直接说重点： 月薪最高 150k + 期权 杭州 头部 FinTech 平台，注册用户规模大 关于这个 CEO：连续创业者，有成功退出经历，亲自投过多位独角兽创始人。他特别欣赏有创业心的人。如果你有创业梦，他可以成为你未来的天使投资人——这不是画饼，是他一直在做的事。 你要做的事： 从 0 搭建财务 AI Agent ，包括意图识别、长链路推理、记忆机制、RAG+知识图谱； 全栈架构统筹+金融级数据安全； 组建算法×工程融合团队。技术方向你定，不是来执行别人方案的。 需要你有： 8 年+研发经验，带过 5 人以上团队； 真实落地过 0 到 1 的 AI 产品； 算法和工程都能说得上话，自己能写代码； FinTech 经验优先。 能给到这个薪资的公司很多，但老板本身就是你创业路上潜在贵人的机会，可遇不可求。 自荐或推荐都欢迎，评论区回复或私信均可。成功推荐重酬感谢。 可以加 vx：heysoso1 ，发简历 or LinkedIn 来聊
作为一个持续创业者，一直到了快破产了才把闲置了20年的编程重新捡起来，一直熬到了CHATGPT3.5，突然发现路开始宽了。 首先我给大家说一个例子，为什么人工智能表面上看上去让很多人面临失业危机。 京东招聘实习生审核发票，一天至少300张，给到150左右。 那么这样的岗位在人工智能出来以后，还有价值吗？ 还有！！ 因为虽然他们的效率仅仅只有OCR的千分之一，但是，软件不能背锅，活人（尤其是实习生）可以！！ 所以得出 规则1：人工智能会让背锅人变得更爽 （比如财务，核算发票的实习生，盖章的文员等等，甚至某种意义上的内科大夫等等，原来吭呲吭呲半天，现在10分钟搞定，剩下的时间可以摸鱼了！）！ 接下来讲第二个故事，每天BOSS直聘上打招呼，看简历。 这个可以自动化AI化吗？太可以了！！ 但为什么大公司不这么干？小公司也不这么干呢？ 大公司是属于谁的？大股东？！ ＮｏNO NO ,真正的大公司基本上都股权分散，基本上属于大家的，也就属于公家。 那么你那么卷，对你有啥好处？ 对领导有啥好处？ 领导要的是轻松自在+免责+有好处！ 你带来了200个面试？谁去面？ 让领导去面？你怎么想的？ 所以大公司的HR最喜欢的是让一堆供应商围绕着自己，情绪价值拉满+自己不用那么忙+懂得都懂的东西。。 而对于小公司，你有那么多需要招聘的职位吗？你确定把人招进来给得起五险一金？ 所以这玩意压根就是一个伪命题，你生产力提升了，考虑过环境能否接受的了吗？ 所以得出 规则2： 一个没有危机感的大组织里，AI只会成为所有领导的抵触。一个很有危机感的小组织里，绝大部分AI压根还没有到要发挥就前提都消失了。 接下来讲第三个故事 我们曾经做过一个百万级的项目，全自动化电商， 数字人视频种草–自动化电商交易。。。看上去完美闭环，120多个自动化模块。。。 结果发现， 做出来的视频没有流量！！！！！ 然后，项目就毁了。。。款也只收了不到一半。。。浪费整整一年时间。。。 你看到了没有？ AI给了我们幻觉，感觉可以大干一把，然而AI不能实现你本来就没有实现的东西，里面的关键诀窍你不明白。 规则３： 不要担心别人用AI冲击你，只要你的赢的关键诀窍AI替代不了就可以 接下来的故事很有意思， 我上上周去参加一个AI沙龙，一个佬们在和一堆姑娘们分享AI，他从机器学习说起，一直说到openclaw和Hermis， 姑娘们娇笑惊叹不止，很好的提供了情绪价值，可是我一看不对啊， 这佬们一共充值了100怎么还剩95呢？合着你一共也就花了5元API调用？ 合着姑娘们压根都没有应用。。。。。 但实际上姑娘们每天都在接触，比如刷的小红书抖音或者某些修图软件，背后都是AI，实际上，我给当时做我对面的姑娘一个建议： 你花在自己脸上和身材上的时间应该满足“一万小时定律”了，你需要用AI去强化它！而不需要也不应该把精力花在ＢｉｄｅＣｏｄｉｎｇ， 文档处理， 智能体上面。。。 你只需要找到在 美容，美体、美言、钓凯子方面最好的AI应用，充值去强化你就可以了。 实际上我想讲的是最后一条规则，最后我用一个故事来强化这一条。 规则4：2022年12月前你存在的优势，用AI去强化他，你的路就越来越宽！ 我曾经在编程上吃了巨大的亏，本质是懒惰，懒得背函数用法，懒得去debug。 但是这个导致我创业的几乎所有利润（来自于营销）都贴进了一个由10-15人左右的低水平程序员团队（前端，UI，设计，后端，产品经理，测试），整整10年。 当我雇佣不起一个时，我只好开始自己写代码做迁移。 我惊讶的发现，原来我们的几十个项目居然99+199一共300元就搞定了服务器。而原来需要每年5万。 我惊讶的发现，原来部署是如此简单，用宝塔就好似在傻瓜式操作。 我惊讶的发现，原来SOP以后，迁移网站和安装一个软件差不多。 我惊讶的发现，全局变量局部变量居然之前的程序员连这个都不明白，密码明文写在代码里。 然后。。。。我发现我输的不冤，我居然在我可以很强的领域，为了偷懒，而足足损失了数千万，结果换来了一堆垃圾。。。 然后我写了差不多15万行代码，其中有一个应用经历了大约350个版本后，跑到了全国第一名。 然后就是bide-coding. 我用2周时间重构了之前团队10年的结果，结果光一个项目就发现和修复了差不多500多处改进的地方，重大的漏洞，缺陷。。。。突然之间，我突破了，编程自由了。 然后，我就发现，这个仅仅是基础步骤，后面还有大量的需要迭代（来自物理世界的真实反馈），这个才是最关键的。 这一切，只不过是AI强化了我本来就很强的学习能力，尤其是数理化。 但是AI强化不了我的管理能力（很差），也强化不了我的性格（不怎么给别人情绪价值）。 **如果用AI强化自己本来就很强的部分，你就不仅不会失业，还可以腾飞！不仅不会创业失败，还可以腾飞！**不仅不会不幸福，还可以更加掌控人生。 反之，你很难赢（好比我做出的数字人视频和爆款一样，可就是没有流量） 3 个帖子 - 2 位参与者 阅读完整话题
200rmb/h
200rmb/h
200rmb/h
200rmb/h
93 年老码农，9 年全栈独立开发，发个接单贴。 **我能帮你做的 品牌官网 / 高转化企业站（ SEO 友好，极速加载，全端适配） 微信小程序 + App 双端开发（一套代码适配 iOS / 安卓 / 微信，降本增效） 企业管理后台 / 数据可视化大屏 AI 功能集成（智能客服、自动化报表、行业 AI 工具等） **主技术栈 核心框架：React 、Vue 、Next.js 、TypeScript 全栈能力：Node.js 、Express 、NestJS 、Php 移动端/跨端：ReactNative 、UniApp （一套代码多端发布）、原生小程序 可视化：ECharts （ JSON Schema 驱动）、高德/谷歌地图 工程化：DevOps 、Docker 有开发需求的朋友，直接站内信私信 or xiaoyangngo ，评论区留言也会第一时间回复。
“妨碍真理发现过程的，不是谎言，而是极其精辟的错误见解。”德国物理学家兼讽刺作家利希滕贝格在面对启蒙运动中的种种愚昧时，戏谑式地写下了这一句名言。 许多误判之所以危险，恰恰因为它们看上去过于正确。它们能在一个短周期里解释世界，也容易在世界已经变化之后，继续以“共识”的面貌停留在原地。 AI也曾经历类似的混沌阶段。 过去两年，人们习惯用一些简单指标理解这场变化：谁拥有更多GPU，谁训练了更大参数的模型，谁的团队烧掉了更多Token。以至于硅谷一度流行“Token消耗量”的隐形竞赛，以证明到底谁是最AI Native的公司。 但现实是，Token消耗量可以衡量投入的程度，却无法衡量投入的方向——方向错了，消耗本身就是一种浪费。这也是Token最容易被误读的地方。 5月29日晚上， 36氪联合光源资本在北京举办“离线聚会第二期· TokenAge” 。这次我们不过多关注消耗量，更关注AI生产力带来了什么，一个判断、一次迭代、一场创业……当AI成为“生产力”本身，我们如何跃向未来？ 我们请来了4位身处AI创业一线的嘉宾： 黄一，萝博派对RoboParty创始人 ，做全开源双足人形机器人； 郑嘉熙，Eup Robotics创始人 ，聚焦离岸能源平台的水下巡检机器人； 金若凡，科学机智创始人 ，想用Agent产品探索AI for Science的“AGI时刻”； 黄欣欣，光源资本3i产业创新孵化器负责人 ，曾是移动互联网时代的创业者，如今专注于从0到1挖掘和陪跑AI前沿科技创业者。 事实上，萝博派对、Eup Robotics和科学机智，也都是光源资本参与孵化的企业。 这应该是36氪过往所有沙龙里，台上创始人00后含量最高的一次。 但年轻在这里不构成特权。今天的年轻创业者，正在被更严苛地审视。他们既被期待更懂AI，也被要求更快交付产品、更早证明商业化、更清楚回答自己为什么值得被下注。 与之对应的，相比宏大的替代叙事，台下的几十位创业者、投资人和正在各自组织里推动AI化的人，也更关心贴近现实的问题： “AI时代公司要怎么重新组织自己？”“为什么AI没有带来组织效率的飞升？” 工业革命以来，每一次通用技术的普及都会带来类似追问：机器出现之后，工厂怎样重组劳动？互联网出现之后，企业如何重组信息？移动互联网出现之后，平台如何重组交易…… 一个时代有一个时代的答案。而现在，不妨先从我们选取的几个切片里，看看AI时代的创业路径、组织迭代和自我进化。 想要获取完整版分享内容，可以收听文末播客音频；更真实的碰撞，欢迎你来现场亲身体验（ 二维码在文末 ）。 从AI出发，探索解决真实世界问题的路径 光源资本创始人、CEO郑烜乐曾提到过一个判断，他认为移动互联网通过连接万物创造价值，AI则是生产力本身，更像“电”，当它经过软件工程导入到各种机器人硬件后，就会形成端到端的解决方案，创造价值。 台上三位创始人的经历，恰好从不同方向给出了具体的注脚。当AI成为驱动这一轮创业的底层技术变革，老问题开始有了新的解法。 金若凡最早感受到这种变化，是在2022年看到ChatGPT早期版本时。“它在少样本、零样本的泛化任务上，怎么能做到这么好？但它为什么没有去切到工具调用？为什么没有那些专业的知识库去支撑更复杂的科研过程？”她看到了AI能够解决更多科学问题的可能性，从2022年就开始尝试多智能体。 到2025年7月，科学机智团队做出了全球首个自进化生物医药多智能体，论文上线后迅速获得大量引用，开源代码也被同行拿去做benchmark。 效果的反馈是超预期的，她有一位做病毒研究的朋友，因为安全和保密顾虑，只用非常简单的文字“浅浅说了一点点”。但将模糊的信息输入后， 模型不仅猜到了他在做什么，还提出了一个真实的科学假设，跑通了科学发现的闭环。 “这是非常酷的一个事情。这也是为什么我今天站出来说要创业。” 这个例子真正有价值的地方在于，它喻示了一种科研范式的变革。过去，科学家要在论文、数据库、代码、工具软件和实验平台之间来回切换，大量知识散落在人的经验和未被结构化的数据及过程中。而金若凡想做的，是让Agent成为入口，构建贯通“AI—工具—实验—反馈”的统一科研环境，实现AI-Native的科研执行与协作闭环。 做机器人的黄一，选择了一条从硬件出发的机器人AGI 之路。他可能是国内最年轻的人形机器人公司创始人，2023年考入哈工大，大一期间就在宿舍“手搓”出一台成本不到2万元的双足机器人AlexBot，2025年创业。 他说做Robotics的人有个“毛病”，“特别喜欢机器人是自己亲生的”。 黄一在实习阶段调试机器人，调着调着就想动手改，但反馈周期太长。而硬件的迭代最怕反馈慢，一慢就跟不上时代，“miss掉整个大的浪潮”。所以他放弃了大厂的邀请，大三提前毕业创办萝博派对。 黄一主张的全栈开源，不是简单的代码开放，其核心产品包括Atom系列人形机器人和Roboto开源生态平台，主打硬件图纸、控制代码等全栈开源，通过降低硬件、软件、供应链的开发门槛，让更多开发者参与生态共建。 尽管这是一条颇具争议的路线，但黄一也在现场提到， “全开源并不代表没有商业化”。 事实上萝博派对第一代全开源产品发布后，就拿到了超过120台订单，“机构和大厂往往会选择继续复购二三十台，而不是说基于开源自己做制造和生产。” 他将其理解为产品的“微笑曲线”，认为“设计和品牌最贵，制造环节利润最薄。” 开源的价值，不是让所有人都能造出同一台机器人，而是让更多高校、开发者和科研机构以萝博派对为入口进入生态。 郑嘉熙同样身处机器人创业赛道，但他所面对的是一个看起来更“重”的领域，Eup Robotics做的是离岸能源平台水下巡检机器人，属于典型的To B 硬科技方向，应用场景是复杂、苛刻的真实海洋环境。 他希望用AI技术去重塑传统方案，解决产业问题，这种技术和产品偏好某种程度上也决定了Eup Robotics的路径选择。“ 我对可能很通用的东西，其实并不是特别有兴趣。反而对这种能工业落地、能够真的稳定进入行业、产生价值的方向感到兴奋。 真实的海洋场景对安全作业要求极高，（过去）哪怕1%的事故率，都会造成非常难以控制的代价。” Eup Robotics的产品聚焦IMR领域，想用更智能的水下机器人替代传统潜水员及ROV，把被动巡检变成主动维护，为海上风电、油气平台、港口码头等应用场景提供高性价比、自主化、可驻留的水下检测与轻干预服务，其第一代产品正在加速研发中。 三家公司，三个年轻的创始团队，都以AI为源点向不同方向出发，大胆创新，给行业提供新的解决方案、创造价值。 黄欣欣提到，今天的AI创业者面临双重挑战：技术迭代周期急剧缩短、大厂竞争边界彻底模糊，不再有移动互联网时代的避风港，创业者也不能再靠信息差或模式创新存活，而在这种环境下，“大胆本身就是生存的可能性之一”。 光源资本做早期孵化，看重年轻创业者身上的大胆和闯劲儿，但也更早看到了从互联网到AI，两代创业浪潮中不同的范式变化，才决定在早期重注技术驱动型创业。 在这个阶段，光源的核心打法分三步： 一是“follow最优秀的人”，从大厂和学术圈挖掘有共识的顶尖年轻人；二是基于行业洞察主动收敛方向，在机会点出现前就锁定对应领域的潜力团队；三是将十年的FA与投资经验转化为创业常识，帮年轻创始人在战略选择、团队搭建、融资节奏上少踩坑。 “所有方向判断并非独断，而是通过与资本市场反复碰撞形成共识。”黄欣欣提到，这一代年轻人物欲感低、技术起点高，创业动机更纯粹——“所学的东西撞上时代机遇，不干就白碰上了”，而这也正是光源敢于重注这一批00后创业者的底层信心。 AI Native的组织，到底长什么样？ 除了创业路径的选择，这场聚会大家最核心的问题之一，是组织形态。 所谓AI Native公司，到底长什么样？年轻的创业团队，是否就是标准？ 很多公司以为，买了AI工具、装了Copilot、开了Agent账号、鼓励员工使用大模型，就算完成了AI化。但现实没那么简单。 一位负责硬件研发流程改革的项目经理，在现场互动环节，阐述的困境非常具体。在硬件研发流程里，模型已经能参与决策、生成方案，甚至在某些具体任务上比人更强。但组织制度、岗位价值和流程并没有同步变化。行业核心know-how掌握在经验丰富的老工程师手里，可这些人未必愿意接受AI；自上而下推改革，跳过了中间层，在最细的颗粒度上不断起冲突。 他最后的追问是， “为什么单点的AI智能已经实现了十倍、百倍的提升，组织的智能却没有达到十倍、百倍的水平？” 金若凡认为，这是因为很多公司只有单点智能，还没有形成组织智能。以AI制药为例，过去已经有大量垂类模型，但带来的价值仍然有限，“大部分情况还是以人工主导”。而科学机智想做的，是 把实验、人机交互和动态反馈连成闭环，让每一步环节背后的判断被系统吸收、复用和进化，才是科研组织AI Native要解决的问题。 “只有当组织能足够理解和掌控Agent带来的创新能力，才可能进入组织智能这个级别。那个时候你才能真正看到百倍、十倍的增长。” 从个体来说，郑嘉熙本人的工作方式本身就是AI Native的样本。他现在已经不再一行行写代码，而是用vibe coding完成整个架构和code base。把清晰的思路和判断交给AI，让AI以代码形式输出，自己上移到产品定义和技术方向层。 “对于一支只有十几个人的团队来说，这种产品驱动的组织方式，比任何流程设计都更重要。” 在他看来，“一个组织真正有价值的地方，在于能不能调动每个人的主观能动性。”对深海机器人来说，AI当然重要，但它不能悬浮在数字世界里。最终客户看的不是模型多新，而是机器人能不能在海底复杂环境里稳定运行，能不能真的替代高风险作业。 黄一不太相信靠口号改造组织，更相信人才密度和资源配置。为此，他把萝博派对拆成了两套组织，管理方式不同。他坦言，自己参考了Anthropic的“蜂巢思维”，每个人根据自己的位置获得边界，不断向外探索，最后形成一个更大的球体。 人形机器人主线更像传统硬件组织，依靠流程、节点和IPD体系推进，每个人有明确任务和交付时间，目标是保证产品不延期。另一边，他在北京单独建了lab，由一位高校教授带队，做前沿探索。后者不设任何KPI，避免设限。 在他看来，lab的一个核心价值，是提前预判行业走向。“一篇论文从idea产生到发布，可能有六个月的时间差，如果我们能在种子阶段就介入，就能提前知道行业会发生什么，反推今天产品怎么定义。”也正因此，他认为很多公司现在做出来的硬件构型已经“过时了”。 显然，AI Native企业不是全员都用AI，而是从结构上承认，技术变化速度已经快到需要专门给“不确定性”留出组织空间。 在具体的人和组织形态之外，可能还有代际认知在底层逻辑上的差异。 黄欣欣提到，不同背景的投资人对AI的理解深度差异很大。 “从不同的认知起点出发，要让他们果断做出重注AI、推动组织变革的决策，确实需要一个过程。”这是光源愿意把更重的筹码压在年轻人身上的原因，同时也印证了“年轻”在这场活动里的真正含义——它不是传播标签，也不是天然优势。年轻只意味着，他们从一开始就生活在AI已经存在的世界里，不需要先完成一次观念迁移再升级旧组织，而是可以直接在新的生产力地面上搭房子。 AI时代，组织和个体如何持续进化？ 当AI越来越像基础设施，人的问题反而变得更锋利。 因为AI不会平均地放大所有人的价值，也不会让每一个岗位都变得更重要。现场的互动，来自具体岗位、具体公司、具体焦虑。在AI时代，组织和个体如何持续进化？ 第一个关键词是taste。 “AI for Science不是做人工智能就能进来的，它首先要对科学有taste。我们是要踩在浪尖上做冲浪的那个人，而不是追着浪跑的人。”在金若凡看来，如果没有Science taste，加入一家AI for Science公司是为了什么？ 黄一强调了两遍“非常认同”。在他看来，research本质上也可以被归类成taste，尤其是“一个好的研究者，重要的不只是追最新模型，而是知道什么方向值得押注，什么问题值得被问，什么论文还只是苗头时就值得提前介入。” 在AI时代，执行不再稀缺，判断才稀缺，taste是一种更难被外包的能力。 模型可以生成大量方案，却不会天然知道哪个方案值得相信；Agent可以执行任务，却不会自动判断任务本身是否有意义。 AI越是普及，越需要人来定义方向。 这个方向，可以是正面的进步，也可以是负面的毁灭。金若凡举了个例子，去年年底，他们牵头办了全球首届“生成式AI与生物安全”研讨会，邀请了图灵奖得主Yoshua Bengio和美国科学院院士George Church。为了搞清楚防线在哪，他们去攻击了自己的模型，也攻击了业内某个DNA大模型（该模型声称训练时从未碰过病毒数据）。 他们给这个模型一段病毒序列的前10%，让它逐段续写。续写完成后拿去比对，发现产物是HIV。他们不信，又做蛋白翻译和结构比对，仍然是HIV。随后如法炮制，这个“从未见过病毒”的模型又生成出了高危型HPV和传染性极强的SARS-CoV-2，甚至把变异的演化路径都补齐了。 在AI越来越强大的时代，清楚它能做什么、不能做什么、该在哪里划线，既是一种稀缺的taste，也是一种责任。 第二个关键词是bet，敢于下注。 黄一说自己“赌性很强，go big or go home”，面对大厂动辄数十亿计的资金，创业公司必须选择All In。郑嘉熙的下注，务实又笃定，深海基础设施巡检这个方向，客户链条重、验证周期长，但传统痛点真实存在，已然能看到技术重构后能带来的巨大价值空间。 光源资本选择从0到1做孵化，也是一种bet，这是一项“高风险、高不确定性、但同样高回报”的业务，用更早期的投入换取后续的增长空间。 但敢于下注，靠的不是凭空判断，用黄欣欣的话来说，是把自己放在资本市场共识的涌现节点上，先嗅到趋势并迅速执行，在见每个机构、每个产业方的过程中不断碰撞和打磨故事线，直到方向收敛——市场苗头出现与自身判断互相验证，让大胆的决定有了现实根基。 第三个关键词是自我迭代、或者说自我蒸馏的能力。 现场有人问，AI时代的人才画像到底是什么？郑嘉熙给了一个定义：一个会用AI的人，“能让AI把以前的自己取代掉，甚至基于自己的taste产生一个更好的自己”。 尤其是在科研场景，在AI冲击下，研究者剩下的核心价值“就是他的想象力和他Science taste的创造力”。 工具可以替代执行，但不能替代提出问题的能力。自我蒸馏，本质上是一次主动的自我淘汰。把过去自己依赖的技能提炼、压缩、剥离，留下那些AI无法从数据里凭空长出来���东西——对问题的嗅觉、对方向的校准、对一个假设是否值得投入的判断。 这种能力不仅关乎个体进化，也关乎组织。萝博派对想要营造的那个高浓度的自由探索空间，本身就是一种组织级的自我迭代—— 允许噪音存在，允许短期看不到产出，因为这些“不经济”的尝试往往是下一个突破的种子。 继续出发，留下一个信号 分享的最后一个环节，我们让每位嘉宾给自己定一个年度的目标，希望明年今日，还能聚在一起回望。 金若凡希望能把公司估值翻100倍。 “一年前我们已经做到了闭环验证，就在上周，Nature顶刊连续发表了三篇相关报道，全球Top 10药企都在进入AI Scientist方向。” 郑嘉熙希望第一款水下机器人产品尽快推出，团队快速scale up。 “再往后两三年，希望自己的机器人能部署到各个能源平台上，看到这些机器在不断工作运行，保护我们整个能源结构”。 黄一希望萝博派对今年能新增1000个真实开发者。 “这是我给团队定的OKR。而就自己而言，希望具身模型能跑到5B、10B的小规模参数，甚至幻想今年能替代9万个快递分拣工人。” 黄欣欣希望光源资本3i产业创新孵化器今年能再帮助10位年轻创业者把创业做成功。 “在这个过程中，互相笃定方向的正确，人的正确，以及始终能够从陪伴的角度去帮助他们解决实际的问题。” 在这个没有PPT的晚上，“TokenAge”最终没有停留在Token上。从创业路径、组织迭代到自我进化，它更像一次AI时代价值尺度的重新校准。而在真诚沟通面前，三个小时也并不显得漫长。 完整版分享内容，欢迎扫码收听音频播客： 离线聚会还会继续，我们希望，更多的交流和有价值的沟通在台下发声，在现场发生。 下一期离线聚会，欢迎加入。
36氪获悉，腾讯WorkBuddy正式启动一人公司激励计划，面向全球创业者、OPC及其他WorkBuddy深度用户，送出3000万 WorkBuddy Credits（内置模型使用额度，价值百万元）。获取本次激励的用户可在WorkBuddy中直接使用AI额度，用于帮助自身业务提效创新。
文｜周鑫雨 邓咏仪 编辑｜杨轩 林俊旸以创业者的身份，重新加入AI模型的战场。 《智能涌现》独家获悉，前阿里千问大模型技术负责人林俊旸近期已经开启创业，考虑方向包括世界模型和具身大脑。 目前， 林俊旸已经招募数名字节、腾讯和海外背景的成员，并以约20亿美金的估值开启融资，接触基金包括红杉中国、高榕创投等 。 截至发稿前，有关上述信息，林俊旸尚未回复。 时间距离3月初的那场“闪电”诀别，已经过去了两个月。 2026年3月4日凌晨，林俊旸在X上宣布离开千问：“me stepping down. bye my beloved qwen（我卸任了。再见了，我深爱的千问）。”更早前，3月3日下午，他在Qwen成员的钉钉群中发出消息：“无颜再带领大家。” 在从百模大战，快速收束至巨头争锋（字节、阿里、DeepSeek）的三年里，林俊旸是阿里Qwen留在大模型一线梯队的灵魂人物。 自2022年起，林俊旸就接手阿里Qwen团队，负责整体工作。三年以来，他主导了Qwen系列模型的研发和开源——最全尺寸、开源策略的推进，也让Qwen成为在全球开发者社区中颇具影响力的国产模型。 林俊旸掌舵的几年中，Qwen被“保护”为一个相对独立发展的组织。 《智能涌现》曾独家报道 ，为了追求模型训练的效率，此前Qwen拥有自己的预训练、后训练、Infra团队，多个模态方向的员工也在一起工作。 但站在集团的视角中，独立，会造成业务合作的阻力。 比如，《智能涌现》曾了解到，集团重点推进的ToC超级应用“千问App”，并没有得到Qwen团队的积极支持。 2026年3月3日，一场围绕Qwen团队拆分重组的沟通会，成了林俊旸离职的导火索。 当天下午，阿里云CTO周靖人向林俊旸传达了Qwen调整的计划：将原来的Qwen，拆分成预训练、后训练、文本、图像、语音等相对独立的水平团队。一天后，林俊旸官宣了自己的离开。 具身智能，成了林俊旸重回AI战场的切入赛道。 这一方向，也是他在阿里的未竟之业。2025年10月，林俊旸就在Qwen组建了一支专注于机器人与具身智能的小团队。 在X上，他提出了自己的判断：“多模态基础模型正在转化为基础代理，通过强化学习利用工具和记忆进行长时序推理。它们应该从虚拟走向物理世界！” 在硅谷，已经有数名AI大牛，投身于世界模型和具身大脑。 前谷歌副总裁、AI“教母”李飞飞创立的空间智能公司World Labs，在2026年2月官宣了10亿美金的融资，估值高达50亿美金； 3月，杨立昆（Yann LeCun，图灵奖得主）和谢赛宁（DiT架构提出者）成立的世界模型公司AMI Labs，在没有任何产品的情况下，完成了10.3亿美元的种子轮融资，投前估值就达到了35亿美元。 同样入局具身大脑的华人研究员周衔，其成立的Genesis AI在2025年7月，宣布完成1.05亿美元的种子轮融资。 在LLM技术路线收敛的情况下，路线存在诸多争议和可能性的具身智能、世界模型，恰恰成了VC和AI大牛愿意押注的非共识。 曾有AI行业人士对《智能涌现》评价：“林俊旸至少是1亿美金以上级别的人才。”但如今，也有投资人表达了对技术人才创业的担忧：“大厂没有那么自由，但也提供了相对安全、可控的环境。技术高管创业，往往容易在商业化上水土不服。” 抛除阿里时代的技术光环，创业者林俊旸接下来直面的，将是商业世界的考验。 封面来源｜相关活动主办方 欢迎交流！ 欢迎交流！
作者｜黄楠 编辑｜袁斯来 硬氪获悉，星识（宁波）科技有限公司（以下简称“星识科技”）近日连续完成天使+轮和天使++轮融资，累计金额达数千万元。两轮融资分别由高秉强教授旗下高锋耐心资本和蓝驰创投领投、松禾资本跟投，老股东清水湾二期基金及奇绩创坛持续加注。本轮资金将主要用于智能影像核心技术研发、新品矩阵打造和产品体验的迭代优化，以及生产体系与供应链能力建设。此前，公司已获得李泽湘教授旗下宁波智能技术研究院、清水湾二期基金及奇绩创坛的种子轮及天使轮投资。 星识科技是一家专注智能影像技术研发与硬件制造的企业，以远景观测场景为切点，曾推出融合AI功能的Vizta智能望远镜，已在Kickstarter和Indiegogo众筹达数百万元。 望远镜作为长期被传统光学巨头主导的市场，正在被新生代创业者以消费级的智能化产品重新撬动。星识科技巧妙地通过结构设计与AI算法创新，将手机变为智能望远镜，不仅低成本、高效地实现了远景观测和拍摄的一体性，还通过AI功能进一步降低了产品操作门槛、丰富了产品玩法和趣味性。这种软硬件融合的创新解决了全球数亿远景观测用户的需求。 根据美国鱼类及野生动物管理局（USFWS）2024年11月发布的《Birding in the United States: A Demographic and Economic Analysis》报告，仅在美国，每年就有约9600万人参与过观鸟活动，其中户外观鸟者平均每人每年观鸟34天。随着户外运动浪潮席卷全球，拥有观鸟、观星等远景观测及拍摄需求的人群基数正在快速增长。 “他们当中，许多并非是专业级的行业用户，更多是以远距离观测为兴趣、追求‘看得更远’体验的普通消费级人群。除了天文观测、动物摄影，还会把望远镜、长焦影像设备用在户外运动、演唱会追星和风景人像等场景里。”星识科技创始人兼CEO谢智鑫说。 星识科技推出的首款产品Vizta智能望远镜，相比市场上多数产品显得有些“另类”。首先是硬件形态上的减法，不内置屏幕、电池和处理器，而是一个纯粹的，轻量化光学长焦镜头，与手机配合使用，兼容大部分市面在售的机型。 能轻松放入口袋随行携带（图源/企业） 产品的重量仅290克、约为半瓶矿泉水重量，能轻松放入口袋随行携带。用户无需学习复杂参数或后期处理，即可轻松拍摄出风格化、高质量的影像内容，解决了传统“长枪大炮”装备昂贵笨重、繁琐的痛点，搭载AI助手，构建全新摄影交互体验，让普通手机也能输出专业级的长焦影像。 目前，Vizta智能望远镜已销往多个国家和地区，目标用户以消费级影像爱好者为主，覆盖观鸟、天文摄影、户外运动记录、演唱会与风景人像拍摄等多元场景，并延伸至学生及亲子家庭等入门人群。谢智鑫向硬氪透露，该款产品毛利空间可观，并实现正向现金流——这在早期消费硬件公司中并不多见。 “我们选择先用一个小而美的单品跑通闭环，它既能帮我们拿到真实的用户反馈，又能产生现金流。自己造血才是第一位，融资是为了放大验证。”谢智鑫说。 在首款产品积累大量用户数据并验证了远景影像市场的基础上，星识科技正在研发的新款独立影像设备产品，将重心从工具转向AI体验，把影像生产内容流程嵌入到用户的创作生态中去。 Vizta智能望远镜（图源/企业） 一边是专业设备增长放缓、难以破圈，另一边是大众用户从“拍得到”到“拍得好”、再到“拍得有意义”的需求持续膨胀。“要满足这种跃迁，设备需要具备理解环境和空间，并主动提供建议的能力。”谢智鑫表示，“不只是一个个技术指标的堆砌，而是对用户真实需求和行业长期痛点最直接的回应。” 基于这一判断，星识科技选择了一条差异化的渐进式路径。不急于做“大而全”的一体机，而是先通过一个小而美的单品跑通从用户洞察、产品定义、量产交付到正向现金流的完整闭环，在这个过程中积累真实用户数据与场景理解，再逐步向更高阶的独立智能终端迭代。 Vizta智能望远镜（图源/企业） 当前，长焦观测赛道正经历一场从专业工具向大众消费品的范式转移。传统光学巨头依靠品牌与渠道壁垒固守高端市场，而新兴创业公司则从形态、交互与AI能力等不同路径切入，致力于真正解决入门用户“上手即用、玩得起来”的核心诉求。 从简化形态、降低门槛，到以AI交互、专业影像能力激活普通用户的创作与探索欲，行业正在跳出堆参数、堆专业度的内卷，转向真正贴近大众的“好带、好用、好玩”。这背后是用户从“拍得到”到“拍得好”、再到“拍得有意义”的跃迁，也正是星识科技希望在智能影像下一阶段抓住的机会。
图源：公众号「职场Bonus」（ID：ZhiChangHongLi） 今年三月，《职场Bonus》报道了 前百川智能商业化合伙人 邓江 加入北电数智 的消息。没想到不到半年后，他出来创业了。 如今，他是AI医疗大模型新晋创业者邓江，是 「缘启智慧」公司的创始人兼CEO 邓江。在他低调开张的节骨眼上，我们联系到了这位技术背景的金融老兵，期待他能分享自己 在风口上跨越、历险、不断前进的职业故事 ，以及， 他这次创业要做什么事儿。 ● 欢迎观看+关注《职场Bonus》旗下原创视频号 翻阅他的履历，我们的第一印象是：“挺能熬的。”相较于我过往接触的多数创业者常有的风险偏好，他的风格更为稳健，每一步决策和行动都力求扎实可靠。 相比起AI行业万亿市场机遇，我更好奇：是什么样的选择，让一个银行系统的后端“码农”，工作20年后，闯进了AI大模型，成为了一家AI医疗创业公司的掌舵人。于是，有了我与他一见如故的畅聊。或许是同为江西老乡的缘故，也或者都是80后，整个访谈过程非常亲切。 在访谈结束，他像一位典型的80后那样引经据典：当你老了的时候，不因虚度年华而悔恨，也不因碌碌无为而羞耻。 以下为访谈实录，部分措辞经《职场Bonus》编辑调整。 在体制内的那八年 ╱ 一 身边同僚的重量 ╱ 二 被逼出来的能力拓展 ╱ 三 AI要解放的是脑力劳动？ ╱ 四 不是学历，不是经验，而是“欲望” ╱ 五 在体制内的那八年 麻吉：你的履历每一段跟我过去见到的很多创业者的特点是不太一样的，如果用一个字来形容，在我看来是“熬”。 邓江 ：我的职业生涯比较简单，第一段是在一个大型的银行里面做后端程序员，后来慢慢做到技术管理；第二段在金融科技公司合伙人；第三段短暂做了职业经理人，现在拥抱AI大模型做智慧医疗创业。 麻吉：毕业后的第一份工作是去了体制内银行，从程序员做到技术管理，一干就是8年。 邓江 ：第一份工作是大型银行做后台系统开发，环境稳定、资源丰富，身边全是985/研究生起步的顶尖人才。那段日子，我像一块干涸的海绵，疯狂吸收技术、流程、组织运作的“厚度”。身边都是行业里最优秀的人，只要你自己想学，就能找到无数人帮你积累。 麻吉：在体制内这八年，对于你后来的职业路径有什么决定性的影响？ 邓江 ：一个人的经验实际上从“广度”和“厚度”上都需要积累。在体制内的八年积累的是厚度。那是一个特别培养人的地方。你在非常确定的一个环境下做事，不像创业公司有这么多的不确定性。 麻吉：认同，很多人说“树挪死，人挪活”，但我觉得，这是对资质平庸的人来说的。对聪明人来说，最难的反而是“不动”，是坚持——在一件事上熬下去，做深、做透。这个时代看起来机会太多，很容易乱花渐欲迷人眼。怎么在纷繁复杂中‘熬得住’，是我们这一代人的功课。 麻吉：回顾20多年职业生涯，你觉得哪一步最关键？ 邓江 ：最关键的一次，是2015年选择离开体制创业。那时，已经成家，家人支持，事业稳定。但内心总有个声音：我想试试一些不确定的东西。 麻吉：离开体制加入创业公司，是人生面临的第一次巨大的“不确定”吗？是什么契机让你打决定离开体制，“跳出围墙”？ 邓江 ：一个我们行业的老大哥，邀请我作为合伙人加入他的创业公司。 当时面对这个机会，内心还是有纠结—— 纠结的时间很短，但过程依然痛苦 。因为， 所有的选择其实不是为了那一刻，而是为了去影响未来20年、30年。 现在来看，那个选择是正确的。 ● 邓江在自己的创业新公司「缘启智慧」开业现场切蛋糕（受访者供图） 身边同僚的重量 麻吉：当时选择加入创业公司，是因为那个人对你的影响比较大，还是要做的事情更吸引你？ 邓江 ：都重要。 我们经常讲管理其实就是管人、理事。比方说，我现在有一些伙伴很信任我，愿意跟着我一起做事。他们除了认同我个人的一些东西以外，更重要的是认同一起要做的这个事儿。如果我出来开一个烤串店，他们肯定就不会跟我干了，是吧？ 往往是一个越优秀的人，越会理性分析这个事儿，发心是不是足够好，或者能不能够足够吸引我。 麻吉：跟对人是指选对老板吗？ 邓江 ： 比起老板，更重要的是你的同僚 。当你回头去看，对你影响最大的不一定是某个时间点的老板，而是你身边的这些人。在我过去20年的职业生涯里，对我帮助最大的也恰恰是这些跟我年龄相仿的人。 你进步的同时，他们也在进步。你能不断的从身边人吸取能量，在你需要帮助的时候，他们也有能力帮助你。 麻吉：有一个观点是“你是什么样的人，最后你身边就会聚集一群什么样的人”。身边的人是能靠自己选出来的么？ 邓江 ：是可以选出来的。 你身边一定什么人都有。但是，你怎么去选那个跟你志同道合的人，并跟他走近 ，我觉得还是挺难的一件事。 麻吉：如何看待职场人选择第一份工作时的纠结？ 邓江 ：选行业特别重要，特别是在年轻的时候可以多去尝试。但是从长期讲，你至少要有一个行业，真的要干他个十年二十年，这样才有足够多的可复用的东西， 不然你好像涉猎很宽，但没有拿到结果 。其实你越往深了做，有些资源是越能攥在手里的。 麻吉：大平台和创业公司你会怎么选？ 邓江 ：我觉得它跟每个人的 性格 以及想要的东西有关系。首先要弄明白自己想要的是确定性多一点，还是不确定性多一点。 除了看平台大小，也看 岗位 。 做后台的岗位确定性更多，比如说程序员写一行代码就能出来对应的结果（即使有bug也是在范围内），符合一些秩序感很强的人——他要求自己做完什么事情必须拿回什么样的结果。 但前台的岗位，比如销售，你跑了很多客户，也未必会立刻拿到一个确定性的结果，而是要放到足够长的一个周期去看。 被逼出来的能力拓展 麻吉：从体制内出来创业后，有没有哪个时刻觉得很艰难，落差很大？ 邓江 ：印象最深的就是我们刚创业的时候，产品上线的当天出现bug。原来在大平台，出了问题，总能有相应的人支持能够马上解决。刚创业，出了问题是叫天天不应，叫地地不灵—— 你会突然发现，原来平台给你兜底了那么多看不见的事。 麻吉：从技术到商业化，什么时候发现自己“有慧根”？ 邓江 ：我第一次给别人讲PPT的时候，手在抖。慢慢地，我在跟客户交流的过程中，发现自己其实还挺擅长跟客户聊天的，而且聊的东西还不断被客户认同，于是逐渐把自己的特长激发出来。 还有，当你能用技术解决客户的问题，你就是最好的销售。 麻吉：解决方案型销售，倾听与洞察是否比表达更重要？ 邓江 ： 见客户、见投资人往往只有一次机会。 能不能在那一次有限的时间内抓住客户的痛点，把过去的积累精准地表达出来，是前台同学必须具备的能力。 我经常给前台的伙伴推荐一本书，就是周星驰推荐的斯坦尼斯拉夫斯基的《演员的自我修养》。 [1] 我觉得这本书核心的不是说让你去演戏，而是说，你怎么去融入自己的角色， 特别是演好配角。 麻吉：印象最深刻的一笔订单还记得吗？是不是你做的最大的一笔订单？ 邓江：最兴奋的订单不是金额最大的，而是“不战而屈人之兵”。整个过程完全在掌控中，稳稳把结果拿回来，这种 以客户为中心解决问题的订单 才是我最想要的。 麻吉：从CTO到CEO，跨度很大。你是怎么完成这个转变的？ 邓江 ：不是我想转，是公司没人，只能自己上。 创业初期，作为CTO，我不得不被拉去见客户、讲方案、谈合同。慢慢地，客户认可了技术，边界自然就拓宽了。 从CTO到CEO，不是职业规划，而是一步步被“逼”出来的能力拓展。 如果你的公司靠技术吃饭，那CTO迟早得变成CEO——因为只有你最懂产品，也最能说服客户；又或者像很多技术公司的CEO，挂的是CEO的名，干的还是CTO的活。 麻吉：10年前的金融可还是红利赛道，如今回头看，一些曾经的同僚“升官发财”，在经历了创业的起起伏伏后，有没有过羡慕或者后悔？ 邓江 ： 人生没有如果。围城内外，各有困境。重要的是，你是否足够坚定。 [1] 《演员的自我修养》是俄国戏剧家康斯坦丁·斯坦尼斯拉夫斯基创作的戏剧理论著作，基于其三十余年舞台实践总结形成，1938年首次出版完整俄文版。 AI要解放的是脑力劳动？ 麻吉：你现在创立「缘启智慧」，是用AI大模型切入医疗场景，为什么要做医疗？ 邓江 ： 医疗不是医院，更不等于医生 。它是一个庞大的知识体系——而AI的真正机会，是把“聪明的大脑”从繁重的脑力劳动中解放出来。 举个例子：过去，只有资产过亿的人才能享受顶级养老金融规划，因为需要金融+医疗+法律的专家团队。但未来，一个普通家庭，也能用AI获得专业级的健康与财务建议。 这不是取代医生，而是创造新的供给—— 让专家级服务，不再依赖稀缺的人才，而是通过AI实现“普惠”。 我们不是要做AI医生，而是要做“每个人的AI健康顾问”。 医疗、金融、法律，都是知识密集型行业，供给不足导致服务昂贵。而AI的出现，正是为了解决这个问题。就像汽车解放了体力劳动，AI要解放的是脑力劳动。未来，每个人身边都会有金融、医疗、法律的“专家”，不再需要花大价钱。 不是学历，不是经验，而是“欲望” 麻吉：AI创业公司招人，你们最看重候选人什么品质？ 邓江 ：不是学历，不是经验，而是“欲望”。 我常问面试者一个问题：“晚上下班时，发现老板办公室漏水，你第一反应会怎么办？”大多数人说：找物业、打电话。 但我认为最好的回答是：我会先拿盆接住，再想办法。这种人，才是创业公司最需要的——不局限于职责，而是主动解决问题。试想你在自己家里遇到同样的问题会怎么做？ 创业公司没有清晰的职责边界，每天都在面对新问题。 我需要的是owner，而不是执行者。 麻吉：面对00后和80后同台竞技的AI时代，你怎么看？ 邓江 ：80后的优势：行业积累 + 技术理解 = 能把经验与AI深度融合。 00后的优势：没有被旧范式固化，脑洞更大，更能拥抱新技术。 这个行业发展才三年，从业两年的人，已经是“资深”了。 每个人都在同一起跑线。 麻吉：给职场人分享你的职业体验，你想说什么？ 邓江 ：不要追风口，要 选一个“长坡厚雪”的赛道 ——比如医疗、教育、金融。这些行业周期长、需求稳，只要你坚持，总有机会被风吹起来。 巴菲特说：投资就是找一个长长的坡，厚厚的雪，然后滚下去。医疗，就是这样的赛道。 麻吉：访谈最后，送给我们一句话来作结束吧。 邓江 ：送给所有在职场中迷茫、在创业路上挣扎的人——“不要因为虚度年华而悔恨，也不因碌碌无为而羞耻。” 只要你在努力，在坚持，就够了。 我是一个坚定的乐观主义者，“因为相信，所以看见。”你内心真正相信的事，终会实现。 就像我当年在银行时，没人相信AI能改变医疗；就像我创业时，没人相信一个技术人能做好CEO——但我自己相信，而且我也正在做。 撰文 | 麻吉 编辑 | 陈桐 视频剪辑 | 孙浩雨 图文排版 | 房庭玉 配图 | 受访者提供
文｜邱晓芬 编辑｜苏建勋 2026年，全球的具身智能机器人创业者不约而同将目光方向调转向深水区：家庭。 点燃这份热情的，是近期行业里闪烁着的一丝丝Scaling Law苗头—— 先是硅谷具身智能公司Generalist AI在GEN-1模型上验证了确定性，当他们给机器人喂进海量数据后，精细操作任务成功率竟从64%提升到了惊人的99%； 随后，硅谷当红的具身智能独角兽公司Sunday Robotics也试图解决家庭场景数据难关，不仅推出Umi手套数据采集方案，还直接将机器人Memo送进家庭做家务（收拾餐做、冲咖啡、叠衣服），因此吸引了大量的资本押注。 在大洋彼岸的中国，近期闯入家庭机器人领域的创业者中，还有一个熟悉的身影——许华哲。 “两年内，中国将会出现可用的家庭机器人”，他对于行业的判断，同样乐观且激进。 作为“伯克利归国四子之一”、清华大学交叉信息研究院助理教授，2023年，许华哲曾加入「星海图」任前首席科学家兼联合创始人，一起将这家公司打造成中国具身智能领域的明星公司。 不过，在这家公司估值冲破200亿、融资近30亿的巅峰时刻，许华哲又选择“单飞”并创办了全新的具身智能公司「破壳机器人」。 此次重新出发，他想做的是能在家庭场景干活的、真正有泛化性的具身智能机器人。 △ 许华哲 其实，想做一个家庭机器人公司并不是近期偶然的想法。初高中时的他读完《乔布斯传》后，内心便萌生创办一家伟大To C公司的种子。此后，在清华、伯克利、斯坦福的一路升学中，他一直深耕机器人强化学习方向，梦想便是把机器人送入千万家庭。 他理想中的家庭机器人，虽然不是无所不能，却能完成上一代机器人（比如扫地机、洗地机）无法完成的复杂任务，比如能进行更精细的清洁工作、有条理的完成诸如洗衣收纳的长序列、多步骤任务串联。 在他看来，这种创业方向的选择，也带有强烈的审美洁癖。许华哲直言，泛化性的本质是一种“美与影响力”——用最简洁优雅的模型，解决人类复杂的生活问题，并真正将AI转化为生产力，而非仅仅替代低端劳动力。 从更理性的层面，切入To C家庭场景也包含着许华哲的商业判断。在他看来，当前大量机器人厂商将人形机器人送进工厂，完成传统机械臂就能完成的上下料、搬运箱的工作，本质上只是在用新的人性在做旧时代的事情，机器人没有发挥出真正的通用性。 他认为，真正的AGI应该在家庭场景中诞生、运用，因为家庭场景任务比工厂场景更混乱随机，且数据丰富，恰恰是训练通用模型的最佳土壤。 因此，为了追赶时机，在创业的短短一个月内，新公司「破壳机器人」已经完成了融资、核心团队组建、具身模型的训练、以及硬件迭代工作。 《智能涌现》独家获悉，破壳机器人近期完成数千万美元天使轮融资，由云启资本领投，并获得顺为资本、弘晖基金等一线美元基金，小米战投、星海图等知名产业方，以及BV百度风投、英诺天使基金、水木清华校友种子基金、东方嘉富等一线市场化基金的支持。 快速得到资本押注，也因为许华哲在关键技术路线上有一些不同的选择。 为了实现泛化，在关键技术路线方面，他的选择也略显反常识。他完全放弃了行业主流的VLA（视觉-语言-动作）基座模型方案，转而构建一种能直接输入和输出“视频-动作”的 世界模型 。 在模型结构上，他也提出了独特的“ UAG架构 ”，用并联式预训练替代过去的瀑布式级联，并将强化学习贯穿预训练与部署全过程，实现了训练效率的五倍提升。 打好模型基础之余，在数据与硬件层面，他也通过UMI、外骨骼和第一人称视角三层方案采集高质量数据，形成从任务定义到数据、模型、本体的闭环迭代。 据许华哲透露，「破壳机器人」第一代 32B参数规模的具身世界模型 已完成首轮训练，正处于数据迭代的关键爬坡期。在硬件层面，「破壳机器人」为数据采集量身定制的手套硬件已迭代了五六个版本。 近期，《智能涌现》与许华哲聊了聊，以下是交流实录（略经摘编） 为何出走「星海图」？ 《智能涌现》：为什么选择离开星海图，创立一家新的机器人公司？ 许华哲：这个想法其实酝酿了很久。在2023年8、9月份，我就开始和高继扬聊，加入星海图。但经过了两年，到去年11、12月份，我已经基本决定要离开了，真正办完手续是在今年，创立「破壳机器人」是最近一个月的事情。 离开的原因主要是因为我内心一直想做一些To C的、真正泛化的通用机器人。 《智能涌现》：既然一直想做To C，为什么一开始不直接做To C方向机器人的创业呢？ 许华哲：原因是多方面的。2023年我加入星海图时，也考虑过要不要自己创业，但那时我刚从美国读完书回来，在叉院工作才一年左右，要自己开公司lead一摊事，还要兼顾教职，挑战很大。 那时星海图和其他一些具身智能公司也邀请我加入，我觉得先加入一个优秀的团队做联创，是一个更稳妥的选择，而且当时星海图的宣传里也提到大概是“让机器人服务千万人类”的话语，这和我的一部分想法是吻合的。 《智能涌现》：您现在新公司虽然只成立一个月，都有哪些进展？ 许华哲：团队方面，目前有20人左右，AI侧有一些天才少年，硬件侧有很多做过To C量产交付的工程师。我们还在火热招聘中。 在技术上，我们的AI模型在“动得快”、“泛化强”、“成功率高”三个维度都有较好的前期积累，能让机器人完成某些复杂任务时达到接近100%的成功率。 我们第一代32B的模型已经完成了第一次训练，但还需要数据量的迭代才能展现出更好能力。我们的硬件手套也已经迭代了五六个版本。 第一个月要处理公司注册、选址、装修等各种事务。能跑出这个速度，我觉得还是比较快的。 《智能涌现》：您这次创业，和第一次创业时心态有什么不同？ 许华哲：最大的不同是心态上更踏实、也更敢了。第一次创业前，我会担心，我没上过班怎么给别人“班”上？我没做过生意怎么办，没跟投资人、政府打过交道怎么办？ 在星海图的两年，我接触过这些事，“没打过就硬打，没上过就硬来”，其实最终结果也挺顺利的，太多的顾虑没必要，出来混最重要是先出来。这次心理上更从容。 《智能涌现》：在2023年和2026年两个节点创业做家庭机器人这件事，区别大吗？ 许华哲：区别挺大的。首先是硬件本体，这三年中国的硬件供应链打磨得更好了，有了更多能用的机器人，2023年时可能只能用工业臂； 第二是数据，2023年时机器人的数据几乎是0，现在网上开源数据就有几十万小时，还出现了大量的数据供应商，虽然数据质量和跨本体适配还是问题，但丰富度已经不可同日而语。 第三是融资和市场认知，2023年要做To C机器人可能很难融资，大家给的时间缓冲也更少。今天起步比2023年更好。 AGI应用于家庭，工厂是上一代技术的领地 《智能涌现》：一直想做To C的机器人，背后的触发点是什么？ 许华哲：首先，一个核心思考是，我们做机器人到底在做什么？机器人是人类自古以来的追求，我们在海底捞、酒店、工厂都见过机器人，但如果我们只是用人形的外壳去工厂拧螺丝、搬箱子，那本质上还是在做旧时代的事情。 这一代机器人最核心的不同在于它的通用性。 通用性该用在越混乱、越需要通用能力的地方。那答案就是家庭，或者广义的服务场景。我认为，通用的AGI（通用人工智能）应该用在家里。 第二，从个人偏好来说，做有品牌的事情是可以做得足够大、有梦想的。伟大的公司很多是To C的，比如苹果、小米。 第三，从数据角度看，通用性需要有丰富的数据，混乱的家庭场景恰恰能提供丰富的数据。如果你的数据源头错了，就得不到正确的模型。 基于这三点，我觉得做To C机器人是一件正确的事，我自己也特别感兴趣。 《智能涌现》：您认为AI模型什么时候可以支撑做家庭To C机器人？ 许华哲：我的预测比较乐观激进，我认为 两年内 会出现可以用起来的机器人。它不是万能的，但会是一个有完善产品定义、能做相当多通用事情的机器人，但它会有一些明确不做的事，比如抱婴儿、烧热水。 《智能涌现》：机器人进家庭能做的事情都包括哪些？能否举一些例子？ 许华哲：分两类。 一类是本身很难的任务， 比如更精细的清洁，比如清洁墙角霉点、擦掉干涸的饭汤、剥橘子、剥虾等等。 另一类是 长序列、多步骤任务的串联。 举个例子，一个完整的洗衣流程是——把脏衣服放进洗衣机、倒洗衣液、启动，然后机器人可以去做别的事，它会在监听到“洗完了”的声音后，把衣服拿出来放进烘干机，启动烘干，最后再把衣服拿出来叠好放进衣柜。 现在的机器人能做任何一个单一步骤，但没有机器人能像人一样，从头到尾，带着这些“任务间的缝隙”把它完成，我认为两年后的机器人能有这个能力。 《智能涌现》：家庭和工厂场景，最大的区别是什么？ 许华哲：家庭和工厂某种程度上都是“混乱”的，但是本质上不同。工厂的混乱更多是“管理混乱”，比如东西乱扔、人走来走去，但它具体干的活，比如上下料、装配是高度确定性的。 家里的混乱是任务本身的混乱， 比如衣服是团成一团的，杯盘狼藉需要收拾，这种混乱是需要通过工作去恢复秩序的。工厂的很多混乱并不需要去恢复。所以，这是两种完全不同性质的“混乱”。 《智能涌现》：您认为当前做家庭To C机器人，最大挑战是什么？ 许华哲： 机器人进家庭的逻辑和落地To B不同。 To B的账很难算，因为工厂给人形机器人干的活价值很低，一台二三十万的机器人可能相当于一个人三四年的工资，还要考虑可靠性、维护，很难回本。再加上工厂里采集的数据可能过于专化。 To C的账不是简单的“替代人力”计算。它更像 科技潮品+家庭助手+管家 的复合体。用户买它，是购买一种先锋的生活方式、极致的便利，就像二十年前大家买车一样。我们考虑的是，当用户有一笔预算时，是买辆车还是买个能改变生活的机器人。 所以，关键是产品体验要足够好，价值感知要足够强。价格区间我们内部还在讨论，但肯定会是五位数起步。 追求泛化，也是追求美和影响力 《智能涌现》：所以To C并不是您离开星海图后才有的想法，而是一贯的想法？ 许华哲：是的。我从小就想做To C，想创业。初高中的时候读《乔布斯传》、《迪士尼传》，读完了就很想创业，做一个像谷歌一样的公司，后来选电子系也是想要做IT，大学还修了管理学双学位，就是为了创业做铺垫。 后面去了伯克利、斯坦福，也是一直在做强化学习和机器人，后来还做了一些触觉相关的研究，也是在机器人大类里。 我博士毕业时（2021年），主要就是找教职还有找投资人聊，看看有没有创业机会，当时普遍观感是，下一代技术还远，这一代技术就是做扫地机、餐馆机器人，但是和AI关系不大，没看到特别匹配我专业技能的创业机会。 《智能涌现》：你判断一件事情做与不做，或者谈论你对某件事是否感兴趣时，你的标准是什么？ 许华哲：一个是美，这件事要能给我带来好的审美体验。另一个是影响力，我们学术圈有一个词叫impact追问。 美，更多是个人体验，我做这件事创造出来的东西是优雅、简洁的，就像简单的公式能描述复杂的现象，泛化性的本质也是美；影响力意味着，我做的这件事要能对世界产生足够大的影响，改变人们的生活方式。 现在我们被迫用巨大的参数量来描述世界，是因为我们还没找到AI领域的牛顿定律， 我相信大模型只是一个中间状态。 我的博士生涯是带着“AI一定存在一个优美理论”的心理开始的，但后来发现理论越来越解释不了AI，这是一个痛苦但必须接受的过程。 所以现在我的使命是追求简洁和影响力，如果有另一个公式（而不是AI模型）能描述机器人与世界的所有交互，我会觉得它更好。 《智能涌现》：这次创业你希望找到什么样的合作伙伴？你会更欣赏什么样的公司文化？ 许华哲：我对合作伙伴和团队文化有三个核心要求—— 极致： 我很喜欢戴密斯·哈萨比斯那本传记里的描述，里面说，一个人做事要做到什么程度，就像跑马拉松撞线后，有个救护车把你拉走了，但是你最后没死。虽然有点夸张，但是我觉得做事极致投入，永远想更进一步，是很重要的。 坦诚： 对自己、对同事、对事情绝对坦诚。不会因为不会而装会，搞砸了就承认，不要为了面子影响效率。 利他： 公司里有很多“缝隙”，如果每个人都只盯着自己的KPI，这些缝就没人填。对于初创公司，需要每个人在有余力时主动填缝，这种利他性长期看对个人和团队成长都有益。 （作者注：戴密斯·哈萨比斯（Demis Hassabis）是英国著名人工智能科学家、Google DeepMind 联合创始人兼CEO、神经科学家，被誉为“AlphaGo之父”。） 我很欣赏段永平的“本分文化”，也欣赏前段时间一篇报道中提到的，Kimi“没有部门墙”的协作模式，我倾向于弹性、扁平的组织，很赞同黄仁勋、亚马逊那种鼓励一线员工直接向老板直接发邮件反馈问题的文化。 做全新物种的家庭机器人 《智能涌现》：很多To C的机器人是曲线救国，先从陪伴场景切入，但是感觉你们的您的产品路径和其他家很不一样。 许华哲：完全不一样。他们做的是陪伴，核心能力是大模型提供的对话能力和娱乐。我们追求的 核心是物理世界的通用交互和干活能力。 我们的机器人是“家庭助理”，要能实际处理家务，所以在技术上，我们需要非常强的模型能力来保证通用性，但是很多家庭陪伴机器人是没做基础模型的。本质上，我们和他们是两个不同的品类。 《智能涌现》：你们最主要的技术的差异点是在模型侧吗？ 许华哲：我们的一大亮点我们的模型能 用好强化学习 。过去机器人对强化学习的使用一般停留在单机的后训练上，但是其实强化学习上有很多自己独特的东西。 第一个就是价值函数（value function）。 价值函数 可以对数据质量进行评估，让模型知道哪些数据好、哪些次优、哪些失败。数据带着权重，去让模型学习。 它带来的好处有两个，一是可以让模型学得更精准，二是可以理解失败的边界，这样模型就能够知道紧邻着成功的失败长什么样，让强化学习去把这些失败因素排除掉； 第二是，强化学习能同时在多个任务上保持高成功率高速度，而不过度拟合到单一任务。 第三是，强化学习也可以突破人类数据上限。以前我们用人采集的数据去做某件事，数据是什么样的，机器人就能做到怎么样的，甚至会更差，因为机器人是跟着数据学习的。 但是强化学习就是根据数据以及后续的自我改进，持续突破自己的上限，最终可能做出比人类示范数据更好的表现，上限更高。 《智能涌现》：你们的强化学习只用在后训练上吗？ 许华哲：我们的预训练也会用离线的强化学习。预训练现在还是有一些卡点的，比如说模型的选择上有很多种，市面上有用VLA+VLM的，��有世界模型的，还有VLWAM，就是VLM后面再内嵌一个世界模型。 《智能涌现》：那你们还是用VLA的路线吗？ 许华哲：现在模型的路线还远远没有收敛，我们的选择是 世界模型结合原生的机器人模型，不是用VLA的路线。 《智能涌现》：现在的世界模型有很多派别，有的人用的是偏3D视频的方向，有的又是偏向于世界仿真，你们对世界模型的理解方式是什么？ 许华哲：我们输入的是视频和动作，在训练和推理的时候，输出的也是视频和动作。这些视频和动作里面是遵循物理规律的真实世界的数据。 《智能涌现》：你们做这些事情的过程中，遇到的最大的挑战是什么？ 许华哲：要训练大模型所需的Infra （基础设施）是一个挺大的卡点，因为我们想做一个32B的大模型，要支撑比较大的数据量，GPU 集群的并行效率、数据吞吐都是一个很大的挑战和壁垒。 《智能涌现》：在模型侧你们提到了一项“UAG”架构，这个怎么理解？ 许华哲：UAG（Unconditioned Action Guidance）是我们的一种模型训练架构。 相对于传统的瀑布式级联的模型训练方式，我们采用的是一种并联的方式，核心思想是 先对动作进行预训练，然后再对所有的动作做整体联合的训练，做一个动作预测器，然后再将动作预测器和视觉模型一起进行联合训练。 背后的原理是，一个小时的图片、视频是巨大的，但是一个小时的动作很少，可能就是一系列关节的运动，也就是一堆小的浮点数。 这种方式可以最大程度保留基础模型的泛化能力，同时大幅提升训练效率， 估计至少5倍以上。 《智能涌现》：数据也是你们新公司的亮点，你们大概有哪些方案？ 许华哲：我们的数据方案主要分三层—— ①外骨骼数据采集： 提着机器人手臂直接操作，精度高，反馈更直接； ②UMI方案： 让人戴一个和机器人手部构型完全一样的“硬手套”进行操作，好处是没有机械臂的负担，采集效率高，数据量大。手套做硬是为了保持和机器人手的一致性，确保人能做的动作机器人都能做； ③第一人称视角人类数据： 在头上戴一个摄像头，记录人日常干活的视频。这是从人的视角（Ego-centric）采集海量自然行为数据。 《智能涌现》：这些采集方式其他家也在探索，你们最大的不同点在哪？ 许华哲：采集的数据，表层方法可能相似，但内核有本质不同。比如umi手套是否打磨得足够好，足够通用？采集的数据质量如何保证？以及如何清洗和处理这些数据，提升数据质量？ 我们一个很大的不同是，我们会大量使用评估数据，就是机器人自己做测试和探索的时候，自己在动的数据。这样的数据某种意义上是更“差”的数据，因为里面会有失败、会有次优。但是这种“差”其实也是“好”，会让模型更知道任务的目标是什么。 另外，手套的设计细节，比如摄像头位置、佩戴舒适度、是否适应不同手型等等，都需要针对家庭任务精心打磨，我们手套的构型设计是面向家庭任务，追求通用性的。我们会在8月末左右给大家看到我们和现在所有的形态都不一样的数采系统。 《智能涌现》：但是现在出来创业会不会太晚了？现在具身智能行业的融资环境怎么样？ 许华哲：市场热度还可以，投资人还是比较有热情的。和之前比，投资人更懂了，大家被市场教育过一轮，所以会问得更细。 关于创业出来是否太晚，我认为——在技术没有收敛的今天，仍然有巨大的机会。同时，因为我们更晚，所以我们的时间压力更小、负担更小，但是各种基础设施比如本体等也更加成熟了。另一方面，走向通用家庭机器人，其实才刚上半场。虽然后发，但是谁能先至，也未可知。 封面来源｜企业官方 end
优秀的企业长什么样，成功的创业者都有哪些特质？在他们的奋斗路上，有哪些需要避开的“坑”，最重要的改变是什么？ 创·问 向一些优秀的华创派、投资人、业界牛人抛出问题，也希望分享他们的想法给你。 本期主角是炜璨医疗创始人、董事长李强。炜璨医疗是目前全球首个涵盖静脉、动脉、脊柱、腹腔、透析、颅内等全场景植入式给药装置+智能化植入式自体给药装置的创新型医疗器械公司，公司依靠自研团队开发的多种植入式给药装置系列产品，均为国内外首创。 2023年，华创资本在种子轮独家投资了炜璨医疗，并在后续融资中持续加注。 30岁那年，医生李强从上海九院辞职，去辉瑞做起了药代。 拿下第一单后，涌上来的只有屈辱和崩溃，那是他用尊严换来的。 此后三年，他反复拷问自己这一步的选择，直到赚到第一桶金，也逐渐意识到这份工作的价值——推动医疗行业向前走的，从来不只是医生，更重要的还有企业。 只有看清一个行业的规则是如何制定的，才有可能重新改写它。 做药代赚到第一笔钱，李强拿去读了MBA，也第一次学会从市场的角度理解行业运行的逻辑。 玩儿命工作加上善用知识，仅仅三年半，李强就成为辉瑞第一梯队的销售，获得升职加薪的机会。但2014年时，他预感到医改真的要来了，“药品行业疯狂的黄金十年结束了，后面就是末日黄昏。” 他决定转行去医疗器械行业，这样自己过往的临床专业能力就有了用武之地。他跳槽到美敦力，降职还降薪，之前的上级和同事认为他可能是疯了。 李强也觉得自己第一年“跟傻子似的”，因为药品和器械行业完全是两个世界，两种游戏规则：做药代一个人就可以打天下，但器械要管理好代理商，这里有明确的分工和角色扮演，要能驱动经销商、厂家和客户这个三角螺旋上升。 李强觉得只能靠技术。他开始疯狂跟手术，一年跟了四百多台，对介入器械有了足够了解。 后来，为了从销售转向管理市场，李强又先后去了3M和贝朗。只有外企的经历似乎不接地气，他又辗转加入了民营药企和器械公司，试图搞懂不同玩家的“游戏规则”。 也是在民企期间，他发现了创业机会，从输液港这个赛道切入，成立炜璨医疗，建立起一套全新的植入式给药解决方案。 从医生到销售、从外企到民企，李强不断进入新的系统，习得“游戏规则”，理解它、适应它。 直到这次创业，他决定成为规则的改写者。 全文分享如下： Q：华创资本 A：炜璨医疗创始人、董事长李强 一、“新造的人” 华创资本：从医生转型做药代的经历，对你最大的冲击和改变是什么？ 李强 ：现在回头想想，医院其实是一个封闭的社会，一个象牙塔，当真的跳出来，你发现你面对的是一个全新的世界。 当然这个过程非常痛苦，我 30 岁从医院辞职，原来自己是甲方，但做销售要服务的医生可能很多专业能力还不如我，想想那种落差。迈出这一步要解决的首先是心理问题，你脸皮拉不拉得下来？膝盖能不能跪得下来？ 做第一单时，我不认识那个主任，纯粹是弯下膝盖，求人家帮忙。而且销售这个事情不是迈出第一步就能克服障碍的，前面三年，我感觉每天都在重塑价值观、下探心理底线，随着工作阅历的增加，挑战和压力反而越来越大，直到有天我不再怀疑自己的选择，才真正上了道。 华创资本：你是什么时候开始意识到，真正推动医疗行业的不仅是医生，更是企业？ 李强 ：因为我是康复科的医生，我们更多是通过器械、辅助的工具来治疗病人，如果没有这些企业生产的产品，我们几乎什么都做不了。 过去，国内的医生往往是被动学习的，那些最创新的疗法、药品、器械，都是企业带来的，行业里的指南共识很多也是企业在推动。我作为医生看病救人，和在企业开发创新产品，相比之下哪个影响力更大？ 我们医院有位知名老教授也很认同我的看法，她觉得自己的成就就是建立在技术创新之上，正因为当年有家外企把某种疾病的检测方式和治疗的药物带到中国来，她才得以借此成为中国该领域治疗的知名专家。而且她也鼓励我先从一线销售做起，很多大老板也是这样的路径成长起来的。 华创资本：从最初的不适，到后来做到第一梯队，你是怎么理解“销售这套游戏规则”的？ 李强 ：首先是要学会收起锋芒。有的时候公司提拔的不一定是最拔尖的人，因为他们老想着颠覆公司的游戏规则，要做那个优秀且稳定的人。 其次，一定要找最困难、最苦的事情去做，当时辉瑞最难做的区域在上海最南边的奉贤，但我住在最北边的宝山，路上单程就要花三四个小时，但我主动申请调去那儿。我按照商学院学到的知识，从零搭建了一套自己的营销模式，用了一年多时间把这个区域做成了明星区域。 华创资本：既然你在辉瑞做出了成绩，为什么又选择去美敦力“另开一局”？ 李强 ：辉瑞每年会做政策的分析，2014年的时候还没有“集采”的概念，但我觉得这是早晚的事。将来真正的医改一来，对药品来说基本上 game over。 疯狂的黄金十年结束了，后面就是末日黄昏。 在这种剧烈调整中，我就思考自己的价值怎么体现？药品行业做到后期更多比的是情商，而我的强项在于专业性。而且我发现每次到医院，做药的都在那排队等着敲主任门，但做器械的可以推门就进去。因为它们对医生的价值不一样。 所以我降职降薪去了美敦力，又从最基础的一线销售做起。 华创资本：做药和做器械，这两套系统的区别在哪里？ 李强 ：药品是直销模式，而器械高值耗材是渠道销售模式，完全是两个世界， 两种游戏规则。 做药是单点突破，所有资源都在我手里，一个人就能打天下。但做器械，下面有七八家代理商，每家代理商下面又有七八个代表，它有清晰的角色定位和分工，权力要分、资源要分，要能驱动经销商、厂家和客户这个三角螺旋上升。这其中还涉及到利益的分配和平衡。 前三个月我焦头烂额、找不着门道，老板一度怀疑我能力不行，后来我想清楚自己的角色应该是技术支持，我的专业能力要能支撑我辅助医生做手术。 于是我开始疯狂跟手术，一年下来跟了四百多台。后来我还参与了一些介入器械科普书籍的撰写，这些都为日后创业打下基本功。 华创资本：那你后来不断在外企和民企之间切换，是为了补什么能力？ 李强：当初离开医院，我给自己的职业规划就是做五年销售，然后转向市场。在全球最大的药企、器械企业做过之后，我先后去了3M和贝朗，了解了怎么管供应链、产品线，如何定价，如何管理团队。 尤其去贝朗之前，我很想搞清楚一家家族企业不融资不上市，为什么能活180年？他们的产品线特别全，有4 万多个产品，几乎所有医药企业都是他们的竞品。他们认为医疗的需求是在不断变化的，于是就不停地推产品，但从来不追求成为 NO.1，只要 follow ，在每个细分领域做到老三老四就可以。 这些全球最顶尖的外企都有自己成熟的体系和品牌，但创业是从零到一，于是我又去了民营企业，从零开始，推动了公司参与胰岛素和生物药的集采，还尝试了做培训、数字化转型、营销等等，开始学着怎么建立规则。 二、“修路的人” 华创资本：你是在什么情况下意识到，输液港这个领域还有创业机会的？ 李强 ：输液港是一种微创植入式给药装置（PORT），通常是为了减轻药物对患者血管的刺激而置入体内的专业输液装置。 我在科睿驰医疗期间，发现灌注在临床实际应用量非常大，但没有合适的灌注工具。再加上做口服胰岛素时，想到口服的方式最大的痛点在于生物利用度低、成本高，为何不能直接肝脏给药？这样也不用在外周再进行注射，而PORT都能满足。 只是当时芯片、传感器还不支持做SmartPort，后来条件成熟，我也进行了市场调研，于是在2023年创业，成立了炜璨医疗。 华创资本：在你看来，输液港为什么不是一个小产品，而是一个值得重做的领域？ 李强 ：PORT的适用范围非常广，在2022年，全国新发肿瘤化疗病人有240万，其中适用PORT的患者就有120万人之多。除了化疗，肿瘤的动脉灌注、透析、胰岛素给药等等都是能覆盖的场景，未来还可以延伸到独居老人、宠物身上。 比如针对癌症化疗患者，过去的输液方式是“灌溉式”，需要用大量或者浓度很高的药物，虽然有效，但也会无差别攻击到身体其他部位。而输液港可以把导管放进给肿瘤供血的血管中，精准“滴灌”肿瘤细胞，减轻身体其他部位的损伤。 同理，只需要变换输液港导管植入位置，就可以治疗不同的疾病，比如放在脊柱的位置治疗脊柱炎，放在肠道里面治疗肠癌，放在耳后治疗鼻咽癌······ 从这个意义上来看，输液港就不再只是一个单品，而是能应用在所有长期给药的场景中。 华创资本：你觉得现有的产品为什么还没有满足这些需求？ 李强 ：输液港这个产品看上去只有指甲盖大小，但这么多年还得依赖进口，而且它存在很多临床上的痛点。 首先是和国人体质不匹配，因为它是按照外国人的 size 去设计的；其次是技术、工艺落后，市面上的产品用的还是2005年以前的技术，而国内的临床需求已经变了，但产品还没有更新；此外，维护成本、价格还很昂贵。 很多企业只是停留在单一的产品层面，认为外企做出来的已经是行业标杆，就算改良，也并没有触及原材料，只是在形状、功能等细节上进行简单的优化升级。 华创资本：你们做了哪些改进和创新？ 李强 ：我们的思路不是要做简单的国产替代，而是从制作的原材料、产品工艺，再到最后呈现的产品形态，都自己研发，同时敢于去拓展新的应用领域，引领新的治疗术式，造福更多患者。 因为我是临床背景出身，兼具产业经验，所以我们企业从临床需求洞察、产品定义、再到工程实现、商业验证都能够形成闭环。我们能真正实现原创，而不仅仅是模仿或者微创新。 炜璨和创新型的新材料团队合作，已经打磨了可以替代进口的原材料。还使用了3D打印技术，最大程度精细化产品形状，能做到打微孔、抛光、一体化成型。 目前我们在六个应用领域都有产品布局：包括传统静脉通路、动脉灌注、胸腹腔灌注、颅内灌注、脊柱镇痛给药、动物给药。每个细分领域都有多款原创产品。 华创资本：你说你们做的事情是在“修路”，该如何理解？ 李强 ：我们做的其实不是传统的输液港，而是“硅基生命和碳基生命的门户”，听上去可能不太好理解。 第一步，我们是要覆盖所有需要长期给药的场景，比如在颅内、胸腔、腹腔、透析、静脉、动脉等部位植入输液港，相当于修好基建； 第二步是信息化，我们自己在做植入式传感器，可以监测体温、血压、血氧、细胞计数等等指标。因为我们在医院做检查时，报告显示的数据都是过去时、点状数据，但没有足够的个体数据去支撑预测你的未来。 我们相当于把 AI 植入了你的体内，它就是你的“数字医生”和“数字器官”，随时监测数据的变化，做到提前预警、提前给药。 比如张雪峰遭遇的心源性猝死，如果将来高危人群植入这样的SmartPort，一旦疾病发作，就能提前报警并且自动给药，为急救创造窗口期。 华创资本：若想实现这一步，最具挑战的是什么？ 李强 ：最难的其实不是技术，而是认知。 事情上的挑战不是最大的，做到只是时间问题，但钱的认知目前还不匹配。像汉杰（ 华创资本合伙人卢汉杰 ）、华创这样的投资人和机构太少了，我见了大量的机构，大家还是在旧有的医疗器械认知的框架下看待我们做的事情，有时候大家很难做到彼此深度理解和认可。 做出国产输液港产品只是我们的第一步，未来，我们要做的是依托AI技术让产品更智能化。 我们已经和华科大、东南大学、西交大、以及莫斯科物理研究学院等多所高校科研院所建立了战略合作关系，会共同推动前沿技术的快速落地。 三、“建立规则的人” 华创资本：你觉得医疗器械行业现在正在发生什么变化？ 李强 ：医疗器械正处于行业规则切换的关键时期，从传统的低价、低品质、商业渠道驱动，转变成创新、专业学术、医工合作驱动，我相信我们炜璨再沉淀两三年就会迎来爆发，未来会有大量和我们一样的企业如雨后春笋一样冒出来，医疗器械行业也会像创新药一样，到时每年 BD 几百亿，中国医疗器械创新会真正得到国际认可。 但如果还按照过去行业规则来做的企业，肯定没什么机会。对器械的理解不能停留在单纯的产品层，要系统改造，才能适应新的行业规则。 华创资本：现在行业最大的规则是什么？你最想改哪一条？ 李强 ：我觉得研发体系是个大问题，这也是我最想改的行业规则。 一家公司的架构、流程、体系要能适应现在的环境，它才能活得好、不挣扎。 很多公司为了逃离内卷才出海，只是输出低价产品，是无法长久的。我理想的出海应该是带着标准和体系去的，这样才能变成一个学术高地，要通过这种方式去做全球市场，而不是去卖个产品替代原来贵的那个。我们不想变成一家代工企业，否则公司基因也会改变。 华创资本：为了试图建立新规则，你们目前做了哪些事情？ 李强 ：我们从产品和机制方面都在创新。 产品管线已经覆盖颅内、脊柱、腹腔、盆腔、静脉、动脉、镇痛、透析通路等等。 公司也在苏州和南京建了研发中心和生产基地，目前同时在研的项目有20多个。其中，人用静脉输液港已经提交了三类医疗器械审批，预计明年上半年就能落地，售价会比进口的便宜不少，能让更多患者用得起。 当然，仅靠这样的产品无法支撑我们健康良性发展，明后年我们陆陆续续上市的一些创新PORT才是公司最核心的产品。无论如何，开发出便宜好用又创新的产品才是炜璨的灵魂。 团队搭配方面，我们有临床医生、机械设计工程师、材料学专家和医疗器械注册法规专家等，覆盖了研发、生产、临床和注册的全流程。 我了解到有些传统的医疗公司都是拼拼凑凑找个供应商，画个图纸，然后报个证。但在炜璨，工程师要自己去做产品，我们强调动手能力和车库文化，强生、美敦力也是这么做的，这样才能把创新转化成制造能力。 我们公司内部还会举办创新大赛，哪怕是微小的创新，我们也积极鼓励。比如我们工厂纯净水和超纯水用水量很大，但用不完的部分需要排掉，或者有时候忘记关，一个月好几吨水就白白浪费了。我们厂务就自己设计开发了一款控制器，每个月能节约两吨水。我希望创新的文化能体现在公司方方面面。 华创资本：如果在国内，别人也复制你们的路径做出一样的东西，你们怎么应对竞争？ 李强 ：这是早晚的事情，挡不住。 其实也不用担心，因为你是不停往前跑的，这些医生、专家也是跟着你的方向走的，等别人仿我们第一代产品时，我们第二代已经出来了。 而且另一方面，这个生态也需要其他玩家，只有我们一家也不行，不能吃独食。我们自己只要不停前进保持领先，剩下的蛋糕要主动让渡给别人，这样才能构建起一个生态。不同玩家满足不同层面的需求，这样客户的满意度才会高，才能有动力再把这个学科往前推，我理解生意也要这么做。 华创资本：前面那么多年你一直在为创业积蓄力量，真正做了这件事后，理解和认知有什么变化吗？ 李强 ：轻易不要创业，真正创业之后，你就会更有敬畏心。 我原来的想法就是拉起队伍直接干，但后来发现创业对老板自身的要求非常高，你可以不是每件事都特别优秀，但不能有重大缺陷。 刚开始创业，我遇到的难题就是自己知识的局限性，研发生产、体系建设，我也有很多知识盲区，无法判断很多决策是否正确，这就导致管理、产品进度上都交了不少学费。最难的时候，我甚至都准备抵押房子，好在我们很快就从坑里爬了出来。 我不害怕打碎、归零、重新开始，过去每次重大职业选择，我都是这么过来的。只要每次都能all in，我就没有遗憾。 华创资本：你希望炜璨最终成为一家什么样的公司？ 李强 ：过去，国内输液港市场是当年我们团队在外企的时候塑造的，市场情况及行业规则我们非常熟悉，也有既往资源。既然 1.0 时代是我们创造的，那我相信2.0时代我们依然可以引领行业。 未来，我们希望自己的角色不是替代旧规则，而是建立新规则，为医疗行业创造真正的价值。