“我不相信只做模型就能解决问题的空中楼阁方法论。”近日禾赛科技的技术发布会上，禾赛科技联合创始人兼首席执行官李一帆在接受新京报贝壳财经记者采访时表示，AI时代下，一个通用机器人的构成需要底座的基础设施层、中间的模型层和顶部的应用层，而作为地基的硬件、计算、数据目前乏善可陈。
激光雷达头部公司禾赛科技最新数据显示，公司连续5个季度GAAP盈利的同时，39.7%的综合毛利率同比下滑了2.5个百分点。对于在汽车领域取得一定成绩的企业来说，打造第二增长曲线势在必行。李一帆认为，禾赛科技在激光雷达十年沉淀的光机、芯片、精密制造、量产能力，足以支持他们的转型。他和团队正将下一个目标聚焦在物理AI基础设施服务商。
禾赛科技联合创始人兼首席执行官李一帆。 受访者供图
押注物理AI底层能力
新京报贝壳财经：在物理AI的链条里，禾赛科技看到了什么问题？
李一帆：物理AI可以拆成三层：应用层做整机，中间层做模型，底层是硬件、计算、数据。现在最热闹的是模型层，但底层恰恰最差——硬件水平不高，计算没有形成共识，数据更是一塌糊涂。数字AI的底座已经由存储、GPU厂商做得很扎实了，物理AI的市场比数字AI更大，底座却乏善可陈。我不相信只做模型就能解决问题的空中楼阁方法论，火箭要飞起来，每一层都要扎实。
新京报贝壳财经：针对这个问题，你们想做什么？
李一帆：禾赛聚焦两个方向。一是机器人运动引擎，也就是关节驱动。每个机器人身上有上百个驱动关节，占整机BOM成本超过50%，行业却做得不够好。核心指标是功率密度，即功率除以重量。Sharpa最新一代用的都是禾赛的关节，减重超过50%，速度和精度反而更高。机器人底盘大不大、能不能进家庭、倒了会不会伤到人，都取决于底层关节。二是数据方向，禾赛做了Kosmo空间相机，把激光雷达、摄像头、惯导集成进一个体系，提供高质量三维空间数据，解决机器人行业数据匮乏、仿真到真实场景迁移难、数据采集成本高的问题。它最早为机器人训练设计，现在游戏、建筑行业也在用。
禾赛做底座，Sharpa做验证
新京报贝壳财经：Sharpa和禾赛是什么关系？为什么它能用上禾赛最新的关节？
李一帆：禾赛的三位创始人也是Sharpa的创始人。Sharpa是一家做全栈应用的AI公司，负责大脑、数据、本体和落地。机器人行业的数据匮乏得惊人——语言模型有几十万亿词，自动驾驶可借助路上大量车辆间接获得数据，机器人没有这个机会。Sharpa在操作端有大量洞察，可以直接告诉禾赛的团队；禾赛做出产品，又很快在Sharpa身上形成验证闭环。两个团队能紧密合作、打磨出一款产品，是比较难得的。
新京报贝壳财经：你怎么看机器人行业的现状和未来？
李一帆：禾赛的使命是服务全行业，定位是物理AI基础设施服务商。今天行业“梦想很远大，现实很骨感”。很多应用还比较单一，扫地、捡包、炒菜，看不到形成通用路径的迹象；也有产品为了概念而概念，咖啡机器人本来一台自动咖啡机就能解决，非要加个机械臂。但需求真实存在，数据、硬件这些卡点也正被更多人看到。机器人技术最终是把时间还给你，让更多人去陪家人、做自己喜欢的事，这也是禾赛愿意在这个阶段做基础设施的原因。
新京报贝壳财经记者白昊天
编辑 岳彩周
校对 柳宝庆
传金所配资提示：文章来自网络，不代表本站观点。
