6月13日，黑智·AI硬件系列訪談第一期智能機器人專場開播。百度風投投資副總裁KEDI參加了訪談。
KEDI關注自動駕駛、具身智能、AI4S等方向的投資，歷史案例包括九識智能、星海圖、維他動力、深度原理等。
在訪談中，KEDI分享了具身智能發展趨勢、投資機會與創業選擇等話題。
他通過具身智能三個關鍵技術的發展情況分析當下"什么能做、什么不能做"。"我們需要評估技術發展路徑，將成熟技術轉化為商品，為用戶創造價值。"他建議創業者客觀評估創業難度，同時堅定信心，發現問題后調動資源解決。
以下為訪談內容，經黑智編輯：
機器人的「三能力」發展參差不齊
主持人：為什么具身智能會火起來？在此之前，機器人和人工智能分別取得了什么進展推動具身智能的到來？
KEDI：底層最簡單原因就是如果可以實現，社會價值會比較大。
就引爆點而言，是馬斯克決定切入這個方向。在特斯拉入局之前，每一年的引爆點來自波士頓動力的發布。沒有BD，我們很難想象人形機器人可以長成這個樣子。它現在發布的demo依然能夠引起機器人愛好者、科技愛好者的激動。因此，這兩年機器人領域火起來的關鍵因素有兩個：特斯拉的推動，以及波士頓動力過去十多年的持續投入。
此外，另一個關鍵引爆點是人工智能技術的發展。我記得我在大二開始學習AI，當時做的還是簡單的算法，后來，有很長一段時間我沒有在一線感受人工智能的變化，直到最近這幾年尤其是ChatGPT問世之后，再回頭看當年所學的東西，給了我沖擊感。那種感覺，就像從坐馬車一下子坐上了飛船。這種體感沖擊對我個人而言比較強烈。
總結來說，機器人技術火起來的核心原因是深度學習及其基礎技術的持續突破。這讓我們看到該領域前景，大家更有信心，從而形成了正向循環。另外，中國還有一個因素：中國擅長硬件制造。過去20年，不管是在消費電子、新能源汽車產業，還是工業機器人領域，中國在供應鏈、半導體、制造能力以及市場需求方面，都積累起其他國家所不具備的優勢。
基于這幾個因素——美國公司的推動、AI技術的發展，以及中國的優勢——這三股力量正在推動產業的發展。
主持人：關于具身智能目前"能做什么"和"不能做什么"以及什么是能夠在三年之內實現落地的，您的思考和判斷是什么樣的？
KEDI：這幾年，UC Berkeley Malik教授傳遞的一個觀點在業界被接受。前段時間，星海圖聯創許華哲老師也引用了這個觀點。機器人技術可以分為三個子類別：第一大類別是Navigation，也即導航技術。它實際上是我們過去做自動駕駛的核心。自動駕駛本質上就是將導航技術應用在車輛上。第二大類別是機器人的能力，偏向于Locomotion，也就是主要指足式行走，如這幾年比較火、以宇樹科技為代表的、能夠行走的四足或雙足機器人。第三大類別，也是我們認為的具身智能技術變革的核心，是Manipulation，操作層。
總結一下，分別是導航、足式行走和操作。這三項技術的發展程度參差不齊。具體而言：
導航技術方面，在中國乃至全球，已經進入成熟階段。有幾個數據和例子可以佐證：（1）體驗過自動駕駛技術的用戶越來越多。很多人現在購買某個品牌新能源車時，甚至會將其作為考量因素。像小米、華為這樣的企業，已經在中國大眾消費者中普及了對自動駕駛的認知。（2）近年涌現了許多上市公司，以及我們投資過的專注于物流場景的自動駕駛公司如"九識智能"。九識智能已經將L4級別的物流車在多地進行了千臺甚至萬臺級別的規模落地，并每天進行作業。這證明Navigation（導航技術）在技術上，已不再是一個科學性的問題、也不是一個工程化問題，而是后續的商業化問題，以及將導航技術應用在更先進的應用場景上。比如自動駕駛出租車。自動駕駛出租車具有挑戰性，但在舊金山北部地區已經實現了一定規模的商業化運營，為人類提供了一個樣板：世界上確實已有數百臺自動駕駛汽車能夠不間斷地提供服務。所以，導航技術已經比較成熟了。
運動技術（Locomotion）方面，相對發展得比較好，具備落地的可行性。不管是宇樹科技還是美國波士頓動力、歐洲ETH所領導的小組都做得比較扎實。全球的足式機器人開發者持續地從原有技術棧發展到如今將強化學習應用于Locomotion上，已接近將其做得比較穩定。前段時間我參加了在亦莊舉辦的人形機器人馬拉松比賽，機器人全程跑下來用了4個多小時。雖然還有很多不足，但結果已令人驚喜。可能明年它們會跑得更快，后年或許就能流暢地作為馬拉松領航員了。因此，Navigation和Locomotion這兩個技術棧相對發展較好，現在已具備落地基礎，甚至已有實際應用了。
操作技術（Manipulation）方面，相對較難，仍處于技術發展的早期階段。一個觀察是：關于操作技術的科研論文仍在成倍增長。只要全球機器人科學家還在持續發表該領域的學術paper，就證明這個方面仍是一個遠未攻克的科學問題。當然，并非所有操作任務都不能做。操作本身是個比較復雜的問題。其中一些基礎動作，如抓取和放置，相對而言已經做得不錯。但在操作領域，存在大量復雜任務，因此整體上我們認為它還處于一個雛形階段。
所以，回到"什么能做、什么不能做"的問題，我們需要評估技術發展路徑，并將成熟技術轉化為可用的商品，為用戶創造價值。
屬于創業者的機會
主持人：單純從產業釋放的可能性來看，有沒有哪些機會點適合創業者？
KEDI：對于創業機會，很難客觀地給出答案，當然希望所有創業者都能找到自己的方向。但評判一個項目能做還是不能做，最終還是取決于創業者基于自身對技術和商業的認知，能否給自己一個自洽的答案。畢竟，他們才是真正挑戰不可能的人。
如果僅從產業的角度來看，可以參考前段時間美國紅杉資本發布的報告。它探討的是AI Agent如何為社會帶來勞動力的相關觀點。這份報告比較有參考性。因為我們正經歷以大語言模型為起點的技術變革。我們看到大語言模型的發展軌跡：從最初的預訓練模式（前幾年業內比較強調預訓練大規模的模型），到去年開始，業界更加強調如何將模型應用于垂直場景并落地，這已是業內共識。
一種模式逐漸清晰——從大語言模型的預訓練模式，走向后訓練場景落地的模式。我們在自動駕駛領域實踐較多，實際上過去幾年，自動駕駛也出現并跑通了類似的路徑——從預訓練模式到針對垂直場景進行后訓練的模式。舉個例子：特斯拉的自動駕駛系統在美國可能表現很好，但在中國表現得可能不太理想。但當它積累一段時間之后，就能跑得比較不錯了。這意味著其自動駕駛算法框架無需推倒重來。
既然在語言模型和自動駕駛的基礎模型上都驗證了這種范式，那么在具身智能或機器人領域，也將會出現類似的范式轉變。從去年開始，學術界已在探討具身智能從Pre-training到Post-training的整個技術范式的演變。從這個角度來看，人工智能預訓練的投入還是比較大的，難度也高，對資源的調配要求高。這可能不太適合創業者，尤其是普通創業者進入。相比之下，在垂直領域深耕，利用當前行業在軟件、硬件和供應鏈上的發展，專注于解決具體問題，可能是一條更明朗的道路。它也更貼近市場需求，能讓創業者更快獲得商業上的反饋。因為對于一家創業公司而言，若無法實現技術與商業的雙重閉環，持續發展將吃力。
主持人：現在不少自動駕駛公司也開始做機器人了，比如特斯拉，比如國內也有自動駕駛企業或者有自動駕駛從業經歷的創業者。他們嘗試從輪式到協作再到人形機器人的產品迭代。這種現象背后有什么合理性或邏輯？
KEDI：從構型角度來說，不論是人形機器人、工業機械臂還是輪式清潔機器人等，都屬于不同的機器人構型。從技術角度來說，正如我們剛才討論的，可以按核心技術能力劃分：導航、行走和操作的技術。這是兩個不同的維度。
但這兩個維度并不沖突。舉個例子，中國的商用服務機器人相對成熟，大量公司已經開始在酒店送貨。這類機器人有行走的功能。如果技術進一步發展，一些應用需要它與物理世界進行交互，就有可能增加操作能力。反之，如果場景無需交互操作，為何一定要加裝"手"呢？因此，一方面需要從技術的角度出發，另一方面從客戶的需求出發，來看待這個問題。
事實上，我們在去年或前年已形成共識，具身智能機器人并不必然是人形形態。具身智能有很多的構型，例如無人機、自動駕駛汽車，從技術功能角度看，它們都可視為機器人的一種形態。關鍵看你選擇哪個維度進行拆分。
再談特斯拉的事情，如果繼續從技術角度分析。本質上這次技術變革的原因仍是深度學習在多個領域持續突破的體現——先是語言，接著是視頻，現在擴展到硬件機器人。特斯拉之所以能做這件事，本質上得益于其在深度學習領域的積累。值得注意的是，特斯拉人形機器人項目最新的負責人，其實就是特斯拉Autopilot團隊的原負責人。在開發人形機器人之前，特斯拉本質上已是全球最大的自動駕駛公司。
很難有公認答案的機器人終局
主持人：站在當下這個時間點，您如何看待具身智能的終局形態？
KEDI：這個問題，很難有一個公認的答案。大家都看過很多科幻電影，然后在科幻電影里都會有機器人的形態。在電影中的"末世"階段，都會有很多機器人出現。這些年，我接觸、學習機器人技術，感覺它是很難做的，甚至可以說是難做的。那么，它究竟是什么？為何如此之難？換個角度想：如果科幻電影中的人形機器人真能出現在人類生活中，其本質將與人類相差無幾，這幾乎就是人工智能的形態。做到那種程度時，我甚至難以想象科技后續還能如何發展——也許只能指向地外文明了。
電影：芬奇(Finch)
我們總談到AGI，真正Physical AGI，我個人比較喜歡從一個游戲《底特律：變人》來探討。它描繪的未來世界中，數十萬人形機器人已融入人類社會，肉眼幾乎無法分辨機器人與真人，這兩個物種的界限已然模糊。我覺得這就是圖景。但距離我們相當遙遠。
機器人顯然是一項跨越幾代人的事業。前段時間，星海圖在清華活動中做了一個"抓娃娃"的展示，讓我受到觸動。許多五六歲的小朋友嘗試遙操作，感受機器人如何運動。當機械狗出現在他們的童年里，這些孩子長大后很可能會投身這個行業。正因如此，我相信新的機器人公司將不斷涌現，新的創業與商業機會將持續出現。長期來看這個事情，我是比較樂觀的。
主持人：這個圖景確實需要一代代企業和人才來推動。之前我和一位教授聊到具身智能應用，他提到現在主要應用在工廠場景，而可能還需要三四十年后，具身智能機器人才能真正進入家庭。您對家用具身智能機器人的落地時間點怎么看？
KEDI：回顧過去十幾年的商業案例，實際上中國已有大量公司——包括已上市和未上市的比較大型的企業一直宣稱想要進入這個領域。已經有幾波公司在不斷地嘗試了。大家始終想做成這件事。
從美國角度來看，前段時間，我閱讀了一本一九六幾年的雜志，在那個年代，他們就已經搭建了機器人原型機，并展示了機器人如何進入家庭。那些原型機的外觀，與我們如今在酒店看到的服務機器人相似。這說明早在幾十年前，就有許多人想做這件事。毫無疑問，這個需求是存在的，因為它能改善我們的生活。例如掃地機器人，其發展歷史已有三十多年——從美國iRobot開創這個賽道再到中國涌現出如追覓科技、石頭科技、科沃斯等掃地機器人公司。即使到現在，掃地機器人仍有提升空間。最近我購買了一臺掃地機器人，其智能程度仍有待加強。當已進入家庭的掃地機器人變得足夠聰明時，它很可能成為我們探索下一步應用的基礎。
另一件事是大型機器人進入家庭，是存在較高風險的。原因在于機器人通常很重。想象一下人被車壓住就危險，機器人也會帶來類似的危險。因此，針對機器人人機交互或者AI安全的研究具有價值。待這些科研問題取得更好解決方案，家庭普及才會加速。在安全研究領域，卡耐基梅隆大學的幾位教授做的工作比較出色。他們持續研究如何更安全地控制機器人。
主持人：您剛才聊的時候我突然想到個問題：其實在大模型出來之前，像iRobot 和國內一些做掃地機器人的公司，就已經在試著用深度學習或者其他 AI 技術，讓機器人更聰明、掃得更干凈?，F在大模型出來后，您覺得這些公司有沒有什么新變化？尤其是在 AI 軟件層面。
KEDI：我們來說一個實際案例，目前全球出貨量最大的機器人類型，應該是工業機器人，例如機械臂。我相信，無論是軟件進步還是AI整體行業的發展，都提升了工業機械臂的易用性和用戶體驗。雖然其精度本身已經相當高，比如能在蘋果手表等屏幕上完成插裝，但AI與軟件技術有望使其操作更簡便、示教成本更低。工業機器人是一個已經存在的市場，技術的發展能夠讓這個市場釋放更大的價值，這是毫無疑問的。
雞生蛋還是蛋生雞？
主持人：其實您之前聊過的"雞生蛋還是蛋生雞"的問題，應該怎么打破這個僵局呢？總不能讓它一直卡在 "沒數據迭代→產品不好→賣不動→更沒數據"的怪圈里吧？有沒有什么破局的關鍵思路？
KEDI：說一句直覺的話，我認為這個問題一定會被解決的。
但是我不知道怎么解決。
不是業內不知道，而是我不知道。畢竟我不是真正的工程師。我舉個類比的案例，10年前，中國自動駕駛行業剛起步，大家開始認真考慮做這個行業。在十幾二十年前，美國的DARPA自動駕駛挑戰賽就已開始舉辦了。我曾請教過一些前輩，他們當時也討論過這個問題："沒有數據，如何讓自動駕駛跑得更好？"最初，他們嘗試用機器人領域的傳統技術，如定位導航，讓車輛在特定路線上行駛。但很快發現：系統泛化能力差，車輛只能在特定路線上跑，路線稍有變動便不能work了。這就是10年甚至20年前自動駕駛行業面臨的問題。
然而現在再看，正如我們之前討論的，自動駕駛的滲透率已經相當高了。從終點回望，當年的自動駕駛"數據匱乏"問題已被解決。當時業內常爭論的"雞生蛋還是蛋生雞"，如今也有了答案。因此我認為，當前機器人領域遇到的挑戰，也終將被業內的持續探索所攻克。再細說一些，去年或前年大家就開始討論利用互聯網數據訓練、仿真數據訓練、以及基于真機的商業閉環的角度進行訓練，我認為這些方式都是正確的。不管是真機、仿真還是互聯網，它們不是獨立的，而是都很重要。這是我的看法。
主持人：我覺得您這個問題說得好。各種方式都是重要的，大家別被"必須收斂"的思法困住。很多問題其實是在發展中解決的。
KEDI：對，我認為這在業內會形成一個比較和諧、可協作的態度。因為這是一個早期的行業，如同20年前的自動駕駛，需要大家推動進步。當然，剛才說的可能比較虛幻。舉一個務實的案例。前段時間與一位前輩討論時，我們發現一個問題——采集到的數據無法直接用于新本體的再訓練。這就是跨本體數據復用的難題。美國許多公司以及國內一些企業都在探索解決方案。我們發現了一個問題，就會有人去解決它，所以只要你能發現問題，它就一定可以被解決。
主持人：一個有價值的好問題被提出來，本身就是解決問題的開始。您剛才也提到，10 年前自動駕駛有很多技術路線沒收斂。現在自動駕駛的技術路線收斂了嗎？
KEDI：在自動駕駛領域，其發展已接近工程化的中期或中后期，技術路線是趨于收斂的。但不同公司在工程細節和訓練方法上仍有差異。我認為技術上的先后身位，對公司的商業化進程有影響，但不一定是決定因素。舉一個消費電子領域的例子：賣得最好的產品未必擁有最頂尖技術，它的技術與商業的飛輪效應已經形成，這是一個融合了技術、市場、品牌等多因素的復雜系統，難以解耦成單一的技術或其他因素的問題了。自動駕駛目前也已進入這樣的一個階段。
創業者的決心
主持人：過去兩年，在具身智能，我們投了什么樣的方向和什么樣的公司？未來兩年，我們重點關注什么樣的方向、什么樣的公司？
KEDI：我們支持過很多的自動駕駛項目，比如自動駕駛技術在物流、清潔、工業等不同場景的落地。在機器人領域，基金從前年開始進行一些早期布局，例如智元機器人、有鹿機器人、星海圖。
后來，我們順延技術棧角度進行下一步探索，在去年支持了地平線前副總裁余軼南創立的維他動力。余博士的核心理念很簡單清晰：將已渡過科研探索階段、能夠進行工程化的技術，進行工程化的產品轉化，這是一條務實的思路。舉一個例子，目前機場等場所進行表演的機器狗，在進行表演的時候，總會有一個人背著手操作遙控器進行操作。當一只機器狗跟觀眾打招呼時，實際上它是受到遙控器的控制的。人工智能技術的發展，有能力移除這個遙控器，將其升級為AI機器狗。這正是技術帶來的升級。
沿著這個思路，我們也在探索技術遷移的可能性：既然AI能變革足式機器人，是否也能改變飛行器？例如無人機領域大牛、浙江大學控制科學與工程學院的高飛教授，長期致力于研究如何將AI與控制技術結合，使飛行器更加魯棒、更加可用和更加智能。他所創立的微分智飛，也在此方向深入探索。
總的來說，我們更尊重創業者的想法，根據我們的經驗與創業者進行探討，哪些方向短期更易落地，哪些可能面臨挑戰。
主持人：您在考察具身智能這類項目，決定投或者不投的時候，一般會重點關注哪些因素呢？除了項目本身，背后的創業團隊也是投資時的重要考量，您在評估團隊時，又會側重哪些方面呢？
KEDI：這個問題就比較主觀了，不僅限于機器人賽道。例如當前茶飲領域：蜜雪冰城、古茗、霸王茶姬、茶百道等品牌，以及還有一些如瑞幸、manner等咖啡品牌。我們可以發現其背后的投資者分布呈現交叉態勢——同一家機構可能投資多個標的，有的機構可能投了這個標的而沒有投另一個標的。當然，這些都是比較好的標的。我認為，這與投資機構的偏好密切相關。
如果說最看重的要素，如果只挑一個要素，我們還是會比較關注創業者的決心。以宇樹科技為例，創始人王興興的創業決心令人印象深刻。如今看來或許有些"馬后炮"，但回溯其創業歷程，克服了無數困難并堅持到底，這家公司的成功實至名歸。這便是決心帶來的正向反饋。
主持人：目前國內這批具身智能領域的創業公司，整體呈現出怎樣的特點？它們的大致情況是？
KEDI：其實，具身智能的畫像已有客觀數據可以佐證。任何"新物種"誕生之初必然由科學驅動。有大量科研背景的人先去驅動新產業的發展。自動駕駛領域的早期階段，出現了一批好公司，它們與大學、科研院所息息相關。比如說地平線創始人余凱或Momenta的創始人曹旭東，均是在科研取得扎實成果后，才探索產業化的路徑。
當具身智能的技術發展到一定階段，重心便轉向工程驅動。正如我們之前討論的，需要解決海量具體問題：代碼優化、硬件調校等。最終，行業可能進入類似成熟服務業的階段。例如，投資一家餐廳，此時核心評估點不再是廚師廚藝，而是創始人對店鋪運營、現金流管理和客戶需求的深刻理解。因此，我認為對創業者的核心能力要求，會隨行業發展階段動態變化。
從融資到自造血
主持人：具身智能創業公司在不同階段遇到的難點到底有哪些？他們需要什么樣的資源支持，才能更好地往前發展呢？
KEDI：我今天還看到一段影石CEO JK的采訪。這兩天剛剛上市。他說了一句話，他認為2025年是他創業以來最難的一年。他接著說，2024年也是他認為創業以來最難的一年。2023年，他也認為那一年是他創業的最難的一年。影石發展了這么多年，其實每一年都是創業以來最難的一年。
我會認為創業其實是一個比較反人性或者比較有挑戰的一件事情。因為我本人沒創過業，很難想象每天早晨起來就要給100個人發工資是什么感覺。
因此，我們觀察創業者所做的核心工作，本質上可歸結為兩點：第一，獲得資源以啟動創業。不同時期的經濟環境差異顯著，經濟低迷期起步尤為艱難，或所謂"風口"尚未形成時，需要蟄伏一下。例如8年前涉足機器狗領域，顯然缺乏風口支持。不同階段，外部環境所帶來的挑戰不同，但創業者仍要頂著壓力前進，獲取資源，開啟征途。
第二是利用獲取的資源，實現商業閉環，達成商業循環。從公司外部獲取的資源是有限的。不同公司能獲取資源的量級差異巨大，比如有的公司能夠獲取1-2億，有的公司獲取20-30億。對公司所想做的事情來說，20億也是一個相對小的數字，比如我們要去做一個載人登月或火星探測項目時，20億確實不大。其關鍵點是利用所獲取的資源實現商業閉環。以SpaceX為例，獲取商業上的訂單是其至關重要的里程碑。若非如此，即使強大如SpaceX，也難以生存至今。
可以說，生存下來的公司路徑各異，其共性在于成功完成了上述兩項核心任務：獲取資源并實現商業閉環。
商業模式不是最核心的問題
主持人：聊到商業模式，同樣是做具身智能、面向中國市場的公司，為什么商業模式會有差異？
KEDI：我覺得還是創業團隊。每一個創業團隊擅長和不擅長的事情，根據他的能力邊界和他的認知范圍去選擇的，還跟創始人的興趣有關系。以汽車產業為例：有的創始人癡迷于大型工程機械，如坦克、裝甲車、重型卡車，對小型轎車興趣寥寥；有的人則熱衷于打造跑車或車型。創始人對特定領域或產品形態的傾向性，也導致了選擇的分化。
主持人：一個公司現在成熟的商業模式和最初的起點有什么關聯？這和您剛才說的很像，比如團隊基因、創始人偏好可能會影響公司成熟期的狀態。
KEDI：其實您剛才在說這個事情的時候，我就在想為什么開奶茶店的老板他不去開一個火鍋店。
主持人：我覺得跨界沒有問題。
KEDI：因為本質上生意有一些相似之處。比如說我們以前做零售，不同的品類有的就偏向于服務女性消費者，有的就更偏向于服務兒童消費者，有的更偏向于極客消費者。本質上大家都是在賣商品。
主持人：我們觀察國外公司時發現，像諾基亞、蘭博基尼等、亞馬遜等企業，最初的業務和現在，中間拐了很多彎。業務邊界幾乎看不出關聯性，脫胎換骨。為什么會出現這種情況呢？
KEDI：其實國內也是這樣。我們舉幾個案例。比如說華為，最早是做交換機的，但是現在已經是最大的自動駕駛公司之一、最大的國產芯片之一，手機也賣得很好、智能家居也做得很好。再比如小米，最早它是做操作系統的。后來，大家都會覺得它是一個智能家居的公司，但現在小米汽車已經是一個很好的商業案例了。大家可能都忘了小米在微信出現之前推出過米聊。
總的來說，通過對社會或者用戶的需求調研，我們發現了一個需求，再利用手邊的一些能力和技術，提供更好的產品給大家。商業模式的具體形態，可能不是最本質的。
實事求是&積極擁抱
主持人：回到問題本身，想聽聽您對創業者和普通人的建議：做具身智能的公司在未來一兩年，最好避免哪些錯誤？又該做些什么來加速成長？我們擔心行業洗牌期到來時，很多企業會陷入被動。
KEDI：客觀而言，很難直接給出具體建議。因為我們主要聚焦早期投資，一旦公司發展到一定規模（如300人、500人甚至1000人），其面臨的挑戰已超出我的經驗邊界。但對于早期創業者，可以分享一條明確建議——客觀判斷項目的難度。
在我看來，具身機器人是一個門檻較高、比較難的行業。舉個例子，現在AI應用比較火，現在去開一個AI的應用的公司，我可以拉著室友、兄弟一起攢三臺電腦就可以干了。我們可以快速地發現商業機會，很有可能三個月以后就有現金流了。我利用這些初步數據，便可尋求外部資金支持以擴大規模。這條路徑相對更容易落地。
然而，回到機器人創業領域，其挑戰則不同：僅憑電腦是遠遠不夠的，因為它必然涉及硬件開發，同時還需要專門的場地支持。軟件創業或許在咖啡廳就能辦公，但機器人研發必須有一個實驗室。此外，其迭代周期拉長，一個周期可能需要6-8個月才能驗證方向正確性，成本亦會隨之攀升，最終產品還面臨市場驗證風險——投入努力后，產品可能根本無法售出。
所以我認為具身創業的挑戰會比較大。但是面臨挑戰以后，像我們剛才所說的有決心的創業者，他會關關難過關關過。他發現問題，再去調用手里的資源去解決這個問題。我認為還是要客觀的判斷一下自己要做的事情的難度。這一點，只有自己才能知道。
主持人：作為生活在當下的普通人，應該怎么樣去做，才能夠不被時代拋棄，順勢而為甚至順勢有為？
KEDI：這個問題涉及到我們每個人。我自己也受到這個問題的拷問。前段時間，我遇到一個百思不得其解的問題，索性將未經整理的全部數據和困惑直接拋給了一個大語言模型。令我意外的是，它的回答質量遠超我的預期。我們每個人都會遇到這樣的困境。起初我也感到焦慮，但心態最終得以平復，源于一個根本性的認知：工具的迭代與升級是歷史必然。以計算或辦公為例：財務工作從算盤演進到計算機，如今則借助AI軟件；再比如武器系統也從青銅、冷兵器發展到火器——人類始終在擁抱更強大的工具。同理，既然能乘車前往，何必徒步行路？這種更迭在過去數百年間持續發生。因此，我選擇坦然接受并使用前沿工具，這一經驗分享給大家。
匿名用戶
