對話橋介數物尚陽星：我們要做具身智能領域的「Windows」

橋介數物要做的不只是運動控制本身，而是一個開發工具，一個平臺。

作者丨高景輝

編輯丨馬曉寧

“只要你做硬件，我們就投你。”

在深圳南山的一間辦公室內，一位投資人向面前的年輕人開出了一個誘人的條件。但令投資人意想不到的是，對方不假思索地給出了否定的回答，仿佛相同的對話已不止第一次上演。

拒絕他的人，是具身智能企業「橋介數物」創始人尚陽星。

如果說具身智能是一座巨大的金礦，那么位于具身智能產業鏈上游的軟硬件研發商，就是賣鏟子的人，他們在礦脈尚未發現之時便已賺到了第一桶金。專攻具身智能“小腦”的橋介數物，就是他們的一員。

具身智能小腦主要負責執行短程任務，是和硬件強相關的運動控制系統，承擔著機器人的精細操作、關節控制等落地執行類工作。由于成果受硬件迭代影響，國內真正做小腦的公司不多，橋介數物是其中的佼佼者。

在商業化方面，成立于2023年的橋介數物，僅用2年就服務了30多家具身智能企業，將自主研發的運控方案部署于50余種不同構型的機器人上，覆蓋人形、四足、輪足等多元應用場景。在國內具身智能圈子里，稍有經驗的業者都聽過橋介數物的名字，談及它的技術時，也大多抱以贊許的態度。

然而，即使技術實力已然經過市場驗證，尚陽星也不愿涉足硬件業務，一心只想把軟件服務做得更好。這在比拼“誰的故事更大”的具身智能賽道，顯得十分難能可貴，但也因此失去了一些擴張的機會。

尚陽星本科畢業于華中科技大學，后保送至南方科技大學讀研，師從逐際動力創始人張巍博士。2023年，尚陽星拉上同學成立橋介數物，正式踏上創業之路，甚至為此放下了學業。在尚陽星心中，似乎有比一紙文憑更重要的事。

那么，橋介數物究竟想成為一家怎樣的公司？他們押注“小腦”的信心又從何而來？帶著這些疑問，我們來到橋介數物，與創始人尚陽星進行了一場對話，聽他講述他所理解的“小腦”、具身智能硬件和橋介數物的未來。以下是不改變原意的整理：

01

機器人硬件的門檻不在于制造本身，

而在于更好地適配算法

AI科技評論：你是怎么走上機器人運動控制這條路的？

尚陽星：我的研究生導師是逐際動力創始人張巍，在他的影響下，2020年開始接觸足式機器人。后來這個領域的技術發生了一些范式的變化，從一開始的MPC變成了強化學習。2023年開始，強化學習在足式機器人的應用走出了學術界，來到了工業界，從那時起我確定了創業要做的事。

AI科技評論：為什么有敢于創業的自信？

尚陽星：雖然我在足式機器人領域只有五年經驗，但在此之前深入研究的人更少，我的經驗相對已經算豐富了。況且強化學習的難點在于sim-to-real這個gap，而這恰恰是我最擅長的，因為過去做MPC要求對機器人的動力學、運動學有深入了解，這些經驗可以遷移到用強化學習做足式機器人上面。所以在2023年，我們的技術水平算是行業里靠前的那一批。

AI科技評論：既然技術這么好，為什么只做運動控制軟件，沒有考慮同時做硬件嗎？

尚陽星：當時我們這撥人里很多去做本體了，這和資本的喜好有關，因為能把故事講得更大。也確實有很多投資人勸我們做硬件，聲稱只要做硬件就投我們。但我希望能夠堅持先把一件事做好，不想同時做太多事，而且我并不在意別人的看法。后來我們確實堅持下來了。

AI科技評論：是什么樣的信念支撐你們堅持下來的？

尚陽星：我們相信基于同樣的事實，不同人會得出不同的結論。比如說我在逐際動力的時候，張巍老師說中國的制造業非常強，所以在中國做硬件是有優勢的，能比波士頓動力做得更好，這是共識。但是基于同樣的事實，我的判斷是中國制造業強，那么中國能做硬件的人就很多，但是做運動控制的人可能就沒那么多了。而且相比硬件，機器人運動控制的門檻要高很多，這幾年隨著硬件供應鏈的成熟，大家應該能更相信這一點。

AI科技評論：硬件的門檻在哪里？

尚陽星：這種門檻不在于制造本身，而是如何使硬件更好地適配強化學習算法，或者說難在怎么讓機器人sim-to-real變得比較小，這就需要運動控制的視角。

AI科技評論：所以要做得更像人嗎？

尚陽星：更像人是一方面，還有一些電機的特性，比如說轉子慣量、摩擦力等等，一些沒做過的人沒有這樣的認知，這個就屬于細節了。慣量就是物體保持它原有狀態的一個量，慣量越大它就越不愿意改變，轉子慣量就是轉子抵抗自身轉速變化的能力。轉子慣量越小就越靈活和絲滑，轉子慣量過大就很難轉動，會更難控制一些。

AI科技評論：你理解的運動控制和別人眼中的有什么不同？

尚陽星：我們講的運動控制跟大家通常以為的運動控制不一樣，不是讓機器人能走路或者跳個舞就可以了，我們看的是更長遠、更全面的運動控制，是結合感知的運動控制。

我最早在逐際動力做的就是帶感知的爬樓梯運動，運動控制首先它是全身范圍的，其次它是要能夠理解環境的，比如說爬樓梯的時候不理解環境肯定是爬不好，或者是通過一個很狹窄的空間的時候，機器人需要側著身子，再比如說機器人從椅子上站起來或者坐下，這都是需要一種全身協調規劃的控制。

所以在我們的視野里邊，會認為運動控制還需要考慮安全性的問題。如果是實驗室場景或者表演的場景，有個電機突然壞了可能沒那么令人在意，但當機器人真的走進家庭的時候，就要針對電機損壞的情況調整策略，比如讓機器人可以先單腿站著，或者以一種損害最小的方式摔倒，亦或盡量不要撞到人，這些肯定都是我們未來要考慮的。

AI科技評論：未來還需要考慮什么？

尚陽星：我們默認未來在運動控制這個方向需要持續學習，讓算法適應不同的狀況。比如機器人運行時間久了，關節可能出現磨損的情況，甚至機器人哪天上月球了，也要適應不同的環境。

我們其實追求的是一種非常強大的控制能力，因為我覺得人本身就具備這種能力，對人來說很簡單的踩高蹺、穿鎧甲移動、騎自行車、開車其實都需要一種通用的、很強的控制能力，機器人今天都做不到這些。但只要機器人能夠持續學習，總能具備這種快速適應的能力。

AI科技評論：國外有沒有和你們類似的企業？

AI科技評論：國外的好處是它只做軟件就能得到投資的人認可，比如Pi。像Scale AI就跟我們有點像，但是業務方式不太一樣，因為國外沒有那么多硬件客戶。

02

產生智能的方式有兩種，

一種是模仿，一種是試錯

AI科技評論：運控算法訓練需要數據，數據從何而來？

尚陽星：產生智能其實有兩種途徑，都需要數據，但是這兩種數據截然不同，一種數據是來自成功者，還有一種來自失敗者，這是兩種不同的產生智能的方式。下圍棋就是很經典的案例，Alpha Go一開始是學人類高手的棋譜，但是Alpha Zero就不學人類棋譜，直接從頭強化學習，通過不斷下棋試錯最終變得比原來的還強。所以我認為產生智能的方式有兩種，第一種是模仿，第二種是試錯。

現在訓練大語言模型也是很相似的邏輯，就是模仿人類從而獲得智能，這跟下圍棋的第一階段是一樣的。但是我相信以后到第二階段會更依賴強化學習，從零開始根據試錯來積累更多的經驗，把自己的推理能力變得更強。而且理論上一定存在一個環境，不用借助任何人類語料的信息就能夠誕生出人類語言的能力，因為下圍棋就是這樣，不用任何棋譜信息，只需要一直下它就能學會下圍棋。所以訓練機器人也要有一個模擬的環境，能夠讓它不斷地試錯。

AI科技評論：很通俗的一個解釋。

尚陽星：人類一開始也沒人教，也是從零開始通過試錯產生智能。人類的社會活動可以視為一種強化學習的過程，只不過它是在真實世界超大規模的環境中，跨越幾十萬年才能演化出來語言。如果能構建一個一模一樣的仿真環境或者至少是近似的仿真環境，在這樣的環境下去運行一個強化學習的系統，也能夠產生語言的智能，只是這樣一個仿真環境特別難構建。

我舉這些例子是為了說明智能是有兩種產生來源的，那說回來，在機器人控制能力方面，也同樣是兩種產生智能的方式，一種是向人類去學習，也就是遙操作的方式，由人來手把手教它動作，二是從視頻里提取出人的動作讓機器人學習，還有用動捕錄的數據也是學習的素材。

AI科技評論：仿真似乎更難一些？

尚陽星：從頭產生一個智能需要的仿真環境太難了，很難模擬得這么精細，而且不存在下圍棋的那種環境。雖然現在也有仿真器，但還是不夠真實，所以第一階段就還是得靠人的數據來學。

當然，從人類視頻里面獲得的大量數據只是運動學層面的數據。機器人控制分為運動學層面和動力學層面，通常把運動學層面的叫做規劃，動力學層面的叫做控制，這是兩個不同層面的問題。運動學層面要解決關節的位置在哪里、末端的位置是怎樣的軌跡等問題，動力學層面則是解決電機到底怎么控制、發多少力才能讓末端跟著軌跡移動。說到底就是人類數據只能提供運動學層面的規劃，因為機器人的電機和人類的肌肉是不一樣的，所以沒辦法直接學。

但是還有一種方法，就是通過遙操作控制一個機器人教另一個一模一樣的機器人，因為二者電機結構是一模一樣的，可以直接實現動力學層面的學習。但這樣的收集成本太高了，而且一旦未來機器人構型發生變化，這些數據就全都沒用了，所以遙操作可能只是個短期階段性的方案。

AI科技評論：長期來看如何解決？

尚陽星：長期而言還是得分開來解決，用人類數據解決規劃的問題，再用仿真解決控制的問題。比如讓一個機器人照著一個人的舞蹈學習，就是給它一段人類的舞蹈視頻，把動作提取出來，然后用強化學習的方式，在仿真器里試錯。

AI科技評論：機器人運動控制的技術演進路線是怎樣的?

尚陽星：首先是技術范式的一個大的變化，即從MPC變為強化學習。MPC有很多corner case，需要寫大量的規則，規劃每一個動作，注入人類自己對運動的理解和智慧，因為真實環境太復雜，計算量就特別大。我當時那個工作最大的貢獻就是用一個比較精巧的方法覆蓋更多的環境。

即使如此，MPC還是很難，寫越多規則就會出現越多問題，所以后來就有強化學習這種方式，我們只需要設定一個目標，然后交給機器人自己去探索就可以了。當然說起來簡單，隨著不斷深入難點會越來越多，比如目標到底怎么制定，到底要怎么設置獎勵函數，環境到底怎么搭建，先學哪個再學哪個……但是至少比較容易解決很多corner case的情況。所以總的來說，2023年強化學習在工業界開始落地是一個最大的分水嶺。

AI科技評論：為什么一開始大家不落地強化學習？

尚陽星：因為大家覺得強化學習雖然魯棒性特別高，但是它有個缺點，就是它的步態不是很優美。一開始大家做出來的東西，腳是拖在地上走路的，比較丑，大家也就都不屑一顧了。當然ETH那邊做的效果挺好的，但因為它過于超前，甚至有人懷疑它是假的，或者機器人結構不太一樣。

AI科技評論：所謂的步態優美是指一種人類審美還是工程學上的最優解？有沒有可能存在看起來很丑但很高效的方案？

尚陽星：是指任何人都能看得出來的一種美。目前沒有丑且高效的方案，拖著腳在地上走會產生更多的摩擦，這是一個缺陷、一種bug，這個bug來自于仿真器不夠真實，因為仿真環境沒有那么多摩擦、損耗，缺乏的不僅僅是一些觸覺上的數據，歸根結底就是仿真精度還是不夠高。

AI科技評論：不考慮成本真機效果會更好嗎？

尚陽星：現階段直接在真機里邊進行強化學習只是理論上可行，因為用仿真進行強化學習的時候，是用幾千個機器人進行上萬個小時的學習，但是如果放到真機上，那這幾乎不可能實現。而且仿真里的機器人倒了之后立刻就可以重置，但是真機的機器人倒了之后需要人工重置，這個工作量太大了，并且機器人會損壞，所以不現實。

我覺得未來是能夠直接用真機來學的，但這需要強化學習算法的進步。我們現在已經能夠看到這種進步的機會了，但是現在還沒有人真的把它落地下來，這也是我們現在在做的事情。

AI科技評論：回到剛才的問題，2023年之后有哪些技術突破？

尚陽星：強化學習的路徑可以細分成幾個時間節點。最早大家只是想讓機器人能走路，所以走路時是彎膝的，相對來說還比較僵硬；差不多在2024的下半年的時候出現了擬人型的機器人，走得比較像人。印象中最早是眾擎發的，后來我們也賣了很多擬人行走的方案。再到后邊是開始跳舞，2024年底的時候我們做出了全尺寸機器人跳舞，我們也是最早做出這類方案的公司。后來2025年更多人都開始做跳舞了，我們因此賣了不少方案。

總之大概分成這個幾階段，先是行走，再是擬人行走，然后是跳舞，一開始一個策略只跳一個舞蹈，即每跳一個新的舞都要重新訓練，現在已經有那種先學成千上萬種動作，什么舞都能跳的通用型全身控制的模型。

AI科技評論：就強化學習來說，四足和人形機器人的難度有何不同？

尚陽星：這涉及到怎么結合感知來進行運動控制。比如說爬樓梯，以前我們做MPC的時候覺得離開感知肯定是爬不好的，但是在強化學習里我們發現，對于四足機器人來說沒有感知也能爬得挺好，因為它的控制能力進一步提升了，碰一下臺階就能爬上去，反正它靠三只腳就可以穩定。但是對人形機器人來說，稍微磕一點它就會更踉蹌。

所以我們需要研究怎么利用感知信息用強化學習的方式來解決這個問題。我估計今年會有很多demo出來，但在成熟穩定的落地方面，還是有比較長的路要走。這些動作沒有后空翻那么炫酷，但既然技術已經發展到這個階段，不管發什么demo這些問題都需要認真地解決。

03

很多人想做具身智能行業的「蘋果」，

但我們要做「Windows」

AI科技評論：你曾說未來具身智能行業會高度分工，每家公司都做自己最擅長的一個部分，基于這種判斷選擇只做運動控制的戰略，那么你怎么確定未來具身智能行業一定是分散而不是集中的？

尚陽星：過去很多行業的發展過程就是這樣，比如電腦、手機、汽車等行業，分工都是特別細的。現在的電腦的品牌，也沒有誰是自己做操作系統的，芯片、屏幕甚至鍵盤也可能不是，他們就只是品牌廠商。手機廠商也是一樣，大部分手機的操作系統、CPU、屏幕都是分工合作的，即使如此也不妨礙他們成為很成功的公司。

AI科技評論：但是也有不是這樣的，比如說像無人機，大疆就是什么都自己做。為什么會有這種差異？

尚陽星：首先是因為市場的大小不一樣。市場特別大的話，就會有很多參與者進來，競爭就會更加激烈，這時候的資源都開始變得有限了，就必須重點選擇一個要投入的東西，如果什么都投入就會什么都做不好。但如果市場不大，哪怕資源是有限的，對這個市場而言也完全足夠了。當其他參與者想要跟你競爭的時候，由于他本身有更多資源，會看不上這么小的市場，你就很有可能能占據這個市場。

如果未來我們能把運動控制做得足夠好，做到以很低的成本就能在機器人上部署使用，那么對于一般公司而言，他們就不會選擇投入更多錢來自研，而是直接選擇用我們的運控方案。雖然個別公司運控也可以做得特別好，但是不可能所有的公司都能把運動控制做出差異化。

AI科技評論：只靠這個說服力似乎還不夠？

尚陽星：還有就是規模效應。為什么大家不自己生產螺絲釘呢，是因為螺絲釘非常標準化，而且規模越大邊際成本越低。對軟件來說更是如此，如果它是個標準化的軟件，那基本就可以認為是邊際成本為零。所以一定能夠降到一個足夠低的價格，讓你絕對沒有想法要自營。相當于是資源不夠的那些廠商把研發費給我們，由我們統一研發。

所以我們認為未來運控如果能夠做到標準化，大概率還是會成為一個獨立的市場。但這并非共識，因為運動控制是跟硬件深度綁定的，機型一換算法也要換，所以當下的競爭沒那么激烈，畢竟不是所有人都相信這個是可能的。我們相信是因為我們看到人可以通過快速適應學習來獲得這種通用的控制能力。當然我們現在離理想還是有距離，但我堅信一定能走到那一天。

AI科技評論：如何過渡到那個時候？

尚陽星：目前我們是給每一家都出一個定制化的方案，以項目制的方式來適配，但是這只是一個過程。我們通過這種適配的方式來積累經驗，與此同時我們也在研發更加標準化的產品。不過不是說就一定能成，但我們愿意賭一賭。

AI科技評論：有點像是之前Windows跟蘋果的競爭。

尚陽星：是有點像，一開始蘋果賣得很好，但最終還是Windows贏了。全天下所有的電腦，只要不是蘋果基本都會用Windows，只是最后到有了蘋果手機，才又把蘋果的桌面市場帶起來了。其中很重要的一點是Windows能夠給大家一個預期，只要他裝了Windows系統，不管電腦配置怎么變，使用感一直是保持一致的。

另外還有點像自動駕駛的邏輯，雖然現在還沒有完全確定未來是第三方統一世界，但今天很多人認為Momenta的表現已經算不錯了，這給了我們信心，因為造機器人沒有造車那么難，許可證之類的限制也更小。更關鍵的一個點是自動駕駛的下游是單一的，自動駕駛這個應用的功能就是從a到b，不像操作系統那樣會因為龐大的APP生態形成壁壘。

AI科技評論：當下機器人運動控制是更像自動駕駛還是更像操作系統？

尚陽星：肯定是更像操作系統，因為機器人也存在軟件生態的機會，需要很多應用，而應用開發者不可能也從最底層開始做運動控制，這沒有必要，只需要有人來把底層的東西封裝好，根據需求調用相關的工具就可以了。我們就希望能夠做好這樣的工具，所以我們要做的不只是運動控制本身，而是一個開發工具，一個平臺。把不同的機器人硬件兼容起來，做一個應用就能在各種各樣的機器人上用，不需要為每個品牌廠商單獨做機器人接口適配。這是作為獨立第三方能夠提供的重要價值。

AI科技評論：現在這一批做全棧的具身智能企業，同時做本體和運控的難度大嗎？

尚陽星：他們未來有兩種選擇，要么發展成像蘋果一樣的企業，每個方面都做得特別好，那就不需要第三方的生態，可以有自己封閉的生態，因為產品力夠強，別人也愿意加入他們的生態。但是剩下的如果做不成蘋果，做一套自己的運控系統就比較難了。

AI科技評論：誰最有可能成為那個蘋果？

尚陽星：不知道，可能是宇樹之類的吧。

AI科技評論：你們現在對融資似乎沒那么迫切，這是為什么？

尚陽星：還沒到燒錢的時間點。

AI科技評論：那這個時間點在什么時候？

尚陽星：等我們把這個標準化的產品真正做出來，并且可以快速規模化的時候。

未經「AI科技評論」授權，嚴禁以任何方式在網頁、論壇、社區進行轉載！

公眾號轉載請先在「AI科技評論」后臺留言取得授權，轉載時需標注來源并插入本公眾號名片。