132. 对星海图创始人高继扬的3小时访谈：鲶鱼、曾国藩、Waymo与Momenta的两面、一只狼与许华哲的离开

132. 对星海图创始人高继扬的3小时访谈：鲶鱼、曾国藩、Waymo与Momenta的两面、一只狼与许华哲的离开 - 张小珺Jùn｜商业访谈录 | 小宇宙 - 听播客，上小宇宙

做家务 清晨洗漱

听播客，上小宇宙！点击下载

132. 对星海图创始人高继扬的3小时访谈：鲶鱼、曾国藩、Waymo与Momenta的两面、一只狼与许华哲的离开

张小珺Jùn｜商业访谈录

185分钟·2个月前

44295

·

64

我一直有一个疑惑，为什么在中国具身智能行业里，至今我尚且没有遇到像梁文锋、杨植麟这样带有浓重的技术浪漫主义色彩的人。这让我有时有点失落。

直到我认识了高继扬，他似乎是技术浪漫的反面，追求极致的效率、生存与工程拆解。

这次的访谈时候，星海图的联合创始人许华哲正要离职。这也许是某种信号。

高继扬告诉我，机器人是一个链条极长的的行业——很大程度上，你要把头伸进泥土里。

接下来，就是我对星海图创始人兼CEO高继扬的访谈。

期待2026年，我们和AI共同进步！

00:01:49 冲刺型小孩

00:12:07 学习曾国藩

00:25:30 提高顶会命中概率

00:33:46 Waymo是没有创始人的

00:55:38 Momenta是极致的反面

01:02:25 鲶鱼

01:19:26 从一份糟糕的BP开始

01:35:26 挣扎着做整机和供应链

01:49:32 Data Recipe

02:16:33 机器人大脑

02:29:37 许华哲的离开

02:39:04 我们天然要到土里去

02:51:58 狼

《对DeepMind谭捷的访谈：机器人、跨本体、世界模型、Gemini Robotics 1.5和Google》

《和王鹤聊，具身智能的学术边缘史和资本轰炸后的人为乱象》

《逐篇讲解机器人基座模型和VLA经典论文——“人就是最智能的VLA”》

【更多信息】

免责声明：本内容不作为投资建议。

展开Show Notes

Max想运动

2026.2.13

29

小珺的资源越来越好了，这几期采访的嘉宾都是当红辣子鸡，还都是融资宣布后第一时间发的talk

晨煊-:小珺的播客从第一期开始就是横空出世，嘉宾远远甩其他所有科技播客 18 条街了。以至一开始就觉得这是腾讯官方播客吧

生而为猫奴:我觉得小珺的资源从来都是国内顶级🌚

共 3 条回复

杠杠开始

2026.2.14

28

男嘉听起来是的实在人 几乎透明的思维 攻关技术可以

ima君

2026.2.14

16

明显感觉是更务实更全面的企业家，相比于其他具身科学家来说

猫里奥是马里奥好朋友

2026.2.24

9

2:43:13 主持人太强了。“如何识别一个机器人公司在画饼？”

听着有点冒犯，其实也是很多关注投资的人想问的问题。

这个采访质量超强，新一代的高科技企业CEO也直面压力，有什么说什么，很真诚，听不出套话和回避。

真是太强了😸

杨律legal

2026.3.19

6

真的非常推荐这期播客

整场听下来，会知道一个目标感极强、真正愿意把“把头伸到土里去”的科技行业的企业实干家的状态，他的判断、权衡和极其真诚的表达方式，是极富感染力的（极致的效率工程拆解与实用主义)。

1.“归纳总结”的底层方法论

①在高中物理竞赛的时候就练就了“归纳总结”的底层方法论，学会将题型映射考点、系统性训练解题路径，最终在物理竞赛中取得好成绩后被报送清华。

②在博士阶段已经给自己定了目标将来要去产业界，既然如此博士阶段只是一个训练阶段，自然越快越好，通过归纳总结的方式和计划、努力等，最终以三年半的时间就博士毕业（正常可能要5、6年毕业，自己定的目标是4年，然后推导和拆解要完成的事项。因为方向和创意实际比自己能干的更多，所以和其他人分享idea，然后一起做出成果）。

通过归纳总结发论文的规律，三种套路：

第一种是“挖坑型”，研究前人没有研究的问题，比较难做。

第二种是“提升型”，就是已经有了这个问题，在这个问题上性能做的比前人好啊、第三中是“经济型”，在性能接近类似的情况下，成本比别人少。

备注：提到这里的时候，其实想到了雷总读武大的经历，只能说牛人的思维很多时候都是相通的。

2.“工程师思维=拆解+测量”方法论

在Waymo的阶段从知识层面，到历史沿革，形成对于自动驾驶整套系统是如何运行的，这时候逐渐形成了工程师的思维。什么叫工程师思维？工程师思维就是拆解加测量（从复杂问题拆解到子问题，最后落到代码或单元测试，然后再从微观逐步逐步回去看中层指标、顶层指标）。

3.Momenta的价值观

Momenta以客户为中心的价值观，“客户为中心不是生硬的说客户说让我们做什么我们就做什么，而是真的站在客户的角度去看他的需求是什么，甚至帮助他、挖掘他的需求是什么，然后提出更好的方案，然后去帮他解决问题。然后以客户为中心，也不是说是公司内对公司外的，而是所有的上游面对下游的情况。公司内也有以客户为中心，对吧？你的支持团队面向你的业务团队，你的上游的平台团队，面向下游的交付团队，都是以客户为中心的。这样的思考问题的这个方式以客户为中心。相对的我觉得有一些是，以比如说自我成长为中心，比如说以所谓的技术领先性为中心，我觉得这些都是错误的，至少在做一家企业来讲都是错误的”。

这段话是原话，我觉得是说的非常精彩的。其实对于包括律师行业在内的许多行业也都一样，在这么卷的情况下，AI消解了很多信息差，原来靠“我懂你不懂”的方式在市场立足的商业形态已经发生了改变，客户更加需要以能够切实解决实质问题为导向的法律服务。

4.对于为什么要做整机而不是算法或软件的考量

①既然要做具身智能，就是要通过建立在物理世界的数据闭环之上的长期壁垒进行构建。需要构建物理世界数据闭环，必须得有数据载体，就必须得有整机。

②要给世界提供的商品不是一个算法，不是一个所谓的大脑，是一个整机加智能形成的，在物理世界能够有执行能力的这么一个物理实体。

③对于做自动驾驶的公司和这个同学们来说，已经有一个100年的汽车产业是幸运也是不幸，幸运的是有极其明确的客户和商业化路径。不幸的是，车企才是与终端的使用者直接打交道的，自动驾驶数据闭环构建没那么通畅。同时，软件又是和车的硬件整合在一起的，所以交付体验是打折扣的。

④对于具身智能行业而言，矛盾也是对立和统一的。不幸就是说没载体，得自己去克服这个不适用。幸运的是，一旦有了载体，带来的将是极大和极广阔的市场和空间。

这段讲的特别精彩，矛盾的对立统一，以及从理论一步一步回到实践的处理。

wx_ZkD8

2026.3.05

5

3:00:39 听出来嘉宾真的是工作狂了哈哈哈

代娇梦

2026.2.22

5

很质朴的工程师

晨煊-

2026.2.13

9

43:54 国内自动驾驶最好的之一，华为也是典型 rule-base，而非 AI native的技术路线，典型的下线高，上限低。也是靠着足够大的研发费用投入最多的工程师，掌握最多的数据来写 principal，也就是 rule-base。与 tesla 是相反的路径，基于 rule-base 的路线未来一定是没前途的。当然到时候偷技术，那就另当别论了。

凡_YkgO:有数据有算力 换到ai native就会很快的，华为先用rule base占市场 拿数据 ，后面很容易就替成ainative

Jasmine_2yxJ

2026.2.20

3

不认识的膜组件就是拍照上淘宝识图，学习了解本体结构，真是朴实无华的创业啊🤣

香巴拉Warrior

2026.3.14

2

小珺很棒，提的问题很好。嘉宾回来的还算中肯

郦橙锦妖Vanessa

2026.2.19

2

28:45 从无到有，多快好省

珠_r6wS

2026.2.19

2

我毕业以后的第一份工作也是工程师，确实工作会把人锻炼的更严谨务实些，真城且真挚。在男嘉宾的身上看到了具像化的体现。之前看段永平的一段采访，确实和我们这种感受不太一样 。男嘉宾太厉害了 吾辈楷模。希望2026我也早日做出改变！

轮胎直男

2026.2.17

2

92年的，长得也太成熟啦😄

潦草小豆

2026.2.16

2

嘉宾也太喜欢说“然后”了😂😂

Tim.yao

2026.2.15

2

天之骄子 大数据时代清华的都不错

郁灵星

2026.2.14

2

“持续融资，讲故事”。看起来更适合做技术。

黄甸果

2026.3.29

1

应该去采访一下诺亦腾机器人的创始人啊，国内机器人数据领域的绝对权威，超强的表达能力。

蓝白蛙

2026.3.16

1

08:24 需要勤奋的时候才勤奋，感觉是人的天性，大家都这样子吧，但是这点太关键了，如果周围环境很一般的话， 人真的很难进步。 只有跟更优秀的人在一起， 才有挑战。

gegrgr-

2026.3.11

1

2:37:46 欣赏高总不令人厌恶得“赢麻了”了的态度，创业公司归根结底是创始人

周粥呀

2026.3.08

1

每次都能听小郡问，你是怎么长大的？

打开小宇宙查看更多精彩评论

00:00

00:00