“如果你急著把一個不完整的產品放大，這個產品在未來會是你的累贅。”
這句話出自Lindon Gao（高林頓），Dyna Robotics創始人兼CEO。他11歲從中國去美國，30歲把上一家公司以3.5億美元賣掉。第四次創業，他挑了機器人。
這家公司成立不到兩年，A輪估值已超過6億美元。那筆1.2億美元的投資方名單裡，有輝達旗下風險投資部門NVentures、亞馬遜工業創新基金、Salesforce Ventures、三星Next和LG Technology Ventures。
所有人都在問機器人什麼時候能進家庭，他的答案有點反直覺：先別急。
Dyna 1折餐巾做到了24小時不停、99%以上的成功率，行業裡已經算突破，他卻選擇不擴大規模。原因很具體：疊完一摞餐巾機器人就停了，要店員每半小時來上一次料。
所以他把工作重新分了一遍：外界按場景給機器人公司分類，他按工作流的複雜度分。疊餐巾是第一級，洗衣房是第二級到第三級。落地的場景要在智能的範圍之內，想做的方向要在範圍之外。
關於終點，他判斷機器人不需要多高的智能，不需要達到通用，就可以被每一個人用上。
以下為張小珺商業訪談對話Lindon Gao（高林頓）的精編內容整理版，希望對你有所幫助。
一、為什麼是機器人？
1.賣掉公司後，我在Instagram待了三年
我是一個野路子打出來的人，前三次創業都非常不按常理出牌。當時很少有人能在被拒幾百次的情況下還不放棄創業，我就跟團隊說，我們是蟑螂，我們死不了。
我經驗的一個非常大的盲點是管理。所以我在Instagram待了3年左右，就是為了學習。
比如怎麼樣去向CEO拿資源，是很有意思的一個過程。你要先講清楚自己做的事情為什麼重要，去挖掘背後的動機，再和他對齊上來。
做了一段管理之後我發現，有些人是改不了的，除非能突破自己目前的認知，是沒有辦法承擔更大的職責範圍的。那時候我對管理也慢慢變得更得心應手了，最多的時候直接和間接管理三百多人。
我對創業是有一份敬畏心的。創業像一個匠心，今天我要做一個陶瓷，我就一定要把這個陶瓷做好。
我剛賣公司的時候，AR、量子、核能、能源都看過，最後落到機器人，因為我們發現這跟之前的經歷非常相符。
2.每個機器人公司都會吵這一架：探高還是落地
如果CEO希望落地，研究合夥人希望做大腦的突破，一般這樣的團隊會有分歧。
我們當時有段時間戰略迷失的時候，這個分歧是最大的，團隊的身份認同有非常大的衝擊。一撥人說我們要做落地，另外一撥人說我們要做研究。
結果我們在戰略上梳理了一下，發現了一個突破點，是研究和落地團隊都可以打的點。
對我來說，一直想的是鋪墊的這個路徑，怎麼樣能達到我最終的產品形態。落地是可以賺錢，可在我的認知當中，這並不是一個能長久的產品形態。如果落地不能達到可規模化的產品市場契合，我就不會去做。
團隊裡有一些工程師是落地派，我們最後找到的那個交集，是把戰線拉長。因為落地是否可以規模化，是被智能卡住的，最重要的是要抬高智能的上限。
我們把這個戰線拉遠，就是說，在更遠的遠方，我的這個戰略點，是否可以提升我的智能，同時也可以落地。我當時給團隊定了一個更遠的目標，就把團隊結合起來了。
3.“我們是一家部署公司”，這是外界對我們最大的誤解
我們一直以來都是以研究為導向的公司，只不過研究的導向是有產品護欄在這裡面的。我對未來的產品形態非常清晰，我是在倒推：為了達到這個產品形態，我們所需要做的研究是那些。
大家覺得我們是落地派，可我是產品研究派。我把它叫作產品研究，研究的邊界上有產品護欄，所有研究都要對長期的產品帶來價值。
落地派本身可能更注重落地，可是我們更是在試探未來機器人產品所需要的突破。我們團隊的核心，從文化角度、工程角度來說，全部都是圍繞著研究來轉的。只不過我們對產品的理念是，如果沒有一個閉環，就不知道下一步該怎麼走。
所以我們是用產品閉環去探接下來的研究方向。
二、機器人需要一個保姆，
這是最大的產品問題
1.為什麼選折餐巾：不是因為市場大，是因為容錯率高
25年對我們來說最重要的一件事情是，當時的基座模型是不足以落地的。當時的基座模型非常慢，而且一般只能做一件事情做成功，再做下一步就會做得不好。
所以當時我給團隊定的研究目標是，把成功率拉到99%，把速度拉到人的50%到60%。
後來大概在四五月份看到了Dyna 1。Dyna 1對我們內部、甚至對行業來說都是一個非常大的突破，因為我們是首家公司首次做出了可被商業化的演示，就是摺疊餐巾，可以折24個小時，99%以上的成功率。
為什麼選擇折餐巾？我當時選擇做摺疊是非常反共識的。在融資的時候，很多人就問，你為什麼去做洗衣服？洗衣服行業有多大呀。
我在摺疊上看到了商業化的機會，本質上是因為我對模型的能力有判斷，我們的落地場景需要有非常大的容錯率。比如我要去做一杯拿鐵，不小心沒有拿好，打翻了，那我就是給別人添活。可是摺疊不一樣，摺疊我折壞了可以重折。
而且折衣服是一個軟體，做每一個步驟都需要前一個步驟成功，我們不可以只摺疊一個尺碼。
我當時沒有想說它市場有多大，而是我能否把第一個商業閉環先跑起來。
2.部署才是真正的仗：所有問題堅決讓模型自己解決
有了這個演示之後，我們又花了幾個月去做部署。部署非常難。
我就拿疊餐巾來說。大家看到單量1萬疊餐巾，其實不是一個完整的餐巾，因為它是我們跟客戶商討之後的一個中間形態。當時疊餐巾是需要疊五次的，我們只疊了四次，最後一次是給服務員疊的。
當時我們只做了4個摺疊動作就去落地，客戶就開始抱怨。
第二，光把餐巾疊好還不夠。我們一天是需要產出1300張餐巾的，Dyna 1那時候24小時只能折850張，速度不達標。
達標之後，我們發現了一個非常大的問題。最普遍的是機器人不小心抓兩張餐巾，抓兩張之後大概需要兩分鐘去解開，而疊一張餐巾只需要20秒。
所以每拿到兩張餐巾，這一天的產出就會大幅下降。如果說我們當時有10%的摺疊是疊了兩張，今天就肯定達不到標了。
當時我們非常堅決，所有的事情全部是需要模型解決的。最難的其實不是手的靈活性，而是這些非常微小的極端情況。每出一種極端情況，團隊就有一個爭論：是否要用工程方式去解決這個問題？
我們一直堅決地不用。因為我們深刻地認為，如果我們想要真正做到可規模化的產品市場契合，我們一定要用一個模型把這件事情給做成。
3.機器人需要一個保姆，這是最大的產品問題
這個場景上我們已經開始上量，客戶有10個以上了。可是它沒有達到我對可規模化的產品市場契合的預期，所以我選擇不繼續擴大規模。
當時非常普遍的一個場景是，我們差不多每到半個小時到一個小時，就會把一疊100張的餐巾給折完。折完之後機器人就不動了，因為沒有餐巾了。所以店內還有些員工，要在手機上面放個鬧鐘，過來看一下，疊完了就給機器人放新的餐巾。
有時候客戶跟我反饋說，我們機器人沒達標。我問他們為什麼，他們說我也不知道，你機器人太慢了。然後我們看一下資料，才發現機器人的空窗期很長，有的時候連續半個小時都沒有在幹活。我問他們，是不是沒有及時把新的一堆放上去？他們說是。
那其實就不是機器人太慢，而是機器人本身需要一個保姆。所以機器人需要保姆，是一個非常大的產品問題。當時我選擇不擴大規模，就是發現商業本質的問題沒有完全解決掉。
如果你急著把一個不完整的產品放大，這個產品在未來會是你的累贅。
三、不分場景，分工作流
1.從任務進化到工作流：上料、下料、庫存、放上貨架
我們問了自己第一個問題，為什麼沒有商業價值？
和客戶溝通下來，最大的原因其實我們自己也都看到了，就是我們需要一個機器人保姆。要把它去掉，那就代表著我們要做整個工作流。
整個工作流是什麼？放在一個餐廳的場景，其實就是我要把上料和下料也都做完。我不光需要疊餐巾，而是要在沒餐巾的時候，也知道我的餐巾的庫存在那裡，去拿，拿完之後回到桌面把餐巾放下來，疊完之後要知道放在那個貨架上面，再拿一個新的桶過來重新開始疊。
這才是整個工作流。所以我們發現了這件事情之後，就非常清晰地斷定了下一步在那裡，就是從任務進化到工作流。
現在我們可以做到整個工作流全部做完。一個機器人在空間裡自由活動，而且知道它現在該做什麼。
這裡面其實就是一個預訓練的問題。因為要把一整個工作流做完，在這個工作流的每一個步驟，也就是每一個任務當中，是有一定的成功率和失敗率的。所以把工作流做完，其實就是99乘99乘99乘99，是一個指數級的過程。
我們當時是用語言去控制模型，把折好的餐巾放在收納盒的那一個位置。可是當時VLA（視覺語言動作模型）的語言跟隨能力不強，我們就把這個問題歸根到了預訓練上。
2.家庭是終極形態，但B2B的需求比B2C大
我上個公司是做B2B2C的，所以我知道To C的要求有多高。而且家庭本身對機器人來說算是一個終極形態。
可是就算機器人可以在每一個家庭裡做事情，也並不代表這個產品是成立的。因為這個機器人一天的產出，是需要符合你購買機器人時的預期，而這個預期是非常主觀的。
而且大家往往只往泛化性一個維度去看，泛化不是唯一的維度，速度、是否順你的心、安全問題，有非常多的產品細節。
所以我覺得，如果說通用機器人做到了，B2B通用機器人的需求會比B2B2C更高。因為人的慾望是無限的，人工成本忽略不計的話，消費級產品會更便宜，那人就會想多買各式各樣的東西。
而且B2B的機器人更好標準化一些，不需要解決你的情緒問題，也不需要解決你的審美問題。
所以基於這些，我們沒有選擇大家可能覺得皇冠上的明珠，也就是家庭人形機器人這條道路。B2B對我來說是一個非常明顯的場景，因為商業落地是最近的。而且，如果你連B2B都做不成，那B2C怎麼做得成呢？我在一個洗衣店裡，連洗衣店員工的工作都做不好，怎麼可以在每一個家庭裡洗大家不同的衣服呢？
順便說一下酒店的市場。很多人覺得酒店市場挺小的，可是在每一個酒店洗衣房其實都需要2到5個人。
把洗衣房這一個工作流做通的時候，絕大多數的洗衣房是大同小異的，所以我們的第一個閉環對研究來說是有重大意義的，因為我們可以知道模型的智能邊界在那裡。
洗衣房本身是大家通往家庭的最小單元。如果洗衣房都做不成，我覺得家庭肯定也做不成。
3.我不按場景分，我按工作流分
行業對場景的定位是，這個是工業，這個是商業，這個是生產等等。其實我一直以來對市場的認知都不是分場景的，我覺得每一個場景裡都有我可以做的工作流。
比如說像疊餐巾，上料下料其實就完畢了，那是第一級或者第二級的工作流複雜度。第三級可能就是一個更長的工作流，第四級可能就是一個洗衣房的場景，第五級可能就是一個酒店清潔的場景。
洗衣房的複雜度可能是第二級到第三級。這件事情一致性比較高，可是工作鏈非常長，對操作的要求也很高。所以我一直對落地的看法是，我落地的場景需要在我智能體的智能範圍內，而我接下來想要做的戰略方向，其實是在我智能體的範圍外。
4.做通一個場景，就等於做通所有場景
我們去年到今年的一個認知，是從一個任務為最小單元的範圍，擴展到了一個工作流為最小單元的範圍。接下來當語言能力變強、示範越來越少的時候，是否可以直接進入一個語言的狀態？就是直接用語言告訴這個機器人需要做什麼事情，其實就夠了。
做通一個場景就等於做通了所有的場景。因為一個場景本身所需要的，不管是從極端情況、從質量要求、還是從速度，我們把這一件事情做透了，就大概知道目前技術的瓶頸在那裡。
四、大腦是下限，本體是上限
1.機器人的AGI：你給它一個模糊指令，它就把事情全做好
AGI的最終形態，至少從機器人角度來說，其實就是你給他一個非常模糊的指令，他就可以把這件事情全部都做好。
很多科技發展可能看似非常平坦，可是突然那一天它有一個突變。我們自己所看到的一個突變，就是在第一人稱視角資料上找到規模定律本身。
但重要的是什麼時刻機器人才能給人類真正帶來價值。我們離這段距離其實不遠，從我們自己的產品和戰略方向來說，我覺得是1到2年。
在場景裡實現PMF已經是一件可以落地的事情。就是我們把工作流做通，可以同時做10個工作流、20個工作流。
可能絕大多數人把機器人通用理解為物理世界的通用人工智慧已經解決了。可是從我的角度去看，這是一個產品定義問題。產品定義就是，機器人不需要多高的智能，不需要達到通用，就可以被每一個人用上。
2.從API到ChatGPT：產品形態不可被忽視
機器人本身就是一個智能體和一個產品形態，而不是只是一個智能體形態。光有智能不夠，它也需要是一個產品。
一個更好的例子是，ChatGPT是2022年11月份出來的，GPT-3其實是在2020年的6月份出來的。可是GPT-3那時候出來的產品形態是API，當時有幾十個開發者拿到了存取權，也有一些公司比如Jasper，可以成功地把API變成他自己的一個產品。
GPT-3到ChatGPT，本質的變化是一個產品變化，是從API形態變成了一個瀏覽器對話的形態，才達到了一個非常強的使用者飛躍。
當智能達到某一個狀態的時候，它的產品形態、它的殼始終在變化，就匹配當時的那個智能水平。
所以我們在智能體本身下了非常大的功夫，不管是第一人稱視角的規模定律、全身控制，還是從語言可操控性到推理的層面。可是我們所有在做的事情，是往一個產品最終局導向的。
3.大腦是下限，本體是上限
大腦是機器人的下限，本體是機器人上限。這個跟很多人觀點還是相反的，別人可能會覺得大腦是上限，本體是下限。
大腦是決定這件事情到底可不可以做，硬體是決定能做得多好。我一天可以折1000張餐巾，如果運控和硬體允許，我的動作可以動得更快、更精確。
而且兩者關係非常非常緊密。用兩個不同的運控演算法，就可以訓出兩個完全不一樣的模型，一個動起來非常絲滑漂亮，另外一個非常糟糕。
所以我很難想像，真正去做B2B落地場景，不擁有這個機器人本體，是很難達到他們的質量和速度效率的。
大腦驅動本體還是本體驅動大腦？我覺得是大腦驅動本體。我們硬體的定位一直都是研究團隊給出來的，比如攝影機需要多少影格率，需要全域快門還是捲簾快門。
大腦再往上提，可能就碰到硬體的上限了。用最簡單的例子，我的大腦以為自己能跟世界級乒乓球選手打，可身體跟不上。
大腦決定了產品的下限，身體決定了產品的上限。
4.商業化閉環為什麼現在就要跑
商業閉環本身，收入不是最重要的一件事情，而是我們要把每一個階段、每一個問題全部想通。比如自動駕駛，如果你不把舊金山的每條街跑一遍，你是不知道你的瓶頸在那的。
因為落地本身是一個部署飛輪。大家可能會想說，我智能體解決了，我就可以大落地了，其實完全不是。落地的時候，你的硬體、軟體、模型、運控演算法都會出問題。
有的時候是模型跑了一段時間之後，突然有一天發現，我的機器人本來一天需要折1300張餐巾，可是今天只折了800張，你也不知道為什麼。
所以在部署流程裡面，你需要搭建可觀測性系統，要做支援機制。很多人都沒有想到，部署環節是一個非常困難的環節。
所以當你把智能體本身完成了，再去跑部署閉環的時候，你就會發現你落後了兩三年。有閉環才有反饋，有反饋才知道下一步該怎麼走。閉環本身得到的是，我以最短的一個時間之內，可以大概探到我下兩三步怎麼走。
五、招最聰明的人，修自己的心
1.招最聰明的人做最重要的事
我們現在不到200人，美國團隊是研究為主，中國團隊是硬體為主。我的一個管理理念是，招最聰明的人做最重要的事情。
人少一點的話，管理成本就下來了。如果有層層級級的人，做事情動作就很慢，整個工作結構也不夠靈活。而且大家可以更好地進入心流狀態，大家都是共頻的。
小組織狀態一定都是一個階段性狀態，可是往更大的組織走，可能跟10年前的形態不一樣。以前1000個人才能做的事情，現在可能只需要花一兩百人就可以做了。
組織形態其實有一個質變的改變。在程式設計智能體爆發之前，絕大多數的大規模公司其實是層層級級的關係。在目前的AI狀態下面，我的組織非常明顯地變得非常非常的扁，作為CEO，我可以直接操控執行方向。
2.我的包袱是“要做一個不犯錯的CEO”
我當時非常怕犯錯，因為我也算是成功過一次的創始人了，大家其實都是衝著我的經驗來的。可是當時我覺得在這個包袱下，反而讓我的很多決策變得非常的不明智，甚至是就是為了不犯錯而做的決策。
為了不犯錯而做的決策，本質上就不是一個好的決策。
所以當時團隊的凝聚力不夠，導致我們在一些項目上做了不夠第一性原則的技術選擇，浪費了團隊的一些時間。
而且我們在戰略的下一步沒有思考好，就開始去看別人在做什麼，也覺得我們要去趕上，導致團隊一直是在一個被市場帶節奏的狀態。
然後當我們真正找到了自己最本質的東西、對我們自己非常自洽的一個方向的時候，整個團隊就開始收斂了，就變成了一個非常穩定、勢能特別強的一個團隊。
有一些心裡的關，是需要別人幫你一起度過的。每一次進入一個難關的時候，其實都是你自己認知的天花板。那時候身邊有老師，有非常愛我的人，有愛我的團隊，我才說，這條路應該這麼走。
3.轉念：把病痛看成一場實驗
創業本身是非常困難的，在每一個困難的節點，都是一個修心的過程。
因為每個人都是帶著自己的主觀的過濾鏡去看這個世界。有的時候你轉念，就是同樣的事情換一個方向去看它的時候，你的世界會變得非常遼闊。
我自己有一個非常奇怪的病，叫強直性脊椎炎，就是我的免疫系統會攻擊我自己的脊椎。
當時我非常怨恨世界，覺得為什麼我這麼不幸運，每天都要活在這個痛苦當中，睡覺的時候更痛，打噴嚏也痛。
當時對我來說最大的突破，不是說病好了很多，而是我轉念了。我把這個病痛看成了一個實驗，就是我如何能更改作息、飲食來幫它解決這個問題。所以我通過了十多年在自己身體上的一個實驗之後，自己把這個毛病給調順了。
創業本身其實也是這樣子的。我以前跟投資人聊，完全不共頻，我就會覺得這個投資人不懂。
可是我現在轉念後，我就發現，其實投資人的思考維度跟我很不一樣，他們看到的世界是我可以去參考的。近期我聊了一些投資人，我以前無法接受的觀點，其實給了我很多的新的啟發。
把東西變正向的時候，你的世界就會越活越遼闊。
4.我定義的失敗只有一種：修心的失敗
我現在還會讀《沉思錄》，也看了很多類似哲學體系的書。西方的《沉思錄》、中國的王陽明，甚至佛教、基督教，核心其實都是修行。
就是你怎麼和這個世界相處，怎麼可以轉念，怎麼可以活得更好。當你更瞭解真實的自己，更瞭解這個世界的底層邏輯，就會發現以前非常內耗的東西都沒有必要內耗。
我不是為了證明自己才創業，我是想更好地活成真正的自己。每一個人剛剛出生的時候，其實是一個非常純真、看山是山的狀態。然後慢慢長大，你就會發現，世俗上有這個規矩，我做了這件事情，別人會笑我。
這樣子活，就越來越變成見山不是山。所以我是想活成一個自己隨心所欲的樣子。真正的自由就是，你可以做你隨心所欲想做的事情。那我自己定義的失敗，是我修心的失敗。
有些難關是你沒有辦法靠改變別人和改變世界去改變的，這就是你自己的難關。如果這是你自己的難關，就是要靠修心去超越的。
如果這次創業不如上次的結果，那就放平心態，打出自己的風采，打得盡興，我就覺得非常開心了。
因為人生你不能一直看著終點，看著終點，你就永遠無法享受這個過程。如果你沒有辦法享受這個旅途，只想一直往這個終點看，那你會覺得這段旅途是非常煎熬的。
而且機器人這個行業一直都是迷霧籠罩。可在迷霧中探出一條自己的路，對我來說就非常有成就感。(筆記俠)