物理AI创始人提前押注硬件：基模一来，模型就会变薄
刘松铭创业时就判断GPT-6 Astra这类基模会吃掉具身智能的「System 2」部分，于是从第一天就把硬件和产品做成护城河，而不是先做一家纯模型公司。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
不配大佬搭子：一号位得懂技术才能分钱
行业里常见的搭配是00后技术天才配一个有资源的行业大佬当CEO，刘松铭没选这条路。他的判断是：这个阶段公司最大的投入就是算力和数据采集，谁来决定钱往哪砸、哪条技术路线该走通，需要的是技术判断力而不是资源整合力，所以一号位必须对技术有sense，否则花钱的效率上不去。
— 刘松铭基模一来，具身模型就会「变薄」
刘松铭把机器人和物理世界的交互分成System 2（感知规划理解）、System 1（把指令转成动作序列）、System 0（运控执行）三层。23-24年资本市场曾认为具身公司能把这三层都吃掉、往上做AGI。但他创业时就判断基模迟早会啃下System 2——GPT-6 Astra的出现印证了这一点，这意味着纯模型的具身公司会变得很危险，所以Liber AI从第一天起就是全栈公司，靠硬件和产品把变薄的壁垒重新加厚。
— 刘松铭手套数据配25%遥操，效果反超100%遥操
实验显示，手套数据搭配25%的真机遥操数据，效果能超过用100%真机遥操训练的模型。原因在于遥操本身不是完美策略：操作者是侧面看着机器人干活，视角和机器人实际记录的画面不一致，而且没有力反馈导致动作迟缓，这让遥操的motion pattern和互联网视频里流畅的人类动作产生错位；手套戴在人手上，动作天然和人对齐，能更好地从互联网视频里蒸馏知识。
— 刘松铭硬件与模型的耦合，比想象中深得多
刘松铭承认创业中最超预期的难点不在训练，而在硬件：不同构型、不同传感器选型对最终效果的影响，远超预期，而且这种影响没法靠后续训练Recipe去弥补。System 0的运控算法和System 1深度耦合，运控算法又和本体的关节、自由度、电机参数强绑定——这既说明硬件公司拉开了和纯模型公司的差距，也意味着迭代速度被硬件的长周期拖慢。
— 刘松铭OpenAI不是最大的威胁：没人愿意啃脏活
面对OpenAI、Anthropic收购Physical Intelligence的传闻，以及车企、华为这类先进制造商潜在入场，刘松铭认为真正到交付那一步，大家都得一个客户一个客户去啃硬骨头，这件事OpenAI未必有这个基因、也未必有动力——同样的精力投入coding能有20倍的增长，他们没必要去赚服务业、制造业这种辛苦钱。他判断真正的对手其实是做非标自动化、上一代交付服务的公司。
— 刘松铭这个领域最终会长出一个「苹果」
刘松铭认为物理AI应用场景会从现在碎片化的商业零售、工业等小场景，逐渐走向集中，最终出现一家对标苹果规模的巨头公司，这会是人类有史以来最伟大的工业品之一。他判断这家公司更可能来自现在就在做全栈、具备硬件能力的公司，而这也是Liber AI给自己押的「胜率最高的玩法」。
— 刘松铭用组织机制对抗「先入为主」的决策惯性
刘松铭复盘自己过去做错的决策，发现错误往往不是选项本身选错了，而是信息不够就太着急下判断——人会不自觉按自己的预期过滤后续信息。他观察到熟悉的领域反而更容易踩这个坑，因为偏好更强、更容易跳步依赖未经验证的假设。对策是在组织里刻意保留不同声音、培养能站出来做「商检」协调信息差和目标错位的人，而不是靠一个人单独拍板。
— 刘松铭原话 · 已逐字校验
就是说你不可能说 我又不dirty 我又能把这个事情做得长远 又能够竞争 因为这个客观事实已经改变了
你不可能既不碰脏活累活，又能把这件事做得长远、又能保持竞争力——因为客观事实已经变了。
刘松铭35:23
我的目标一直很明确 其实我一直就想做的事情 就是创业这个事情本身
我的目标一直很明确，我一直想做的事情，就是创业这件事本身。
刘松铭41:29
但这个事情我不认为OpenEye有这个基因 而且我也不认为它很有动力去做这个事情
但这件事我不认为OpenAI有这个基因，而且我也不认为它很有动力去做这件事。
刘松铭1:36:56
我觉得从碎片走到集中 一定是一个趋势 到集中的时候 我觉得会有一个对标苹果 特别大的公司出现 我觉得这是必然的
从碎片走向集中一定是趋势，集中之后会出现一家对标苹果、规模特别大的公司，我觉得这是必然的。
刘松铭1:48:01
有些时候你做错误的选择 不是因为你选的不好 而是你过于着急的做选择 你的信息不够
有些时候你做了错误的选择，不是因为选得不好，而是因为选得太着急，信息不够。
刘松铭2:00:06
数字与实体
| Liber-0预训练数据总量 | 220万小时 | 56:36 |
| 手套数据可替代真机遥操比例 | 75% | 1:05:39 |
| 零样本抓取任务成功率 | 60-70% | 50:36 |
| 零样本非抓取任务成功率 | 约30% | 50:36 |
| 真机遥操采集成本 | 约每小时上千元人民币 | 1:06:40 |
| Gen-1.5预训练数据量 | 50万小时（8月发布） | 57:36 |
| Dollar2预训练数据量 | 100万小时（9月发布） | 57:36 |
术语
- VLA视觉-语言-动作模型
- 把感知和语言指令端到端转化为机器人动作的模型架构
- WAM世界动作模型
- 预测世界状态变化并据此输出动作的模型
- System 0/1/2分层控制架构
- 2负责感知规划，1负责生成动作序列，0负责底层运动控制执行
- Zero-shot零样本
- 模型遇到新任务时无需额外训练或样例即可完成
收听指南
关注具身智能/物理AI赛道的投资人和工程师，想了解基模冲击下硬件公司如何守住护城河
前25分钟成长经历和清华创业教育背景可以快进，核心技术验证都在后半段