对话 | 许华哲：面对大模型的「入侵」，要做「抵抗派」

免费开放机器人API，许华哲创业半年交出的第一份答卷。

作者丨张含菁

编辑丨董子博

时隔数月，在做了一道麻婆豆腐之后，许华哲的破壳机器人又“憋”了一个大招出来——

就在今天，破壳机器人官宣发布了世界动作模型 Poke-Aurora，同时向外界开放了 RoboAPI——任何一个适配的机械臂，都能通过这个接口，免费地使用 Poke-Aurora。

过往，机器人公司要展现实力，大多发个模型跑个榜，或出个 Demo 表演一些 Pick & Place，虽然不够过瘾，但总归能让接触不到本体和模型的看客“解解馋”；

但今天，破壳直接把 Poke-Aurora 的模型 API 拿了出来，还支持跨本体开箱即用，非得让全世界都能把 Poke-Aurora 部署到本体上，来试一试他们的真功夫。

向外界公开 API 不难——但如果模型不能实现很好的泛化性，不能在不同形态的本体上发挥效用，模型和自家的本体还有着强绑定，公开 API 也只是自欺欺人。

破壳公布 RoboAPI 的底气，就是开发者拿到 API，可以无需采集数据、训练模型，只用一句 Prompt 就能让机械臂在陌生环境里完成陌生的任务，实现 Zero-shot 的本体调度。

这很难不让人想起，九月刚刚在市场搅动风云的 GPT-6 Astra。但在和 AI 科技评论的交流中，许华哲却表示，通过 API 的形验证模型的泛化性提升，是团队建设之初就定下的路径。

从许华哲创办破壳机器人，再到发布了自己的第一个世界动作模型 API，中间其实仅仅过去了半年。

人们了解许华哲，是知道他清华大学交叉信息研究院博导的身份、此前在星海图担任首席科学家的经历。对他了解更深的，或许知道他本科就是清华绩点排名年级前 2% 的学霸；与吴翼、高阳、陈建宇一同合称“叉院”的“伯克利四子”；在斯坦福读博后时，用机器人包过饺子、做过饼干；闲暇时间还热爱网球、音乐，长于“忙里偷闲”。

许华哲告诉 AI 科技评论，他的 MBTI 是 ENFP，这也和不少人对他的评价不谋而合——阳光、开朗、充满活力。

许华哲独立创业这半年来，小红书账号依旧保持着频繁的更新。他时不时就会发和破壳同事们的合照；在破壳创业日记视频里搞抽象；分享带娃的喜悦与心得；期盼着网友来约他打网球，但又忙得没时间赴约。

他也经常就具身热点表达自己的思考，从不掩饰自己对具身智能的野心：实现 AGI（通用人工智能），做能进家的机器人。最近一次许华哲公开分享的主题是，“通用机器人，就一定要实现”。

有投资人曾评价，破壳机器人是一家“走 DeepSeek 路线”的公司，要用学术派的方法做理想主义的技术探索。

即使在 GPT-6 Astra 横空出世之后，许华哲也仍然坚信具身通用模型的价值。在 RoboAPI 发布前夕，我们在破壳北京办公室见到了许华哲，和他聊了聊破壳产品的进度，GPT 6 Astra（以下简称 Astra）之后具身通用模型的边界，以及从首席科学家变为公司一号位后他对公司经营新的认识。

01

Astra 证明破壳走对了路

▎AI 科技评论：破壳为什么要开放具身模型的 API？

许华哲：破壳最初成立的目标，就是泛化性。训练一个强泛化性的具身模型，我们很关注两个点：第一，这个模型除了拍 Demo、展示技术以外，到底怎么让它被更广泛地用起来？第二，泛化性的 next level 是什么？

我跟薛峥嵘（破壳机器人 CTO）最常讨论的问题就是：what's the next level thing？如果只是在场景里靠后训练做 Demo，做到 80 分、90 分本质上是一样的，我们试了一些已有的开源模型，发现零样本开箱即用的能力都极差。要上升到“next level”，我认为需要有一个具身模型能让大家“开箱即用”，接上 API，不需要后训练就能在全新的环境里完成“抓取”等短程任务。

▎AI 科技评论：最开始希望“开箱即用”做好哪些任务？

许华哲：我们最开始就想做好一件事：抓起一支笔，放到笔筒里，让所有的机器人，在任意地方都能做到。这件事听起来很弱，但从技术角度来讲并不容易。我们实现“抓笔、放笔”的泛化后就在讨论，能不能扩展到更多家庭里的任务？比如说倒水、扶起瓶子，让所有机器人在不同的家庭里都能做好。

定这个目标的时候团队里有点害怕，当时是 4 月份，全世界没有任何信号告诉我们这事能做到，但泛化性是破壳一以贯之的目标。这半年来，我们就是在做这一件事：训一个好的模型为 RoboAPI 服务。

▎AI 科技评论：我们为什么选择免费开放 API，而不是直接开源？

许华哲：破壳的 API 除了展示技术能力，主要是让大家机器人干活的能力到底在什么水位。大家看了太多完美的 Demo，我们这次的目标是，让大家在屏幕上看到的能力，自己操作机器人接入 API 也能做个八九不离十。

“开箱即用”其实开源也可以实现，用户部署后可能延时还更少，但我们希望结合大家的使用情况继续优化模型，比如拔电源拔得不好、抓瓶子没抓起来，如果是开源被用户部署到本地了，这些实际使用时遇到的问题我们很难及时知道。

而且我个人认为，未来具身模型开源会越来越少。大语言模型为什么那么多开源？因为开源后部署和后训练的成本很高，一般公司做不到，但具身不是。π0.5 开源以后，市面所有 VLA 模型都被拉到了 π0.5 的水平。具身模型资源需求低，开源很容易被 copy。

▎AI 科技评论：以后 API 会考虑收费吗？

许华哲：机器人 API 很难构成商业闭环。不像大语言模型可以卖 token，手机和电脑都能跑。机器人市场保有量太小，我们首日调用量也就按最高 100 人同时在线做的服务部署。如果真能实现 100 个并发，背后可能是全世界一半的机器人厂商或实验室都来试我们的模型了。

▎AI 科技评论：泛化性现在没有 benchmark，RoboAPI 的泛化水平你们是怎么测算的？

许华哲：我们内部是用“规模化随机测试”：随机生成任务，每个任务只测一次，测试了一万个任务。最严谨的当然是一万个任务各测一万次，我们相当于对"一万次测试"近似抽样，效果比 10 个任务各测 1000 次效果要好得多。现在随机测试成功率 70% 以上，抓放任务的成功率能到 80%。

▎AI 科技评论：70% 的成功率是怎么做到的？模型架构还是数据？

许华哲：都耦合在一起，是个大系统工程。数据采集、模型架构、训练方法，每一环都非常必要。

▎AI 科技评论：破壳的目标是通用具身模型，Astra 出现对你们影响大吗？

许华哲：GPT-6 出来当天，我们还在疯狂讨论大模型对具身到底有什么用。Astra 的出色，证明我们追求通用和泛化的路是对的。当然这也意味着我们要面临一个非常强大的对手。

Astra 惊艳的地方是长程规划、反思能力和非常广泛的跨本体适用范围，但作为通用大语言模型，Astra 的缺点是“慢”和“贵”。

Astra 能调用的等级里，只有最高级才是大家觉得比较惊艳的水平，调低一级水平就会下降很多。即使是智能等级最高的 Astra ，执行时思考时间也非常长，因为内部的 CoT（思维链）太长了，做简单的小事和复杂的任务可能要花一样的时间，无论做第几遍花的时间都差不多。

但专用的具身模型参数更小，响应速度更快。破壳 WAM 的架构，天然在具身上更有优势，做同一件任务可以像人一样，越干越快。

另外，Astra 现在完成不了双臂的任务，比如叠衣服；还有语言不太好描述的任务，Astra 也做得不太好。这些都是具身通用模型的空间。

▎AI 科技评论：所以你不担心，大语言模型未来会吞噬具身专用模型的生存空间。

许华哲：没错。Astra 出现后确实很多人怀疑起具身模型公司的价值，我觉得这属于“降临派”：大模型可以拯救一切；此外还有“工具人派”，认为大模型是更高贵的智能，只要跟着大模型做好 infra 和本体就能做好机器人。我个人属于抵抗派。

其实无论哪一派，都是在追求通往 AGI 的路，只是大家上的坡不同。

02

机器人构型相似，是跨本体的边界

▎AI 科技评论：模型性能的提升是个综合工程。过去半年，你们最花精力的部分是哪里？

许华哲：主要是数据和模型。模型迭代比较吃灵感和天赋，数据是比较繁杂的工程，有很多细活，还要把规模化做好。

现在不管 VLA 还是 WAM，都需要 scale 数据，但 scale 数据不是单纯把数据灌进去，有效信息量很重要。同样一分钟视频，你标注得很细，信息量可能是没标注好的视频的好多倍。

▎AI 科技评论：你们现在的数据配比是怎样的？

许华哲：真机数据用得少，我们主要是 UMI 和 Ego，加起来占 85%-90%。

Ego 我们外采为主，基本上把市面上所有数据供应商都排了一遍，质量好的 Ego 数据有效率能到 70%~80%，但也有质量很差的，15 块就能买一条。数据外采都是联创或我亲自去做，谨防采购到很多垃圾数据。

▎AI 科技评论：听说你们自己做了 UMI 手套？

许华哲：是的。我们北京办公室有个小小的采集点，搭了一个家庭场景。

我们对自采数据的第一要求是必须离研发足够近，坐在一起，数采那里要有研发的工位。一旦远了，你就只能给采集员定 KPI：你今天挥拍 100 次，但你看不到他每一下动作对不对。这就像我教你打网球，面对面我立刻能纠正你哪不对；离远了我只能打电话问"你今天挥了 100 次拍吗"。

▎AI 科技评论：哪种数据对于模型实现跨本体的泛化性最有帮助？

许华哲：我们觉得 UMI 效果非常好，用处远大于 Ego。UMI 数据的好处是，不再绑定某一种特定机器人的机械结构，训练后的模型可以相对轻松地迁移到不同构型的本体上。

但是，我认为用 UMI 实现“一脑多形”，还是需要机器人在构型上有一定相似性，否则 100% 纯靠 UMI 训出来的模型，可能会规划出一台机器人根本做不到的动作。比如让一个臂展只有 1 米 5 的机器人，去够 1 米 8 的东西。这时候我们会用自己的真机给模型做“示例”，让模型知道本体的边界在哪。

▎AI 科技评论：你觉得跨本体，也就是"一脑多形"这件事，本身就是有边界的，还是未来可能会出现一个完全没有边界、什么构型都能适应的具身大脑？

许华哲：我把"形"看成一个分布。这个分布里不是所有机器人构型都生而平等的，有一些构型是主流、被广泛采用的，比如宇树的 G1，科研圈用得很多的 Franka、UR 这些机械臂，这些主流构型在分布的居中位置，数据多、标准化程度高，模型适配它们相对容易。

以后可能会有很多奇形怪状的机器人，自由度跟人完全不一样，小臂特别长，手变成个龙虾爪子，都有可能。这种构型识别起来一定很困难，但模型也会发展出自适应能力，只是这些非主流构型、分布比较靠外的，模型的适应时间会比较久。

▎AI 科技评论：家庭机器人赛道里有一派观点认为，家庭场景可以先不考虑一脑多形，机器人只会在你家干活，不需要很强的泛化能力。你怎么看？

许华哲：我非常不认同。即使只在我家，变化也非常大。我家有娃前和有娃后，简直判若两家——沙发扔了，改成爬爬垫，客厅没人用了；老人过来住，又会变成另一个家。所以我认为，泛化性是家庭机器人非常必要的追求。

03

进家先干活，不搞激进量产

▎AI 科技评论：现在家庭机器人赛道分化很明显，尤其是产品定义和产品形态，破壳希望做一个什么样的家庭机器人？

许华哲：破壳的机器人进家就是为了干活。抓放物体是基础，其次是收纳。收纳就属于长程任务，需要大脑做任务规划，也需要具身去执行。

我们内部非常注重研发目标和商业化落地目标的一致。不想把研发和产品做成两个公司，我们要找的是 TPMF（technology product market fit），技术、产品、市场是一盘棋。

▎AI 科技评论：破壳的本体进展到什么阶段了？产品形态是怎样的？

许华哲：今年 9 月份下了产线，先做了三台样机，打算明年去 CES 上亮相。

我们的形态是轮式人形，三指灵巧手（6 DoF），升降结构，最低 1.2 米，最高 1.7 米，日常工作高度 1.4 米左右。这个高度是为了最舒适的工作空间。国内的非残疾工作身高标准是 1 米 42，低于这个高度够不着厨房台面。

▎AI 科技评论：为什么选了“升降”而不是“折叠”形态？

许华哲：“升降”更简约，折叠对电机有更高的要求，扭矩不够可能有折断的风险。我们还特地给升降柱做了一个柔性包裹，升降柱可以像一个球一样变长变胖，视觉上蛮可爱的。

▎AI 科技评论：你怎么看家庭机器人的成本和量产问题？有些家庭机器人公司的目标是 2027 年实现量产千台，甚至月产千台。

许华哲：现在一台家庭机器人的 BOM（物料成本清单）在 10 万元以上很常见，因为都还没量产。量产以后，成本降到两三万元是比较理想的状态。

我们在量产上没那么激进，月产千台不现实。我个人觉得，大百台到数千台的年产，是比较 make sense 的量级。

04

国内很快能出现接近 Astra 的模型

▎AI 科技评论：从今年春天到现在，独立创业半年，你生活和工作上最大的变化是什么？

许华哲：最大的变化是时间更不可控了。创业之前我的时间很规整，每个时间段会有固定的安排，但现在行程会有很多变化，要参见很多活动见很多人，排得更满了。

其次是思考方式变了。原来单纯做研发，做所有动作都是"要资源"，现在要想公司资源怎么分配，钱该怎么花。

▎AI 科技评论：你还有多少精力能留在技术研究上？

许华哲：挺多的。公司 AI 和硬件的会我基本都参加，晚上我经常坐在薛峥嵘工位旁边，一起讨论 AGI 相关的问题。

其实，不同投资人对创始人的期待很矛盾。你如果闷头搞技术，投资人会说"创始人最重要的是对外，市场和钱都在外面"。你如果在外面跑得多了，又会有投资人提醒你，学者创始人最重要的是技术储备，不在技术一线就会失去敏锐度。只能说众口难调。（笑）

▎AI 科技评论：总体而言这半年你还是很开心和满足的一个状态。

许华哲：没错。自己创业最开心的就是，所做的一切都是自己想做的，完全出于自己内心的认可。工作强度更大了，但心情非常好。

▎AI 科技评论：破壳的企业文化是怎样的？

许华哲：我们是清华师生一起创业，之前大家在课题组的时候凝聚力就很强，大家都很卷，也很爱玩，还去汤泉开过组会。

我对公司文化比较看重“善意”这件事。我们文化里有一条叫"内部利他"，发现一件事能帮到别人、又不影响你手头工作，就应该去帮一把，这个过程中你自己的能力 scope 也在变大。

▎AI 科技评论：大厂如果大举进入具身，破壳的生态位会是怎样的？

许华哲：我们的融资和发展就是为了留在牌桌上，成为重量级的玩家，坦率说今天我们和大厂在很多层面就是竞争关系。国内大模型公司如果有正确的优化手段，我觉得不用特别久就能做出接近 Astra 的能力，DeepSeek 本身已经有一定基础了。

但是，大厂不一定是最懂机器人的公司。现在具身行业其实很缺乏懂产品的人才，比如产品经理，机器人需要的是从 0 到 1 的"突破式产品经理"，像陶冶、乔布斯那样的人，而不是擅长从 1 到 10 做优化的渐进式产品经理。

▎AI 科技评论：最后聊聊你自己吧。为什么会对通用智能这件事这么执着？

许华哲：我做机器人是因为很迷恋“决策”这件事。我一直觉得"决策"是通用智能的本质。决策在虚拟世界是游戏，在现实世界是机器人。这两个我都很感兴趣，之前我做过挺长时间"让 AI 打游戏"的研究，现在回到了现实世界，就专注于机器人。

我对机器人的的启蒙其实来自于小时候的机甲动画，我最喜欢的一部动漫是《天元突破》，里面的机器人有一张巨大的脸，可以不断合体、改造和进化升级，现在看也是一种 RSI。

上车，带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。