2026 年，具身智能成为了聪明人扎堆、资本热潮近乎疯狂的行业。这条热门赛道中，智元机器人是最早的百亿俱乐部成员之一。

在人形机器人出货量狂奔的路上，智元的野心并不止于“具身本体”的军备竞赛。今年，他们做出了一个让全行业瞩目的反哺举措：将旗下的核心数据资产彻底剥离，独立孵化了全球领先的一站式物理 AI 数据服务平台——“觅蜂”。

本期嘉宾姚卯青，不仅是智元合伙人、具身业务部总裁，也兼任觅蜂的董事长兼CEO。这期播客在五月觅蜂发布会后录制，或许是有关智元战略的，最深入完整的一次访谈。

（本期视频的微博开屏页，欢迎前往微博等平台观看视频版～；也欢迎前往公众号，查看「漫谈Light the Star」访谈的文字版～）

从Waymo到蔚来再到智元，姚院亲历过自动驾驶从概念到量产的全过程，他说“今天的具身智能连GPT1都没到”，而机器人离真正涌现智能，还差一亿小时的数据。

本期嘉宾： 姚卯青（智元合伙人、通用业务部总裁， 觅蜂董事长兼 CEO）

本期 Shownotes：

Part 1. 02:40 关于姚卯青：从清华电子系到南加大，从 Waymo到蔚来

• 「人间清醒」与「顺势而为」

• 清华电子系的系统训练：电路、通信、信号处理、计算机视觉、编程和算法，都是自动驾驶和具身智能的底层能力

• Google Display Ads 团队：计算机视觉、NLP 与 Transformer

• 内部转岗 Waymo：可能是当时全球最难的面试

• Waymo 的三年： Robotaxi， 从技术 demo 走向商业化运营

Part 2. 17:28 蔚来的量产课：激光雷达、车规体系和数据飞轮

• 为什么选择蔚来？ 「单平台、全标配」的产品策略，激光雷达、4K 相机和高算力硬件一体的统一底座

• 蔚来李斌：「被人骂也是被记住的一种方式」——做关键决策需要勇气

• 多模态融合感知、激光雷达感知、BEV、Occupancy Network、AEB …关于自动驾驶的种种

• 选择回国：相比 Waymo 的几百辆 Robotaxi，国内乘用车百万级保有量所带来的数据分布和 corner case 密度，是完全不同的飞轮

• 量产经验到底是什么？「不是把样机多复制几台，而是项目、研发、测试、供应链、质量、版本和数据闭环的组织能力。」

• 能迁移到机器人的是什么？异常数据回流、模型迭代和现场版本下发

Part 3. 28:31 当自动驾驶派进入具身：优势不是算法，而是底座

• 自动驾驶派进入具身智能，最大的价值是理解强电系统、供应链、质量、量产和底层软件稳定性

• 机器人和车，在电子电气架构、操作系统、中间件、传感器输入到电机控制等底层工程上高度相通。

• 车就是最简单的机器人？「有点牵强」

• 在很多低速场景中，机器人反而更有机会部署 VLA、世界模型等前沿模型

• 真正稀缺的人才，不只是刷榜或发 paper 的人，而是上手修过 bug、和硬件软件都打过仗、能把复杂系统跑稳定的人

• 具身创业的三大派，都有不可替代性

• 机器人终局架构不会只是「快慢系统」两层，可能包含： 1000Hz 底层控制、10 到 20Hz 动作规划、1 到 2Hz 阶段目标规划，以及更高层的 Agent 长程推理。

Part 4. 35:19 讲「基模」太早了，具身连 GPT 1 都没到呢！

• 「2026 年了，具身智能到底到 GPT 几了？其实 1 都没到呢」

• 「现阶段的真机数据量，和真正支撑基座模型涌现的数据规模，还差四五个数量级」

• 很多公司强调自己做「具身基模」，是借用了大语言模型时代的资本叙事

• 今天的具身更像 Transformer 和 BERT 早期，而不是 GPT-3 之后

• 数据的关键不仅是「量」，还包括信息维度、场景种类、失败样本和真实部署中的边界样本

• 多模态融合是必然趋势，视觉远远不够

• 真正的瓶颈不是算法是否足够聪明，而是真实世界数据的量、模态、场景和失败样本远远不够

Part 5. 49:59 有关智元最完整的战略揭秘：一家 AI 公司，而不只是机器人公司

• 神秘的邓泰华其人

• 智元Day 1 定位成 AI 公司，而非单纯的人形机器人公司

• 人形机器人是把 AI 带入物理世界的必要载体，但不是终点

• 「智元确实是这个行业里最有野心的公司之一」

• 智元的组织架构、融资节奏与股权激励

• 具身公司的长期价值不只在本体硬件，而在能否把「本体、数据、模型、场景」做成闭环。

• 精灵 G2 所经历的完整 IPD 流程：接近 9 个月

• 机器人行业的需求峰谷比汽车更剧烈

• 工业不相信眼泪，最终都是 ROI：「」工业客户不关心你是人形、猴形还是狗形」

• 智元的「358 战略」：从量产、商用到部署

• 具身智能最终不是单点技术竞赛，而是系统工程。

• 当技术路线逐步收敛、场景开始渗透时，先把 90% 的体系能力构建好，才可能真正承接行业机会。

Part 6. 01:55:26 VLA、世界模型和机器人数据飞轮

• 智元的 AI 研发体系：模仿学习、VLA 预训练、世界模型、强化学习后训练和数据闭环

• Google PaLM-E ：VLA 来自语言模型和多模态语言模型向物理世界的迁移

• 世界模型更像对物理规律和状态转移的数字化、神经网络化描述

• 「VLA 和世界模型都不是最终形态，未来更可能是分层架构」：前者受限于语言和动作之间的表征鸿沟，后者仍更多来自二维视频和第三人称视角

• ：语言推理、物理预测、低层控制、长程规划和数据飞轮共同工作

• 世界模型的价值在于学习液体流动、玻璃破碎、软体形变等真实物理规律

• 「后训练和失败数据非常关键」

Part 7. 02:08:49 觅蜂：具身版 Scale AI，机器人数据界的「滴滴」

• 投资人的主意：对标上一轮 AI 时代的 Scale AI ？

• 具身数据生意比传统数字世界标注难得多

• 2026 ：具身数据军备竞赛年

• 模型的差异化暂时不大，数据会是分水岭

• 打造一个公共性质的数据服务平台，一个「阳谋」：客户花钱带来数据需求，平台用数据训练模型，模型再反哺采集、预标注和质量管理效率

• 数据问题都没解决，讲基模预训练、后训练，都是空中楼阁

• 高质量数据的第一点是真实：场景和任务必须足够丰富，能够覆盖生活和生产中真正会遇到的问题

• 规范：相机曝光、画质、设备同步、轨迹重建精度、操作流程都要高标准

• 「脏数据」不是质量差的数据，而是包含失败、偏移、纠错、重新规划和最终成功的多样化数据

• 仿真数据并不天然低价值

• 关键不是流派，而是任务、场景、成功率要求和模型使用方式

• 数据的价格、产能和全球化

• Deepmind 和 Genralist：「如果数据是具身智能竞争的唯一决定变量，中国公司现在就可以宣布他们是赢家」

• As many as possible, as soon as possible（越多越好，越快越好）.

Part 8. 02:43:43 从数据标准，到 G3-G4 中间态

• 好的数据标准会逐步收敛

• 即使不同机器人硬件不统一，很多数据仍可以被抽象为通用表达，如末端执行器轨迹、二维帧序列、物理状态变化等

• 机器人行业的安全和质量准入标准，会在两到三年内伴随大规模商用逐步出现。

• 从 G1 到 G5 ，当前行业大约处在 G3 到 G4 的中间态

• 预计 2027 到 2028 年行业有希望达到 1 亿小时级数据规模

• 真正类似语言模型那种涌现能力，还需到 1 亿小时级高质量数据出现

Part 9. 02:54:42 最期待的画面：机器人第一次让人觉得「觉醒了」

• 机器人出现真正的 aha moment：不再只是从画面到动作的肌肉映射，而是能在复杂环境里自主规划、理解指令、做出响应

• 涌现时刻大概率发生在实验室，而不是工厂

• 数据会成为这一轮智能化转型关键基础设施，但它比算力更难获取

加入听友群⬇️