王慧：所以你觉得数据比模型更重要？

姜哲源：不能这么说。这波AI有三大驱动力，一个是数据，这肯定是很大的驱动力。另外一个是模型本身，比如大模型，或者之前一些各种不同形态的模型。第三个是算力。这里边有两件事是有定论的。我们知道算力肯定是够的，这是所有人的共识，数据肯定是不够的，所有人也有共识，但模型到底现在够不够，大家没有定论。因为没有一个大的数据集支撑验证这个事情，没法验证你的模型到底是不是好的。

王慧：那现在怎么办呢？数据像你说的，不够多元化，那只能靠时间去慢慢的积累？

姜哲源：我觉得可能还是要靠模式。为什么我们讲具身智能这一仗，有点像当年滴滴、快滴打车那种地推的感觉，为什么呢？我们觉得数据这个事情，可能最后它真就是很low的一个事，数据需要的不是高质量，需要的是多样化，需要的是规模。所以当你扩规模的时候，它不可避免就变成一件很地推的事情。我们认为一定要找到数据的一个飞轮，才能真正实现数据的规模化。

现在各地在建各种数采中心，包括一些上市公司也在做这个事。但里边到底能产生多少数据，以及产生数据有没有一些边际效应？这个目前没法验证，但我认为这个行业不光要找到业务增长飞轮，还要找到一个数据增长飞轮。

像有几个比较有意思的案例，比如有的公司提出一个想法，说我有一台机器人，它能遥控遥操作，我现在不需要它有智能，不需要它自己能干活，既然它能遥操作，那就把它卖给纽约的一个餐厅，然后在越南建立一个工厂，在越南雇人，去遥控纽约的机器人完成工作。

这样的话，里边有工资的差别，我的机器人卖给你还是划算，因为你只需要付越南的工资，工资差其实就被抹平了。然后在越南人给纽约餐厅服务的时候，就自动采集到越南人做这些动作的数据，这个数据就可以反哺到模型侧，你的机器人可能越来越智能，越来越能够去完成这些工作。我觉得这是很有意思的一个设想。

王慧：这些还是他的目标是把数据做大、做多元，那有没有可能模型做得越来越好，之后我基于少量的数据就可以让它泛化性变得更好一点？

姜哲源：我们目前没有发现这样的趋势。我们还是相信这个行业需要海量数据，但如果真的有人拿特别少的数据量，然后就把一个特别牛的模型给实现了，那我们就为这个信仰买单，我们就认了，但我们还是相信这种情况不会出现，还是需要大量的数据驱动，基本逻辑还没变。

王慧：你们还是相信数据的力量。你们是一家做本体的公司，我之前看到有一个说法，说接下来人形机器人竞争的锚点，或者说是重点，不在于机器人的本体，而在于基于AI，它的大脑。你怎么看这个观点？

姜哲源：我觉得也对也不对，我们在不同时间尺度上看是不一样的。比如以一年为时间尺度看，明年一年我们肯定是竞争本体，大脑明年肯定落不了地，或者只能在一些小范围的场景里，有些POC（概念验证）规模化落地还远着呢。所以于我们而言，明年肯定还是本体竞争，但最终这个行业争的是什么？争的其实就是数据，争的就是大脑，确实是这样。

王慧：那接下来你们会自己向大脑方向去做一些研发吗？

姜哲源：我们一直在做这个事，一直在研发一些像大模型之类的东西。

王慧：我看到有一种本体公司是他只专注做好本体，等别人的大脑好了之后，开源，放到我的本体里面去就可以了。

姜哲源：这个事我觉得不会成功，从上一波车领域，我们没有看到一家自动驾驶公司能够优秀到自己把L4实现了，我们也没有看到一家传统车企，能够跟自动驾驶公司结合得特别好，最后把自动驾驶实现得很好的。

最后都是自建团队，再传统的车企最后也都是自建智驾团队，这很难避免。因为机器人，包括汽车，其实智能车也是一种特殊的机器人，这个领域软硬件深度耦合，但凡少任何一个能力点，我觉得都不可行。

王慧：不管你从哪一个方向进入，可能你们一定会在某个地方相遇的。

姜哲源：对，我们看到其实很多做大脑的公司也开始做本体了，很多做本体的公司也开始做大脑了，大家都在往对方那个方向去走，最后会在一个地方相遇。

王慧：还有一个大家讨论其实也是很多的问题，就是为什么一定要把这个机器人做成人形？

姜哲源：这个问题可以拆解一下。怎么拆解呢？就是我们问为什么在做人形时，我们到底在问什么？我觉得很大一部分人在问的是为什么不用轮式底盘？为什么一定要用双足？