# 对星海图创始人高继扬的3小时访谈：鲶鱼、曾国藩、Waymo与Momenta的两面、一只狼与许华哲的离开

> 张小珺商业访谈录 No. 132 精读

- 发布日期：2026-02-13
- 主持：张小珺
- 原节目：https://www.xiaoyuzhoufm.com/episode/698ebb0b66e2c30377510cf6
- 网页版：https://zhangxiaojun.qiaomu.ai/ep/698ebb0b66e2c30377510cf6.html
- 精读字数：约 7998 字（阅读约 18 分钟）

> 本文为 zhangxiaojun.qiaomu.ai 基于节目转写的 AI 整理精读，不是逐字稿；引用请注明出处并链接网页版。

2023年5月，高继扬从Momenta离职。他放弃的期权，按当时的价值算，大约1000万美元。

两个月后他去了西藏自驾，回来开始写BP。再往前推三年，他在Waymo做预测和感知；再往前，他在南加大用三年半读完博士；再往前，他是石家庄二中省理科实验班的学生，靠物理竞赛保送进清华电子系。1992年12月出生，2026年33岁。星海图是他第三次把自己扔进一个完全陌生的领域。

这期《张小珺商业访谈录》聊了三个多小时，录制时星海图的联合创始人许华哲正要离职。公司当时200多人，估值100亿人民币，两年涨了约30倍，在国内具身智能公司里排在前五。主持人张小珺开场说，她一直疑惑中国具身智能行业里为什么没有梁文锋、杨植麟那种技术浪漫主义的人，直到认识高继扬。三个小时里，高继扬把很多事都拆成了账：一小时真实数据多少钱、算法被抄走要多久、整机和供应链要补多久的课。

## 一个冲刺型小孩的两次顿悟 0:01:49

高继扬说自己看上去比实际年龄老，他把这笔账归给创业：每天跟不同类型的人打交道，人得早点进入一个成熟状态。

小学在石家庄玉东小学，成绩在班里前五前十，学过一段奥数，学得不算好。六年级暑假第一次用工，为了初一分班考试进重点班，考了年级第三。初一初二又松下来，掉到年级几十名，初三再冲一次。初中是二十七中，高中考上石家庄二中省理科实验班，才开始学物理竞赛。

他对自己的判断很清醒：真正有天赋的人做一遍就会，他得靠归纳总结，把题型映射到考点。别人刷一遍的题他刷两遍，别人刷两遍的他刷四遍。2010年11月，厦门，全国赛拿了二等奖，够上清华、可以调专业。招生老师在宾馆挨个房间打电话，问要不要上清华，先选专业。他选电子系，理由是「做芯片这个事可能有前途」。

他的语文英语很差，150分的卷子，一卷二卷加起来一百来分。所以他说，物理竞赛考不上清华就去高考，能上四川大学、厦门大学已经挺开心。

> 能上个四川大学、厦门大学，我就挺开心了。

进了清华才发现天外有天。他年级排名百分之三四十，同届里有杨植麟，有他口中的「韩神」韩彦俊，作业写得他看不太懂。他的结论是谦虚、低调。

大二大三他就想好要创业。2011到2015年那波移动互联网，外卖、打车、校内网轮番上场，他觉得自己太年轻，啥也不懂，「跟我没关系」。大三选方向，选了微纳电子，秉承做集成电路的初心，学下去发现死记硬背的东西太多，拿芯片创业又看不到路径。

大四，汤晓鸥到学校做小范围交流，他去了，第一次认真接触深度学习。随后去商汤实习四五个月，训练了人生第一个神经网络，做的是人体姿态估计。骑车从清华科技园那栋楼出来，他想明白一件事：以前写程序是人把规律总结成if else，神经网络把这件事变成了参数，从数据里自己找规律。**「这事儿太牛了，我以后得做这个。」**

第二次顿悟来自一次失败。大三暑假他去了斯坦福的UGVR暑期项目，做图像和医疗相关的东西，那位老师没给他写强推。结果他想去的学校全没去成，他没让写推荐信的USC、UCSD反而给了offer。他反思，看书，看到曾国藩。曾国藩二十多岁是儒家清流，四十岁变成能办事的人，带团队、练军队、跟太平天国打。他读出来的结论是：**一件事能不能做成，取决于你能拉动多少人和多少资源跟你一起干。**

他把这套逻辑套到自己身上：学术这条最好的路走不通，那就从底层重新想清楚要做什么、要为它做什么准备。

## 三年半博士，和一套可复制的顶会打法 0:25:30

在USC，他通过清华学长孙晨提前联系，进了实验室，导师是七十多岁的印度老头，人很nice。他给自己定四年毕业。理由很直接：读博是为了完成某些训练，训练越快完成越好。

四年要发4到5篇顶会，CVPR每年年底截稿，所以第一年就得开始投。他把论文分成三类：挖坑型，新问题、新数据集、新benchmark；提性能型，在已有问题上比前人做得好；同性能下成本更低、监督更少型。所有论文几乎都能往这三类里套。再加一条：多投，别人一届投一篇，他投两篇。

idea比他能干活的带宽多，他就把idea分享给实验室同学一起发，把别人没充分发挥的时间用起来。三年时攒够，正好有师兄要毕业，一起提，导师同意，2018年底毕业。

他把找工作当成调研行业。看了AI加广告、云、商汤这类泛AI。筛选标准两条：AI必须是这个行业最底层的变量，没有AI这个行业不成立；行业本身要足够大。广告被pass，因为神经网络出现之前还有别的机器学习技术能解决搜索和广告；云被pass，把模型包装成API不本质；商汤被pass，他担心AI加变成外包，每次交付成本都很高，形不成自己的产品。

剩下自动驾驶。他把它延展成「物理世界AI」，也就是AI加robot。他没去当时的机器人公司，理由是传统机器人靠控制、优化、SLAM，更偏机器不偏人；要让机器人像人一样工作，得用AI的方法。2019年1月，他加入Waymo。

## Waymo没有创始人 0:33:46

进Waymo之前，他把这个领域十年的paper看了一遍；进去之后，他最喜欢干的事是读Waymo的codebase，把历史沿革也看一遍。他发现2018年的技术架构和2008年paper里写的框架一模一样：感知、定位、离线建图、决策、规划、控制。变的是感知模块里一些算法被神经网络替换，激光雷达从点云聚类变成神经网络推理。

**这套架构的底层逻辑是robotics：拆系统、盯corner case、做可解释的模块。AI的逻辑是数据驱动、端到端，把一个benchmark从80分推到90分再到95分，中间必然有个别case变差。**同期特斯拉在AI native地重做整个框架。Waymo的感知里有几十个模型，detection、tracking、各种分类器、场景理解，一层套一层。

Waymo的问题他总结成两条。一条是大公司病：他去的时候1000人，走的时候快2000人，职级体系、工程体系、文化全部对齐Google，四五点有人下班接孩子。另一条更本质：**Waymo没有创始人。**Google的founder没时间直接管这件事，自上而下的力量缺失。他的判断是，这个行业创业不怕错，怕的是力量不集中、不统一。

如果当时他有权力，会另起一个team，用AI native的方式重做架构，配一套自己的评测体系。他也补了一句：Waymo今天结果又很好，说明长期战略一旦选定，执行很坚定，里面也有对的人，只是调整速度慢了一些。

他把自动驾驶的商业模式数了四种：Robotaxi，自营车队按单收费，Waymo走这条；车企卖车加软件订阅；供应商license，Momenta走这条；华为介于车企和供应商之间，本质赚的是整车利润，用智驾和座舱重新定义车。Waymo的模式本身没问题，只是周期长。2025年11月他回美国，专门去洛杉矶坐了一次，从downtown到好莱坞到圣莫尼卡一大片都在运营，体验比大部分网约车好得多。他给的判断是「AI时代的网约车」，商业模式接近走通。

他在Waymo做预测。当时别人的做法是把地图渲染成图片用CNN处理，卷积是局部视野，地图又很长，信息处理不够好。他和赵航把地图变成向量，塞进图神经网络，最基础的算子是self attention，架构做得很轻，因为算力小。这个工作后来被不少公司采用，也是他和赵航的第一次合作。

工程师思维他总结成五个字：拆解加测量。复杂问题拆成子问题再拆，拆到最后是一行行代码；测量测到单元测试，再一层层往上看指标。

2020年下半年，他觉得成长速率收敛了。离产品太远，离公司怎么经营也太远。

## Momenta是极致的反面，也是鲶鱼 0:55:38

华为和Momenta他都聊过。选Momenta，因为曹旭东够强够强势，懂技术，是AI的信仰者，长期目标坚定。他说得很直白：一个组织可以犯错，但得有人站起来说我们错了，得有人能纠错。

Momenta在2018年就提出做量产自动驾驶，用量产车的数据飞轮走向Robotaxi，那时候国内同行大多直接讲Robotaxi。高继扬算过这笔账：自己养1000台车，想把一个城市覆盖掉都很困难，要哪儿都能开，数据只能来自量产车。

2020年底Momenta拿下上汽智己的定点，2021年做交付。两个第一次叠在一起：demo级的东西变成产品级，产品交付给B端大客户。组织不ready，架构不是为量产设计的，人的能力也没匹配上，于是频繁调整，主动淘汰和被动淘汰都有，人流动很大。他的看法是这都是好事，不打仗练不出团队。

他在这家公司是那条鲶鱼。先做感知，再做定位和泊车，把定位规控从传统robotics改成deep learning，最后做高速NOA量产交付给上汽。他收获的是一套方法论：快速进入一个不熟悉的领域，拆解，人事匹配，测量反馈，好的扩大，不好的收缩再调整。

两家公司的文化是两极。Waymo是工程师天堂：最好的infra、最好的同事、领导支持温暖宽厚、待遇不错、Google园区食堂随便去，目标有但不push。Momenta绝对结果导向，结果好往上走，结果不好就调整，压力随时在。Waymo的工程师大概率不用面对客户，Momenta一定级别以上要直接面对客户，国内车企文化tough，会被骂，会被说「你下次再做不成什么样」。

**从工程师的自我感受看，Waymo好；从成长性看，中国的自动驾驶环境训练更全面，因为它让你看到世界真实的样子。**他说他喜欢面对真实，哪怕真相常常残酷。

曹旭东后来有变化，把特别aggressive的那一面收起来了。高继扬的解释是，那与其说是aggressive，不如说是把真相直接说出来，压力大到一定程度会变成伤害。他承认自己也有这一面。

2022年底，30岁生日前后，他决定创业。三个变化：GPT-3和InstructGPT让世界重新相信AI，只有做AI的人相信不够，得有钱进来；量产自动驾驶把端侧算力和传感器打下来了，机器人用的和车用的差不太多；特斯拉宣布做人形机器人。2023年5月他提了离职。

## 从一份不堪入目的BP开始 1:19:26

离职前他几乎没做什么准备。7月去西藏自驾，8月开始写BP。今天回看，他说那份BP不堪入目。

最早想做末端配送，加一点操作能力，比如按电梯、开关门、拿放东西。这个方向很快被否定：没有这波AI，已经有一批公司在做配送了。

第一轮3000万人民币，IDG领投，百度风投、金沙江跟投，投前投后估值2亿人民币。加轮是嘉仑，清华电子系王老师和姚老板的基金，不到2000万，投后3到4亿。引荐人是本科同学李一康，推到邵辉，邵辉投过自动驾驶，对从自动驾驶出来的人有信任，后来见了李肖军。

投资人当场就说，你们想做的这件事应该不work。高继扬对天使投资人的理解是：**他觉得你现在什么也不行，但你有潜力，所以给你一笔钱，当一回天使。**2023年具身智能还不是共识，大家聊的是人形机器人。

2024年的主题是整机和供应链，纯补课。买别人的产品回来拆，第一次见到关节模组、电机；供应商不会找，拆出来一个东西不知道是什么，淘宝拍照片以图搜图找到卖家；拆机工具都没有，后来公司的结构负责人看他们可怜，送了一个工具箱，里面是改锥、锤子、镊子。

转折点是杨泽义。1997年生，南科大，自己在创业做机器人教培。第一次有人用框架讲清楚整机系统是怎么回事，还能在自己做过的事里讲出一二三。高继扬去深圳找了两次，2023年底说好，2024年1月入职，后来成为机电首席工程师和合伙人。合伙人按原始股百分点给。

合伙人机制从三个人开始就有：他自己做一块中等面积的六边形，合伙人各自做更大的面积，拼成一个更大的六边形。后来的CFO天齐、商业化负责人于磊、许华哲都是这么进来的。

为什么第一天就要做整机，他的推理链很短：**长期壁垒建在物理世界的数据闭环上，中短期要卖的商品是整机加智能。**只做算法，做完没法变成产品价值和商业价值。

汽车产业是个对照。汽车存在了100年，自动驾驶公司没机会造车，客户是全球20来个车企，商业化路径极清楚。代价是中间隔了一道车企，数据闭环不通畅，对车没有把控力，最终体验可能打折。具身智能没有这个中间商，代价是得自己下场做本体，幸运是一旦做成，下游千行万业。

构型选轮式加双臂，2024年3月定下来。逻辑叫「智能定义本体」：要做操作，双臂是重点；双足运动控制和双臂操作同时解决，也就是loco-manipulation，到今天也没解决，那就先解耦，把上肢做好。很多真实场景不需要过坎走路，轮式够了。

产品R1出来之后发现学术界有需求，他们把这块定义成开发者市场。他引用《跨越鸿沟》：innovator、early adopter、early majority。苹果Macintosh最早是极客用，后来设计师，再后来办公室文员；拓竹的3D打印机最早是极客玩具，后来每家企业必备，现在有人家里买一两台。星海图要从开发者市场走向生产力市场。开发者市场本身还分层：塔尖是学术型开发者，往下是企业内的研究型开发者，比如Physical Intelligence，以及星海图和蚂蚁一起做的LingBot VLA；再往下是生产力型开发者做二次开发；再往下是集成商，最后才是终端用户。

## 一小时数据两百块，这笔账怎么算 1:49:32

Day one 就定了两条：端到端、数据驱动。早期做decision policy的小VA模型，泛化性不足，pi0出来之后转VLA。

2025年8月，星海图开源了500小时真实操作数据和G0基础模型，是国内公司层面第一个；2026年1月G0 Plus做到开箱即用，和R1整机整合。他给了四级台阶：视频里的demo、办公室里的demo、野外的demo、application。野外这一级，观众从兜里掏出口罩、耳机、口香糖放在桌上，机器人都能准确抓起来，抓取已经做到零样本泛化。

为什么坚持真实数据。domain transfer这个方向后来做的人少了，因为在目标domain里采数据更有效；自动驾驶99.9%的问题靠路测数据解决；图形学渲染出来的仿真，sim-to-real的gap还很大。

然后是算账。智能总成本三块：数据获取、训练、工程师团队。数据获取和训练的成本比大概是1比5到1比10。**数据质量低，等于把更多钱浪费在训练那一步。**

真实数据到底多贵：采1小时真实数据，实际要3到4小时人力和工时，加上机器人折旧，200到250元人民币。1万小时250万，10万小时2500万。10万小时是个有用的参照：一个人从出生到18岁跟物理世界交互的总时长，差不多就是这个量级。机器人寿命保守按1000小时算，10万的整机成本摊下来每小时100元折旧，加上人力就是那个数。他说仿真数据便宜这个说法得算总账，贵的真实数据换来的是更低的训练成本。

数据金字塔：真机遥操作数据、human-centric data，比如UMI这类采集设备、外骨骼、动捕、采集手套和夹爪、第一视角的头戴摄像头、互联网视频、仿真，仿真还要分图形学渲染和世界模型生成。**没有人知道这些数据的比例应该是什么，这个比例就是data recipe，得试出来。**大语言模型公司今天最大的秘密也在这儿。真实数据为主是确定的，但1万小时真机、5万小时UMI、20万小时第一视角怎么配，是实验科学。

采集要满足两个条件：进真实场景，不能只在素材厂里采；用众包的方式把设备分发出去，让采集能规模化。他提到北美的无本体采集走得比国内早。

## 大脑、许华哲的离开，和一只狼 2:16:33

先定义大脑。两个模型：VLM做上层的任务拆解和逻辑思考，VLA产生action，双系统。为什么拆开：端侧算力有限，几十B的推理模型不可能放在机器人身上，只能放服务器；动作模型必须在端侧，否则延迟解决不了。工商业场景往往就二三十个动作，直接调用VLA的语言接口就够了；家庭这种通用场景，VLM才不可或缺。

大脑和整机谁重要，他答得很干脆：**一定是模型更重要，但为了做好模型，整机也必须好。**

和大公司比，做成这件事的要素是数据、算法、算力基础设施、人才。大厂在算力、基础设施、人才上强，最缺数据。中国公司在数据上有系统性优势，因为整机和硬件自己下场做，速度比大厂快。买数据有个悖论：**不懂模型就定义不了好的数据体系**，采回来一堆垃圾数据；得由懂模型的团队定义数据体系和治理规则，再交给运营团队采集和验收。

数据不做业务，乐于分享。去年8月开源，客户来要数据，基本无偿或者收很少的钱。

对标特斯拉，整车加数据采集加端到端模型，这条路他们选了。差别在于汽车本身有需求，能卖出去；机器人本体现在卖不出去。

大公司做新业务的真正优势是业务协同，字节做语言模型有飞书和抖音，车企做自动驾驶直接掌握数据。具身智能没有这种协同：需求侧千行万业，供给侧全是新供给，汽车零部件一个也用不上，道路数据对操作问题帮助也不大。竞争于是回到人才组织和资金资源。

许华哲的离职，他先肯定对方是很有影响力的科学家，对前沿算法问题理解到位。分歧在balance：是围绕客户价值一步一步来，还是更多做超前创新。2025年8月内部就完成了调整，赵航统一管理基础模型团队，许华哲去探索TOC家庭应用方向，星海图会投资他的第一轮公司。

他给了一个传播周期框架，很值得记：**整机和供应链12到18个月，客户渠道6个月起步、大客户更长，数据体系在整机之上再加6到12个月，算法2到3个月。**算法投入大、壁垒小，因为开源和论文都在。所以创业公司要在壁垒最长的地方下手，也就是整机、供应链、数据闭环。

估值两年涨了约30倍，现在100亿人民币，200多人，两年前十几个人。他说组织出问题，原因在组织本身变复杂，不在估值上涨，除非创始人因为估值膨胀了。两个挑战：已有的人包括他自己跟不跟得上成长速度；能不能及时引进更牛的人。还有一层结构性难度：整机供应链讲流程和纪律，智能讲人才密度和创新，两套逻辑要在一个公司里共存。

同行里他学宇树的供应链纵深，自己设计齿轮、壳体，做电磁仿真和电机；学Physical Intelligence在前沿算法和人才密度上的投入；学智元的管理团队、知识产权和实事求是的调整速度。

把公司比作动物，他的第一反应是狼。他自己也觉得不准确，因为今天具身智能排在前面的公司都很狼性、都很卷。更接近的说法是进取心和韧性：G0 Plus发布前，智能团队和整机团队配合，连续一个月周末不休息。

人生之书他推荐吕思勉讲三国的那本。三国和今天的具身智能很像：**没有哪个人是草包，也没有哪个人是绝对意义上的理想主义英雄，大家都在现实里挣扎、取舍，凭一些运气，步步为营。**区别是那个时代你死我活，今天每家公司都可以很好。

最大的正反馈还没来。融资成功对他而言是责任：账上几十亿要花好，200多个同学要有前程，政府领导给关怀要交付结果，客户给机会不能辜负。负反馈他不太在意别人的评价，只要确认自己在做正确的事、实事求是。接下来最重要的事，是在生产力场景做到万台出货量。

整场对话里，高继扬回答所有问题的动作都一样：把事拆开，算成本，算周期，算谁跟谁能配上。这套动作不浪漫，但很耐用。

如果你要判断一家具身智能公司，可以照着这份传播周期表看：整机与供应链、数据闭环、线下渠道，这几段最长、最脏、最不好看，也最见真章。算法两三个月就会被追上，开源和论文都在那儿。反过来，如果一家公司只在算法上讲故事，在整机和数据上没下过土里的功夫，它的壁垒就很薄。

如果你关心的是个人怎么长，他给出的路径也清楚：先学会拆解和测量，再学会快速进入陌生领域，然后学会把人和事配到一起。他自己从物理竞赛到深度学习到Waymo到Momenta到整机供应链，每一步都是这套方法论的复用。

至于许华哲的离开，把它当成一个信号可以，但别当成分水岭。高继扬在对话里反复强调的一句话是，创业公司先生存，理想主义不能变成空想，理想主义能实现的基础是每天都要算账。这话听着不性感，可机器人这个行业，链条长到必须把头伸进泥土里。