1.9万字全文实录
作为理想智能驾驶从0到1、一路做到 150万辆车量产 的核心负责人之一，郎咸朋却把这八年称作自己“探索具身智能的起点”。
他和来自华为的任庚联手创办了昆仑行。
这家具身新势力在成立后的三个月内，就拿下数十亿人民币融资、跻身 独角兽 俱乐部。
但相比融资，他在这次访谈里反复强调的，是另外两件事。
第一， 具身智能真正要解决的是“理解” 。
昆仑行因此选择物理因果世界模型和“数据编译”路线，希望机器人学到的是背后的物理规律。
第二， 具身最终拼的是量产和自我造血 。
在郎咸朋看来，今天的具身智能很像2015、2016年的自动驾驶：路线未定、Demo满天飞，真正的洗牌要等到规模交付开始。
只靠融资，大家都做不到具身智能实现那一天。
本次访谈，我们和郎咸朋详细聊了聊他从百度、理想到昆仑行的三段经历，“理解而非模仿”背后的数据编译与物理因果世界模型，关于具身智能的四种智能与量产节奏，以及这场“百机大战”会在什么时候、因为什么而洗牌。
完整版可以订阅我们的视频播客，你可以在视频号、Bilibili、抖音、小红书、小宇宙、喜马拉雅等全平台收看。
以下为完整对话实录。
AI落地关键是数据
量子位：创办昆仑行之前，是哪些关键的经历塑造了您，把您带到了今天的地方？
郎咸朋 ：我觉得比较关键的有三段经历。
第一段经历是我读博期间的经历。
我读博所在的实验室是 机器人国家重点实验室 ，后来我又跟着老师转到了其他的研究室，现在我兜兜转转又回来做机器人，我觉得这是冥冥之中的，我感觉有一种宿命在这里面。
读博期间，我觉得是培养了我对学术和研究科研方面的一些基础能力，这对我后边所有的科研工作都打下了一个非常好的基础。
第二个经历我觉得是在百度。
在百度的话我的第一份工作是做街景，就是把街景里边的人脸和车牌儿，这种属于个人隐私的这种信息都需要提取出来，然后模糊掉。
在做这个工作的时候，我们当时用了传统的machine learning，传统的CV的方法，其实表现都不太好。
后来我们用了 深度学习 ，因为百度是最早研究和使用深度学习的公司，当时给我了很大的冲击。
确实是用了深度学习之后，检测识别的准召率（准确率和召回率）都上来了，提升了15个点左右，从原来70%多准召提到了85%。
但是很遗憾，模型本身跟最终的工程落地还是有区别的。
因为你85%的准召就意味着你每标100个框，有15个是漏的，你还要人为去修正这30个框，而且要从100个里边去找，还不如我从头自己标一遍，可能效率更高一些。
所以说从技术的先进性到实际的工程落地，还有很大的gap要做，这是我两个非常大的体感。
第三个，在百度我最大的收获就是，数据对人工智能的应用有决定性的价值。
因为刚才也提到了85%的准召还是不能用，然后我们回来自己做了一些研究，发现在模型不动的基础上，我们能动的就只能是数据了。
把数据整个的规模double了一下，又精标了里边的一些错误，用了当时一个开源框架的模型，配上我们精标的数据之后，它竟然达到了惊人的90%的准召。
我们也是很震惊。哦，原来AI落地的关键，虽然模型很重要，但更关键的是 数据 本身。
第三个我觉得最重要的经历是理想。
我们用8年时间真是从0到1，然后到100的，把自动驾驶从Demo的技术，然后慢慢落地成量产的产品，最终是 150万辆车 的大规模落地。
△图源自理想汽车官网 我觉得是这对我来说，是非常重要的技术拓展。
这里我觉得最核心的还是，如何去打造真正的用于服务于自动驾驶的数据闭环，并且亲手把它从有图到轻图到无图，到端到端再到VLA，进行这样一个范式的逐步迭代。
量子位：你觉得理想这段经历对你最大的收获是什么？
郎咸朋 ：从技术上来说的话，是一个完整的量产的数据闭环。
大家提到数据闭环，以为这里边只有数据本身，其实并不是，它涵盖了从数据本身的采集，自动化管线的流程，也包括了训练的管线、评测方式的迭代，这是一个完整的量产落地工程。
第二的话我觉得是范式的迭代，我觉得这是非常关键的一点。
就是刚才也提到是从有图到轻图到无图，再到后边的端到端加VLM，再到VLA。
这些范式的切换我也是亲身经历过的，我知道范式切换，它对组织和资源所带来的成本和代价是什么。
其实最关键的还是，你一上来你的方向和认知是否是对的。
虽然说这里边有些具体切换的过程，但是你一上来，如果说你没有想清楚数据驱动的方向的话，那你只能被动地跟着这个行业，跟着别人去走。
那你每次范式切换就意味着你前面所做的所有的工作，基本上都要清零，我觉得这个代价是很大的。
我觉得不管是现在的创业也好，还是过去做自动驾驶也好，我认为最主要的还是第一， 你的方向和认知要想得非常清楚 。
第二， 在走的过程当中，你可以小步地迭代去做 。
还有就是在组织管理上的一些成长。当然理想汽车和李想本人都给我很大的帮助，我也非常感谢，理想给我这样一个平台，能让我用8年时间能把我对自动驾驶的认知，逐步地去落地到实际的工程量产上去，也非常感谢这段经历。
离开理想，具身是新起点
量子位：离开理想的核心的出发点和原因是什么？如果没有具身智能的机遇，还会做出这个决定吗？
郎咸朋 ：离开理想我觉得最大还是源于我自身对创业的渴望，以及对技术的追求吧，我觉得这两点是最本质的。
第一，我从百度到理想来做自动驾驶，我并不是走了一条非常稳妥的路线，在当时看来。
在外人看起来是稳妥的选择，但是在我看来是唯一的选择。
因为我当时的认知就是——我要做 以数据驱动为基础的自动驾驶 ，我认可的是Tesla的路线，而不是高精地图加规则算法的路线。
所以，我必须要找到有车有数据的地方，并且公司的CEO或者负责人，他的认知是跟我高度一致对齐的，这样我才能做好这件事情，所以我当时从百度来了理想。
当然还有一个原因就是我对自己职业发展的驱动力，是我希望我的技术做到最好，也希望这个技术能被更多人看到。
如果说我只是单纯focus在技术本身的话，我可以留在高校研究所去做研究，也可以留在百度继续去做技术上的一些预研，我觉得这都没有问题。
但对于我个人来说，我更希望 我做的先进技术会被更多人使用，被更多人看到 。所以有这么一个出发点，我从百度来了理想去做自动驾驶。
在做自动驾驶的过程当中，我们做到VLA之后，实际上它是一个更加通用的具身智能的框架，自然而然我们也会从自动驾驶去切换到具身智能来看这个问题。
做完VLA之后，感觉自动驾驶可能触达到了一定的天花板。但是在整个具身智能来看，这才是刚刚开始，而且 VLA也不是最终局的解决方案 ，我们还要去探寻更多的技术解决方案的可能性，这为我打开了新的视野。
在这两方面的加持下，我内心的原动力，以及技术的拓展性的前提下，我选择出来创业也是非常顺理成章的事情。
量子位：有没有什么时刻，让你觉得自动驾驶已经不是终点？
郎咸朋 ：我觉得从技术上说，其实还是做到VLA之后。
你看VLA的框架，如果拆开看，VLA（视觉-语言-动作模型）它天生不是为自动驾驶服务的，它是为具身服务的。
△图片由AI生成 但是，落在车上或落在自动驾驶上是它的第一个应用，但它其实可以做更多的事情。
其实我做到这一步的时候，我就会发现具身是一个更开拓、更开放的场景。
而且对于自动驾驶来说的话，它的场景和任务还是相对窄的。不管你是在北京开车，还是在纽约开车，从宏观上讲，还是在同一个驾驶任务和条件下来做这件事情。
具身智能不是，我们将来可能走进千家万户、千行百业，每一个场景都是独立的、独特的，所以说它的上限会更高一些。
在做到VLA之后，我认为这个上限就被打开了。自动驾驶，它不是终点，它只是一个起点，是我们 探索具身智能的起点 。
量子位：你和任庚是如何携手的？之前看没有公开的交集。
郎咸朋 ：我们是经人介绍认识的，之前确实没有任何的合作和交集。
其实选择合伙人我们看的就是三个方面—— 行不行？合不合？久不久？
行不行，就是看你的能力行不行，这个很容易验证，就是从你过往的工作的成果和成绩上就能看出来。
我认为我跟任总，我们俩过往的工作能力都是在自己的做的产品和工作上都有非常好的呈现，而且我们能力还有一定的互补性。
△昆仑行创始人兼CEO任庚 我是在技术和研发上，他是在商业和管理上，我觉得我们俩非常契合。
第二个合不合的话，我们其实也对整个的具身智能不管是产品、技术，还是商业的发展，我们都做了很多的交流，我们会发现——我们对很多问题都是非常惊人的一致。
虽然说之前没有讨论过，但毕竟我们之前都有这种0到1的经历，所以说我们在认知上是高度对齐的。
久不久就是我们认知只要对齐了，而且我们对整个具身行业的判断，我们都认为它不是一个短期的事情，它是一个甚至三年、五年，甚至十年的长周期的事情，所以说我们的合作也是相当长久的基础。
行不行、合不合、久不久，我们认为这三条我们都是没有问题的。
而且这里面还有一个非常关键的问题，就是 选合伙人合适比熟悉更重要 ，因为你选的是要把事情做成的人，而不是选一个你相处比较舒服的人。
当然最好是都有，但是我觉得前者是更重要的，对于创业来说。
量子位 ：跟相亲结婚有点类似，但可能标准就在于说合适比熟悉更重要。
郎咸朋 ：对对对。
量子位：决定合伙创业，有没有什么决定性的时刻？
郎咸朋 ：其实我们没有太多的磨合，因为我们在过往能力的背景上，在认知上我们都非常契合。
所以说我们交流的时间也不是特别长，我们很快就达成了一致，然后就一起来做昆仑行了。
量子位：这名字也很有意思，为什么取这个名字？
郎咸朋 ：这个名字还是有一定来历的，我可以好好讲讲。
当时我们其实也起了很多很fancy的名字，就是很科幻呀，但后来我们还是选择了昆仑行。
因为我们觉得我们做这个行业，我们不只是为自己做的，也是站在整个国家的行业背景上来做。
所以说自然而然就想到“昆仑”，因为昆仑是中华民族的一个图腾标志嘛，昆仑一说出来，大家就知道肯定是个中国公司，肯定代表中国。
← 返回最新