日冕开物肖中阳：把蔚来世界模型量产后，我兑现102周前的创业决定丨物理AI 50人

我手机上有一个日历，每周一都会提醒我一个重要的日子。今天是102周——102周之前，我设了一个节点，叫「启航计划」。

作者 | 李雨晨

编辑 | 林海峰

肖中阳的履历，是一条典型的“车辆工程到智驾再到具身”的路线。

本科北理工车辆工程，博士清华车辆与运载学院（导师杨殿阁教授，智驾方向开门大弟子），博士课题就是高级别自动驾驶。2020年毕业先去了高德做众包建图，一年后加入蔚来，成为NWM（NIO World Model）世界模型创始团队成员。

在蔚来四年多，他从时空信息部的众包建图做起，后来成为低速场景（停车场、园区、换电站）世界模型的交付负责人，交付上向任少卿汇报。

2025年5月29日，他主导的无图自主探路版本向全量用户推送，三天覆盖60万辆NT2平台车型——这是行业首个在复杂交互场景量产的世界模型，比特斯拉早了6个月。

交付完成后，他选择离开。2026年1月中旬，肖与清华师弟钟元鑫（前华为天才少年，现负责基座模型）、博士亲师弟王云龙（前智元机器人，现负责后训练与交付）、博士同班同学戴亚奇（现负责市场）联合创立日冕开物理。成立3个月完成两轮融资，团队已达90多人。

9月，雷峰网新智驾在日冕开物的北京办公室见到了肖中阳，进行了一次近两小时的深度对话。对话回答了三个问题：

1、第一个量产的世界模型是怎么做出来的？

2、世界模型从从智驾迁移到具身，有何同与不同，难点和要点是什么？

3、在具身世界模型的赛道里，日冕凭什么可以持续留在牌桌上。

再介绍一下，《物理AI 50人》是雷峰网《新智驾》推出的高管访谈栏目：不追热点、不凑数量，我们只对话物理 AI 赛道最有权重的核心决策者。从智驾到具身，从芯片到世界模型，记录不对外说的判断、抉择与野心。

感兴趣的具身创业者和读者，可添加专题作者微信 Gru1993 交流。

PART 1

从交付第一个世界模型到决定创业

新智驾：你是从北理工车辆工程毕业之后，去读了清华的博士，为什么最后去的是智驾行业？

肖中阳：我本科一开始学的是信息工程，转到了车辆工程。我到清华读博的时候，还是叫汽车系。后来我的导师杨殿阁教授创立了车辆与运载学院，继而成立了车辆与运载学院的汽车工程专业。2020年我博士毕业，博士课题方向就是高级别自动驾驶，研究自动驾驶软件和模型。

我在本科还做过机器人的创新创业项目，带队拿了全国挑战杯一等奖——全尺寸的人形外骨骼机器人。那时候真的没人做。我对画机械图、结构设计，电驱、电控非常感兴趣。

后来读博时还是觉得机器人缺大脑，我理解的大脑是对场景的动态理解，当时做“大脑”最好的方向是自动驾驶，这是一个卡、数据、模型最集中的行业，所以我就进入了智驾。

新智驾：2021你加入了蔚来？这是你智能驾驶职业生涯的起点吗？

肖中阳：对，2021年蔚来已经决定自研，之前一代车用的是Mobileye的方案。我算是蔚来世界模型的创始团队成员。

加入蔚来之前，我在高德待了一年多做众包建图。当时小鹏用过我们的高精地图，小鹏的的定位引擎、数据渲染也是高德提供的，最先是落在小鹏P7上。

但我觉得，高德的合作模式是to B，或者说是造铲子的人，没有非常明确的闭环。而蔚来有自己的车型，能建立完整的闭环。

蔚来非常重视用户体验，用户夸或者骂一个功能，我们都能直接听到。还有斌哥组织的全国各地用户面对面，几十个用户坐在你对面，大家是在面对真问题，解决真需求。

加入蔚来后，我是在时空信息部，做众包建图，还是上一代的技术方案，包括高精定位、轻图这些。

在2023年之前，我们已经做过一些世界模型的前期探索。

那时候不叫世界模型，就是用户数据共享，从中挖掘道路元素和关键地理信息，引擎里采用这些先验数据。比如停车场底下有几层，每个路口的转向限制是什么。

但我们最终想做的是，在没有任何经验的情况下，让车子第一次来到停车场后可以自主理解场景，并且能采取正确行动，还能听懂人的任意指令——比如你跟车说“再下两层，看到一个红衣服的人右转，然后看到一个什么样的人停下来”，这种长时序指令也能执行。所以，这个思路更偏向一个机器人的交互产品定义。

新智驾：2023年已经有了世界模型的萌芽，正式提出NWM这个概念是什么时候？

肖中阳：NWM这个词是2024年7月份正式对外发布——NIO World Model，2023年全面切入到世界模型这个方向上。

2023年之后，我们都是在World Model这个体系下面做的模型交互，所有功能都贴合NWM的大标签，但其实底下有好几个功能。

2024年行业开始讲VLA的时候，蔚来没有跟。

我们对世界模型的定义很本质——不是具备什么结构就叫世界模型，我们定义的是它具备对未来世界的推演、认知和预测能力。证明了它能推演，说明它学到了一些规律；也因为它能推演，所以它做出的动作都是想好的动作，而不是条件反射式的动作。

一个非常直观的例子：我在一个路口，推演说我可以有10种选择，每一种对应什么样的结果？有些可能撞了，有些把你送到目的地，有些不够平顺。

在这个定义下，2023年我们命中的就是当前这一套主流范式。

这个过程就是reasoning，结果是更合理、更可控的。只要是这样的范式，我们都统称为世界模型。这是当时蔚来智驾体系的vision（愿景）。

只是说当前大家又在主流范式上衍生出一些新的内涵，就像当年的一些热词，大家多少会塞一些私货进去。比如说只要能刻画世界规律的，是不是都想叫世界模型？我们能看到有这样的现象。但我觉得我们当时的本质跟现在是呼应得上的。

新智驾：2023年之后，行业和用户更关心的是城区和高速场景的NOA。而你一直在停车场这些低速场景方向，但最终你成为了世界模型的交付负责人，你觉得是什么原因将你推到了第一线？

肖中阳：低速这个方向，不像城区和高速条线那么多。一辆车想从停车场开出来需要先验信息，这部分工作由我来负责。开出来之后，需要理解认知能力，谁来做？还是我来做。

我们感受到的还是，在同一个场景下，技术范式在不断迭代。我们一直是预研一代、上车一代，同时做两代。

预研的那一代非常幸运，是世界模型先上的，因为低速场景最能体现世界模型的能力——它复杂，需要理解人的指令，需要预测人的动作，需要预测跟其他车的交互，而且场景没有明确的交通规则，更多是非结构化的场景，所以天然更适合更大的世界模型去解决。

这也是我为什么最终能顶到第一线，成为世界模型的交付负责人的原因。

（注：2024年，是蔚来智驾变化最为剧烈的一年。2024年6月，感知与规控团队合并为大模型部，撤销原感知、规控、环境信息、方案交付四部，新增大模型部、部署架构与方案部、时空信息部，标志着蔚来从传统“感知 - 规划 - 控制”串行架构全面转向端到端。半年后再次调整，任少卿亲自直管大模型部并新设技术委员会，时空信息部负责人袁弘渊离职，交付团队负责人一并换防 —— 组织为冲刺世界模型量产让路）

新智驾：蔚来的世界模型从启动到量产，有哪些关键的节点？

肖中阳：2023年更多是资源团队自己的预研，先做一些技术上的储备和验证。但真正决策开始搞、立项、非常明确地签订交付责任，是2024年年底。

然后我们做了一些取舍——你想打磨一个完美的版本是打磨不完的，肯定有一些长尾问题要解。我们当时做了一个决策，有两个选择：在全行业都没推出之前，把一个不完美的方案打出去；和等到完美之后推出，但不做首发。

从市场竞争力的角度，我们选择了一定要做首发。所以锚定了一个时间点，2025年6月份。但其实我们比那个还早了一些，5月初就测试通过，等着发版。

我们这个场景的封版是2025年5月29号，我记得很清楚。

新智驾：为什么记得这么清楚？

肖中阳：因为那是我觉得真正量产的一个无图探索版本，挺有划时代意义的。之前真的没有人做出来，这样一个大参数量的模型，像人一样理解场景，这是之前大家甚至都不敢想的事情。而且这个版本比特斯拉早了6个月，这也是我非常满意的代表作。

当时，NWM世界模型最先推送的是NT2.0的车型，因为NT2.0的车型的基数最大，我们一次性全量，分三天推送给了60万辆车。

这个也可以称之为职业生涯的分水岭。我会将其划分两个阶段：一个是tech leader，一个是交付leader。交付leader有点像华为IPD体系下的PDT leader——向更高层要资源、阐明收益，获得投资，自我形成闭环，把商业成功的结果拿到。在这之前，我只管把技术做深、把性能做好。

从做的具体事情上，也恰好分了两个阶段：一个有图，一个完全无图。无图就是真正拥抱模型，交给一个大模型去解决问题。

新智驾：在蔚来沉淀的经验，有哪些是能复用到现在的创业团队？

肖中阳：我觉得最大的take away是三个：

第一个是闭环。你需要把用户需要的东西完整、快速地做出来，让他提意见。这个很重要，这也是斌哥做用户面对面的原因。我们很重视终端反馈，防止你在做所谓标准化产品的时候闭门造车，做了不符合用户需求的东西。快速形成闭环、形成反馈机制、全流程看问题，这是第一个。

第二个是，你看十年智驾五次技术革命，但最终把端到端做出来的，是当年做定位建图做得最快的那家公司——特斯拉。

特斯拉的地图团队非常厉害。不存在说突然冒出一个天才，提了一种想法就把一个工程问题解决了，让特斯拉冲到第一梯队。我们相信这个规律在具身行业也是一样的。

现在大家的想法，说句实话大部分都来自于跟GPT的对话。在这个前提下，大家比拼的还是infra的效率、问题闭环的效率、训练模型的效率、数据的吞吐量、回归测试的指标是否合理、是否接近用户需求。

我觉得这个基础是一家公司发现终极范式的基础，是它的效率来源。当然还是会有一些聪明的科学家去想范式怎么迭代、表征怎么做。

但我们认为，智驾最后几年的英雄主义是越来越少的。

第三个是组织架构要服从算法结构。组织架构的调整一定要坚决果断、一定要高效。

不是大家不努力，而是管理层没有把一些边界梳理得很清楚，就会引起很多混乱。只要把话说清楚了，就不是问题。怕的是大家都没对清楚，没有坚决划清边界。

新智驾：现在很多智驾人转具身智能，是具备“理论上”的可行性的。有一些团队因为具备智驾量产的经验，就低估了具身的难度。之前我们遇到过一些团队训练模型花了大价钱，但是没有训好，你怎么看？

肖中阳：我明白你的意思。这也是我们团队在跟投资人接触下来，被评价为比较稀缺的一个点——我们虽然都是智驾出身，但是做完了世界模型这代范式出来的。

可能有些创业团队在智驾的经历只覆盖了两段式的模型。两段式端到端在面对和解决问题的方法论，和世界模型是不一样的，包括有没有兜底、是不是需要做很多rule-based的东西。

我们是在智驾里面被完整训练过的这么一个团队，其实更符合大模型那套scaling的思路。总结下来：

第一，如非必要勿增实体，一定不要先做后处理；

第二，相信数据驱动，你的bet（可能成功的事情）一定是更大的模型、更多的数据、更典型的case，而不是想办法规定数采源的采集方式来避开问题，而是要保持case的多样性；

第三，对infra的重视程度很高。

这一点我们跟很多DeepSeek、Kimi出来的人聊，也能达到默契——我们其实更偏大模型解决问题的范式。

而且我们也不是纯智驾背景，云龙之前在智元也是做大模型交付。我们现在做数据infra的成员，很多都是来自多模态大模型公司的。

大家经常给我贴车圈的标签，主要是我在蔚来待的时间太长了，但其实核心技术团队的几个大leader，还是有很多来自大模型公司。

PART 2

从车端世界模型 到具身大脑：最难的是表征

新智驾：蔚小理在这两年都陆续成立了具身部门。你想要做具身智能，为什么没有选择在蔚来内部孵化？

肖中阳：我觉得面对一个新的事情，回到了智驾和具身不一样的地方。两者的商业模式、技术路线、包括模型的形态都不一样。

既然要做这件事情，肯定是想做得更彻底、更长久，所以衡量下来，还是成立一家公司，从头去做这件事情，更Physical AI native，也就是更“原生”一点。

新智驾：你是什么时候决定出来创业的？

肖中阳：我手机上有一个日历，每周一都会提醒我一个重要的日子。今天是102周——102周之前，我设了一个节点，叫“启航计划”。

什么意思呢？就是我要创业，但当时我想的是以一种创业者的心态在大厂里面内部创业。

什么叫创业者的心态？我当时读了王阳明的一篇文章，他讲知行合一——就是我要非常纯粹地先想这件事的成功需要哪些因素，然后把这个事情的成功跟自己绑定在一起，去想你需要做什么，而不是说带有偏见地说我喜欢什么、我倾向于什么、我不喜欢什么。

当时想清楚这个之后，触发我去这样想的，可能跟当时的一些组织架构调整也有关系。但我觉得想清楚之后，我的工作变得很快乐，因为你看到的是事儿逐渐变得越来越清晰。

102周之前的2024年9月，我决定了以这种姿态去工作，创业就是一个更自然的事了——把场合从内部，比如少卿是我的投资人、蔚来用户是我的客户，变成我要在市场上找投资人、在千行百业找客户，但我做的还是那件事。

蔚来世界模型2.0封版后，我正式离开。

新智驾：车端世界模型向具身模型的迁移过程中，最难的是什么？

肖中阳：我觉得还是在于场景的需求，或者叫业务模型。

智驾虽然穿行于物理世界，但它本质上没有跟物理世界产生真正的接触，它不需要去体会摩擦、形变这些。但真正进入物理世界去改变、操作这个世界的时候，你就要去处理这些问题。

这是为什么我们最早就在基模提出表征的原因——这些跟操作物理世界相关的信号，能不能被有效地提取出所必要的表征，送到基模里面去做因果推理。

我们认为最核心的挑战，或者说业务的本质区别，也就是在表征。

智驾找到了它好的表征，叫BEV feature，之后UniAD、两段式端到端、一段式端到端开始爆发。我们认为现在具身的基模最缺的也是表征。

现在没有人回答这样一个问题：我们有没有一个像BEV feature这样的map，能够把视觉、触觉、包括关节自由度这些数据，都编码到一个本质空间？

这是我们看到最大的挑战。

有了BEV这样革命性的东西，你就会发现后面就是堆数据、堆场景、解决部署问题。我们也是最早在做这件事，当然还没有把工作做完，但最近也陆续发了一些关于表征的论文，比如如何跨末端去表征触觉、动作、环境、经验，这是我们基模很重要的一部分。

新智驾：所以。你们自研的LaMPA是“行业首个具身原生的隐式掩码预测架构”，也是为了解决表征问题？

肖中阳：是的， VLA本质上还是语言模型那一套——先有语言，再把视觉和动作对齐上去。但语言对物理世界来说带宽太低了，你没法用语言说清楚“用多大的力、从什么角度去接触一个东西”。我们的判断是：只要是靠“对齐”搭起来的基模，就一定不是为物理世界原生的。

生成式世界模型比VLA进了一步，但我们觉得还是不够。视频是二维的，机器人面对的世界是超高维的；看着像的两个东西，物理上可能完全是两回事；而且像素级的生成，大量算力都花在颜色、纹理这些跟操作无关的变量上了。

所以我们的判断就是：跟语言对齐、视频对齐，都不是高效的。

既然要做物理原生的基模，就应该面向物理世界from scrach地设计——这就是我们提出的E³，环境（Environment）、具身自我（Ego）、经验（Experience）。LaMPA就在这套统一表征的隐空间里做掩码预测，而不是去生成像素。

这样一来，模型的上限是由物理世界本身决定的，而不是被语言或视频的表达方式框住的。

新智驾：你们现在主要在哪些场景落地？

肖中阳：我们现在找的是一些高价值的、跟AI基础设施相关的制造场景。比如说远图是我们的战略客户，他有AI服务器的组装、测试、生产制造场景。

这些场景的流水线上需要一些比较精细的操作，比如把一个板子放到测试台上，是亚毫米级的精度；包括装风扇、装散热器、插一些组件。

这些场景一方面精度要求高，第二是泛化性——因为这个行业高速增长，迭代非常快。他们现场也有一些工业自动化设备，但经常放在那不用，因为新来一批料都来不及做适配，或者需要设备提供方的工程师飞过来，支付很高的费用重新调试。

这其实也是当下的一个关键问题：物理世界被“预训练完”的周期和难度极高。工厂是开放的、长尾的、天天在变的，新的状态永远会冒出来。一个机器人的能力如果完全取决于出厂前学了什么，部署出去之后一定会撞上天花板。

所以我们给的方案是：新的料来之后，“超级工站”只需要少量示教就能上岗，但上岗不是终点，上岗之后它能越干越好。它在产线上的每一次操作、每一次意外、每一次“没做成”，都会变成数据回流进来。模型把经验沉淀下来，下次碰到类似的料、类似的情况，就处理得更好。

我们是一个“硅基工人”的逻辑，工人是越用越熟练的，机器工人也应该是这样。

新智驾：大概多长时间能调试好？

肖中阳：我们现在是三个半小时。当然有一些简单的工序，已经能做到半个小时以内了，比如我们在对外展示的一些会展上的简单重复性操作，基本上半小时之内就能交付。

这个随着基模的scaling也在不断压缩时间。工厂方普遍能接受的是一天，一天交货就可以。

新智驾：工厂对“良品率”有要求吗？

肖中阳：有的，但客户一般不会直接说超过多少良品率我就会买，他说的是“你造成的停产损失由你来承担”，一般会这样聊。

但这个会演化成两个指标：

第一个是出问题的比率要做得非常低，这也是我们为什么要持续进化，它能越做越好，一定要有这样的能力；

第二个是从系统设计上要有兜底策略——这个料可以拿不上去，但我们要知道不能把它摔碎，或者知道出问题了能够求助、亮个红灯请求接管，这个是可以接受的。哪怕重启一次，可能也就浪费一分钟，其实不算在工厂的损失里面。所以它倒不是一个孤零零的指标。

工厂的挑战在这，好处也在这——成败好坏是有明确评价的，这个非常适合早期我们做reward model。有明确评价之后，我们就能训一个打分的模型，分数低的时候机器人可以请求接管。而且这个好坏能在部署之后持续训模型，让模型变得更强。

因此工厂里那些“没做好”的时刻，反而是最值钱的数据。

这点跟大模型差别很大：大模型的语料在模型诞生之前就有了，但机器人最有价值的数据，只能在他跟真实世界交互、犯了错之后才产生。

这种数据比普通示教值钱得多，因为它直接告诉模型：你对物理世界的理解，在这个点是错的。系统就针对这个缺口去更新、去练，验证通过了再固化进模型。

失败在我们这儿不是产品问题，是训练信号。工厂天然是一个可持续迭代、可不断进化的训练场。

新智驾：柔性物体操作是不是更难？比如软包裹、衣服、线束？

肖中阳：是的，抓一个柔性的东西，要比刚性物体难很多，因为要处理的是复杂的形变，它的自由度和不确定性非常高。我们在工业场景也经常遇到，比如一个料不是白料让你抓，它一般会带一些包装，你要先撕开包装——有的是牛皮纸的，有的是塑料薄膜的，有的是气泡的，如何去摘除，这个就很考验模型。

如果有个benchmark的话，对柔性物体的操作肯定是最考验模型真正对物理世界理解的。

比如给你一个U盘让你插上去，这是一个难度；但这个U盘后面拖了一根很长的线，你还要把线沿着捋过去、扥紧了再去插，后者才是真实的场景需求，而且确实很难。

想要提升柔性物体的抓取成功率，我们的做法是分三步走。

第一步是仿真。仿真可以快速生成各种各样的场景，让模型先把基本的物理规律学会，打个底子。

但仿真和真实世界总归有差距，所以第二步是拿真实数据做模仿学习。

这里的泛化，我们拆成两个维度看：一个是场景的泛化，一个是被抓取物体材质的泛化。比如模型抓过玻璃杯之后，遇到一个上半截是玻璃、下半截是软胶的新东西，也能直接抓起来——这才是真泛化。走到这一步，模型对力和触觉就有了基本的理解。

第三步，也是我们最看重的，是真机真实部署中的学习。真实交付要的是99%以上的成功率，这个差距只能在真实场景里磨出来。通过我们的Physical RSI递归加速进化，机器人在干活时的每一次失败都会变成训练信号。

到这一步，模型才算真正把力和触觉的规律学透了。我们甚至认为它可能超过人：人对力的感觉是凭经验的，而模型可以把每一次接触都量化记下来，而且一台学会了，整个集群都学会了。

新智驾：工业场景对成功率的要求有多高？

肖中阳：三个9以上（99.9%），工业场景一般敲门的话你得告诉人家你是三个9以上。然后再告诉他大的问题我能给你兜底——我起码可以说即使有一次不成功，也不会以把料摔地上为前提。

他们在意的是恶性结果出现的频率，尤其是一些测试工序，本身测试时间也很长，多等个一两分钟也能接受。

PART 3

拿投资、建组织 日冕如何留在牌桌上？

新智驾：日冕现在团队规模怎么样？

肖中阳：我们现在有90多个人，发展速度挺快的。北京上海两边都在招人，也换了好几个办公室。

从团队角度，我们有一个交付部，横向拉通产品，包括产品、线上的解决方案、需求对接。

另外就是技术中台，所有的infra、预训练、后训练都在这里，包括一些关键的硬件技术和系统。

再就是商务这些职能部门，包括市场、品牌。

团队来源的话，智驾来的多一些，也有大模型的，也有传统机器人、自动化的。自动化的人其实很懂我们现在一些场景的真实需求，包括怎么跟客户对话、怎么触发他们的决策。

智驾的人很懂工程和闭环，产品的闭环、问题的流转。大模型的人更懂怎么用data reuse的方式让它更快scaling，包括infra层面怎么训一个足够大的模型，让它足够稳定、快速地拿到实验结果。

新智驾：钟元鑫是你的联创，你跟他是怎么走到一起的？

肖中阳：我当时在清华是智能交通（后来叫自动驾驶）课的助教，元鑫在清华读本科，我们就认识了。他本科毕设是在我们组做的，我带他做毕设课题。然后他去了美国，回到华为之后做智驾，我们交流比较多。

后来我就找元鑫，说出了创业的想法。我知道他也一直有创业的想法，但我还是建议他先在大厂里面看看一个大的system是怎么运作的。他跟我说差不多看明白了。他在华为待了3年，2023年夏天到2026年。

正好他也是在做世界模型，而且华为验证了VLA的一些局限性之后，直接去做了世界模型。所以我们的搭配很合适。

新智驾：其他几位联创呢？

肖中阳：王云龙是我博士亲师弟，所以很熟，一些想法对齐也很多。其实是他先找的我。

他说突然有一天做了个梦，梦见他书包的带子长出了手，能把桌面上的东西拿起来塞进去，然后把自己系住——其实就是pick and place加packing的demo。我说那是不得创业了呀？

戴博（戴亚奇）是我博士同班同学，他是做投资的。更有意思的是，我是找他融资的。我向他请教融资需要具备哪些条件，如何路演。当时我们是在一个咖啡厅里，结果他说“我把自己投进来了”。

我们几个都是车辆学院的，认识十几年了。很早就知道对方想创业，只是不知道啥时候会创业。能凑到一块，也是天时地利人和，大家都觉得在工业界有一些实践了，财务状况也能支持，一切都比较合适。

人员到齐是在3月，正式开门营业。

（从左向右：联创兼基模负责人钟元鑫；创始人CEO肖中阳；联创兼市场负责人戴亚奇；联创兼后训练与交付负责人王云龙）

新智驾：你们成立三个月连续完成两轮数亿元种子轮融资，鼎峰科创、百度风投、远图未来都进来了。投资人有没有问过让你印象深刻的问题？

肖中阳：有一个投资人问过我关于组织的问题。

他先问：物理AI的scaling是更像智驾，还是更像大模型？这个问题回答完之后，我觉得他的下一个问题很好：那你觉得日冕的组织应该像Kimi还是像蔚来？

当时整个圈子对Kimi、Anthropic的一些组织架构设置评价很高，觉得组织就应该长这样才能去scaling。

但我说这个事情要根据业务去想。纯语言类的模型，它是能在一个像lab一样的组织里面运作的，因为所需的数据都在数据中心，而且公司只有一款产品，就是推一个模型出去，要满足各行各业的需求，所以benchmark和评测方式非常清晰。

这个时候每个人的想法都可以变成一个merge request，提一个测试任务，只要证明对结果有改进就可以了，所以他们非常扁平，不需要有信息差。

但具身不一样，具身是物理世界的AI。物理世界AI的数据本身就需要进入到物理世界，所以它有硬件的部分、有交付的部分、有产品的部分。产品就是闭环的一部分，组织要支撑的是一个软硬一体的闭环，在这个里面就不能盲目追求所有人都没有信息差，不然迭代目标就乱了，阶段性目标也没法拆解。

所以我们应该是最大程度保持大家信息同步的同时，还是要有适用于这种软硬一体复杂交付的一套流程和组织。聊完这个之后，投资人会觉得，我们把组织问题想的比较清楚。

新智驾：你们对于融资的节奏是如何把控的？另外，你们更愿意接触哪些背景、特质的VC，你们有没有拒绝（接受）过一些投资方，是因为对方提出了什么样的要求？

肖中阳：成立半年来我们已经陆续做了三轮，并且我们还会在接下来保持这个节奏，也非常感谢各位老股东对我们的大力支持。

从投资人的角度，我们主要是偏好具备两类属性的投资人：

其一是基于技术、产业的认知，对于物理AI的前景有超越周期认知和信任的投资人。

我们在做的是一个持续改变底层生产力的行业，并且物理AI的特性就导致了会有很多的“脏活累活”，因此需要具备一定vision和定力才能持续保持信心，和我们携手一起穿越周期。

其二是从场景、资源、战略、人才各个维度能给我们帮助和reward的投资人。

说实话现在行业里更多听到的还是“掌声”，但我们是很警惕“杀君马者道旁儿”的；我们很多的老股东就是我们的WRM，都会从不同视角出发给我们提建议，并且帮我们一起想办法，这也是日冕能够保持现在这个加速度的重要原因之一。

因此在投资人角度，我们期待接下来合作更多的“自己人”，帮助日冕持续“自进化”。

新智驾：现在的组织设置，跟当初跟投资人聊的想法一致吗？

肖中阳：算是比较一致的。我们现在的技术中台，其实就维护一个像Kimi那样的产品，我们叫标准化的系统产品。交付部门是拿着标准的产品——本体加模型加训练工具、采集工具——去满足A、B、C、D四个客户不同的需求。

但他们一定有定制化的需求，会变成一个交付团队做很多定制化的事情。然后他们的定制化信息要同步给系统产品部门，告诉他们这四家有一个共性的需求，需要承接到标准化产品里。

新智驾：这个很像Momenta，曹旭东会要求团队做主线任务——每做一个交付的时候，提炼一个主线。

肖中阳：这样最终是个算账的逻辑，交付成本才低。技术中台这边更像Kimi、月之暗面，因为大家有很明确的交付目标和benchmark；交付这边就很像智驾，或者说to B的这种交付，偏落地、直接接触用户的。

而且我们对整个行业的判断是，交付这一部分将来也能够被一些标准化的组织承接，比如FAE、FDE这样的组织，只是现在还没有形成这样的生态。

所以我们非常重视的最终还是标准化的scaling能力、成本。

新智驾：你怎么看大脑和身体的价值分配，两者的演化路径会是什么样？

肖中阳：我在2015年选智驾的时候，就是这样的判断：机器人缺的是大脑。真正让这件事变成生产力的，也是背后的大脑——它负责感知、认知、预测、决策、执行，出了问题还能恢复。我觉得这个是价值链最重要的一环，而且它的价值会越来越高。

你看它scaling的路径，是先搞定一个场景，再搞定第二个场景，以大模型的范式去做的话，你会发现第三、第四个的斜率会越来越陡峭。

而本体一定会变成一个斜率不那么高的东西。当然我们现在还没有把本体放到降本的逻辑上去看，整个生态行业一定会把成本做得比较低的。

我们会从问题闭环的效率去看，哪些硬件的事情需要我们来做——你不可能说我提一个需求给供应商，他三个月后告诉我修了，我的产品就不迭代了，这个不行。

新智驾：对于同样从智驾转具身的同行，你最想说什么？

肖中阳：我觉得还是要尊重物理世界的规律。智驾没有真正接触物理世界，但具身是要真正去操作、去改变物理世界的，这里面的摩擦、形变、接触，每一个都是新的问题。不要低估表征的难度，也不要低估闭环的价值。

还有就是，具身的GPT时刻没有办法在实验室里做出来。你如果上来就闭门造一个啥都会干的机器人，不进入真实场景、不跟真实客户交互，是不现实的。

你得先进入到真实的物理世界，拿到真正的反馈，在这个过程中让基模的能力不断scaling，把定制化的部分越来越少，直到某一天zero shot就能解决大部分问题——那个时候才是GPT时刻。

PART 4

关于“日冕开物”这个名字，有一个小故事。

这个名字最先是联创戴亚奇提出来的。当时大家先想出了slogan——“驱动每一次物理交互”。然后就在想，驱动每一次物理交互的是什么样的东西？后来想到日冕：日冕是太阳最热的一层，但用肉眼看不到，它没有形状也没有颜色。一个驱动万物交互的东西从表面是看不到的，它不是某一个硬件，也称不上是服务或功能，就是一个很重要的能力，无处不在，但我们可能不能直观地看到它。

这就是日冕开物名字的由来。

在蔚来的最后几年，肖中阳有一个很深的体感：智驾行业的英雄主义越来越少了。不存在一个天才提了一种想法就能解决工程问题。最终把端到端做出来的，是当年做定位建图做得最快的那家公司——特斯拉。比拼的是infra的效率、问题闭环的效率、训练模型的效率、数据的吞吐量，这是“内功”，没有聚光灯的照射，但厚积薄发。

他把这套方法论带到了具身。创立日冕之后，他没有选择做Demo竞赛，而是一头扎进AI服务器的生产车间，做能3个半小时上岗、越干越好的“硅基工人”。在他看来，具身的GPT时刻没有办法在实验室里做出来——你得先进入真实的物理世界，拿到真正的反馈，在持续迭代中让基模的能力不断scaling。

肖中阳自己，也像那个在车间里盯着机器人干活的人。他不急着宣称一个通用机器人时代的到来，他先花时间弄明白，一个“硅基工人”到底要怎样才能越干越熟练。

“我要非常纯粹地先想这件事的成功需要哪些因素，然后把这个事情的成功跟自己绑定在一起。”

这话是他在蔚来时说给自己听的，现在，他和日冕的90多个人，正在这么做。