物理AI創始人提前押注硬件：基模一來，模型就會變薄
劉松銘創業時就判斷GPT-6 Astra這類基模會吃掉具身智能的「System 2」部分，於是從第一天就把硬件和產品做成護城河，而不是先做一家純模型公司。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
不配大佬搭子：一號位得懂技術才能分錢
行業裡常見的搭配是00後技術天才配一個有資源的行業大佬當CEO，劉松銘沒選這條路。他的判斷是：這個階段公司最大的投入就是算力和數據採集，誰來決定錢往哪砸、哪條技術路線該走通，需要的是技術判斷力而不是資源整合力，所以一號位必須對技術有sense，否則花錢的效率上不去。
— 劉松銘基模一來，具身模型就會「變薄」
劉松銘把機器人和物理世界的交互分成System 2（感知規劃理解）、System 1（把指令轉成動作序列）、System 0（運控執行）三層。23-24年資本市場曾認為具身公司能把這三層都吃掉、往上做AGI。但他創業時就判斷基模遲早會啃下System 2——GPT-6 Astra的出現印證了這一點，這意味著純模型的具身公司會變得很危險，所以Liber AI從第一天起就是全棧公司，靠硬件和產品把變薄的壁壘重新加厚。
— 劉松銘手套數據配25%遙操，效果反超100%遙操
實驗顯示，手套數據搭配25%的真機遙操數據，效果能超過用100%真機遙操訓練的模型。原因在於遙操本身不是完美策略：操作者是側面看著機器人幹活，視角和機器人實際記錄的畫面不一致，而且沒有力反饋導致動作遲緩，這讓遙操的motion pattern和互聯網視頻裡流暢的人類動作產生錯位；手套戴在人手上，動作天然和人對齊，能更好地從互聯網視頻裡蒸餾知識。
— 劉松銘硬件與模型的耦合，比想像中深得多
劉松銘承認創業中最超預期的難點不在訓練，而在硬件：不同構型、不同傳感器選型對最終效果的影響，遠超預期，而且這種影響沒法靠後續訓練Recipe去彌補。System 0的運控算法和System 1深度耦合，運控算法又和本體的關節、自由度、電機參數強綁定——這既說明硬件公司拉開了和純模型公司的差距，也意味著迭代速度被硬件的長週期拖慢。
— 劉松銘OpenAI不是最大的威脅：沒人願意啃髒活
面對OpenAI、Anthropic收購Physical Intelligence的傳聞，以及車企、華為這類先進製造商潛在入場，劉松銘認為真正到交付那一步，大家都得一個客戶一個客戶去啃硬骨頭，這件事OpenAI未必有這個基因、也未必有動力——同樣的精力投入coding能有20倍的增長，他們沒必要去賺服務業、製造業這種辛苦錢。他判斷真正的對手其實是做非標自動化、上一代交付服務的公司。
— 劉松銘這個領域最終會長出一個「蘋果」
劉松銘認為物理AI應用場景會從現在碎片化的商業零售、工業等小場景，逐漸走向集中，最終出現一家對標蘋果規模的巨頭公司，這會是人類有史以來最偉大的工業品之一。他判斷這家公司更可能來自現在就在做全棧、具備硬件能力的公司，而這也是Liber AI給自己押的「勝率最高的玩法」。
— 劉松銘用組織機制對抗「先入為主」的決策慣性
劉松銘復盤自己過去做錯的決策，發現錯誤往往不是選項本身選錯了，而是信息不夠就太著急下判斷——人會不自覺按自己的預期過濾後續信息。他觀察到熟悉的領域反而更容易踩這個坑，因為偏好更強、更容易跳步依賴未經驗證的假設。對策是在組織里刻意保留不同聲音、培養能站出來做「商檢」協調信息差和目標錯位的人，而不是靠一個人單獨拍板。
— 劉松銘原話 · 已逐字校驗
就是說你不可能說 我又不dirty 我又能把這個事情做得長遠 又能夠競爭 因為這個客觀事實已經改變了
你不可能既不碰髒活累活，又能把這件事做得長遠、又能保持競爭力——因為客觀事實已經變了。
劉松銘35:23
我的目標一直很明確 其實我一直就想做的事情 就是創業這個事情本身
我的目標一直很明確，我一直想做的事情，就是創業這件事本身。
劉松銘41:29
但這個事情我不認為OpenEye有這個基因 而且我也不認為它很有動力去做這個事情
但這件事我不認為OpenAI有這個基因，而且我也不認為它很有動力去做這件事。
劉松銘1:36:56
我覺得從碎片走到集中 一定是一個趨勢 到集中的時候 我覺得會有一個對標蘋果 特別大的公司出現 我覺得這是必然的
從碎片走向集中一定是趨勢，集中之後會出現一家對標蘋果、規模特別大的公司，我覺得這是必然的。
劉松銘1:48:01
有些時候你做錯誤的選擇 不是因為你選的不好 而是你過於著急的做選擇 你的信息不夠
有些時候你做了錯誤的選擇，不是因為選得不好，而是因為選得太著急，信息不夠。
劉松銘2:00:06
數字與實體
| Liber-0預訓練數據總量 | 220萬小時 | 56:36 |
| 手套數據可替代真機遙操比例 | 75% | 1:05:39 |
| 零樣本抓取任務成功率 | 60-70% | 50:36 |
| 零樣本非抓取任務成功率 | 約30% | 50:36 |
| 真機遙操採集成本 | 約每小時上千元人民幣 | 1:06:40 |
| Gen-1.5預訓練數據量 | 50萬小時（8月發布） | 57:36 |
| Dollar2預訓練數據量 | 100萬小時（9月發布） | 57:36 |
術語
- VLA視覺-語言-動作模型
- 把感知和語言指令端到端轉化為機器人動作的模型架構
- WAM世界動作模型
- 預測世界狀態變化並據此輸出動作的模型
- System 0/1/2分層控制架構
- 2負責感知規劃，1負責生成動作序列，0負責底層運動控制執行
- Zero-shot零樣本
- 模型遇到新任務時無需額外訓練或樣例即可完成
收聽指南
關注具身智能/物理AI賽道的投資人和工程師，想了解基模衝擊下硬件公司如何守住護城河
前25分鐘成長經歷和清華創業教育背景可以快進，核心技術驗證都在後半段