)突破。生成式仿真是生成式AI皇冠上真正的明珠。

更長期來看，我更關(guān)注的是具身智能的通用泛化性，尤其是語義泛化能力，能不能逐步和具體機(jī)器人本體解耦。

每個人本身都是一個天然本體。如果模型能從人類在物理世界中的行為里學(xué)習(xí)預(yù)測能力，判斷一個人接下來會怎么走、手臂會怎么動，就有機(jī)會把“理解物理世界中的行動規(guī)律”這件事從具體機(jī)器人形態(tài)中抽出來。

這也是物理AI繼續(xù)往前走必須解決的問題。機(jī)器人只是物理AI的一種應(yīng)用載體，更底層的問題是，AI能不能真正學(xué)習(xí)人在物理世界中的行為、動作和意圖，并把這種能力遷移到不同本體和不同任務(wù)上。

3.從工廠到商場，機(jī)器人要先證明自己有用

提問：跨維在落地場景選擇上有什么思考？為什么現(xiàn)階段更聚焦工業(yè)和商業(yè)服務(wù)，而不是家庭、康養(yǎng)？

賈奎：一個場景要在商業(yè)上成立，技術(shù)、成本、價格、安全、隱私、社會接受度這些要素都得跟上。

我們會綜合判斷不同場景的就緒度，不是技術(shù)上做不了家庭、康養(yǎng)，而是現(xiàn)階段它們的商業(yè)化條件還不成熟。工業(yè)和商業(yè)服務(wù)的需求更剛性，也更容易驗證機(jī)器人的真實(shí)價值，更快形成價值閉環(huán)。

提問：外界比較熟悉的是跨維今年在全球婦女峰會上亮相的咖啡機(jī)器人。但跨維并不把咖啡當(dāng)作主要方向？

賈奎：我們從來沒把咖啡機(jī)當(dāng)主要方向，它只是個呈現(xiàn)形式。我們是一家 “大腦公司”，核心是給不同本體賦予智能和通用泛化能力。

現(xiàn)在我們主要有兩塊業(yè)務(wù)：一塊是賦能市面上主流的工業(yè)臂、協(xié)作臂，解決智能制造里的分揀、裝配、插拔這類任務(wù)；另一塊是用同樣的算法驅(qū)動我們自己的人形本體，做人機(jī)交互類的商業(yè)服務(wù)和社會場景任務(wù)。它能操作咖啡機(jī)，也能操作冰箱、遙控器，做導(dǎo)覽做服務(wù)，核心是能不能完成具體任務(wù)，不是做不做咖啡。

提問：跨維公司過去更偏軟件、更多賦能工業(yè)場景。為什么做人形機(jī)器人時，先進(jìn)入商業(yè)零售和文旅場景？合作模式是怎樣的？

賈奎：我們之前提過 “AI定義本體” 的概念，我們關(guān)注的核心始終是AI怎么讓本體更智能、更柔性。 工業(yè)場景發(fā)展了幾十年，已經(jīng)有非常成熟的機(jī)械臂產(chǎn)業(yè)鏈和供應(yīng)鏈，廠商缺的不是硬件，是眼睛和大腦。所以這一塊我們更多是輸出AI能力，賦能第三方機(jī)器人。

但人形、類人型的人機(jī)交互場景還沒有成熟的生態(tài)，軟件和本體需要從第一性原理出發(fā)一起打磨，才能給客戶創(chuàng)造價值，這也是我們自己做人形本體的原因。 落地商業(yè)零售、文旅這些場景，我們的理念是Dexbot Inside，這借用了Intel Inside的說法，也就是用通用本體加技能模型，給客戶創(chuàng)造增量價值。我們不自己運(yùn)營場景，而是把加載了技能的本體賣給運(yùn)營商，由他們在景區(qū)、門店、商廈里落地執(zhí)行。

目前我們有幾種合作方式：本體加技能包打包銷售，或者單獨(dú)賣硬件、技能包單獨(dú)授權(quán)。我們也會逐步往Physical Token按量收費(fèi)的模式推進(jìn)。

提問：現(xiàn)在跨維人形機(jī)器人的出貨量大概是什么水平？主要落地在哪些場景？

賈奎：上半年出貨幾百臺，全年做到接近1000臺沒問題。我說的都是真正能干活的機(jī)器人，表演展示用的還不太一樣。

場景主要分兩塊：一塊是泛商業(yè)服務(wù)，比如文旅、商超、高端物業(yè)的迎賓導(dǎo)覽；另一塊今年起量很快，就是人形機(jī)器人進(jìn)工業(yè)場景，補(bǔ)位過去固定機(jī)械臂、復(fù)合機(jī)器人做不了的復(fù)雜柔性作業(yè)。

提問：現(xiàn)在人形機(jī)器人的單價在持續(xù)下降。你怎么看這個趨勢？對行業(yè)是利好嗎？

賈奎：降價是必須走的路。價格是規(guī)模化的決定性因素，不把成本打下來，不管商業(yè)還是家庭場景都形不成閉環(huán)，也做不大。只有規(guī)模起來了，成本才能進(jìn)一步下降，用戶越多、價值越大，產(chǎn)業(yè)才能真正跑通。

從這個角度說，降價肯定是利好。我們也會在成本、價格和各方收益之間找平衡，讓產(chǎn)業(yè)鏈上的參與者都能獲益。

提問：公司從0做到億級營收，商業(yè)化過程中最關(guān)鍵的因素是什么？

賈奎：最核心的一點(diǎn)，是你的技術(shù)棧、產(chǎn)品定義必須對準(zhǔn)真實(shí)現(xiàn)場的問題。

比如成功率，95%的實(shí)驗室成功率在產(chǎn)品級場景里是沒有意義的，落地就要求幾乎不能出錯。再比如精度，有的場景1厘米夠用，有的要求1毫米甚至亞毫米，這些都得跟著現(xiàn)場需求走。

業(yè)務(wù)增長的本質(zhì)，是找準(zhǔn)當(dāng)下階段愿意為技術(shù)付費(fèi)的場景，摸透行業(yè)的真實(shí)痛點(diǎn)，再看你的產(chǎn)品能不能解決。所以一定要扎到客戶現(xiàn)場去，從真實(shí)需求反向定義技術(shù)和產(chǎn)品，而不是拿著技術(shù)找場景。

提問：這套商業(yè)化邏輯是公司成立之初就想清楚的嗎？中間走過哪些彎路？

賈奎：坦白說一開始沒有。我是高校老師出身，早期更習(xí)慣從技術(shù)出發(fā)，想的是 “我的技術(shù)有多先進(jìn)”，會去秀一些別人做不出來的技術(shù)潛力。

但做企業(yè)終究要落地，要讓技術(shù)產(chǎn)生真實(shí)價值。比較幸運(yùn)的是，公司頭兩年還沒出現(xiàn)具身智能風(fēng)口，反而能沉下心按正常商業(yè)邏輯想問題：技術(shù)能用在哪？解決什么問題？客戶為什么愿意付錢？ 這段沒有風(fēng)口的錘煉，讓我們把技術(shù)和產(chǎn)品的平衡磨得更扎實(shí)。后面賽道熱起來，我們反而能更快把理念落地，把業(yè)務(wù)做起來。

提問：跨維在全球化出海上有什么規(guī)劃？重點(diǎn)布局哪些區(qū)域？

賈奎：我們從2026年1月1日開始系統(tǒng)性做產(chǎn)品出海。之前也有產(chǎn)品通過國內(nèi)渠道賣到海外，今年是正式體系化運(yùn)作。 我們的出海抓手很全，大腦軟件、視覺傳感器、本體都可以輸出，覆蓋海外工業(yè)和商業(yè)服務(wù)場景。這些場景對勞動力替代的需求在歐美、日韓更剛性。我們做toB業(yè)務(wù)，核心是先搭建好海外營銷和代理體系，產(chǎn)品認(rèn)證這些前置工作也都在同步推進(jìn)。

區(qū)域上我們重點(diǎn)布局歐洲、日韓、新加坡和東南亞。大腦軟件和傳感器落地會更快，比如德國的工廠業(yè)務(wù)已經(jīng)在推進(jìn)；人形機(jī)器人先在國內(nèi)工廠打磨成熟，再逐步拓展海外。

提問：長期來看，你理想中的跨維智能是什么樣子？

賈奎：長期和短期，本質(zhì)是一件事，這條路足夠長，我們的核心目標(biāo)就是做Physical AGI。 機(jī)器人硬件看起來是硬的，但內(nèi)核是讓機(jī)器在物理世界里像人一樣做事。未來它可以進(jìn)工廠、進(jìn)商場、進(jìn)家庭，應(yīng)用場景會不斷拓展，公司的生命周期也會很長，核心目標(biāo)始終是讓機(jī)器人更聰明、能干更多活。 但落地一定要務(wù)實(shí)，不管工業(yè)還是商業(yè)，都要對準(zhǔn)具體場景、解決具體問題。長期目標(biāo)很遠(yuǎn)大，短期就是把眼前的一件件事做實(shí)。

（封面圖及文中圖片來源：跨維智能）