對話許華哲：進家的機器人，先做好這10件事

2026 年 2 月，許華哲從他參與創辦的星海圖正式離開，開啟一段新的創業——破殼機器人，切入具身智能的 C 端賽道，目標是走進家庭。

此前，許華哲是星海圖首席科學家兼聯合創始人，也是清華大學交叉信息研究院助理教授、具身智能實驗室負責人。他在伯克利拿到博士學位，在斯坦福做博士后，他和團隊提出的 3D Diffusion Policy（DP3）已成為業內被廣泛采用和擴展的 3D 視覺模仿學習架構之一。

“讓機器人做一道松鼠鱖魚” 是他在多次公開場合提到的終極設想：從處理活魚、改刀到油炸、擺盤，復雜的物理交互幾乎是驗證機器人智慧程度最好的指標。但在破殼的產品路線上，他不會上來就做松鼠鱖魚，而是先做 10 件事：物體傳遞、收納、一定程度的清潔……這些看起來不夠酷，卻是他認為進家的機器人必須先做透的事。

從首席科學家到 CEO，他的體感是“干得很痛快，每天要干非常多事情”。他也第一次自己去看辦公室的朝向、算樓層的租金、招自己原本不太懂的崗位。

我們聊了聊他為什么在 2026 年選擇進家、為什么是 10 件事而不是追求完全泛化、數據從哪里來、規模化強化學習和在線學習這兩件“今年想做的大事”具體意味著什么，以及他從科學家到創業者身份轉變里那些具體又瑣碎的體驗。

以下是對話實錄，為方便閱讀，做了不改變原意的編輯。

DeepTech：你之前其實有很多不同方向的選擇。星海圖做得很快、估值也起來了，你原本可以繼續留在那里做通用的具身大腦。當初決定單獨出來做 TO C，最核心的觸發點是什么？

許華哲：這件事我是從兩個層面來考慮的。

首先從商業上，TO C 本身就是一個非常有吸引力的市場。古往今來，那些偉大的品牌很多都是 TO C 的，我們日常生活里用到、看到的品牌，絕大部分都面向個人消費者。它天然是一個巨大的市場。

更重要的是從 AI 的視角去看這件事。機器人最缺的是什么，大家其實已經有定論了，那就是數據。那什么數據好？肯定是豐富的、多樣的數據才是最好的數據。什么地方有這樣的數據？一個答案很顯然：有熵增的地方。一個地方自動變得混亂，才會豐富；如果一個地方一直規規矩矩、沒有變化，那數據就是固定的、固化的，就沒什么意義。

那什么地方有熵增？有活物的地方，有人的地方。這給了我們一個很好的啟示：家里面，很有可能是最豐富的數據來源。

所以我的結論是：從商業上，它是一個巨大的市場；從 AI 上，它是一個非常好的數據來源，或者說 AI 最終的落地點。基于這兩點，我們決定從 TO C 開始。

DeepTech：那為什么是現在？2026 年這個時間點，在你看來有什么特殊的？

許華哲：如果你把“為什么要進家“和“為什么是在 2026 年進家”分成兩個問題，前面那個回答的是價值判斷，后面這個其實是時機判斷。

時機上，大模型、AI 的能力已經出現了一個躍遷，和五年前、十年前，甚至三年前都不同。我們看到人工智能幾乎可以做所有的事情，這是一個很顯然的事實。整個行業對“機器人能不能做通用任務”的預期已經被重新校準過了。在這個節點上做家庭機器人，和兩三年前完全是兩件事。

DeepTech：你在最近一次公開演講里說，破殼要先把 10 件事做透，之后再談別的。但你過去幾年的研究有很多都是在做泛化，比如 ManiWhere、3D Diffusion Policy 等，作為一個一直在追求泛化的研究者，產品上來突然“收斂”到 10 件事，這里面的邏輯是什么？

圖丨3D Diffusion Policy（來源：arXiv）

許華哲：這其實不矛盾。做這 10 件事，本身也是要泛化的，只是對“泛化”這兩個字要做更準確的定義。

我們要做的依然是一個通用的、泛化的模型，只不過到了家里面，不能事事都做。這里面其實有兩件事需要區分開：

第一，這 10 件事不是固定點位、固定的 10 件事，而是 10 件通用的事。舉個例子，“收納”本身就很泛化，收襪子是收納、收衣服是收納、收玩具是收納。一個家里每天要收的東西是什么，不完全一樣；不同家庭之間更不一樣。你如果有一個能泛化的收納模型，那它就是在做一件通用的事，只不過我們對外把它叫做"收納"這一件事。

第二，有些事情本身其實很有挑戰。你如果真的希望讓千家萬戶用起來，那第一天你肯定不希望機器人去做給老人喂飯、給兒童喂飯這類事，即使技術上能做到，這件事本身也太危險了。類似的，松鼠鱖魚大家都知道很難，我們不可能說機器人進家的第一件事就是做一道松鼠鱖魚。這是發展順序的問題，而不是我們放棄了通用的 Physical AGI。

即使是今天的大模型，我也仍然沒辦法跟它說一句“你幫我訓一個機器人大模型，數據我丟給你”，現在的 GPT 也做不到這件事。我們肯定要在中間找到一個點：一個技術上能做到、又能真正交付給用戶、同時不會傷到人的點。10 件事就是這個點。

DeepTech：可以透露一下這 10 件事里，哪些是比較明確的嗎？

許華哲：我們確實有一些比較明確的，也有一些比較泛的。

比較明確的，比如家內的物體傳遞、收納，以及一定程度的清潔，這些是我們會去明確承諾的。

比較泛的是什么？比如說清潔這件事，家里做過清潔都知道，縫里的臟東西特別難弄，人都很難弄。我不可能上來就說要把這一類最困難的清潔都解決。

更進一步說，產品定義要隨著 AI 的發展而發展。我們心里當然有一個列表，但今天不適合把完整列表給出來，因為后續的 AI 發展，幾乎不是任何人能完全預判的。你現在鎖死 10 件事寫在發布會 PPT 上，半年后可能就低估了一部分能力、高估了另一部分。

DeepTech：剛才你一再提到“家里是最好的數據來源”。但哪怕在你們現在規劃的這些相對簡單的任務里，每個家庭、每一天的場景都高度多樣，一家和另一家的疊衣服不一樣，今天和明天疊的衣服也不一樣。這種差異，模型側具體怎么解決？

許華哲：這就是我們說的泛化能力。

我自己的看法是，智能其實就兩部分：一部分是數據的覆蓋，另一部分是模型的插值，或者說模型的內外插，你也可以叫它涌現，因為它太復雜了，有時候連研究者自己都分不清到底是插值還是涌現。

所以我們肯定要盡可能讓數據覆蓋得足夠豐富，數據本身覆蓋的面積要足夠大；同時，模型在我們的視角里也要用最新一代的模型，讓它有足夠好的泛化能力。我們會依托世界模型這樣的具身基模去做訓練。

DeepTech：回到數據這件事。你之前在公開場合講過，“完全依賴仿真”是具身智能常見的失敗模式之一。那破殼的數據來源具體包括哪些？真實家庭、樣板間、人類視頻，比例大概是什么樣？

許華哲：你最終要用到哪兒，你肯定希望數據來自哪兒，所以最主要的數據來源，一定是很多真實的家庭和樣板間。這是我們的底盤。

在此基礎上，我們強調的是“真實世界”的數據。人類視頻會用，真機數據會用，無本體的數據也會用，只要是真實世界里長出來的，對我們都是有價值的。我們不會把希望完全押在純仿真上，這個路線上前人已經踩過不少坑了。

DeepTech：模型這邊，破殼會自己訓練一個從頭到尾的模型，還是基于已有的模型做后訓練？目前這個模型的初步規劃是什么樣的？

許華哲：當然是自己做自己的模型，這點沒有懸念。

初步規劃我可以從幾個維度簡單說一下。第一，我們希望有一個足夠大容量的模型，能吃得下現有的具身數據，在這個賽道里，模型吃不下數據是一件很危險的事。

第二，它要有預測能力，學到時間上的表征，這件事本身也很重要。有預測能力，相當于在時序上有表征能力，這是一個模型能不能理解“世界是怎么演化的”最基礎的要求。

第三，它要能夠適配足夠好的后訓練，支持短時間的后訓練就能快速獲得新任務的能力，這和我們前面說的“10 件事之外等你升級”是一個邏輯。這樣一個模型，大致是我們想要的世界模型形態。

DeepTech：在家庭里做“掛衣服”這類任務，是典型的長程任務，它需要開柜門、找衣服、掛衣服，涉及一系列動作。你們會更偏端到端，還是上層規劃加底層技能的分層？

許華哲：我們肯定還是偏端到端的。分層的路線大家都試過，各有各的問題；從模型發展的方向來看，我們相信端到端仍然是更有長期生命力的那一條。

DeepTech：你在另一次公開對話里提過，你今年想做兩件大事，一件是把強化學習 scale 到上千臺機器人。這個在具身智能行業還很少有人真正做起來。這件事對破殼來說，是還在實驗室打磨的方向，還是會直接搭載到第一代產品上？

許華哲：這件事在公司內部正在做，它最核心的難度是那套分布式系統，如何讓一系列機器人像仿真環境一樣運轉，把真實世界變成仿真環境，然后把它用起來。

這不只是一個算法問題，更多是工程問題。每一臺機器人是一個采樣器，它們之間要能協同、共享、同步、回流。我們目前還在搭這套系統，小規模的幾臺機器人上已經跑得比較好了。規模化肯定是要去做的，我們希望在真實場景里去推這個規模化。

DeepTech：如果真的做 C 端的分布式在線學習，有一些普遍的顧慮可能包括：一臺機器人學到的東西能不能讓其他機器人變強，模型會不會災難性遺忘，以及用戶數據的隱私。你怎么處理這些問題？

許華哲：先說泛化。 既然我們做的是“規模化”的強化學習，它本身就是一個共享模型的設定，不是一臺機器人一個模型，而是幾十臺、幾百臺、幾千臺共用一個模型。你可以把它想象成一個“共享大腦”。所以根本不存在“一臺學到了、另一臺沒學到”這個問題，它們的數據共同回流，隨機打亂采樣，是一個多任務的強化學習。

再說隱私，這確實是非常重要的問題。我們自己列了幾個維度：

第一，要和用戶、場景方有明確的協議，說清楚數據到底能放在哪、不能放在哪。這是一切的前提。

第二，要有明確的提醒。就像智能眼鏡一樣，它啟動的時候要亮燈，讓用戶知道"我在被拍了、它在工作"。這一點看起來小，但對心理感受非常關鍵。

第三，工業設計本身要看起來足夠親和，比如不要給人太多攻擊性。除了實質上要安全，看起來也要安全。大家的心理感受也很重要。

第四，在結構設計上，它在不工作的時候要能夠讓人明確地感到“它現在不會侵犯我的隱私”。這可能涉及鏡頭遮擋、機械臂收起等設計。

第五，打碼。如果用戶同意數據上傳到云，那我們也要做好人臉打碼這類工作，不讓任何涉及人臉的隱私泄露出去。

這些問題其實在掃地機行業、在早期人臉識別行業都被思考過、解決過。只是在家庭機器人上，我們需要更謹慎地綜合考慮這些問題。

DeepTech：那災難性遺忘呢？這在大模型里也是一個老問題，在具身智能里被放大了。

許華哲：災難性遺忘是我們的重點，這其實就是在線學習要解決的問題。

什么叫在線學習？就是當我的模型已經訓到一定程度的時候，我能不能來一個新任務，還能越用越好用、越聰明，同時不影響舊的任務？

這件事的做法上有很多路徑可以選，但有沒有在做這個動作，決定了你這家公司、你這個模型，是否真的有可能落地到一般性的服務場景，因為對 C 端用戶來說，你要么就是一個已經定義完善的產品，要么就是一個越用越好用的產品。你不能越用越難用，那樣風險就太高了。

所以在線學習這件事，目標就是解決災難性遺忘。在大模型領域，這件事大家討論得比較多了；在具身智能領域，討論還很少，我覺得它在未來一段時間里會成為一個關鍵命題。

DeepTech：在操作任務上，過去兩年行業主流一直是模仿學習和 VLA，但從去年下半年開始，越來越多團隊在模仿學習的基礎上疊加真機強化學習來突破成功率的天花板。強化學習正在從運動控制走進操作任務。你怎么看這兩者各自的角色？

許華哲：模仿學習和強化學習的使命是不一樣的，模仿學習學的是先驗，學的是這些事情大概怎么做、物理大概怎么變。它是快速起量、把機器人拉到一個基礎水平的辦法。但模仿學習訓完之后，你拿到的一般是 70%–80% 的成功率，做不到 100%。

強化學習是一個更后階段的事：讓它動得足夠快、保持泛化性、達到高成功率。這是兩個天然很不一樣的角色。

同時強化學習還有一個模仿學習沒有的好處：它會對數據進行評估、打分，這就是 value function。現有狀態是好是壞，它給你一個反饋。這件事非常寶貴，因為它能告訴我們什么是壞的、什么是次優的，而不只是“什么是對的”。這個信號對機器人來說比想象中更關鍵。

DeepTech：那你覺得未來一年，強化學習的關鍵突破會出現在哪些地方？

許華哲：有幾個比較明顯的方向：

第一是規模化。 之前大家做強化學習做得少、大多是單機的，單機的又不可復用，意義不大。規模化強化學習的價值本質上是讓你的采樣能力隨著機器人數量線性擴展。

第二是多任務。 規模化不只是“1,000 臺干一件事”，而是“1,000 臺干 500 件事”。這里面有調度、有經驗分享、有多任務之間的相互促進。

第三是訓練的速度和效率。 原來強化學習為什么在 AlphaGo 身上表現很好、后面一度低迷？因為 AlphaGo 的數據量可以無限試，你可以在圍棋里跑幾十億次模擬。但到了機器人身上，你能試的空間變得太大，又很昂貴，用真實機器人去試，所以產出慢。

但現在不一樣了。預訓練可以給你一個很好的模型，在這個基礎上，你的采樣空間被極大地“減脂”了，我認為采樣空間已經是“幾乎正確”了，最后要做的其實是把“幾乎正確”變成“正確”。這是一個量級上完全不同的工作量。

所以我覺得強化學習未來會有一個極高的效率去做訓練。大家之前對它“緩慢”或者“特別耗數據”的印象，應該會在這一兩年里發生比較大的改變。

DeepTech：把規模化強化學習和在線學習這兩件事放在破殼的 roadmap 上，大概什么時候會真正落地到產品上？

許華哲：我們希望在一年半到兩年的時間周期里，能有相當一部分規模化的部署，能夠把機器人用在實際場景里，把數據回流回來，形成真正的閉環。這是一個現實的時間表。

DeepTech：第一代產品交付的時候，這 10 件事每一件的目標成功率，心里有沒有一個大概的標準？

許華哲：這件事沒有一個具體的數字，和自動駕駛很像——自動駕駛到底是每多少公里、多少英里不被干預才算好？其實也很難說。對一輛自動駕駛車來說，即使它開得比人好，用戶也不一定滿意。

但我覺得跟人相近的成功率，對機器人來說是必要的。這樣大家才會覺得買一個機器人是一件劃算的事、是一件真正能給我帶來收益的事，而不是一個總是要被監督、被返工的東西。

DeepTech：如果遇到它無法解決的問題，怎么辦？

許華哲：這里面有幾層設計：

第一，機器人的柔順控制非常寶貴、非常重要。說白了就是它能不能足夠軟。因為柔順控制在一定程度上決定了這個東西會不會打到人、磕到桌子之后會不會出問題。柔順控制是第一環。

第二，觸覺是柔順控制的前提。只有帶著觸覺，你才有可能把柔順控制真正做好。所以我們會在本體上配觸覺傳感器，掛衣服、整理這類任務會涉及大量柔性物體，對接觸力的感知要求非常高，這件事沒有捷徑。

第三，它要有足夠好的理解能力，知道哪些事情“我現在做不了”，也就是說，機器人對任務要有一個內置的分類，有一個“哪些我不應該去做”的判斷。這件事本身也是產品安全感的重要來源，一個知道自己邊界的機器人，才是一個可以放進家里的機器人。

DeepTech：你之前在星海圖做首席科學家，感覺當時對“做不做 CEO”沒有很強的執念。現在自己做帶頭人，體感上有什么不一樣？

許華哲：肯定不一樣。

做的事情更多了，維度更多了，豐富度也更多。從我個人的角度來講，成長速度也更快，就跟模型一樣，數據的邊界就是 AI 的邊界；人也一樣，處理事情的復雜度在一定程度上決定了你能力的邊界。對我來說這是一個很好的體驗，做起來也更快樂。

圖丨破殼機器人團隊（來源：受訪者）

另一方面，一定程度上，看整個大模型行業，很多公司其實都是技術的人在主導，無論是智譜的張鵬，還是月之暗面的楊植麟。在很多技術判斷上，在很多投入取舍上，我更可以從自己的、或者說我們幾個人討論出來的技術判斷出發去做決策。戰略上，就有了更大的靈活度。

這件事對我來說還是意義重大的。 每個 OpenAI 都需要一個 Ilya 來給出一些想法，如果 Day 1 沒有 Ilya、沒有他和幾個核心技術骨干，他們也不會往 Scaling Law 這條路上沖。所以在我們這兒，也會更尊重技術的發展規律，去考量各種各樣的權衡和取舍。

再簡單一點說，就是我覺得很爽，干得很爽。每天要干巨多事情，能把我所有的能量都用出來，這是我特別開心的一件事。之前做 Chief Scientist，更多是做 AI 模型本身，可能還沒有把全部的勢能釋放出來。

DeepTech：你現在又有教職，又在創業，看你小紅書也更新得蠻勤快。清華那邊和公司之間，精力大概怎么分配？

許華哲：其實在今天這個時代的節點，我們應該看的可能是：我們到底要干成什么事。

你在清華北大也好，你在破殼機器人也好，或是在 OpenAI 和字節跳動也好，最終還是看你干成了什么事。在哪兒，對我來說是一樣的。我的精力 100% 投入到 Physical AGI 這件事上面就可以了。

DeepTech：從科學家到創業公司的一號位，這個切換一般都是“事情變多、瑣碎變多”。有沒有哪些是你之前完全沒預料到、最近真實在處理的困難？

許華哲：困難肯定是有的。

第一個困難就是找辦公室。 因為物理世界不可加速。我當 AI 科學家的時候，辦公室我到了就已經在那兒了；我不用關心這棟樓和那棟樓哪個更合適、價格怎么樣、朝向怎么樣、樓層怎么樣。但創業最開始，這些事都是我自己去看、自己去比。

它只是一個例子。真正的問題是，創業早期有一大堆具體的、不可加速的、沒有杠桿的事情，需要你把自己的時間拉滿去做。AI 科學家的工作模式是高杠桿的，一個想法、一篇論文、一個算法可以被無數機器人復用。但找辦公室這種事，你時間花一小時就是一小時，沒有第二個你。

圖丨許華哲和他的新辦公室（來源：受訪者）

第二個是決策維度的變化。 你考慮的維度肯定變多了一些，畢竟你是一個組織了，不再是一個個體。你要對兄弟們負責，要對跟你一起做事情的人負責，這個責任也就更重了。這個我覺得變化本身不夸張，但它是一種“背景音”，每次做決定都會在身后。

第三個是招人。 這個地方的困難更多是在判斷上。這對所有要招人的人都是不小的挑戰，因為每個人都有長板、也有短板，你要在你短的地方招人，但你自己在這個地方很菜，你怎么知道他很強？你的 value function 都不準。這時候就需要更多手段，比如各種快速學習、感受他的氣場，用各種方式去做評估。

同時你還要去打動你不熟悉的領域、不熟悉方面的人，這也很有挑戰。做 AI 我知道你想要什么卡、哪種型號、多少臺；機器人我也知道，你大概想要什么形狀的機器人，你想要多絲滑的機器人。但比如做公司還需要 PR，你要理解一個好的 PR 同事到底想要一個怎樣的環境、他希望提供什么樣的價值，這些東西都要快速去學。

以前你不需要太關心，因為只要做好 AI 就好了。現在你既要懂他，又要打動他，這對我來說還是有挑戰的。我們也在快速成長。

DeepTech：最后一個問題。如果我們一年后再坐下來聊，你希望那時候的破殼已經能做到哪些事？

許華哲：我希望到那時候，你能來我的辦公室，直接給機器人一些指令，自己體驗一下它到底能干什么。

運營/排版：何晨龍

注：封面/首圖由 AI 輔助生成