華人 AI／機器人
新世代領軍者

懷着對這個世界非常大的善意，做一點金錢以外的事。

出發時幾十個人沒想到上市、沒想到賺多少錢，只想做對人類有用的事。這個「非商業」的起點，是後來一切剋制與開源的邏輯原點。

管理靠的不是規章制度，靠的是願景。

沒有 KPI、沒有考覈，連願景都沒寫成標語掛在牆上。它藏在每個人做事的方法、對待世界的態度裏——每個人理解不同，但大方向一致。

AI 這件事太大，獨佔一定被歷史拋棄，所以需要剋制。

AI 未來可能占人類 GDP 的 10%，誰想獨吞就一定做不成。剋制不是道德選擇，是符合客觀規律的生存前提。

一羣平凡的人，靠剋制做出了不平凡的事。

兩年前沒多少錢、沒多少卡、沒知名度。敘事不是「天才創造奇蹟」，而是「平凡人靠捨棄騰出力量」——這與剋制、與願景一脈相承。

只賺一個合理的利潤：十個月收回設備成本，就夠了。

API 定價不按利潤最大化，按「十個月回本」。降價那天公司羣裏在歡呼——這是凝聚團隊的共識，也是與社會雙贏的邊界。

剋制是一種戰略：捨棄芝麻，是爲了後面的西瓜。

去年不搶 C 端流量、不追超級 App。看似讓出了機會，其實是因爲看到後面 AGI 這個更大的西瓜——前面的，隨手撿一點就好。

開源和商業付費沒有衝突，前提是隻賺六倍利潤。

按十個月回本（約六倍利潤）定價，第三方獨立部署就無利可圖。開源不僅不影響收入，還換來員工成就感和外部善意——這是讓利，也是凝聚力。

智能的走向有跡可循：語言模型 → CoT → Agent → 持續學習 → 奇點 → 具身。

每一步都站在前一步的肩上，沒有一步白走。先解決持續學習，再迎來自我迭代的奇點，最後纔是具身智能——這樣路最輕鬆，「可以不用加班」。

C 端 B 端都是做 AGI 路上的副產物，是順便拿到的。

不是爲做用戶而做模型，是爲做 AGI 而做模型。站在技術高位上做相對低一級的應用，是降維打擊——「用戶趕都趕不走」。

唯一的、不能退讓的核心利益，是團隊的穩定性。

錢不是問題、資源不是問題，其他要素都容易獲得。只要人不走，遇到挫折也能繼續——這是唯一的挑戰，也是最近一輪融資主要想解除的風險。

只做 AGI 的主線，3D、視頻、世界模型都不在主線上的不做。

視頻生成是好生意，但跟智能上限無關就不碰。聚焦意味着有勇氣對賺錢的機會說「不」——別人做，我們還樂意幫忙。

我們和美國的差距只有一點：資源。人才幾乎沒有差距。

同一批中國人，留國內與出國是隨機的。算力少導致實驗機會少，所以人才差距本質也是算力差距——瓶頸始終在卡上，不在人上。

大模型終局的差距，只有三件事：成本、時間、體驗。

同質量服務誰成本低、誰先做出來、誰體驗好。本質是前兩個——成本排第一，時間排第二。暴利不存在，差距只在「做得好不好」。

現在花精力做產品線、商業化路徑，都是浪費時間。

變化太快，產品生命週期很短，沒法預測。在過去三年的任何時點談商業化路徑都是浪費——能預見的太少，不如把智能的下限往上推。

英偉達 CUDA 的護城河正在被瓦解，國產芯片是歷史性機遇。

AI 能寫代碼、TileLang 高級語言讓生態重建變快、專用芯片與 CUDA 解耦。一年內會扭轉「國產卡生態不好」的認知——硬件與生態都沒問題，唯一缺的是產能。

模型必須先對自己有用，首先幫助 DeepSeek 開發下一版模型。

做模型的第一目標不是用戶好用，是自己好用。當我們自己用得好，開發下一版就更快——這是實現 AGI 最快的路，敘事有點奇怪，但很多人就是這麼想的。

AI 可以加速 AI 的研究——它沒有臨界點，但是非線性的。

用 AI 加速自己的研究，到後面會越來越快。所謂奇點不是突變，是一個比較長的漸變過程——只是習慣上我們都叫它奇點。

沒有模仿的對象，每一步都是從實際情況出發，實事求是。

組織形式不是學 Bell Labs 或誰，是這個時代的產物。可以有遠大使命，但歸根結底是一家要活下去的公司——只是說在賺哪些錢、什麼時候賺錢上，我們有取捨。

這是一個文明級、千載難逢的機會——做一個夢想家，懷抱願景與雄心，靠造出偉大的東西去定義未來世界的模樣。

他把 AI 的每一波浪潮都看作比上一波大十倍：自動駕駛 → 聊天機器人 → 編程代理。「最好的 AI 產品根本還沒被做出來」——此刻入場不是冒險，是時勢。

瓶頸不在 AI 模型的進步，而在於把這項技術擴散到世界的其餘部分、幫助世界適應它。

他給出一個激進的判斷：就算模型從今天起完全停止改進，經濟層面的動盪與重構仍會持續幾十年。競爭的焦點從「造出智能」轉向「消化智能」。

你必須建立起一套沒有任何人認同的信念。

Scale 早年收入亮眼卻屢遭拒——因為投資人沒訓練過模型，不懂數據。當年拒絕他們的人，如今正在寫文章論證數據多麼關鍵。「隨大流，你會被徹底搞糊塗。」

稀缺的資源不再是智能，也不再是能動性，而是願景與雄心。

當智能與執行力因 AI 而變得充裕，文明的瓶頸會退回到最古老的問題：你對世界未來的樣子，有沒有一幅清晰的圖景？

人才密度是我押注的核心，它會自然地自我複利。

進入 Meta 後，他做的是一次「零基重建」——九個月推出新模型。他的第一槓桿不是算力，而是密度：優秀的人越多，更優秀的人越想加入。

領導者是全公司在乎程度的上限。如果你沒有做過頭，那就是做得不夠。

他把一堆被批評的「過度」重新定義：過度樂觀就是樂觀，過度溝通就是溝通，過度交付就是交付。「這樣活著會顯得瘋狂，但沒關係。」

我們在算力上領先，他們在數據上領先，而算法上我們不相上下。

他把中美 AI 競賽概括為一道三欄對照題。數據是他最焦慮的一欄——中國有大規模的政府項目去「贏得數據」，而美國的高價值數據至今仍碎片化地散落各處。

眼下有太多極其有用的寶貴數據，卻處處碎片化，未能用於構建強大的能力。

他因此在華盛頓力推「國家數據儲備」：像對待石油一樣對待數據，把第一優先級留給國家安全數據。這是數據標註公司掌門人向政策端遞出的一把鏟子。

想到我成長的地方，想到洛斯阿拉莫斯與曼哈頓計劃對世界秩序的影響，我很清楚：偉大的 AI 技術必須應用於國家安全問題。

他在原子彈誕生地長大，父母都是物理學家。這段家史讓他把為美軍做 AI 視為「道德義務」——也讓 Scale 同時握著商業與國防兩張牌。

未來的人將管理一支支 AI 代理艦隊，而不是親自去做任務。

他舉過一個工程師的例子：比起管理更多人，這位工程師更願意管理更多 AI 代理。人類的角色從操作者上移為指揮者——設願景、調問題、把關準確性。

幻覺基本上是一個數據問題——數據不足，或缺少上下文。

他把大模型最被詬病的缺陷翻譯成自己生意的基本面：答案不準，是因為餵進去的知識不夠好。誰能持續供給高質量、帶語境的數據，誰就扼住模型的喉嚨。

AI 不是石油那樣的有限資源——它有飛輪效應：更強的 AI 造就更強的國家，反過來又加速 AI。

這是他對「AI 是新石油」這個流行比喻的修正：石油燒掉就沒了，AI 卻會自我遞增。這也是他斷言這場競賽「輸不起」的底層邏輯。

競爭的前線不再是有沒有最好的模型——而是你能並行運行多少個強大的實例。

巨頭們提前五六年鎖定數據中心選址、電力通道與芯片供應——他認為未來的優勢，今天已經在電網和土地上佈局完畢。

對 AI 的正確理解，是人類能力的放大器，而非替代品。

從自動駕駛的遠程協助到編程代理工作流，他的每個例子都指向同一件事：AI 放大人的意圖，而不是取消人的位置。樂觀，也是他的商業模式。

腦機融合，可能是人類不被 AI 甩開的唯一方式。

他甚至願意給自己植入——前提是對網絡安全有絕對信心，且大量先行者數據證明它不會根本改變意識。他進一步把腦機接口視為「數字永生」的初級階段。

每一個 AI 模型的上限，都是它的數據質量——這一句話，變成了一家公司。

2016 年他原本想做醫生聊天機器人，發現缺的不是想法而是數據，索性掉頭去賣「鏟子」。Scale API 上線三天即登 Product Hunt，此後再未回頭。

在公司裡真正會複利的，是在乎與高標準。

這是他管理哲學的另一面：與其追逐方法論，不如讓「在乎」成為文化。領導者是全公司在乎程度的上限——上限高，一切水漲船高。

AI 是未來經濟的命脈——但人類必須保持主權。

他對 AI 的態度並非無限樂觀：宣傳操縱的能力會從 1-2 分躍升至 9-10 分，意識本身可能成為可設計、可備份的工程系統。呼籲主權的人，恰恰是最深度下注的人。

世界蠢得不可思議，我也是。

2016 年他只說了前半句，被貼上傲慢的標籤後消失十年。2026 年他補上後半句：「當時沒有後半句，現在覺得加上後半句纔是最妙的。」從無知到反思，他把它當成一條可以 demo 給別人走的路。

引向成功的門是窄的，找到的人也少。大疆的祕訣正是進了「窄門」。

西方諺語說：引向失敗的門是寬的，進去的人也多。他以此反駁「風口論」——尚未突破的技術、還未出現的設計、仍需培育的市場，纔是創業真正的捷徑。

我們不會去做二三流產品，靠便宜取勝——便宜，是自己沒本事，拿不出好貨來。

從創業第一天起，大疆的標準就是「世界最好」。「我們已經不習慣再去做一個達不到世界最高要求的產品，所有人都不習慣了。」

我前半輩子都是靠「我要贏、拿第一」的 ego 驅動的。但後來你發現，那個「我」字是毒藥。

支撐他成功的那個「自我」，恰恰成為進一步成長的枷鎖。2019 年反腐風波、八年組織重構，都是這劑毒藥的代價——也是他說「創業二十年最滿意的是學會了反思」的原因。

做產品對我來說難度是 1 分，管理大概是 10 分。

產品能力是他二十多歲就自然習得、出道即巔峯的東西；管理卻用了半條命去補課。他由此得出：所有隻靠產品力與創新撐起的大旗，陷入平庸也許只要五年。

好的東西都是中庸的——它不是妥協的選擇，而是精密的能力，弓箭射中靶心纔是最高水平。

這是他對「邊界剋制」的註解：大疆放棄造車，選擇「不那麼大」。「這個世界有一些規則是懲罰過大的東西的。」中庸不是左右逢源，而是射中靶心。

大疆的價值觀是「激極盡志、求真品誠」。一開始我想的只是「激極盡志」——要贏、要天下第一。但今天看，「求真品誠」這四個字才更重要。

他反思：光有「激極盡志」的勝負欲，會把組織推向無盡的功利和內卷，人與人的關係變成工具和交易。「求真品誠」纔是壓艙石——少一點政治鬥爭，別外行管內行，管理者別自嗨。

我會把公司看成一個持續熵增的系統，把管理看成一個不斷熵減的過程。

他自創了一套「管理第一宇宙速度」：管理水平到 70 分，組織才進入自我驅動的良性軌道；50 到 70 分之間的鴻溝，99.9% 的公司跨不過去。他自己從 30 分爬到 65 分，用了八年。

結果一上手才明白，管理根本不是個簡單問題。更扎心的是，一些以前覺得很一般的公司，管理上都比我們成熟——那一刻我就有敬畏心了。

產品天才的傲慢，是被管理現實一課課打掉的。這種「敬畏心」成為他蛻變的起點：從孫悟空式的一棒子掃清妖怪，轉向唐僧式的給妖怪念念經。

我不喜歡權力。如果說我「需要權力」，是因為我想把這件事情做好，我才需要它。

他把權力定性為手段而非目的：收拾殘局時要先立規則與秩序，像「商鞅變法」。但他也坦承，企業家某種程度上註定孤獨——平等的關係纔是最快樂的。

大家管自己跑步，不要伸腳去絆別人；但若對手主動來犯，我們也一定會反擊。

他的競爭觀：競爭不是你死我活，而是你追我趕。大疆十幾條業務線每條對面都是成熟公司，這是一場「田忌賽馬」——但他堅持幹擾對手的人跑不快。

我不需要別人對我忠誠、服從。我想要的是對正確的價值觀、對團隊共同目標的忠誠。

被稱為「黃埔軍校」的大疆送走了大批創業者，他的回應是：人才是屬於社會的。想通了「我招得比挖得快不就行了」，留人問題從零和博弈變成良性共生。

平均智慧不值錢，只有比行業平均水平高的 delta 才值錢。

這是大疆做產品的核心共識：不能滿足於行業共識。真正有價值的，永遠是你比平均水平高出來的那一段——這也是他鄙視「皇帝新衣」式創新的原因。

產品判斷有點像神經網絡，有人靠直覺就能感受，像說母語一樣順暢。好的設計一定是不糾結的。

他自述大腦偏圖像型、直覺型：一個設計哪裡好、為什麼好，第一眼就有答案，語言都是後補的。但直覺不憑空來——要靠大量的觀看和輸入，great artist steal。

反正人生也還能重啟呢，所以在人生的時間裡，你其實可以大量地去重啟。

十年不發聲的日子，他形容自己是「正在脫殼的軟殼蟹」。榮格那句「真正的人生從 40 歲開始，之前都只是在做市場調研」讓他極度共鳴——蛻變未完成，不妨礙重啟。

什麼是自由？不被錯誤的期待給束縛。錯誤的期待是最大的不自由。

他接受人性的弱點、管理的灰色、有人離開有人犯錯。子貢問孔子的那段對話讓他頓悟：不用貧富框架去評判別人，纔是更高的境界——那個「咔」一下卡住的 aha moment。

人最寶貴的品質是什麼？不自欺，不自我包裝、自我感動。

他檢討自己「以前挺驕傲的，實際上屁都不懂」；也警惕把創新說成憑空造物的膨脹——「很多看似偉大的創新，本質上是一種拿來主義」。求真，先從對自己求真開始。

我人生的終極追求，是發現真理，並用真理去活。

他理解的真理，是物理世界、概念世界、感受世界三者的結合點——商業上站得住腳，沉澱出健康的組織秩序，還能讓人在其中獲得真實的滿足。結果不確定，路纔有意義。

哪怕是一個普通人，只要方向明確、要做的事情明確，也可以做出很好的東西。

他把「方向清晰」放在「資源充足」之前。理由很直接：如果我自己不思考方向，團隊幹活的效率可能就比較低——技術路線他非常清楚時，效率差距至少五倍。

每天保持自我進步和快速迭代，一旦我們自己鬆懈了，馬上就會變成一家平庸的公司。

被問到硬件優勢的保質期，他的答案是「沒有保質期」——優勢不在硬件本身，而在迭代速度。對頭部公司而言，別人跟不上節奏的前提，是你自己永遠在節奏上。

不能幻想花足夠的資金和資源，就一定能找到合適的人。人才要挖掘，也要培養。

宇樹在搶人大戰裡出奇地剋制。他認為近年 AI 的許多突破反而是中小企業做出來的——「這完全不是錢的問題」。資源要花在對的人身上、花在刀刃上。

如果某些技術路線我非常清楚、非常明確，再去安排團隊做事，這種效率的差距，至少有 5 倍。

他坦承這是創始人不可推卸的工作：先自己想清楚，再讓團隊動手。管理層如果對技術路線不清晰，繞彎路的概率就大——而創業公司耗不起彎路。

人形機器人幹活的效率、泛化能力還不夠……我們還是希望把泛化能力做得更好，再進行大規模推廣。

2026 年春晚上扭秧歌、打中國功夫的機器人，海外傳播量百億級，但他不急著賣。「最主要是目前幹活效率還比人類低。」他預測兩到五年內，機器人在陌生環境能完成約八成任務時，纔是爆發臨界點。

勇敢、大膽，堅持你的熱愛，堅持你所相信的，努力把事情做到極致。

這是他想對 2016 年剛註冊公司的自己說的話。當年最大問題是前路未知、沒有經驗——中學時英文老師還評價他「有點木頭木腦」。堅持熱愛，是他唯一沒換過的方向。

當下的語言模型在文字、圖像上已經比 99.9% 的人都做得更好。但讓 AI「幹活」的領域，還是處於「荒漠」的階段。

2025 外灘大會上他給出這個判斷：荒漠上只長了幾顆小草，大規模爆發的前夜還沒到。但正因如此，「只要你聰明、你願意做事，大家都有可能在荒漠上長出參天大樹來」。

AI 時代實際上是一個更加公平的時代，它給每個人帶來了更多的機會。

他在福耀科技大學的首講中反覆強調：AI 是最好的平權工具，每個人都可以非常容易地用 AI 自我學習、自我進步。創新創業的門檻，正在被他親手降下來。

誰能把真正適配機器人的大模型做出來，誰就會成為全球最厲害的 AI 公司和機器人公司——我覺得是完全夠得上諾貝爾獎的。

這是他給「機器人大模型」這一問題標出的重量級。在他看來，泛化能力仍是全球科研界最大難題——舉一反三，機器人還遠遠沒有學會。

人形機器人的「ChatGPT 時刻」可能還需要 2-10 年。一旦技術跨越了這個拐點，機器人就可以逐步投入大規模的商業應用。

他給出的具體判據：機器人能在 80% 的陌生環境中準確執行 80% 的語音指令。拐點之前是展品，拐點之後是勞動力——所有人都在等同一個瞬間。

無論是技術也好，產品也好，背後都是優秀的人才，而優秀人才的背後就是教育。

他建議的培養路徑很具體：激發並保持青少年對特定領域的好奇心與熱愛。他自己就是這條路的產品——大一寒假用 200 元做出雙足機器人，大四已經帶著項目參賽。

持續學習的能力，是確保我們在智能化浪潮中始終保持領先而不被淘汰的根本保證。

他的切身體會是技術創新週期正在急劇縮短：核心競爭力不再取決於你現在掌握了什麼，而取決於你學習未來新知識的能力有多強。此時學習已是基礎生存方式。

AI 可以越學越聰明，人也可以越學越聰明。

過去的學習建立在知識匱乏的基礎上；AI 時代，知識本身正成為可隨時調用的基礎設施。他相信人類具備同樣的持續進化潛力——用合適的方法，人可以更有創造性。

真正關鍵的是自我驅動的能力——也就是主動發現並定義問題的能力。這是人類遠遠領先於 AI 的地方。

目前的 AI 能很好地應答，卻無法自主產生意圖。他認為人不可替代之處，是去做自己真正想做的事、主動推動它發生——這種內在驅動力，AI 完全做不到。

真正為人類服務的機器人應該沒有自己的想法，更沒有徵服世界的想法。越具備理性邏輯的人，就越能剋制慾望，未來的 AI 也是一樣。

被《財富》問及 AI 倫理時，他的樂觀帶著工程師的冷靜。但他也不否認人類會惡意操作 AI——他本人正是人形機器人安全倫理標準體系的副主任委員。

當下是人類過往幾千年、幾百年最好的時代——每個人都可以放手去做自己想做的事情，發揮價值，實現夢想。

2025 年 2 月，他在民營企業座談會上與任正非、雷軍同席發言，得到一句勉勵：「你是這裡面最年輕的。國家的創新需要年輕一代貢獻力量。」這句話他後來轉贈給了更多年輕人。

我們對於 AI 模型的認知可以再激進點——把新的東西重新學，把過去的事情能忘了全忘了。太依賴過去的經驗，會影響未來的決策。

這是他給行業的建議，也是自己的工作方式：把 AI 當全能型工具重新認知。四足轉人形、春晚登臺、IPO 上市——每一次跳躍都伴隨一次自我清零。

當前企業仍然缺少頂尖的人才——我相信這也是所有大公司的共性。人多了效率反而會變低，活兒推來推去。

他在外灘大會坦言兩大挑戰：缺頂尖人才、組織管理。小組織在 AI 時代爆發的能力越來越強，若團隊有若干個頂尖頭部人才，可以做非常多的事情——這也是他未來想在管理上投入更多時間的原因。

很多人把「堅持」理解為不放棄，但我覺得「選擇性放棄」同樣重要。

他放棄的是華為「天才少年」最高檔的 201 萬年薪——所有人都說好的軌道。創業的關鍵是在合適的時間做合適的事：他等到具身智能路徑清晰、自己對工程複雜度有掌控，才一步邁出去。

機器人是否真正走出 Demo 階段，不看動作有多炫，而看它能不能在真實開放場景裡穩定完成複雜任務。

他的判據很工程師：節拍、質量、可靠性、ROI。龍旗產線直播 8 小時 0 失誤、100% 成功率——只有達到上線標準，才談得上規模化部署。2026 被他稱為「部署態元年」。

我有七成信心，三成開放。技術路線的正確性不是來自死磕到底，而是能在關鍵時刻冷靜判斷、快速轉向。

智元每半年評估一次技術路徑，某個模組若長期無法閉環就果斷砍掉。這種「實事求是」的彈性，與「保持快速、連續、可驗證的產品演進能力」一起，構成他穿越早期市場的方法論。

從「自己把事情做好」，轉變為「讓一羣人持續把複雜的事情做對」。

從全棧工程師、B 站頂流 UP 主到公司管理者，他認為最大的變化是：作為工程師，不確定性可以靠個人投入消化；作為創業者，你必須設計一套讓不確定性被組織消化的系統。

先工廠，後家庭；先簡單場景裡的複雜任務，後更高風險的親密交互。

工廠裡最多做壞一個零件，家庭裡出事故可能傷到人。他判斷機器人進工廠是現在，大規模進家庭還要三到五年——甚至可能以「按需叫機器人上門」的訂閱制先行。

我們做全棧，不是為了做供應商替代，而是為了把場景真正跑通，讓飛輪轉起來。

本體、模型、數據、場景四位一體——真實世界採數據，數據迭代模型，模型反推本體。智元成立三年下線一萬五千臺、全球市佔約三成九，他說營收從一億到一千億「只是順帶的結果」。

整個行業還在共同探索，沒有任何一家企業能獨自給出正確答案。我們需要協力攻破瓶頸，在正確的時間做正確的事。

2026 年 2 月他在工信部標準化年會上以實踐者身份「匯報思考」——國內人形機器人整機企業已超 140 家、產品 330 款，他反而呼籲共建標準、共享數據治理方法與評測體系。

Computer Use 是數字世界的人形接口，而人形機器人就是物理世界的通用接口。它未必是效率最高的，但一定是兼容性最強的。

他堅持人形路線的底層邏輯：整個物理世界都是為人類身體設計的——從門把手高度到工具形態。既然環境圍繞人構建，AI 要最大化通用性，終端形態大概率也要長得像人。

行業已從實驗室炫技、Demo 展示，進入工程化、場景化競爭的下半場。接下來要比的，是誰的幹活能力更強。

2024 年大家還在比誰走路更自然，如今已能「飛檐走壁」。他判斷本體靈活性已達實用化階段——不僅在國內比，更要與海外頭部企業比誰能在「部署態」真正落地。

具身智能的終局是基礎設施，而非單點產品。

物理 AI 規模化的關鍵，在於數據閉環、可靠性工程與可運維能力的標準化。「我們既要跑得快，也要跑得穩。」通用能力的突破來自全行業的產業遷移與生態共建。

一臺機器人只要在真實環境運行，每時每刻都在感知、推理、決策、控制，背後是持續的 token 流動。具身智能的任務空間，是數字世界加上整個物理世界的總和。

他從黃仁勳「token 是 AI 時代的貨幣」出發推演：誰率先跑通這個閉環，誰就有機會定義下一代生產力平臺。這也是智元從「賣機器人」轉向「交付結果」的邏輯原點。

我們的邏輯要從最早兩年的賣機器人，變成交付結果。資本市場已經不太會為 demo 買單。

2026 合作夥伴大會上，他列舉三件事同時成立構成突破窗口：大模型開源生態成熟、本體跨過 7×24 小時可靠性門檻、數據飛輪開始加速——正反饋循環已經轉起來。

行業裡很多機器人演示看起來很酷，但演示和量產之間有非常長的距離。

智元用數字丈量過這段距離：從 1000 臺到 5000 臺用 11 個月，5000 到 10000 臺不到 4 個月，10000 到 15000 臺不到 3 個月。量產的難點不是造出來，而是可複製、可維護、成本可控。

接近 80% 人類做得好、傳統自動化做得不好的工序，都和觸覺有強相關。

他實地走訪工廠得出這個結論：流水線工人靠手感把兩個零件拼起來，聽到「咔嚓」一聲就知道裝配到位。怎麼把這聲咔嚓變成傳感器信號，正是靈巧手的攻關點。

真實的場景纔是訓練系統、驗證可靠性的最有效途徑。機器人一定要在真實場景裡面去跑，收集數據、循環迭代。

智元的方法論是「在簡單場景做複雜任務」：結構化工廠裡的高自由度操作。與自動駕駛「複雜環境做簡單任務」相反，但終局一致——複雜環境做複雜任務。

讓規模化不只是產量數字，而是真正轉化為產業價值。

萬臺下線儀式上他強調這只是階段性節點：接下來更重要的是提升可靠性、降低成本、擴大應用場景。2026 被他定義為「部署態元年」——從研發態、創作態走向真正的部署。

大家都說「未來已來」，我們不是在等待未來，而是在創造未來。

獲中國青年五四獎章後他說，這更像一種提醒：提醒過去的事被看見了，也提醒未來要承擔更多。技術工作不只是個人興趣，也可以和國家產業發展、社會真實需求連在一起。

更多是出於熱愛，把自己覺得有趣、值得做的東西做出來，分享出去。

從手機遙控空調的 vlog，到會縫葡萄的機械臂、能自動駕駛的自行車——B 站近三百萬粉絲認識的是這個業餘的稚暉君。那個在出租屋裡畫圖建模的人，從未離開。