一家智驾供应商如何从规则崩塌中练出 “神奇的模型”。

文丨宋玮 郭瑞婵

如果不离开大疆，青年教授沈劭劼大概率不会遇到 “喝红的还是喝白的”“要不要跪着满足所有需求”“账上只够发三个月工资怎么办” 这种完全不属于工程世界的难题。

但这恰恰是卓驭这家公司的起点。

2024 年 9 月 27 日，沈劭劼带着 1000 多名员工搬离了大疆深圳总部 “天空之城”。这一天，他正式告别被视为工程天堂的 “温室”，走向资源有限、竞争残酷的现实世界。

大疆出身，既是光环，也是枷锁。

卓驭一出生就站在聚光灯下，被放进 “地大华魔” 的坐标里。但也长期活在巨人投影之下——大疆以产品为中心，而卓驭必须学会以客户为中心；大疆内部天然的资源池，让分拆后的卓驭在销售、客户关系等能力上几乎从零起步。工程底子很强，商业肌肉几乎空白，这是它矛盾又特殊的起点。

卓驭就像一个天赋极高、但缺乏社会经验的学霸，需要在市场里重新习得生存之道。

今年 11 月，它从大疆绝对控股的团队，变成由一汽、大疆和管理层共同治理的 “无实际控制人” 公司。国资委以 “链长” 方式推动一汽入局，新一轮融资超 36 亿元、估值 120 亿元。这标志着卓驭真正意义上的转型完成。

至此，这家公司才算从温室走入旷野。交易前后，沈劭劼对《晚点 LatePost》回溯了卓驭的三次关键转向：

- 从大疆体系内的团队，走向独立的共治结构；

- 从 “写规则写到绝望” 到删库重练，彻底切入数据驱动；

- 从 “大力出奇迹” 到 “巧力出奇迹”，用最小代价解决行业最难的两件事——因果推理和低频数据生成。

沈劭劼目前也是 HKUST-DJI 联合创新实验室创始主任，获香港科技大学终身教职。他是过去十年亚洲无人机与自主系统领域最重要的学术力量之一。

在这次访谈中，他不仅复盘了从大疆走向行业前线的十年；也首次以工程师视角揭秘了特斯拉 FSD 的真正精妙之处；以及一家智驾供应商如何从规则崩塌中练出 “神奇的模型”。

从大疆温室到太空之旅

晚点： 你们最初诞生于大疆内部一个神秘项目，代号 1609，我听说 1608 和 1610 分别是造车和激光雷达。

沈劭劼：其实叫 BR1609，BR 是 basic research，1609 就是 2016 年的第九个预研项目。类似的预研项目有好几个，自动驾驶、整车车控、激光雷达，都有人在做。

晚点： 为什么不造车？

沈劭劼：讨论过，但很早就停掉了。我们真正感兴趣的是 “自动的车”。去造车有点像是为了一盘醋，包了一盘饺子。

晚点： 从大疆车载到卓驭科技，为什么要分拆，谁提的？

沈劭劼：最开始肯定是大疆的决策，我没有权力决定分拆。2022 年下半年我们定了要拆，然后用了 2023 年一整年时间去想——到底要拆得多干净。

后来两个因素推动了 “拆干净”：一是国际地缘政治的变化；二是卓驭业务逐渐偏离大疆主航道，偏离越远，在内部推进任何重大决策，请示和审批耗时会越来越长，长到比团队把事情做出来的时间还久。

晚点： 当时业内都在议论，分拆是因为大疆无法忍受卓驭的亏损。真实情况是什么？

沈劭劼：亏损肯定是有意见的，但不能用 “忍受/不忍受” 这么简单的方式去描述。

我们之前没意识到这个业务这么难赚钱，最开始还有点幻想——看能不能靠近大疆的毛利率，后来发现连靠近的希望都没有。

晚点： 2024 年 9 月 27 日，你们从大疆天空之城总部迁出，离开的那一刻心境如何？

沈劭劼：有点像《三体》里人类成为太空人类的过程，末日之战后五艘飞船逃了出去，突然发现没有家了，回不去了。还到了一个资源不足的地方，五艘船，但资源只够两艘生存，必须得灭掉三艘。

我们从 0 到 1 在温室里成长，分拆后最现实的压力——是钱。当时正在做第一轮融资，分拆当天融了 15 亿，但搬出来前几天只到账了一部分，只能撑小几个月。你能想象吗？上千人公司被拆出来那一天，账上只有不到 5 个亿。

晚点：汪滔会不会说，“如果没钱了，随时来找我”。

沈劭劼：没有，约定就是要自给自足。

晚点：有什么是你出发时没预料到的？

沈劭劼：“大疆不会是卓驭的第一大股东” 是出发时没预料到的，但在今天看是必然的。

很早就有消息说美国商务部要发布 “50% Rule”：已在实体清单上的企业，其控股公司会被视为同样受限的关联方。此前预计的生效时间（注：该规则现状是推迟一年实施）是今年 9 月。

基于这个约束条件，大疆一定不能是卓驭的第一大股东，同时我们要在极其紧迫的时间搞定这件事。找一家公司能接手这么大的股份，同时这家公司最好是有产业背景的，一汽是最合适的。

晚点：今天一汽已经是卓驭的第一大股东。是否还有其他选择，比如把股权拆散，引入多家战略投资方，每家持股 20%？

沈劭劼：我们是一家估值过一百亿的公司，假如真引入四五家股东，我要怎么在 9 个月之内完成这个事儿？

晚点：业内今天会觉得你们被一汽收购了。

沈劭劼：从来不是卖身或者收购。公司有三层治理结构：股东会、董事会和经管会。经管会由我负责，自由度比之前在大疆体系里更高；股东会，一汽约 35%、大疆 34%，团队是第三大股东，没有谁能单方面控制公司。

晚点：一汽会派人参与日常管理吗？

沈劭劼：不会，他们不介入日常经营。

晚点：两家强势大公司股权相当，这种结构会带来什么问题？

沈劭劼：一汽和卓驭已经合作两年多，不是突然买股的关系，而是长期磨合后顺势推进。从董事会结构，一汽有 5 席，其他加起来 6 席，这是一个共管结构。

这个动作来自国资委层面的产业布局，一汽以 “链长” 的角色主导构建智能汽车产业联盟。本轮我们融了约 60 亿人民币，一汽投了超过 36 亿，足够支撑公司进一步发展。下一步的计划就是上市。

晚点：所有智驾公司，是不是最终宿命都是被车企收购？

沈劭劼：其实不是宿命，而是阶段性困局。今天智驾公司的困局在于：投入和收入极度不匹配。

根本原因是大家造出来的东西就是一个半成品。真正改变命运的，是产品什么时候跨进成品。如果智驾能 “破 2 到 3”（ L2+ 到 L3），那一刻消费者对你的认知会瞬间提升。定价逻辑不再是 “占汽车 BOM 成本多少”，而是 “它帮我节省多少时间、释放多少注意力，我愿意为它付多少钱。”

晚点：你在大疆带无人机飞控团队，做的是成熟的 ToC 产品，为什么要做这么苦的 ToB ？一个企业家曾评价，所有进入 ToB 的天才最后都会变得一言难尽。

沈劭劼：在大疆十年，我们一直想做一件事——造一台真正厉害的机器人。它不是某个具体产品，而是一种 “科技之美”——优雅、强大、能真正解决问题的智能体。

Frank 和我的学科背景都是无人机，我们认为无人机和自动驾驶在底层逻辑上很接近，本质都是 “移动智能机器人”——这是我们心目中的皇冠。目标没变，但为了把这件事做成，你得去做很多不在计划里的事。

有点像，为了干成这件事，只能多干点别的事。

开窍了！我们终于练出了神奇的模型

晚点：国内智驾跟进端到端技术路线，已经持续两年了，从 VLM、VLA 到世界模型都试了一遍，你们的进展如何？

沈劭劼：我们也摸索了很长的时间，也曾经自我怀疑，但大概两个月前我们开窍了，我们稳定训出了好几个很神奇的模型。

晚点：炼丹成功了？

沈劭劼：以前更像是拿机关枪乱扫，有能打中的，但对数据分布、数据配比、训练方法、各种 loss（损失函数，用来追踪模型输出的错误程度），都是模糊的。

直到最近模型的训练在往洲际导弹的方向发展——火箭很少整机试射，靠的是把每个零件单元测试、论证清楚，再组装成一个复杂系统。我们开始搞明白模型的训练动态（Training Dynamics），也就是网络结构、数据结构、训练策略之间的因果关系。一旦搞明白，你发射出去的导弹就能按轨迹飞，不会中途散架。

现在无论我们的中算力还是高算力方案都有质变，有一点 FSD 的味道。客户试 Demo 时会直接说：这条路别人过不了，你们能过。

晚点：这属于你的 Aha moment （顿悟时刻）？

沈劭劼：就是那种工程上的开窍状态。这一两个月我心情好很多。说实话，我今年年初状态应该是最差的。

晚点：差到什么程度？

沈劭劼：其实是从 2024 年 10 月 14 日那个决定开始——在快一年的预研之后，我们这一天全面转向端到端，极端点讲就是把原来交付客户的规则代码全删掉。这等于告诉所有人：我们以后只有端到端，没有规则了。

最开始的模型不成熟。客户端有交付压力，后端产出节奏又非常飘忽。前线交付团队会说：“你给我这是什么垃圾？” 那几个月组织都像高压锅，压力巨大，也不知道什么时候才能有像样的模型。

晚点： 为什么一定要删代码，不能像华为那样慢慢切吗？

沈劭劼： 必须删、断后路。因为我们没有两线并行的资源，只有一个韧性很强、执行力很强的团队。

这不是我一个人的决定，整个团队都有这个信念。我们当时写规则写到很绝望，解决一个问题会冒出十个新问题，工程上进入 “接近悖论” 的状态。直到纯数据驱动被验证可以不靠人工兜底也能跑起来，一下变干净了，所以我们直接删库重练。

晚点：去年写规则写到绝望，又在分拆公司，有没有想过干脆别干了？

沈劭劼： 没有。我是科技乐观主义者——我始终相信，无论技术问题多难，人类都能解决。

原子弹那么抽象的东西，人类都能搞出来。在原子弹之前，大家没想过还能用 “质能转换” 这种方式去释放能量，爱因斯坦提出质能方程后，人类最终把那个完全抽象的理论变成了现实。相比之下，驾驶这个任务一点都不抽象，每天都在现实世界发生。

晚点：但理想 2024 年初就行动了。你们不是号称技术领先吗，为什么没抓住机会 “遥遥领先”？

沈劭劼：我们是传统机器人学派，基本假设是 “物理世界的模型是我建立的”，对规则有执念。而数据驱动完全反过来：不建模，你用数据来学模型。

这个认知转变需要时间。说白了，打不过就加入，也得先承认打不过。2024 年 10 月 14 号往前一年我们做的事情都是，科学地说服自己真的打不过。

晚点： 我跟你的团队聊，他们很想拿第一，觉得自己值这个第一。他们说，“要做一个屌爆了的东西”。

沈劭劼：是，而且我们看到了那个第一的东西是什么样子。

前段时间特斯拉的 AI 副总裁在 ICCV 上做自动驾驶的分享，我看到了一个真正漂亮的架构。它是由一群同时懂物理世界、懂驾驶、懂计算机科学、也懂神经网络的人共同设计出来的体系。不是一个由公司领导者说，“我要做 VLA，所以你们就必须做出来 ” 的东西。

晚点：是群体智慧的涌现，不是自上而下的命令。

沈劭劼：特斯拉做出了一个很朴素、很务实、能闭环的工程体系。它让我们重新理解了 VLA。

以前业内谈 VLA 有一个隐含假设：这是一个巨大黑盒模型，靠大力出奇迹，模型够大、蒸馏够狠。但这种路线在工程上会有问题，成本也无穷大。

特斯拉给出了另一种方式：巧力出奇迹。它仍然是 VLA，但不是黑盒，是由若干个可解释、有分工的模块组成。它把行业最难的两个问题——因果推理、低频数据生成，用极低代价解决了。

你把它的架构拆开，会有一个很强烈的感觉：这些问题，本来就应该这么解决。

晚点：我看完的疑惑是，特斯拉主干还是传统端到端（模仿学习），VLA 只是外挂模块，并非以 VLA 为核心。为什么特斯拉被认为在自动驾驶上最强，而它的架构却不够先进？

沈劭劼： 端到端（模仿学习）本身有两个问题：无法覆盖低频场景（没有数据就无法模仿）；知其然而不知其所以然（缺因果推理）。

有两条路来解决。一条路是李飞飞说的世界模型——Video in、Control out（输入视频、输出控制信号），理解物理世界的因果关系，理论上能解决所有问题。但这是一个充分非必要条件，代价极高，三四年不一定做完。

另一条路是保持端到端主干不变，用世界模拟器生成虚拟的低频数据，再用强化学习来做后训练——听起来完美。但现实是：要生成足够真实的虚拟数据非常难。如果真能做到，等于世界模型就被我们训出来了。

所以关键问题变成：怎么在不造 “超级世界模拟器” 的前提下，让模型获得因果推理能力？

大语言模型给出了答案：用自回归架构，不断叠 token 实现推理。只要我让模型能一步步推演动作结果，它就能理解因果关系，也能覆盖低频场景。

我们的 AWM（Action World Model ，动作世界模型）就是这么来的。它是基于自回归的决策规划模型——不是看到输入立刻给动作，而是内部推演多种可能路径，理解因果，再生成决策。想明白这一点，再往后就变成：我们怎么用最低代价去设计这样一个架构。

晚点：你的同事刘思康跟我说，他看完特斯拉的分享感叹，“为什么特斯拉都已经搞出来了，我们现在还在搞？” 你觉得还差哪一步？

沈劭劼：我们和特斯拉思路 90% 一致，但特斯拉补上了一个关键环节——强化学习所需要的虚拟数据如何生成。

答案就是 3D Gaussian Splatting（3DGS，高斯泼溅），把真实场景重建成既可训练、又可渲染、可微调的 3D 表达。

3DGS 不需要像《模拟城市》那样从 0 开始模拟世界，而是基于真实数据做微调。举个例子：一个行人慢慢走过来，3DGS 能微调成走快一点、走着走着停下，你就能在高频数据上生成大量基于这个场景的低频和长尾数据。因此解决了没有低频数据，虚拟数据难生成的问题。

特斯拉的设计精妙之处在于，3DGS 是集成在原生的感知网络里的，不需要额外跑一个庞大的世界模拟器。在车端还是走传统链路：感知输出 — 决策规划 — 出轨迹。但在云端可以用相同数据做微调、生成一堆新数据训练，有点 “黑客帝国” 的感觉。

晚点：你说你们离特斯拉就差那 10%，这个差距本质上是因为什么？

沈劭劼：可能我们蠢一点？（笑）

晚点：既然有 “巧力” 路线，为什么大家还往义无反顾往 “大力” 走——更大的模型、更激进的蒸馏、更高的算力。

沈劭劼：走 “巧力” 路线的公司不止我们一家，只是大家不太愿意在公开场合讲。你看，光向你解释清楚这条路线，我们就聊了半个小时，公关场合没人会这么讲——“模型够大” 这种叙事听起来就更厉害。

晚点：那究竟谁领先谁落后，卓驭在什么位置？

沈劭劼：我不太愿意回答这种问题。如果必须说，我觉得我们是中国前三。还有一些技术观比较正、路子比较正的公司，比如 Momenta、地平线、文远，我们盯得比较紧。

晚点：主机厂不在这个列表里？

沈劭劼：不在。

晚点：什么时候能真正验证你们这条路线可以跑通？

沈劭劼：消费者能看到的都比较滞后。真正的竞争发生在主机厂的技术评审、项目竞标、Demo PK——每家公司都会把最先进的东西拿出去跑。

这些非公开的场合，业界的真实排名会比较清楚。那个排名通常跟市场 PR 呈现的顺序完全不同。

头部玩家差距只有三个月，胜负在 Anytime

晚点：卓驭有一段时间被称为 “价格屠夫”。你们从低算力低成本切入，让一款 10 万元不到的 A0 级电动车拥有智能驾驶功能。

沈劭劼：我们第一天就是软硬件结合，它天然会带来性价比——特斯拉就是这个逻辑的极致。但说我们 “只会做性价比”，这有失偏颇。要是你问我真正想做的是什么？我一直在找一条线。

晚点：一条线？

沈劭劼：就是最低成本，但能让用户 “安全使用、普遍好用” 的那个临界点——这是大疆基因——大疆无人机从来不是最便宜的，但它在那个价格上做到了极致体验。

我几年前说，辅助驾驶成本应该是整车售价的 3%-5%。这个观点今天也没变。

晚点：刘思康（卓驭行为智能部负责人）说，你们每年都会评估去年做的东西是不是还有改进空间。一旦可以继续挖，就不会放弃。

沈劭劼：大疆文化有个词叫激极尽志，就是把一个东西做到极限，做无可做。

外界有个误解，觉得我们 “迷恋做小算力的事”。其实不管大算力还是小算力，如果团队判断它在工程上可行，我们就愿意花时间和资源去试。

晚点：今天你们为什么还在迭代 TDA4——一个被认为算力过低、早已过时的平台。最近还把城区领航跑在了 TDA4 上，坚持它的意义是什么？

沈劭劼：说白了，就是不甘心。

我们最早推中算力方案拿了不少订单，但它能卖，是因为它没有对手，行业里没人做。后来端到端带来了数据驱动范式的切换，其他厂商的方案赶上来，我们原来的方案落伍了——这也正常。所以坚持迭代不是纯商业驱动，而是工程师的执着。

我们觉得自己还没碰到那条线——既然有可能做到，为什么要放弃？

晚点：你有没有想过，这条路可能永远也够不到那条线？

沈劭劼：想过，但后来发生了关键变化：我们长期压榨算力和传感器，让我们在转向端到端后发现——实现同等能力，我们的算力需求比行业低很多。

我们在 8650 上实现的性能，能和 Orin X 一样。我们不断对网络进行压缩部署，压着压着发现端到端网络也能部署在 TDA4 上，所以就做了 OTA，让五菱、捷途、大众油车的性能都显著提升了。

最近一个月，随着数据清洗、训练方法的变化，我们看到了质变，一些能力已经真正跨过那条线了。

晚点：你们很幸运，在强标落地时刚好对上了国家要的方向。卓驭在压榨算力和传感器上的路线，正好是解决 “低成本条件下也能稳定过线” 的问题。（今年 9 月，工业和信息化部对《智能网联汽车组合驾驶辅助系统安全要求》强制性国家标准公开征求意见，要求关键安全场景必须稳定识别、AEB 等核心功能必须达标、冗余和数据记录必须可靠。）

沈劭劼：强标以后，所有口水战结束了。你能过，就是合格产品；过不了，就不合格。

未来会出现两个档位的产品：一是用最低成本过强标的方案；二是无限靠近 L3/L4 的最强性能方案，强标只是最低要求。前者就是我们一直想找的那条线， 以前模糊，现在被法规清晰勾勒出来了。

晚点：这真是一个冒险的决策，当年你们 all in 中配，很可能追不上最新技术，又被芯片性能提升反噬。当时行业都觉得卓驭掉出了 “地大华魔” 第一梯队。

沈劭劼：如果你是想问，我们当时应不应该把中配、高配一起做，我会说应该。没有同步开启高算力方案，是决策失误，在客户最需要城区领航的时候，我们没有，导致丢了客户。

但排位赛每天在变，市场宣传会让人觉得谁声量高、谁声量低，但声量不足不是致命的。只有技术真的不行、你自己也知道不行的时候，才会崩盘。

晚点：遭遇戴维斯双杀（Davis Double Kill）。

沈劭劼：当你发现大家都是半斤八两，头部玩家之间真实差距不超过三个月，就不会那么焦虑了。

晚点：当年你们和华为车 BU 几乎同一时间起步，后来你们眼看着它跑到了前面。那段时间你怎么给自己和团队解释？

沈劭劼： 正面硬刚华为，无论资源还是业务形态，大家心里都有数——军团战上很难刚过他们。

但我得想清楚：要怎么把心目中那款智能驾驶产品做出来。这条路可以是 “极高市占率 + 极高溢价 + 极高声量”，也可以是完全相反的路径：一个默默无闻的供应商，把事情做成了。我们现在介于两者中间。

晚点：你们也开始做高算力平台。起步更早的玩家已经在前面，你们要怎么追？

沈劭劼：我们不是重新开始做一套高算力，而是在统一架构上向上延展。从 TDA4（中算力），到 8775（舱驾一体），再到 8650 和更高算力平台，我们的核心架构是一套。这套架构在不同算力上都能成立，并能规模化复用。

我们有两个高算力方案产品：一是 L3/L4 方案，两块 Thor 芯片，加上自研激目前向感知系统和知周补盲雷达；二是舱驾一体方案，用高通 SA8797，把 VLA 融在统一架构。

我们是业内唯一能同时提供大算力 L3/L4 方案与舱驾一体方案的供应商。而且，因为工程能力强，同样芯片在我们手里能跑出更高的效率。所以英伟达、德州仪器都愿意给我们更低的价格。

晚点：你们模型负责人陈晓智说，自动驾驶要做成，必须是软硬一体，当时行业里只有卓驭和华为这么做。华为做芯片、激光雷达、4D 毫米波雷达。你们呢？哪些硬件会做、哪些不会？

沈劭劼：我们不造车、不做芯片，也不碰毫米波雷达这种已经相对成熟的硬件。

激光雷达我们会做，原因很简单：一是价格已经下探到 1500 元级，进入可规模化使用的区间；二是工程门槛迅速下降，正往相机模组化的方向发展——接收器芯片化，发射器与镜头组装即可。三是我们对应该如何安装和使用激光雷达（即舱内激目系统）有自己的理解，这个理解很难通过外采零部件实现，我们要自己对它验证。

这样我们原来做相机的团队就能直接上手，从立项到样机只要四个月。强标后，对纯视觉的压力更大，我们现在更愿意给客户推荐带激光雷达的方案。

晚点：Momenta 曹旭东认为，明年城市辅助驾驶就能定格局，国内只剩两三家，你同意吗？

沈劭劼： 不管他说哪两三家，我们肯定在里面——毕竟血条挺厚的。头部几家的差距是以月为单位在波动，真的，别那么自信，智驾模型的进化会像大语言模型一样，哪一家训练出了一个能打的模型，能瞬间把整个行业排序给你翻盘。

我们现在有 50 个已量产车型，定点正在开发的车型也有几十个，是行业头部，而且在油车智驾这个赛道上没有对手。从营收看，我们卖软硬一体，单车收入是同行两三倍。

晚点：最近特斯拉 AI 前负责人 Andrej Karpathy 提出了 “9 的征程”。在一个对可靠性要求极高的系统中，每提升一个数量级的性能（从 90% 到 99% 再到 99.9%）难度是恒定的。到 L4，还有漫长征程。

沈劭劼： 如果你两年前问我什么时候 L4 会实现，我会说不知道，或者用行业黑话回答你——“永远 N+5”，你无论什么时候问，我都说 5 年后会实现。

现在我会说：Anytime。

行业从规则时代迈入数据驱动时代，真正决定胜负的是训练体系里的数据管理和对 Training Dynamics（训练动态）的理解：怎么练、怎么配数据、怎么稳定收敛。这些都是秘方，不会公开，但对性能提升极其关键。

整个行业目前状态很像二战时期的 “曼哈顿计划”：美国、苏联、德国都在造原子弹。美国第一个做出来，但回头看，当时它们之间的差距其实并不大——自动驾驶现在就处在这个阶段。

晚点： 难道不是特斯拉先造出原子弹吗？

沈劭劼：特斯拉也还在路上，现在是质能方程已经出现了，但原子弹还没被真正造出来。

晚点： 字节也在做自动驾驶，它有可能成为黑马吗？

沈劭劼：从 “大力出奇迹” 的框架看，它们是有潜力的。但之前有其他互联网公司做自动驾驶，出了一个挺搞笑的事——它投了很多人去搞，但连一个生产采购都没有，它根本就没有办法去进行项目交付。

晚点： 你觉得你们和特斯拉自动驾驶的差距，对比豆包和 ChatGPT 的差距，哪个更大？

沈劭劼：都属于那种 “差一点就能看懂” 的状态，不是天差地别。

不受干扰是一个很重要的因素，因为能产生干扰的东西太多了。参考曼哈顿计划就行，美国第一个造出来，很大一部分原因是——不受干扰，目标明确、资源集中，这比资金本身还重要。

以前会想万一错了怎么办，后来发现，错了不怎么办

晚点：大疆有 “天才文化” 的土壤。卓驭有吗，如何让这样的土壤形成？

沈劭劼：你得真正尊重那些有能力、有这种文化的人。其次，手不要伸太长。我自夸一下，做这么多年老师的基本技能就是，我很擅长以 “半旁观者” 的角度，引导新人从不懂到一步步变懂。

晚点：你之前提过一句口号，“既要、也要、还要”。现在好像不再说了？

沈劭劼：这是我的锅。过去我执着于 “既要也要”——既想要出货量，又想要利润；既看经营指标，又强调毛利率。听上去美好，似乎团队能在多个目标之间动态优化出一个最优解。但后来发现，这套策略行不通。

除非组织本身专业性极强、具备综合优化的能力，否则任何阶段都应该只有一个明确目标——明确到只要我把这句话放在这儿，任何人都不会理解错。

行业的变化速度太快了，最忌讳的是组织内耗，“既要、也要、还要” 必然带来内耗。现在我更倾向于：保持一个清晰、单一的战略目标，在行走过程中不断正负二十度进行调整。

晚点：现在那个 “单一、明确” 的目标是什么？

沈劭劼：有一段时间我们的口号是 “提效能、拓市场、树口碑”——典型的 “既要、也要、还要”。我没有能力让组织同时做好这三件事。现在我们把前两个都删掉了，只剩一句：树口碑。

晚点：如何评价卓驭的人才密度？

沈劭劼：很偏科。我们最大的问题是发展不均衡，因为卓驭从大疆内部的研发部门长出来，很多职能是在拆分过程中临时补齐的，甚至拆开前一天还在用大疆共享的资源。

和从 0 到 1 全面搭建的公司比，我们的组织结构是 “先天不对称” 的，这些会在后来体现成短板。

晚点：从一个事业部负责人到一名 CEO，最不适应的是什么？

沈劭劼：当时我从事业部负责人变成 CEO，我的 N-1 变成公司副总，我要快速完成这个心态转换，就像三体里末日之战之后人类的思想转变一样。

但团队里很多管理者心态没转变过来。直到现在还有管理者问我：“这个事情公司是怎么想的？” 在过去，“公司怎么想” 是一个既定答案——上面有一个集团，会给方向，你只要执行。现在当我的 N-1 还在问 “公司怎么想”，这就出问题了。

公司是谁？拆出来这一年，这是一件被反复鞭打的事情。

晚点：大疆是典型的产品驱动，但卓驭是一家 ToB 公司——要靠销售和客户关系活下去。你们在这个文化切换里遇到的最大阻力是什么？

沈劭劼：就是我们最弱的那一块——销售，乃至整个前线作战阵型。

大疆是 “以产品为中心”，但 ToB 业务要做起来，必须是 “以客户为中心”，这两种文化在我们这里一直没有很好融合。我一直对搭建技术型销售有执念：能听懂客户的需求，也能从产品侧把价值讲清楚，我们现在还没建起来。

晚点：你觉得自己是一个好的技术型销售吗？

沈劭劼： 我是一个不错的技术人员，但我不是一个好销售，我正在努力。

华为有一句很重要的话叫做以客户为中心，我一直在想，对卓驭来说这句话意味着什么。我们经常遇到一个拉扯：工程师心里觉得 “更漂亮” 的方案，和客户要的方案冲突，怎么选？照着 “以客户为中心” 理解，最后会变成一个很二元的问题：难道要跪着满足所有需求吗？

今年我们终于把这件事想清楚，把那句话改成了：“用户为本，成就客户。” 用户是终端消费者，是我们判断方向的旗帜；成就客户，说得直白点，就是和我们合作的人能把事做成、能升职，我们不坑队友。

晚点：大疆之前有个禁令——销售不能喝酒。你们能喝吗？

沈劭劼：在大疆，我们最开始是能喝的，后面是不能喝的，拆出来之后，我们又变成能喝了。

我不怎么喜欢喝酒，但怎么说？只要别把身体喝出问题来，喝就喝吧。不过白酒我一喝就醉，一百毫升就跪了。

晚点：你从智驾行业里的关键玩家——Momenta、地平线、华为——分别学到了什么？

沈劭劼：Momenta 给我的最大冲击是曹旭东的韧劲——有好几场战斗，你以为他们要输了，但关键时刻都能硬拧回来，他们有种绝不服输的气质；地平线让我看到的是灵活性，策略和路径上的调整速度非常快；华为实话说，一切都是预期之内的强大，它本该是那个样子。

晚点：你是《三体》铁粉，怎么看 “黑暗森林” 逻辑在商业竞争中的体现？

沈劭劼：这里是一个完全透明的行业，透明到和黑暗森林一点关系都没有。大家的东西都摆在桌面上，我们基本上知道竞争对手在做什么，车企也知道每家供应商什么水平。

晚点：如果都是明牌，你们技术能力又这么强，为什么卓驭还不是第一？

沈劭劼：因为这是体系能力的竞争。大家都看得到彼此的招数，能不能做出来是另外一回事。

我们能看到地平线如何靠芯片国产化绑定主机厂，但我们做不了；还有一些企业的商务手段更丰富，我们也做不到。软件供应商也知道我们怎么靠软硬一体去完成极难的车型适配——比如油车和舱驾一体，他们也做不了。

晚点：卓驭的核心竞争力是什么？

沈劭劼：最大的优势是团队的笃定和极强的工程能力。

工程能力体现在：遇到难题不放弃、不打补丁，而是把问题真正啃透。这是我们过去软硬一体化积累下来的底子。两个例子：我们在北汽极狐阿尔法 T5 上做的舱驾一体，工程难度极高，但最终效果能跟最头部带激光雷达的车对打。另一个是给大众油车做智驾，在很受限的条件下把性能做得很稳。

接下来几个月你会看到，我们在 32 TOPS 到 1000 TOPS 的不同平台上，都做到了归一化的丝滑体验，这些算力平台的潜力其实还远没挖完。

在技术端，我们组织的内耗很低，这让我们切换之后的加速度非常快。两个组因为方案吵半天、最后人走了的情况——我们从来没有发生过。

以前还会想 “万一错了怎么办”。后来发现，错了不怎么办。宁愿押错，也不能纠结。

不过这里指的仅是技术端啊，其他领域还存在不少内耗，我们还在努力熵减。

晚点：在竞争中最警惕什么？

沈劭劼：内耗，不作死就不会死。

沈劭劼和团队

造高达的人，必须是能熬的人

晚点：你很年轻，1987 年，你的学生评价你是国内机器人顶级专家、亚洲最好的 robotics 老师之一，也是各类顶级机器人期刊的编辑。

沈劭劼：你删去所有顶级的形容词之后，我都认（笑）。

晚点：性格特点？

沈劭劼：严重社恐。

晚点：那讲课的时候怎么办？

沈劭劼：讲课我最怕的不是面对人，而是讲到一半卡壳。比如在黑板上推公式，推着推着，发现公式没推出来，这个是最恐怖的事情，其他都没事。

晚点：你 2014 年 9 月回港科大当助理教授，同一天加入大疆做顾问。10 年后你升了副教授，当上了 CEO。如何能做到学术和创业两条路并行？

沈劭劼：怎么说呢？我的职业生涯第一天就是这样，我不知道只打一份工是什么样子。但对我来说这不是两条线，而是同一条线：要造一个真正厉害的机器人，必须同时站在学术和工业两个场景里。

晚点：你和汪滔很早就认识？

沈劭劼：我们是李泽湘老师不同阶段的学生。我大一的时候，他研一。后来我去美国读博做无人机自主导航期间，我们一直有保持联系。

晚点：当时为什么没有直接去大疆？

沈劭劼：其实我可以反过来说这个问题：我加入港科大是因为大疆。

做学术的主要好处是自由度，2014 年的中国机器人行业，成熟度和人才密度都不如现在，当时学术界的研究或者一定程度的隔离是有必要的，但这个必要性在后来越来越低。

晚点：如果你不来大疆，只留在学术界搞研究，能做出全世界最厉害的机器人吗？

沈劭劼：不能。学校里工程能力不行，而且你也没有获取问题的途径，很多知识相关的碰撞就不会出现，人会变蠢。

晚点：从汪滔身上学到最多的一点是什么？

沈劭劼：看到科技之美长什么样子，以及追求科技之美的那个步伐。

晚点：卓驭如何在漫长发展和激烈竞争中保持初心不变？

沈劭劼：公司是创始人的镜子，创始人不变，它就不会变。保持一个状态：今年的我觉得去年的我是傻子。

晚点：那还好，李一帆跟我们说，今天的他觉得昨天的他是傻子。创业很苦，有没有哪一刻觉得自己根本不适合干这件事？

沈劭劼：其实我最自豪的一个事就是——我很能熬。我属于那种有病也不去看，能一直硬扛到最后的人。

晚点：是否有创业者典型的 emotional roller coaster （情绪过山车）？前一天晚上觉得世界要塌了，第二天早上醒来觉得自己能拯救世界。

沈劭劼：INTJ 最不能忍受不确定性，我更多是有一种持续性焦虑，处于 “睡不够、头有点痛” 的感觉：你不喜欢，但你知道，你能熬过去。

我从 Day One 就想造一个厉害的机器人，我们那一代人说 “造高达”，就是这个意思。只要我还为了这个目标工作，我就不会崩。如果哪天有人告诉我，“你去做房地产吧”，我下一秒就崩了（笑）。

晚点：从学术界到商界，这些年让你最意外之事是什么？

沈劭劼：在一个产品没有到 95 分之前，技术和产品之外的因素所占的权重，要远高我们的想象。

晚点：你一直说 “造一个高达”，但你又不做人形机器人。“高达” 对你来说，具体意味着什么？

沈劭劼：我会做下半身，就是 Mobility（移动能力），但我不做上半身。

如果讲更大的愿景，就是：科技以懒人为本。人们不想干的事，都有机械、智能体帮我干掉。 部署于云端的 AI Agent 这种我不懂，做不了。但在 “移动” 这个物理领域——我要把这件事闭环掉，把它彻底做好。

晚点：特斯拉、小鹏都在强调，自动驾驶技术未来可以大面积复用到机器人上。你是否同意？

沈劭劼：在数据驱动的框架真正搭起来之后，这是顺理成章的。我很有信心——未来真正能把这种 “数据驱动型机器人” 做好的一定是这批在自动驾驶里打过仗的公司。

晚点：你们今年 5 月在官方招聘帖里描述了你们的理想候选人，这段话是你写的吗？

“他能够讲清楚自己要什么，而且他有一个故事，关于他为什么想把事情做成——那是他的一段真实生活经历，可能他自己搭了航模，他自己做了一些小机器人，他的手摸过电容、摸过螺丝，他把那个壳遥控起来，看它落在地上炸坏过，也看它成功飞起来过。他对为什么喜欢这个事有非常切肤、非常真实的生活体验。那不是一句话或者一个词语，而是他那个时候的泥土气息、触觉、味觉和那段稠密的生活。他有一个强烈的愿望，一个把美好的东西带到现实世界的冲动。我觉得这个可能是研发的一个本质：去想一些现实生活中没存在的美好事物，然后把它带到这个世界上来。”

沈劭劼：这段话不是我写的，但我曾经输出过无数段跟这个类似的东西。我一直相信有一种务实的浪漫主义：看到科技之美长什么样，并且永远不要停止追求它。

题图卓驭