Post-90s Peking University associate professor Dong Hao: How Qiyuan Robot uses HIL-UMI and the horizontal Scaling Law to tackle home embodied intelligence

大多数人对他的印象，停在 29 岁便是北大博导的年轻学者身份，以及最近任职启元机器人首席科学家、带队攻坚家用具身智能的产业标签。但很少有人知道，他读博之前曾有过一段三年创业最终折戟的经历，住过工厂的八人间宿舍；更少有人知道，智元刚创立时，他就是最早加入、陪着初创团队闯过无数关口的核心成员之一。

当行业还在热议大模型、通用机器人的宏大叙事时，他盯着的是另一个一点都不性感的真问题：靠上万台真机做后训练，成本高到难以落地，这条路要怎么破？

他最近给出的答案是三个关键词：HIL-UMI、Scaling Law 和量产。

而这份答案的底层逻辑，早就写进了他一路 “压缩着走” 的人生里。

硕士毕业，他婉拒了导师的直接读博的建议，回国创办公司做可穿戴设备与脑机接口，一头扎进工厂，住过八人间宿舍。三年后亲眼见证市场被大厂快速挤压，他没有恋战，转身回到帝国理工攻读博士，四年后顺利毕业，期间主导开发的开源框架，还斩获了 ACM MM 最佳开源软件奖。 毕业后，他加入北京大学入职不久就撞上疫情，对着全程不开摄像头的学生，线上讲了一整年的机器人课。2023 年智元机器人创立，他作为核心成员加入，成立北大智元联合实验室；如今他转身出任启元首席科学家，一头扎进了难度最高的 ToC 具身智能赛道。

在行业里，董豪向来朋友众多，创业经历、顶尖学术、头部产业的履历，也带着一种罕见的跨界流动感。一个完整亲历过硬科技公司从起盘到落幕全过程的人，又转身沉潜到学术浓度极高的北京大学，如今再站到产业最前沿，他会怎么看当下的具身智能行业？ 带着这个问题，我们在北大校园里见到了董豪。

01

一个"压缩着走"的人

▎AI科技评论：你英本英硕四年读完，29岁北大博导。这个节奏在学术圈压缩了三五年。你自己意识到吗？

董豪：没刻意算过。英本英硕那个体系本来就快，四年硕士毕业是正常操作。

▎AI科技评论：但不到30岁入职北大不正常，你拿到教职第一年还撞上疫情。

董豪：第一次上课是线上，学生不开摄像头，不吱声，我全程自己讲，有时候问问有没有问题，没人回。搞机器人的全线上，机器人摸不到。最惨的是突然解封能用一下，突然又封了，断断续续。很多人没熬过去，我运气还不错。

董豪：还有就是我做的事聚焦。机器人这个方向，学术和产业都关注，两头都不浪费。

02

一位90后北大副教授的创业往事

▎AI科技评论：2012 年硕士毕业，导师郭毅可（中国工程院外籍院士、现港科大首席副校长）劝你读博，你没听，回国创业，具体是什么情况。

董豪：研究生跟着郭老师做科研，郭老师让直接读博，结果我决定回国创业，他支持我，还给了钱，后来 2015 年回去读博，他也没说什么，给了我很大自由，让我自己选课题。

董豪：是的，当时势头很猛。创业的时候住工厂，条件很差，都是八人间，我待遇好一点，一个人住一个八人间，八个床，想睡哪个睡哪个。

董豪：苦倒不至于，就是看得见一个创业团队完整的命。可穿戴设备：便携脑机接口、智能手环，我们先做的，前者是面向未来、后者面向当下。小米华为后来入局可穿戴，但人家一做起来非常快。眼睁睁看着市场没了。

董豪：量产。样机半年就能做出来，但你要造一百个产品，成本要控制住，良品率要高，还得耐用，这个要花一两年。一个小改动，改模具、调产线、重新验证，周期按半年算。三年时间，其实没几轮试错的机会。（雷峰网）

董豪：量产很难啃，外行看量产是个数字，做过硬件的人看量产，看到的是几千个细节配合，测试项厚得像一本书。我以前做那么小的东西都觉得难，现在我们要把整机机器人造出来，一个个标准打过去，这里面非常难。

董豪：就是你知道再努力也没用。人家供应链、渠道、品牌全都有。我后来总结，前沿技术和市场之间有时间间隔，这是我花三年买的认知。

董豪：你这么一说……好像是。

董豪：但其实我不后悔那三年，虽然做研究和下场做，是两回事，但是必须下场做，不做不行。当年造车，融了钱不造的全死了；造了，死掉四分之三。你还是要做。

董豪：怎么说呢... 说白了，你就算把钱存着也存不了多少，反正你肯定要搏一搏。你的钱多，比得过巨头么，造车不就是例子吗？造了还好一点，还有一丝的胜率。

董豪：具身智能有个好处，因为它的市场空间太大了，可以突破的点就很多。比如说很多 toB 的场景，它不一定需要一个模型可以做很多不同的任务，所以做这种，短期收益是比较好获得的，比如做工厂里可复制化的工位，比如说分拣。至于怎么花钱，就要看各家主攻的方向了。

董豪：启元的想法，是要一下子能往终局做。

董豪：面向家庭、消费场景，是必须实现通用作业智能的，总之是要一个通才具身智能大模型，而其他场景不一定需要。

03

从智元到启元：最难的那个选项

董豪：可能因为我一直觉得行业要一起努力，都是朋友，这个行业能做的很多，我还是喜欢一群人共同往前拱的过程。

▎AI科技评论：2023 年智元刚创立你就加入了，志辉和邓总（智元邓泰华）叫的你。现在智元上千人，量产交付跑在头部，为什么要出来做启元？

董豪：分工不一样。智元以 toB 场景落地为主，但启元 toC 不一样，面向家庭的机器人，得真的有大脑，得通用导航，得跟人互动，也要有通用作业智能，最难也最泛化。做具身前沿研究，toC 是最合适的战场。

董豪：比如同样造发动机，民航的和军用的，要求肯定不一样。工业具身不一定需要一个模型做一百件事情、但 toC 真需要。

董豪：该踩的坑都得踩。总之，从之前创业我明白了，等待策略是不对的，你等别人烧钱烧出方向，你在旁边苟着，苟住了胜率更大？不行的。你就算等到了，那又不是你的东西。

董豪：节奏和风格都不同，特别是工程化方面。举个例子，我刚进北大，杨耀东（北大博导，灵初智能首席科学家）拉我和王鹤（北大博导，银河通用CTO）做了一个北京科协的项目，关于灵巧操作的。

虽然是立项很顶级，但经费也不多，我记得那时候要买手（灵巧手），只能买Shadow Hand （英国灵巧手公司，一只手10万美元），价格贵得离谱，我和杨老师只能一人买左手、一人买右手，拼着做科研。现在大环境不一样了。

纯学术研究获得的经费少，支撑不了现在大模型的研究，现在不仅仅需要学术界的前沿研究，还需要大规模算力、以及很好的工程infra，学术也需要和产业结合。

董豪：他们这一代比我那时候条件好太多，技术视野、动手速度、融资环境都不是我们当年能比的。具身智能空间足够大，年轻人闯是好事，我也很看好他们的创业方向。

董豪：不一定，时机很重要。有的学生，我会劝他们先借助大平台把技术搞扎实，积累够了再出来。供应链、生态、技术团队这些东西要时间，花钱买不到。快不是问题，没积累的快才是问题。

董豪：长线按三年看。作业智能先做失败了也没风险的场景，比如衣物类的，每天都要做，叠没叠好不会出事，安全边界高，失败了也能重试。我们已经做了全自主洗衣流程：机器人自主规划路径、开合洗衣机门，抓取失败会主动重试，整套流程无人介入。你不能一上来什么都干，也不能什么都不干在那等。先优先打穿一些能力、再横向拓展。

04

技术判断：胜负手在后训练

董豪：不是否了，是阶段不一样。预训练解决起步的世界观构建，路线其实清晰，采数据，训练进去，大力出奇迹，把成功率从 0 拉到有一定成功率，但提升有上限。大规模后训练会比现在说的预训练要大，甚至完全覆盖。

董豪：模仿学习只能冷启动。训练样本全是正确轨迹，机器人犯了错不知道怎么调整回来。真实世界不按你的演示数据分布。

董豪：对，当年 AlphaGo 就是这个路径。棋谱模仿学习起步，但真正封神是靠自我博弈的大规模强化学习。后来ChatGPT 也一样，核心还是 RLHF 来做强化。今天的机器人一样，泛化和极致成功率，胜负手全在可规模化的后训练。上半场拼谁先拿模仿学习把机器人点亮，下半场拼谁能用最低边际成本、最快构建机器人的纠错网络。

董豪：这就是物理约束。你要几万台真机在几万个真实房间里同时做后训练？造一万台出来成本都不得了。智元成立 3 年量产 2 万台，已经是很强了。

▎AI科技评论：所以启元做 HIL-UMI，无本体数据采集的后训练。

董豪：对，这个是我们最近比较火的一个工作。人不需要操作机器人本体，穿戴式、手持式相机记录操作过程，直接转成可训练轨迹。同等预算获得的模型能力提升更高，并且可以支持后训练、有针对性地优化模型缺陷，让成功率逼近100%。

董豪：一半。另一半是数据效率。比如我们现在可以把一条真机轨迹，用世界模型/生成AI，能生成 50 条物体摆放、空间位置都不同的等效样本。真机数据价值放大 50 倍。人类示教、真机锚点、生成式扩增，拼起来才是"可规模化的后训练"。

05

横向 Scaling Law：性格的理论化

▎AI科技评论：你提到的"横向 Scaling Law"，数据量一个轴，任务量一个轴。为什么加任务量这根轴？

董豪：很多公司现在是低效增长曲线：做一个场景，过拟合，交付；下个场景，从零再来。数据和任务只是线性关系，边际收益递减。横向扩展之后，新任务的初始成功率会越来越高，达到高成功率需要的样本量持续下降。越学越省。

▎AI科技评论：我问个可能过度解读的问题。你读书压缩着读，创业三年，现在北大和启元两头同时做。“不在一根轴上死磕、两个维度同时加速”，这个思路是不是你性格的理论化？

董豪：这个问题（笑）

董豪：有可能。北大的事和启元的事，对我来说不是两份工作，而是同一件事，一边做技术范式创新、一边做规模化验证，两头相互支持。

06

关于“节奏”

董豪：控制好节奏就行。不是不恐惧，是控制好恐惧。

董豪：所以无论是科研，还是在公司里，节奏才重要。快不是问题，乱才是问题。什么时候投入多少，研发节奏要把控好。

07

后记

北大前沿计算研究中心由图灵奖获得者John Hopcroft和高文院士创建，目的是培养新一代的计算机领域人才，做出有影响力的科研。中心对论文数量、申请经费没有任何的要求，评审方式与国际接轨。

一届又一届的图灵班学子从这里走出去。

在这里，董豪一直在深耕教育、科研，启元的前沿学术研究，也在这里发生。某种程度上，他的说话方式和他的人生、他的理论是同一种东西：压缩。把别人十年的路径压成五年，把一条数据压出五十条的价值，把一维的行业压出一个新的轴。

“横向Scaling Law”也许不只是一个技术趋势，它更像这个人的自我描述。（雷峰网）