3 個月融資 20 億，更重要的是融資源。

文丨陳佳惠

編輯丨賀乾明

“現(xiàn)在大家估值都在蹭蹭往上走，我們要成為巨頭就得萬億市值。” 2025 年 11 月，星動紀元完成 10 億元融資后，創(chuàng)始人、CEO 陳建宇告訴我們。

接下來 3 個多月，具身智能行業(yè)二十多家公司融資超過 200 億元。星動紀元又完成一輪 10 億元的新融資，三星和高成投資領投，估值突破 100 億元人民幣。

“融資的不只是融錢，也是融資源。” 陳建宇說，現(xiàn)在許多機構意識到具身值得投入，積極融資能把好的戰(zhàn)略合作伙伴綁定在同一個陣營里，擴大競爭優(yōu)勢。

陳建宇出生于 1992 年，19 歲考上清華大學，畢業(yè)設計就是研究 “雙足機器人步態(tài)規(guī)劃”；在加州大學伯克利分校讀博時，重點研究如何把強化學習融入到機器人控制中，期間還去無人駕駛公司 Waymo 和 Nutonomy 實習過。

2020 年畢業(yè)后，陳建宇回到清華大學，擔任交叉信息研究院助理教授，機器人是主要的研究方向。28 歲，大多數(shù)博士剛畢業(yè)的年紀，陳建宇成為博士生導師。2023 年，他創(chuàng)辦星動紀元。

“陳（助理）教授比較務實。” 一位投資人說，這是他投資星動紀元的原因之一。2025 年 7 月，陳建宇給團隊找新辦公室的時候，挑了一家在線教育公司的辦公室，“裝修看起來還不錯，辦公桌椅能繼續(xù)用，能省下一筆費用。” 陳建宇說。現(xiàn)在他每天騎著電動車上班，住的房子也不夠人形機器人施展。

但經營一家具身智能公司，陳建宇選擇研究有靈巧手、雙腿的全尺寸人形機器人；即追求機器人的運動控制能力，又投入資源研發(fā)具身智能模型。具身模型層面，他們同時研究 VLA 和世界模型結合的不同分支，“單靠一套技術能做的事比較有限”。整個行業(yè)只有市值 1.5 萬億美元的特斯拉、融資近 20 億美元的 Figure，和 2 年融資 10 輪的智元機器人這樣做。

陳建宇認為，這就是最大的務實，“先把最難、適配范圍最廣的部分做了，商業(yè)化的可能性就多了。”

2025 年 11 月、2026 年 3 月，完成兩輪 10 億元融資后，陳建宇接受我們訪談。他分享了自己關于具身智能模型路線、商業(yè)化的理解，以及他看到的行業(yè)的下一個賽點。

3 個月兩輪融資 20 億元，更重要的是融資源

晚點：星動紀元兩輪融資都拿了 10 億元人民幣，中間只隔了 3 個月。為什么要這么積極融資？

陳建宇：融資融的不只是錢，也是融資源。很好的戰(zhàn)略合作伙伴，可以通過融資綁定到一個陣營里，未來我們競爭會擁有更好的生態(tài)位，這很重要。比如我們的領投方三星，他們也是我們客戶，當時他們是中國投一家，美國投一家，韓國投一家，這樣來選。

晚點：有你的同行說，現(xiàn)在不積極融資，未來可能融不到錢了，因為具身的估值太高了。

陳建宇：從 2024 年開始，大家就在想這個行業(yè)會不會往下砸。但后面（融資）越來越夸張了。回望之前，大家沒有投進蔚小理的時候也后悔，之前覺得估值太高了，但現(xiàn)在來看，估值完全不高。芯片、大模型行業(yè)一樣。

互聯(lián)網這些行業(yè)會有泡沫破滅的風險，因為如果發(fā)現(xiàn)是偽需求，行業(yè)就不存在了。硬科技不是這樣，需求是真實存在的，因為它背后是生產力提升。大家對技術發(fā)展速度預判過高或過低，會有一些波動。長期來看，它（的趨勢）肯定是穩(wěn)步地上升。

晚點：星動這兩輪的投資方里，有多少機構是第一次投具身？

陳建宇：還是有不少。很多老股東也想跟投，但我們沒有額度了。比如我們這次另一個聯(lián)合領投方高成資本，就是第一次投。也有很多二級機構的人來問我，能不能把二級的錢現(xiàn)在就投到公司里。（笑）

晚點：春節(jié)之后，至少有五家具身公司宣布完成了超十億的融資。大家拿這么多錢，爭的是什么？

陳建宇：我覺得不是在爭什么，大家其實是在賽跑。賽跑我們的技術，賽跑我們商業(yè)化的速度；終點或者說所有一切的最終目標，都是商業(yè)化的成功，誰能先把這個真正高價值的、以及具備規(guī)模化能力的產品給做出來。

晚點：你們融了這么多錢，打算怎么花出去？

陳建宇：具身智能鏈條比較長，花錢的地方不少。比如硬件生產、制造，模型的訓練、數(shù)據(jù)收集，都是大頭。到后面商業(yè)化，機器人是實物，中間的渠道、銷售等，也要花錢。

現(xiàn)在模型還沒有 Scale 到特別大，商業(yè)化也還沒大規(guī)模鋪開，花錢相對少一些。當它規(guī)模化時，消耗資金速度會加快，現(xiàn)在融資也是提前為以后做好準備。

晚點：現(xiàn)在你們研發(fā)一代全尺寸的人形機器人會花多少錢？

陳建宇：我研發(fā)新一代（機器人），可以用之前的模組，這些不用重新做。因為我們是平臺化的，軟件平臺化，硬件平臺化。

晚點：你們兩輪融資之間，能看到具身智能行業(yè)發(fā)生什么實質變化嗎？

陳建宇：行業(yè)越來越重視技術的最終落地了。機器人上春晚，首先增強的是信心，觀眾們看機器人跳舞會發(fā)現(xiàn)，機器人一年的時間進展可以這么快。

現(xiàn)在來看，跳舞也是一種商業(yè)模式。但行業(yè)變化非常快。所以具身公司一定要找到第二增長曲線，一定在工業(yè)類、生產類的場景里面。今年和明年很關鍵，機器人要從跳舞走向干活，真正意義上去干活，而不是秀個 Demo。

另外是模型層面。去年 VLA 迅速發(fā)展，大家看到 VLA 需要新的變革，從模仿走向深入理解物理世界。怎樣讓 AI 準確理解這個世界，提高它的泛化性和操作準確性，會成為關注點。

晚點：我們了解到，央視春晚也聯(lián)系了你們，最后為什么沒有參加？

陳建宇：如果能夠獲得大范圍正面的關注度，帶動公司的估值、商業(yè)化收入，把投入賺回來，這個事情就是劃算的。我們評估下來，C 端場景不是當前的商業(yè)化主線。

晚點：你們也做了很多運動控制方面的研究，去年機器人運動會上還拿了個跳高冠軍。春晚上整齊劃一的表演，技術難度高嗎？

陳建宇：就像三級跳或者芭蕾舞表演，動作都是編排好的。一群機器人整齊劃一表演技術難度也不高，類似無人機表演。不過你也能發(fā)現(xiàn)，小機器人和大機器人的表現(xiàn)很不一樣。大機器人運動控制更難。重量很高，慣性會更大，就像大象很難跳舞。

晚點：后面你們去了北京衛(wèi)視的春晚。

陳建宇：那個基本沒花錢。我們本來就做了機器人舞劍的訓練，然后他們邀請我們，正好就去了。

主流 VLA 能做的事相對有限，要用世界模型

晚點：星動最近公布了 VLAW 和 Ctrl-World，主要邏輯都是 VLA 和世界模型協(xié)作，在一些基準測試上表現(xiàn)很好。現(xiàn)在行業(yè)里都在說具身模型的路線沒收斂，你們是怎么決定要研究這個方向的？

陳建宇：我們一直在探索，原生的具身模型架構設計，到底要加哪些東西進去。大模型最開始只有語言，后來有了視覺。大家一看有了視覺，就研究怎么把 Action（動作） 一起放進去，這就是 VLA。 我們當時做出了全球第一款完整的機器人 VLA 模型，比 pi0（美國具身智能公司 Physical Intelligence 的 VLA 模型）還要更早一些。

這是傳統(tǒng)意義上的 VLA，用遙操或其他方式獲取這些操作數(shù)據(jù)，交給模型學習，模型沒有思考動作背后的邏輯，純粹模仿下來。學習大量動作后，能有一定的泛化性和智能，但數(shù)據(jù)利用率非常低。

但到了沒有數(shù)據(jù)的環(huán)境后，這樣的泛化性和智能是不夠的。這就需要世界模型了。我們 2023 年就開始做 VLA 了，當時就考慮到了世界推理的問題，但沒有特別好實現(xiàn)的工具。直到 Sora 出來，我們看到它有接近我們想要的效果，可以精準地預測物理世界運轉，能按照時間去往后推測動作。我們從 2024 年開始做世界模型，應該是全球最早做世界模型 for Robotics 的團隊，后來發(fā)現(xiàn)，引入世界模型，相比傳統(tǒng)純 VLA 的方式，效果平均能提高 40% 左右。

晚點：引入世界模型就提升 40%，是怎么實現(xiàn)的？

陳建宇：主要有兩個方面。第一個方面，它是一種全新的學習方式，輔助模型進行更具 “泛化性” 的學習，讓模型對這個世界、對變化規(guī)律有一個建模和理解，具備感知和預測的能力。

傳統(tǒng) VLA 模型不管這個。它只知道我看到這有個電腦，我就該把它打開。它學的是看到物體，執(zhí)行動作的映射。而世界模型學的是，如果我手這樣伸過來一摳，這個電腦可能會被打開。

另一方面就是數(shù)據(jù)的生成，或者把它作為仿真器（Simulator）。有些很復雜的物品，比如流體，水，或者柔性物體，比如抽紙。你怎么抽那張紙？它的形狀怎么變化？水倒出來怎么流？這些東西用傳統(tǒng)的物理引擎是很難仿真好的。

目前看來，唯一能解決這個仿真問題的，就是世界模型。 因為它是從大量真實視頻中學出來的。你看我們的論文和視頻展示里，拿勺子舀湯，或者抽一張紙，我們的世界模型都能把物理動態(tài)預判得比較精準。

晚點：也有從業(yè)者認為，現(xiàn)階段具身智能模型對世界模型的迫切性沒有那么高。

陳建宇：如果只看眼前的一兩年，這樣說是可以的，如果看得長遠，三到五年，就不行了。

現(xiàn)在業(yè)內比較主流的是 VLA，架構相對比較收斂了。VLA 我們也做得也非常多，已經在工業(yè)物流場景落地了。但主流的 VLA 上限不高，單靠這套技術能做的事比較有限。即使你有再多的數(shù)據(jù)也不行。

而且它的泛化性有限，機器人要做一個新事情時，到新的點位，還得收集很多數(shù)據(jù)，需要工程師去調，毛利很低。

我們的目標是做到家用，就需要提高機器人的智能的天花板，但當前的 VLA 路線支撐不了家用。

晚點：從你們的研究進展來看，現(xiàn)在 VLA 和世界模型結合的路線明確了嗎？

陳建宇：世界模型這個道路還沒有收斂。世界模型和 VLA 主要有兩種結合方式，我們都在研究。

一種是松耦合，比如 VLAW、Ctrl-World。VLA 模型和世界模型分成兩個模型。VLA 專注動作輸出，世界模型專注于對未來的預測，訓練過程中，兩個同時迭代和增強。

模型獲取到新的動作數(shù)據(jù)，可以學習這個動作，輸出技能。它也能知道輸出以后，結果是怎樣的，數(shù)據(jù)會反饋到 World Model 上，改進 World Model。預測得更準以后，它又進一步可以做更好的行為和動作，這樣雙向迭代逐步去增強。

一種是緊耦合，比如之前發(fā)布的 VPP（Video Prediction Policy），是把這兩個模型融合成一個模型。訓練的方式還是類似，但模型同時輸出動作和對未來的預測。

大的方向，就是圍繞物理世界建模，怎么利用對物理世界的建模。具體路線怎么做，還屬于前沿探索的領域，我們還開設了幾個不同的研究分支。

晚點：同時做很多分支的研究和探索，投入產出比怎么平衡？

陳建宇：其實每個分支投入的人員并不多，大概有幾個人。比如我課題組的研究合作伙伴 Chelsea Finn 所創(chuàng)立的 PI（Physical Intelligence，美國具身智能公司），研究人員也不多，但保持了很高的人才密度。它不做商業(yè)化、生產制造，就做算法模型。現(xiàn)在大廠純研究 AI 算法的團隊規(guī)模也不大，能做這種創(chuàng)新的人是少數(shù)。

如果我們的某個路線得到驗證了，就會把它要用到產品上，就會擴大數(shù)據(jù)規(guī)模，建立 Infra， 產業(yè)化等，才會投入更多人。

晚點：你剛才說，星動紀元在很多研究方向都是行業(yè)第一，但估值卻不是最高的。

陳建宇：我覺得這個現(xiàn)象也很正常。不是說你在哪一塊技術做到了最前，或者怎么樣，你就會獲得最多的關注度，更高的估值。

現(xiàn)在行業(yè)各種各樣的方案都有，但缺乏一個非常統(tǒng)一的、讓大家都能看到的 Benchmark。不是所有人都是專業(yè)人士，所以不知道該怎么去判斷這件事。

后面大家對 “怎么樣判斷” 會逐步形成一些共識，包括到商業(yè)化落地，可以通過一些量化的數(shù)據(jù)或者業(yè)績看出來。

晚點：數(shù)據(jù)是具身模型的關鍵，現(xiàn)在你們是怎么規(guī)劃的？如果拋開限制，你最希望用哪種數(shù)據(jù)來訓練模型？

陳建宇：真機數(shù)據(jù)。因為這是最直接的，沒有任何 Gap。現(xiàn)在我們的訓練數(shù)據(jù)主要有三種，一是遙操采集的數(shù)據(jù)，我們主要用在精調模型環(huán)節(jié)。二是最近火的 UMI（斯坦福大學等研究機構提出的機器人數(shù)據(jù)收集與策略學習框架），三是視頻數(shù)據(jù)。這兩類數(shù)據(jù)精度會低一些，主要用于預訓練階段。

晚點：有觀點認為，真機數(shù)據(jù)會過擬合。

陳建宇：那是因為少，多了就不會了。真機數(shù)據(jù)是最精準、最方便去使用的。但通過遙操采集的真機數(shù)據(jù)也會損失一些。所以真機數(shù)據(jù)很珍貴。

晚點：你覺得數(shù)據(jù)量達到什么樣的級別，能夠讓現(xiàn)在的模型有質的提升？

陳建宇：1000 小時是個門檻，能訓練出一些 make sense 的東西；10000 小時的數(shù)據(jù)，能訓練出效果不錯的模型（PI 的數(shù)據(jù)量大概在 10000 小時）；10 萬小時，或者數(shù)十萬小時的數(shù)據(jù)，能看出一些 Scaling，比如 Generalist 發(fā)布的 GEN-0 真實數(shù)據(jù)量在 27 萬小時。所以大家下一個要爭的，是 100 萬小時數(shù)據(jù)能訓出什么樣的模型。現(xiàn)在很難預測能達到什么效果。

晚點：你那么在意真機數(shù)據(jù)，星動會自己建數(shù)據(jù)采集場嗎？

陳建宇：會。但這是一個量的問題。我們不完全靠數(shù)據(jù)采集場，也希望盡量多用一些真實落地的場景來采集。

晚點：類似特斯拉的影子模式？它解決的問題和收集的數(shù)據(jù)，場景是一致的。但機器人只部署在特定場景的話，它也只能收集一種場景的信息。

陳建宇：大同小異，機器人場景的維度更復雜。你可以認為自動駕駛就是在一個城市道路場景采數(shù)據(jù)。把車放到南極，它還是不會開。其實跟我們解決物流場景是一樣的。

具身智能能從物流、制造，再到服務、操作的家庭場景積累，場景越來越多了之后，它的泛化性就會提升。比如我把物流場景做好之后，模型在抓取類任務上獲得了泛化性，機器人在正常生活中收拾個碗筷，抓個東西，也完全沒問題。

提升短期出貨量不難，關鍵看有沒有價值

晚點：在行業(yè)內，星動紀元的靈巧手似乎比人形機器人出名。手也是星動成立之后發(fā)布的第一款產品。你們?yōu)槭裁催@么在意手？

陳建宇：因為手是核心，你所有的活兒都是通過手干的。我不知道你有沒有看過那張 “皮層小人”（Cortical Homunculus）的圖片？ 把人做得非常畸形。它是按照你的身體各個部位在大腦皮層里所占的腦細胞區(qū)域的大小，或者說控制比例來繪制的。 所以那個小人，他有一雙巨大的手，可能比他整個胸腔還要大。

皮層小人示意圖。1930 年代，加拿大神經外科醫(yī)生懷爾德·彭菲爾德（Wilder Penfield）在清醒癲癇患者的開顱手術，用電刺激大腦皮層記錄患者反應，繪制出來大腦的運動皮層和感覺皮層的功能地圖。

手作為末端執(zhí)行器是非常重要的。它對大腦的發(fā)育很重要，對商業(yè)化很重要，對具體怎么干活也很重要。所以我們必須盡早把它攻克。

運動控制，比如走路、平衡，跟智商其實沒太大關系。你看那個皮層小人，腳很小，只占大腦皮層很小的一部分。

晚點：你們重點是做帶腿的全尺寸人形機器人。而不是像一部分同行那樣，重點做人形的一部分。

陳建宇：我們希望快速把這個閉環(huán)轉起來，把適配范圍最廣的東西打通，到達技術邊界后，商業(yè)化的可能性就多了。比如把最難的全尺寸雙手雙足機器人做出來后，我們很快就做出來了輪式雙臂機器人，它也可以去賺錢。

如果不是以這種垂直一體化的方式去把它打通的話，我們的速度一定會更慢一些，也會受到供應鏈或合作伙伴進度的影響。

晚點：你在很多發(fā)言中會談到機器人落地，要攻克高價值場景。你們怎么定義高價值場景？

陳建宇：就是市場天花板高。比如物流，分揀、上架、揀貨等，隨便一個環(huán)節(jié)都有大幾百億的成本。此外還有汽車、零售，包括 3C。我們最近幾輪也有很多產業(yè)方投資人進來，他們不光給錢，還有很多的資源、訂單等。

晚點：但現(xiàn)在的人形機器人還不夠耐用，比如特斯拉的靈巧手，投入了很多資源研究，但使用壽命只有六個星期。硬件壽命不長的話，你們怎么高強度地推到物流場景中？

陳建宇：肯定要去解決它的一些老化的問題，進一步去延長它的使用壽命。從另一個角度講，你也可以進一步降本。 就是當成本降得足夠低了之后，壞了你就直接換嘛，把它當作易耗品來用。最終它的質量也不會太差的。

我們的手迭代了很多代，最開始是能用 10 萬次，現(xiàn)在達到百萬次，客戶反饋我們的靈巧手的耐用度是其他手的 4 倍，更耐久。

我們的目標是達到千萬次。現(xiàn)在的狀況只是因為產業(yè)鏈規(guī)模還沒起來。1 到 2 年內，就能達到工業(yè)夾爪的程度。它最底層的部件跟電動夾爪差不多，只不過是自由度多一些。

晚點：前段時間具身行業(yè)內關于 “誰是出貨量第一” 爭議很熱鬧。看到大家都是幾千臺。你們在出貨方面會焦慮嗎？

陳建宇：我覺得還好。短期提升出貨量不難。目前的出貨主要都是表演性質的，價值不高，也很難建立真正的壁壘。我們看重長期可持續(xù)的高價值出貨量。

我們有兩種商業(yè)模式：一個是面向真正的用戶，主要是工廠，干活的同時也能收集數(shù)據(jù)。一個公司的帶寬有限，我們會重點做幾個行業(yè)場景，其他的交給二次開發(fā)商去做。

另一種是賣平臺和供應鏈，我們有機器人本體和數(shù)據(jù)平臺，可以作為產品售賣，機器人的手可以單獨拆出來賣等等。一方面可以獲得一些收入，另一方面也能幫我們開拓客戶。

晚點：剛才你說星動更長期的規(guī)劃是做家庭場景，現(xiàn)在開始行動了嗎？不過現(xiàn)在有很多具身創(chuàng)業(yè)公司，一上來就是做家庭場景。

陳建宇：我們的判斷是，現(xiàn)在還不適合做家用機器人。我們做家務機器人，是讓機器人干活，陪伴娛樂只是附加屬性。

陪伴的話，我需要人形嗎？我放在手機里，隨身攜帶會更好。這和具身智能關系不大了。做這個東西，也不會幫我訓練這套具身平臺和技術體系。

我們先是挑選到了現(xiàn)在的具身技術，先往工業(yè)場景去落地，它更成熟，再進家庭做家務活。我們現(xiàn)在會做一些 demo，離大規(guī)模在家庭部署還遠一些。

我再細說一下。現(xiàn)在大家看到一些機器人的展示，在家庭里表現(xiàn)好像不錯。其實是針對一個家庭調了很長時間，只能解決這一個家庭的問題，換一個就不行了。

花這么長時間，只能賣一臺機器人，ROI 算不過來。但如果是工廠的話，我解決了某個場景，可以賣 10 萬臺，因為工廠是標準化的，這個時間上 ROI 能算過來。

模型能力很強的時候，它很快可以泛化到不同的場景，我們再大規(guī)模去鋪。我們是這樣的邏輯。

晚點：在你們的規(guī)劃中，家務機器人要解決什么問題？

陳建宇：我認為是兩大類。一類是清潔，不是掃地機器人那種，可以擦桌子、洗衣服，機器人可以把臟衣簍的衣服放到洗衣機中，洗完后烘干、收納。

另一類是廚房工作，協(xié)助做飯，類似機器人從冰箱里把菜拿出來。再延伸的話，就是一套端到端的流程，AI 根據(jù)你的喜好定制每天的食譜，規(guī)劃什么時候去買菜；機器人買好菜以后，在冰箱里整理好，到時間了拿出來。

如果有炒菜機的話，它操作炒菜機，再端到盤子里盛上來，吃完后給你洗碗。另外，也可以讓它下樓取快遞，陪你去打球、踢球等。機器人市場的想象力是非常豐富的。

晚點：有生之年可以看到嗎？很難想象一個機器人能把這些所有事情都解決掉。

陳建宇：肯定可以。當然現(xiàn)在還太早，過個 3 到 5 年時間，就會有跡象了。即使機器人能力還不夠，也可以靠其他基礎設施補全。比如機器人可以跟冰箱聯(lián)合，和某款炒菜機聯(lián)合，跟某家洗衣機合作，類似于這種方式。當然現(xiàn)在機器人的能力，距離實現(xiàn)這些還有距離，我們正在努力做。

我們認為機器人的 ChatGPT 時刻，大概是 5 年時間。ChatGPT 時刻，是一個非常高的要求了，意味著機器人到新的環(huán)境，給它新的指令，可以做得差不多。

這個時候，肯定可以做出很好的家用機器人產品。如果提前做的話，它的商業(yè)價值可能會低一些。掃地機器人也是一款家用機器人，但它只能做掃地這件事，只賣幾千元，大家是可以接受的。如果過兩年我做一款只能擦桌子、洗碗的機器人，賣兩三萬元，也會有人買。

晚點：你家里有機器人嗎？

陳建宇：我家里太小，放不下。

“所有具身公司的 1 號位里，最懂技術的”

晚點：有從業(yè)者評價，星動紀元陳老師做學術和研究很強。但其他方面很容易被忽悠和拿捏。

陳建宇：這很正常。我是學者出身，大家對我的評價更多是，中國具身公司 1 號位里，最懂技術的。我本來就不是一個商人。但商業(yè)化最終是看結果。如果我現(xiàn)在說，我做商業(yè)化很牛，我很有天賦，也沒人信。我們去年的收入雖然不及行業(yè)內最頭部多公司，但也屬于行業(yè)前列，而且今年的成績會高很多。

硬科技的創(chuàng)業(yè)不是純商業(yè)模式的事情，它一定是技術 + 商業(yè)落地。我們找到一個需求，當時不能被滿足，我要規(guī)劃我的技術路線，什么時間點可以滿足它。這是一個耦合的設計，我會運用我的強項。

晚點：28 歲，基本上是博士生畢業(yè)的年紀，你就成了清華的博導。你覺得自己是天才嗎？

陳建宇：我覺得每個人都有他的天才之處，重要的是找到自己的天才之處。

晚點：你覺得自己的天才之處是什么？

陳建宇：快速學習、洞察，并構建復雜系統(tǒng)的能力，機器人就是這樣的系統(tǒng)，軟硬件同時在快速演變。

晚點：但現(xiàn)在你又多了創(chuàng)業(yè)者的身份，需要管理的人也變多了，處理的事情也更復雜。你怎么學習？

陳建宇：我覺得管理的架構和目標管理是最重要的。這是把所有事情串起來的關鍵。之后就是怎么去激勵大家，讓大家很開心地去做事情，甚至爭先恐后地把它做得更好。

晚點：有什么你覺得需要學習或參考的公司嗎？

陳建宇：我認為每個公司最終都會形成自己的文化、管理體系。 我會重點關注幾類公司，比如阿里、字節(jié)、騰訊等互聯(lián)網大廠；比如華為、小米這些涉及到硬件的科技公司；然后就是新能源車企，“蔚小理” 這幾家等等。有的相關度高，有的沒那么高，我會重點學習他們的公司是怎么發(fā)展的，組織架構是怎么設計的，商業(yè)化怎么做等。

晚點：沒有海外的大公司？

陳建宇：畢竟環(huán)境不同。

晚點：現(xiàn)在有各種各樣的具身智能公司。如果讓你給這些公司劃個派系，你會用什么指標劃？

陳建宇：按大的技術投入度去劃分，分本體派、大腦派和軟硬一體或全棧派。

宇樹就是本體派，以本體為重。因為它也在做雙足，有了雙足才值得做運控，它也研究大腦，但還是以本體運控為重，類似的還有逐際動力、眾擎等。

就像做大腦的公司，它也不是沒有本體，只是以大腦為重，大腦公司的代表就是銀河通用、自變量。大部分公司主要是輪式體系，不會涉及到太多的強化學習，比如雙足運控、關節(jié)模組、硬件研發(fā)等核心底層。

然后是軟硬全棧派，我們就屬于這一派。智元也屬于全棧派，但它是由很多個事業(yè)部或子公司組成。我們找對標的話，大家會覺得我們更像是 Figure 或特斯拉。

晚點：怎么做其實是一個選擇題。做全棧有優(yōu)勢也有劣勢。其他公司是先占住一個身位，再往其他方向擴張。

陳建宇：從我們的角度來講，還是考慮以終為始。我們也不是一開始就全棧。研發(fā)過程中，我們發(fā)現(xiàn)自研會有更多好處。

有時候供應商響應不會那么快，也不一定能達到我們的要求。如果你依托別人的產品去做，剛好完全滿足你的需求不太現(xiàn)實。如果你想迭代，他們會支持你，但也會說 “你等下一代產品吧。”

我們的目標是要做終端用戶，追求盡快做出來產品。供應商不成熟，零部件沒有標準化，反而會拖慢我們的迭代速度。自研也能讓我們的成本下降，毛利率足夠高。比如我們的手，是有利潤的。

晚點：行業(yè)里有人說，星動紀元是 “中國的 Figure”，你怎么看？

陳建宇：我覺得挺好的。但如果是說我們抄 Figure 的話我不太同意，因為我們有一些與模型相關的觀點是比 Figure 更早披露出來的。我們做的事情，跟他們的路徑和愿景也比較匹配，所以想的東西差不多。

晚點：但 Figure 估值 390 億美元（約人民幣 2700 億）。

陳建宇：我們也希望估值能更進一步。本質估值是一個公司真實價值的體現(xiàn)，但現(xiàn)在噪音比較多，導致估值不確定性高。首先中美就有差異，加上 Figure 的創(chuàng)始人是一位連續(xù)、成功的創(chuàng)業(yè)者。對我們來說，扎扎實實做好自己事情的同時，加強資本側的布局吧。

晚點：那你覺得公司要做到多大，才能實現(xiàn)你的目標？

陳建宇：做成萬億市值的巨頭。因為現(xiàn)在大家估值都在蹭蹭往上走，可能到我發(fā)展的時候，成為巨頭就得接近萬億。

晚點：你會和投資人、員工講你要做萬億市值公司的目標嗎？大家怎么想？

陳建宇：肯定是說過。員工有人信，也有人不信，取決于他個人的視角；投資人會說，搞起來搞起來。

晚點：這個目標預計多久能實現(xiàn)？

陳建宇：要實現(xiàn)就得在 10 年內。

晚點：在具身智能行業(yè)，實現(xiàn)這個目標最大的障礙是什么？

陳建宇：主要還是在模型層面，現(xiàn)在的硬件已經夠用了。硬件來說，最大的卡點還是在靈巧手。

晚點：這些方面的突破有可能是你們帶來的嗎？

陳建宇：我們一定會參與到這其中。

題圖：星動紀元創(chuàng)始人陳建宇，圖片來自星動紀元