作者 | 毛心如

在具身智能的浪潮中，当大多数玩家还在全力烧钱研发人形机器人、向投资人讲述 5-10 年的宏大故事时，千诀科技却选择了一条完全不同的路：坚决不下场做硬件，只做机器人的大脑供应商。

他们像智能手机时代的安卓，为各类第三方硬件终端提供底层的 API 大脑接入。

2025 年 10 月正式启动商业化，2026 年上半年接入设备将超过 10 万台，覆盖 7 大品类并把主力战场放在家庭场景。

千诀科技已成为目前少数规模化落地的具身智能公司之一，从大脑接入数量来看，更是行业第一的存在。

具身智能的供应链比手机更长，大脑作为其中最关键的一环，从 0 到 1 自研所需投入的资金、数据、时间都巨大，将长期以第三方形式存在。

千诀科技的目标，就是成为被最多机器人使用的大脑，而不是某个爆款硬件的品牌方。

在技术路线上，千诀同样没有跟随当前最火的 VLA 路线，而是坚守类脑分区预测式世界模型。

他们和图灵奖得主、Meta 前首席 AI 科学家杨立昆（Yann LeCun）一样，向生成式 AI 范式发起正面挑战。

在当下，评价一个模型不能只看海量数据下的理论上限，更要看它在当下有限数据和算力下的样本效率与计算效率。

一个未来上限在 100 分、但现在只有 40 分的模型，用不起来；一个未来上限在 90 分、但现在已经有 70 分的模型，足够用起来，这才是客户今天需要的，而千诀就属于后者。

这种务实又锋利的思路，贯穿了千诀的商业化、技术路线和未来终局判断。

在具身智能的终局讨论中，千诀给出的答案是：行业不会走向单一垄断，而是全栈自研派、极致本体派、极致模型派三类玩家长期共存。

千诀科技究竟如何让数万台机器人真正用上大脑，为什么他们坚定认为新一代智能机器人目前最该进的是家庭而不是工厂？

针对这些问题，我们与千诀科技创始人高海川进行了一场深度对话，试图拆解这家极致模型派公司的技术哲学与商业拼图，对话分为五个部分：

1.千诀为什么只做大脑

2.为什么千诀专攻家庭场景

3.千诀已跑通的商业化闭环

4.解耦式世界模型到底优势是什么

5.当下具身智能的最大瓶颈是触觉

在与高海川的深度对话中，你会发现他是一个谦和却带着锋芒、非常自信的人。

这份谦和是他原生的，而锋芒与自信，来自他对产品和技术的绝对相信，来自对所锚定技术路线的坚定认可，也来自阶段性成功的不断累加。

他形容自己是一个「先闭环、再放大」的人，没有绝对的轻重缓急，只有是否真正被客户需要。

这种风格也延续到团队中：面对问题更强调快速复盘和结果负责，而不是纠结过程本身。

在对外合作中，他也更关注效率和实际价值，例如在出差和客户拜访时，优先选择离客户更近的酒店，以保证沟通和推进的节奏。

对他来说，形式从不大于目的。

以下为对话实录，经星河频率不改变原意编辑整理：

做具身智能界的安卓

星河频率：先简要地介绍一下千诀科技以及你们现在在做的工作。

高海川：千诀科技成立于 2023 年，孵化于清华大学类脑计算研究中心。目前我们已经自研了分区预测式世界模型和机器人大脑系统 OS。

星河频率：千诀为什么选择只做大脑，不做硬件和整机？

高海川：这是生态位决定的，我们是产业链中的基础接口，不是终端玩家，一旦自己下场做硬件，就会和客户直接竞争，客户会流失。

做整机能吃到一部分硬件机会，而只做大脑，反而可以面向更多品牌、形态和细分赛道。

星河频率：所以现在到底是做硬件烧钱还是做软件烧钱呢？

高海川：从整个周期来看，肯定做基座模型更烧钱。硬件在早期结构设计、采购等需要大投入，但是国内供应链在不断成熟，做硬件的成本只会越来越低。

做软件，算力、数据、算法这三驾马车都是需要持续投入资本的，无论是为技术付费还是为人才付费。

星河频率：既然长期看做软件更烧钱，为什么千诀敢只做软件？

高海川：从公司运营角度，我们的自有资源是充足的，并且在迈向独角兽企业。

从技术范式上讲，千诀做的是基模，不是 SaaS 或者一些特定场景的小模型，我们对标的是智谱、MiniMax，基模很烧钱，但是也会很值钱。

预测式世界模型范式跟现在的生成式大模型范式是并列的，如果这条路走通了，能在部分场景实现对现有大模型的完全替代。

星河频率：那你们是怎么说服投资人相信做纯软件是可行的？

高海川：机器人是一个高度集成的产品，但大脑不需要依附于机器人本体销售，就能独立产生商业价值。像触觉传感器、灵巧手、芯片等部件都已证明可以脱离机器人完成闭环。

还有我们创业的时候有个原则，一天没有人用我们的模型，就一天不融资。找到第一个客户后才启动了融资，我们不是靠故事融资，而是靠落地。

星河频率：这种只做大脑的方式，能走到行业很核心的位置吗？

高海川：从商业模式本身来说，机器人就像手机一样，每个主机厂都需要接受外部第三方的东西。我们的判断是，未来会有 70%-80% 的机器人大脑由第三方大脑来提供。

星河频率：为什么是 70%-80%？

高海川：这是一个基于行业生态的推演。类比手机，目前 70% 的手机都是安卓机。

如果排除掉千诀的存在，按照大家经常讲的二八定律，在第一阶段市场淘汰赛中，会由 20% 的头部公司吃下 80% 的市场，剩下的 80% 的公司想继续厮杀，必须找我们这样的军火商，而后优势互补，大幅重塑市场格局。

星河频率：你们也有跟一些整机公司合作？

高海川：是的，签约合作的其实很多，有很多明星公司，只是不能对外透露。

星河频率：千诀团队规模和研发配置大概是什么情况？

高海川：目前团队大约 70 多人，研发占比很高。我们一直把资源更多放到模型、数据和商业化系统上。

星河频率：2025 年行业热度上涨，你们也迎来了业务的井喷。

高海川：对的，2024 年大家处于算法研发阶段，2025 年上半年各家的算法基本定型。

我们做了两代预训练，第一代抛出来给开发者、科研场景使用，得到反馈后做第二代，第二代就是产品化的，所以我们纯大脑的商业化是从去年下半年才真正开始的，之前重心还在训模型。

星河频率：你觉得具身智能行业最后会走向什么趋势？

高海川：会比较像手机。每个应用场景里有苹果模式，也有安卓模式，我们就是做安卓大脑的。

未来每个形态都会有一个比较好用的大脑出现，我们希望能占其中比较多的份额，和愿意接受开放生态的主机厂一起去 PK。

星河频率：所以全栈自研派、极致本体派、极致模型派三者会共存吗？

高海川：应该是长期共存，后两者必然要合作，然后一起去和全栈自研公司的品牌竞争。

星河频率：在当下，一个顶级全栈自研派，和一个顶级本体派加顶级模型派 PK，谁性能更好？

高海川：短期内，全栈自研模式需要在硬件、算法和产品层面同步优化，因此整体复杂度更高。但一旦跑出爆款产品，就有机会占据更长的价值链条；如果没有爆款支撑，这种模式的压力也会更大。

相比之下，本体派和模型派各自做深，通过生态协作参与竞争，是一条相对更稳健的路径。

星河频率：有人说现在很多全栈自研公司因为技术路线的不确定性，不敢在算法上投入太多，这对吗？

高海川：我觉得是合理的。因为短期内投入太多并不能促进他当前这个机器人品牌的售出，甚至在中长期也看不到明确效益。

而且他们的模型又不可能给其他本体的公司去用，所以投入太多有点像白投入了。

做前沿技术的都在攻家庭场景

星河频率：2025 年千诀整体的商业化成果如何？

高海川：2025 年实现了家庭机器人接入量初一行业第一梯队，预计 2026 年上半年会达到 10 万台接入量。

星河频率：怎么理解这个家庭机器人？

高海川：通俗理解就是专门为家庭场景设计的机器人。

这些品类的共同特点是，出货量大、对大脑泛化性要求高、但容错率相对工业场景更高。

星河频率：接入量第一，是中小客户叠加，还是头部客户占大头？

高海川：都有，每个细分品类千诀至少合作了一家头部公司，再加上第三、四名开外的公司，两者的贡献占比是 1:1。

星河频率：很多全栈自研公司是先工厂、后家庭，千诀为什么反其道而行？

高海川：这是生态位决定的。全栈自研公司最关键的是硬件能不能卖出去，硬件卖不出去，软件也收不到钱。

我们是卖机器人智能化解决方案的公司，不锚定某一款形态，谁有量我们就先服务谁。客观上有量的、进入难度低的，就是家庭产品。

另外价值主张也不同。全栈自研公司重心在硬件驱动和小脑运动皮层，大脑做得不好，通用性和长程自主决策性发挥不出来，事实上也进不了家庭。

星河频率：但国内外很多大公司都让机器人进工厂了，你怎么看？

高海川： 出于市值管理和产线协同考虑，有自有产线的公司现在都是通过调慢产线节奏来适应机器人。在当前技术条件下，大规模在工厂场景中推广仍存在挑战。

其次，进工厂的逻辑是机器人要替代人，但现在的技术范式跟替代人还不同。现在是先成为人、增加人的逻辑，不是替代人。

工业场景不达到机器人替代人的水平，在现阶段成本和能力条件下，规模化替代仍有一定难度。

但家庭场景对机器人的需求不是完全的替代人，比如目前已经大规模进入家庭的扫地机器人、四足狗、小人形机器人，它们是在辅助人，所以有些账是可以算过来的。

星河频率：所以这一波具身智能的机会，不在工厂，在家庭？

高海川： 对。你看 Figure、PI、Sunday，这些最前沿的公司，无一例外在 2026 年都在努力让机器人进家庭。大家都知道，最前沿的机器人大脑跟工厂不匹配。

现阶段家庭和服务等开放场景的落地节奏会更快一些，相比之下，工业场景对精度、稳定性和效率要求更高，大规模应用还需要进一步成熟。

所以我们判断，当前阶段这一波的机会就是让机器人走出工厂，走向更开放的场景，而不是走进工厂。当然工业场景肯定会持续推进，但节奏相对不同。

星河频率：除了家庭场景，还有哪些机器人接入千诀大脑？

高海川：还有商业服务场景和少部分工业场景，占比大概是 65%、25%、10% 的分布。

具体覆盖了 7 大类，轮腿式、双臂轮式、单臂轮式、带机械臂机器狗和扫地机器人、陪伴机器人，以及带并联夹爪的无人机。

千诀大脑提供机器人进行餐饮清洁

星河频率：你们跟客户合作的时候，需要回传数据来迭代模型吗？

高海川：当然需要，这一点在国内是比较好做的。客户接的不是预训练模型，是后训练之后的模型，要长期跟场景做持续学习。

因此在合法合规、数据脱敏的前提下进行数据回传，是满足效果优化的必要条件。

星河频率：在你们服务的客户里其实还是有工业场景的。

高海川：对，那是极少数，而且都是机械臂类的，不涉及移动类的。

因为轮式进工业往往参与制造或搬运环节，更多是发挥小脑的价值，要的是效率和精确度，大脑更多是逻辑决策和感知的泛化性。

星河频率：那工业场景里提到的群脑智能呢，这更需要大脑参与吗？

高海川：在工业场景中，确实也会涉及一些大脑层面的能力，但整体依赖相对有限。工厂更强调高精度执行、稳定性和效率，因此执行层和控制层能力更为关键。

大脑侧在感知融合、任务调度等方面可以发挥作用，但在高度结构化的环境中，其价值更多体现在辅助和优化层面。

工业场景里高动态意味着高生产事故风险，所以大脑价值和工业需求并不能完全匹配。

一套已经跑通的商业化闭环

星河频率：千诀的商业化方案跟其他方案相比的优势是什么？

高海川： 有两点，一是我们的方案不需要厂商对下游客户的实际使用环境进行任何物理改造。

二是千诀的大脑核心能力构建在自主决策模型之上，与传统基于规则的驱动模式不同，它能更高效地应对各类现场突发情况。

星河频率：为什么要强调这两点？

高海川：我们合作最多的就是那些对环境改造有强烈排斥的客户，家庭场景一点改造空间都没有，服务场景有一些但不多。

我们的核心价值是产品可以直接用，只是在提升性能时做一些后训练和微调，这会是客户的刚需。

星河频率：你们的客单价大概在什么范围？

高海川：具体金额因客户而异。我们提供分区预测模型作为机器人大脑，用多少个脑区、多少脑组织，价格都不一样。人形机器人用全量脑子，价值最高，收费更高；本体形态简单或任务需求简单的机器人，价格会低。

星河频率：客户来找你们接入模型，大概是什么流程？

高海川：我们有一套 OS 和 PaaS。我们事先会问对方有没有研发团队，对方可以先在千诀的网页上用仿真试用，不需要接设备。

体验之后可以再接到本机试，体验成本很低。如果基础模型性能 OK，我们会对接具体功能，帮他们接好或由他们自己来接入，之后按量付费。

星河频率：不同场景需要的运维人员数量不同？

高海川：不太一样。大机器人故障率最高，但大多是硬件问题，不是大脑的问题，我们同事需要帮他们做纠偏、重新对接。

如果发现是硬件故障，他们需要对接另一个供应商，大脑本身的问题更多是自动化需求分析和自动训练，不太占用开发人员精力。

星河频率：客户更在乎成本、部署周期还是成功率？

高海川：成功率。目前我们能做到感知准确率 98% 以上，闭环决策成功率 99% 以上，但这也取决于允许的感知时间。

决策基模在家庭场景不做操作时成功率在 95% 以上，做简单刚性视觉伺服也是 95% 以上，面对柔性体操作会下降。

模型的优势是能长期推理、自我纠偏，如果允许慢速场景一直做，成功率可以提上来。这也回答了为什么不能在工业场景这么干，大多数工业场景视效率为生命，不允许降速。

星河频率：那帮客户省了多少部署成本呢？

高海川：至少是数千万级的，相当于直接省掉了研发团队加持续训练服务器的成本。

星河频率：你们的模型性能会出现退化吗？

高海川：会有，像自动驾驶发现一些场景表现不好，数据少的时候，只能后期再补。

星河频率：2026 年目标是接入超 10 万台，会拓展新领域吗？

高海川：对于老品类，我们今年会从高端向低端渗透，继续上量。新品类下游主机厂正在发布，所以规模也比较大。

今年千诀会多跟大机器人合作，做一些大人形在机构康养场景中的服务。

星河频率：海外市场你们有布局计划吗？

高海川：当然，我们有不少客户都是面向全球市场，甚至海外销量占比超过国内；我们会伴随客户整机一起出海，也让我们具备了业内少有的面向海外机器人提供模型云服务的基础能力。

因为海外对接入中国模型，以及后续必要的数据回传都很敏感，所以暂时是接入，还没拿海外数据做训练。

星河频率：对 2026 年的营收预期是什么？

高海川：营收肯定会呈倍数级增长，因为千诀 2025 年 10 月底才开始正式商业化。但春节前有一段时间我们已经出现了短暂的正现金流，今年若不扩大投入，可能就要盈利了。

星河频率：对 2026 年的融资预期又是什么呢？

高海川：我们现在也开始在做大额融资了，只不过还没有头部公司那么快。公司正在推进新一轮融资、市场对我们的估值预期较高。

不选 VLA，提前布局世界模型

星河频率：2025 年大家一直在聊 VLA，千诀的类脑分区显得有点特别。

高海川：类脑分区和 VLA 不算完全相对的关系，二者不在同一个生态位。VLA 有分层、端到端、两段式、解耦式。

而我们的类脑分区属于解耦式世界模型，它跟端到端 VLA 是两种大的路线 PK。

星河频率：该怎么理解解耦式世界模型？

高海川：简单说，就是把一个单分布世界模型变成多分布世界模型。上一代机器人控制技术的感知、整体规划、运动规划等模块都被先验知识框死了。

我们参照人脑分区结构，让每个分部职责明确。就像一个公司有很多部门，财务管钱、销售管客户、技术管研发。

模型学起来就能特别快，遇到问题也很快知道是哪个环节出了错，这是有大规模应用的实用方非常看重的一点——可解释、可追责、可快速优化。

星河频率：你有讲过你跟杨立昆是一派的，都属于预测式世界模型路线。

高海川：对的，预测式世界模型的核心就是构建对世界的内部表示，预测未来状态或事件的发展，就像老司机开车不是要把每一条路所有的样子都记住，只要理解当下路况就能进行刹车或者变道。

星河频率：感觉当下做生成式世界模型的更多，像李飞飞、谷歌都在做。

高海川：李飞飞走的是 3D 空间生成，谷歌是视频生成，这两种都是在做加法，要把真实世界还原出来。

但是这种方式很烧算力、烧数据、烧资金，而且更适合造仿真环境，能耗和相应速度等劣势并不适合在机器人真机上应用，我们反而是在做减法，所以能落地。

星河频率：你们去年的口径还是类脑分区，今年加上了世界模型，为什么？

高海川：去年行业对世界模型的认知还不统一，我们用类脑分区来表达核心方法论，沟通成本更低。

今年随着行业讨论的深入，世界模型逐渐成为一个更被广泛理解的框架，我们在对外表达上也做了统一。

星河频率：世界模型和 VLA 哪条路能走到终局？

高海川：我保持并存的观点，这两个路线其实都是老路线了，学界从 2016 年甚至更早就开始研究，只是在现在的大模型时代下的呈现方式不同。

世界模型对应的是 Model-Based，即预演未来派，在泛化性上，这条路径就是会更好；VLA 对应的是 Model-Free，即直接行动派，在记录精细轨迹和精细化操作上会更好。

在工业场景中，场景和任务相对结构化，对执行精度和效率要求更高，因此 Model-Free 路径在具体操作层面更具优势。

而在开放环境中，由于场景的不确定性更强，Model-Based 路径在建模环境、进行长期规划方面更具潜力。

星河频率：该怎么评判一个模型的优劣？

高海川：我们认为评价 AI 模型有三个指标：最优性，即数据多的情况下能达到的模型上限，样本效率和计算效率。

最优性决定模型的上限，后两个指标决定模型的下限，即用多少数据能让模型达到 60 或者 70 分。

星河频率：你认为现在模型第一梯队有多少玩家？

高海川：10 家左右。这个判断依据就是，看哪些自研模型的公司开始有让机器人开始进入真实环境里作业，再结合估值、融资额、订单量综合一下。

星河频率：你觉得千诀和国外的模型头号玩家 PI 相比，谁的模型性能更好？

高海川：PI 在灵巧操作上比我们强，他们做了很多科研论文，在柔性体操作、精细化动作做得更好，但这些动作往往落不了地，找不到太多应用场景。

在比较好落地的刚性体、视觉伺服、环境感知加任务规划决策这类上，我觉得千诀比 PI 做得好，而且从商业化看，我们客户和装机量也比 PI 多。

星河频率：能不能用一些具体例子来展示模型优势？

高海川：从用户体验角度，千诀大脑的一个突出能力是机器人不用接受人的指令，开机后它自己动，具备主动任务规划能力。比如轮式单臂/双臂清洁机器人，在酒店场景中自己干，人不需要下指令。

它靠内部世界模型和任务闭环形成动态决策链，人类指令只是作为额外信息介入。这是我们的核心价值，也是主要卖点，接入千诀大脑的设备，机器人能有自主决策能力、更强的人机交互表现。

星河频率：怎么做到一套顶层大脑逻辑适配不同形态的硬件？

高海川：类似哺乳动物大脑，结构一致，但脑组织容量和分化程度不同。我们先做了最复杂的、面向人形机器人的全动作空间大脑，然后向下适配子形态。

它们都是人形的衍生品类，我们向下阉割大脑，删掉不需要的功能区域，以向下兼容的模式跨形态适配。

星河频率：千诀怎么看待开源这件事？

高海川：我们也有将部分能力开源的计划，开源是培育生态的接口，对机器人尤其重要。大家习惯一种接口后，它就会变成事实壁垒。

先做大脑的公司会两个都做，但开源效果比直接 API 弱一些，无论从尺寸还是预训练量上，对开发者要求都更高。

具身智能的最大瓶颈在触觉

星河频率：今年年初崇礼论坛上，你说具身智能的最大瓶颈是触觉，为什么？

高海川：现在很多具身大脑还是依靠视觉和大模型推理能力。但用人类比，人能完成精细操作不是靠眼睛看，是靠皮肤和上面密集的触觉。

显然，现在具身智能行业的触觉还在很初级阶段。

星河频率：触觉传感器数据这块，千诀是怎么处理的？

高海川：触觉传感器不足时，灵巧操作成功率必然上不去。但目前没有看到哪款传感器有在大规模应用的，科研级别的很多，各有优劣。

而放在真实应用中，首先硬件不过关，采不到太多应用数据。这个阶段应该是科研界研究的，不是公司做的，我们持观望态度。

星河频率：有公司说模型吃不进带触觉的数据，这是个大问题吗？

高海川：当然，应该等有一款主流的触觉传感器普及、有较大客户群体时，再去设计算法。现在盲猜一种传感器，未来没成为主流，算法设计就是浪费。

星河频率：现在也有些公司开始在做 VTLA，这些成果的效果如何？

高海川：私以为 VTLA 还是在很初级的阶段，适合让高校、研究院来做，公司端造出成熟的应用级产品是首要。

搭载千诀大脑的机器人实现自主决策开门和清洁

星河频率：但同行今年都在讲数据是最大的瓶颈。

高海川：数据无论在哪个阶段都很重要，但是到后期要真正突破智能上限，肯定需要大量触觉数据，包括灵巧手的灵巧操作数据，不然单一数采数据只会是无用功。

星河频率：今年很多厂商都在冲击百万小时级数据，甚至很多家也有专门的数采中心，千诀在这方面目标是什么呢？

高海川：我们的优势不是数据总量，而是多样性。我们的数据来自真实应用，还包含宝贵的用户需求数据，即用户会给机器人下什么指令。

数采中心虽然能产生大量数据，但品类高度同质化，多样性不够。训出来的机器人到真实场景中泛化性不够，只能放在数采中心。

星河频率：所以需要多少数据量才能让模型的智能程度越来越高？

高海川：这不是存量问题。

训练大模型，衡量泛化性至少有两个维度，数据领域的表面是什么，以及采样是否独立同分布、均匀。

现在这两点都不满足。应用是一个表面，数采是另一个表面，中间有鸿沟，需要真实场景来弥补。独立同分布采样也远未做到，比如北京数据多，其他地区少。

所以对数采中心做预训练然后迁移到开放场景，我持悲观态度。真正能迁移的模型，肯定是已经进入开放场景的。

星河频率：数据是千诀的技术护城河之一吗？

高海川：当然，我们的生态位带来的天然优势是客户量多、接入设备多，数据多，而且来自真实应用场景。

模型生产的三要素是算力、算法、数据，随着基础设施的发展，算力的获取门槛在降低，而算法能力也在逐渐趋同，数据，尤其是来自真实场景的数据，正在成为决定模型表现的关键因素。

星河频率：模型应用会遇到哪些难点或卡点？

高海川：我们 C 端场景非常多，得和市场共同迭代。每个渗透阶段对大脑的鲁棒性、泛化性、准确率、成功率要求都不一样。

通用大脑的实现不是一瞬间的事，它一上来就有这个功能，只是能力发挥多少、成功率高低的问题。对全品类实现还有比较长的路要走，但对现有客户容忍度高的品类来说，已经满足了。

星河频率：2026 年有没有期望的接入千诀大脑的代表性产品出现？

高海川：今年应该会增加对四足和轮式带臂机器人的接入量，站在我们的生态位，我们一直最在意的还是实际上能拿到的客户量和模型的持续提升。