在具身智能的浪潮中，總有人站在潮頭，定義流向。星河頻率推出全新訪談系列《浪潮之上》。聚焦具身智能行業內的關鍵人物，分享從技術拐點到商業抉擇，從產品落地到產業遠望。我們不談空泛的趨勢，只記錄那些真正推動浪潮的思考、判斷與行動。不追熱點，只抓浪尖，讓更多人先聽見，具身智能的下一個頻率。

作者 | 毛心如

在具身智能的浪潮中，當大多數玩家還在全力燒錢研發人形機器人、向投資人講述 5-10 年的宏大故事時，千訣科技卻選擇了一條完全不同的路：堅決不下場做硬件，只做機器人的大腦供應商。

他們像智能手機時代的安卓，為各類第三方硬件終端提供底層的 API 大腦接入。

2025 年 10 月正式啟動商業化，2026 年上半年接入設備將超過 10 萬臺，覆蓋 7 大品類并把主力戰場放在家庭場景。

千訣科技已成為目前少數規模化落地的具身智能公司之一，從大腦接入數量來看，更是行業第一的存在。

具身智能的供應鏈比手機更長，大腦作為其中最關鍵的一環，從 0 到 1 自研所需投入的資金、數據、時間都巨大，將長期以第三方形式存在。

千訣科技的目標，就是成為被最多機器人使用的大腦，而不是某個爆款硬件的品牌方。

在技術路線上，千訣同樣沒有跟隨當前最火的 VLA 路線，而是堅守類腦分區預測式世界模型。

他們圖靈獎得主、Meta 前首席 AI 科學家楊立昆（Yann LeCun）一樣，向生成式 AI 范式發起正面挑戰。

在當下，評價一個模型不能只看海量數據下的理論上限，更要看它在當下有限數據和算力下的樣本效率與計算效率。

一個未來上限在 100 分、但現在只有 40 分的模型，用不起來；一個未來上限在 90 分、但現在已經有 70 分的模型，足夠用起來，這才是客戶今天需要的，而千訣就屬于后者。

這種務實又鋒利的思路，貫穿了千訣的商業化、技術路線和未來終局判斷。

在具身智能的終局討論中，千訣給出的答案是：行業不會走向單一壟斷，而是全棧自研派、極致本體派、極致模型派三類玩家長期共存。

千訣科技究竟如何讓數萬臺機器人真正用上大腦，為什么他們堅定認為新一代智能機器人目前最該進的是家庭而不是工廠？

針對這些問題，我們與千訣科技創始人高海川進行了一場深度對話，試圖拆解這家極致模型派公司的技術哲學與商業拼圖，對話分為五個部分：

1.千訣為什么只做大腦

2.為什么千訣專攻家庭場景

3.千訣已跑通的商業化閉環

4.解耦式世界模型到底優勢是什么

5.當下具身智能的最大瓶頸是觸覺

在與高海川的深度對話中，你會發現他是一個謙和卻帶著鋒芒、非常自信的人。

這份謙和是他原生的，而鋒芒與自信，來自他對產品和技術的絕對相信，來自對所錨定技術路線的堅定認可，也來自階段性成功的不斷累加。

他形容自己是一個「先閉環、再放大」的人，沒有絕對的輕重緩急，只有是否真正被客戶需要。

這種風格也延續到團隊中：面對問題更強調快速復盤和結果負責，而不是糾結過程本身。

在對外合作中，他也更關注效率和實際價值，例如在出差和客戶拜訪時，優先選擇離客戶更近的酒店，以保證溝通和推進的節奏。

對他來說，形式從不大于目的。

以下為對話實錄，經星河頻率不改變原意編輯整理：

做具身智能界的安卓

星河頻率：先簡要地介紹一下千訣科技以及你們現在在做的工作。

高海川：千訣科技成立于 2023 年，孵化于清華大學類腦計算研究中心。目前我們已經自研了分區預測式世界模型和機器人大腦系統 OS。

星河頻率：千訣為什么選擇只做大腦，不做硬件和整機？

高海川：這是生態位決定的，我們是產業鏈中的基礎接口，不是終端玩家，一旦自己下場做硬件，就會和客戶直接競爭，客戶會流失。

做整機能吃到一部分硬件機會，而只做大腦，反而可以面向更多品牌、形態和細分賽道。

星河頻率：所以現在到底是做硬件燒錢還是做軟件燒錢呢？

高海川：從整個周期來看，肯定做基座模型更燒錢。硬件在早期結構設計、采購等需要大投入，但是國內供應鏈在不斷成熟，做硬件的成本只會越來越低。

做軟件，算力、數據、算法這三駕馬車都是需要持續投入資本的，無論是為技術付費還是為人才付費。

星河頻率：既然長期看做軟件更燒錢，為什么千訣敢只做軟件？

高海川：從公司運營角度，我們的自有資源是充足的，并且在邁向獨角獸企業。

從技術范式上講，千訣做的是基模，不是 SaaS 或者一些特定場景的小模型，我們對標的是智譜、MiniMax，基模很燒錢，但是也會很值錢。

預測式世界模型范式跟現在的生成式大模型范式是并列的，如果這條路走通了，能在部分場景實現對現有大模型的完全替代。

星河頻率：那你們是怎么說服投資人相信做純軟件是可行的？

高海川：機器人是一個高度集成的產品，但大腦不需要依附于機器人本體銷售，就能獨立產生商業價值。像觸覺傳感器、靈巧手、芯片等部件都已證明可以脫離機器人完成閉環。

還有我們創業的時候有個原則，一天沒有人用我們的模型，就一天不融資。找到第一個客戶后才啟動了融資，我們不是靠故事融資，而是靠落地。

星河頻率：這種只做大腦的方式，能走到行業很核心的位置嗎？

高海川：從商業模式本身來說，機器人就像手機一樣，每個主機廠都需要接受外部第三方的東西。我們的判斷是，未來會有 70%-80% 的機器人大腦由第三方大腦來提供。

星河頻率：為什么是 70%-80%？

高海川：這是一個基于行業生態的推演。類比手機，目前 70% 的手機都是安卓機。

如果排除掉千訣的存在，按照大家經常講的二八定律，在第一階段市場淘汰賽中，會由 20% 的頭部公司吃下 80% 的市場，剩下的 80% 的公司想繼續廝殺，必須找我們這樣的軍火商，而后優勢互補，大幅重塑市場格局。

星河頻率：你們也有跟一些整機公司合作？

高海川：是的，簽約合作的其實很多，有很多明星公司，只是不能對外透露。

星河頻率：千訣團隊規模和研發配置大概是什么情況？

高海川：目前團隊大約 70 多人，研發占比很高。我們一直把資源更多放到模型、數據和商業化系統上。

星河頻率：2025 年行業熱度上漲，你們也迎來了業務的井噴。

高海川：對的，2024 年大家處于算法研發階段，2025 年上半年各家的算法基本定型。

我們做了兩代預訓練，第一代拋出來給開發者、科研場景使用，得到反饋后做第二代，第二代就是產品化的，所以我們純大腦的商業化是從去年下半年才真正開始的，之前重心還在訓模型。

星河頻率：你覺得具身智能行業最后會走向什么趨勢？

高海川：會比較像手機。每個應用場景里有蘋果模式，也有安卓模式，我們就是做安卓大腦的。

未來每個形態都會有一個比較好用的大腦出現，我們希望能占其中比較多的份額，和愿意接受開放生態的主機廠一起去 PK。

星河頻率：所以全棧自研派、極致本體派、極致模型派三者會共存嗎？

高海川：應該是長期共存，后兩者必然要合作，然后一起去和全棧自研公司的品牌競爭。

星河頻率：在當下，一個頂級全棧自研派，和一個頂級本體派加頂級模型派 PK，誰性能更好？

高海川：短期內，全棧自研模式需要在硬件、算法和產品層面同步優化，因此整體復雜度更高。但一旦跑出爆款產品，就有機會占據更長的價值鏈條；如果沒有爆款支撐，這種模式的壓力也會更大。

相比之下，本體派和模型派各自做深，通過生態協作參與競爭，是一條相對更穩健的路徑。

星河頻率：有人說現在很多全棧自研公司因為技術路線的不確定性，不敢在算法上投入太多，這對嗎？

高海川：我覺得是合理的。因為短期內投入太多并不能促進他當前這個機器人品牌的售出，甚至在中長期也看不到明確效益。

而且他們的模型又不可能給其他本體的公司去用，所以投入太多有點像白投入了。

做前沿技術的都在攻家庭場景

星河頻率：2025 年千訣整體的商業化成果如何？

高海川：2025 年實現了家庭機器人接入量初一行業第一梯隊，預計 2026 年上半年會達到 10 萬臺接入量。

星河頻率：怎么理解這個家庭機器人？

高海川：通俗理解就是專門為家庭場景設計的機器人。

這些品類的共同特點是，出貨量大、對大腦泛化性要求高、但容錯率相對工業場景更高。

星河頻率：接入量第一，是中小客戶疊加，還是頭部客戶占大頭？

高海川：都有，每個細分品類千訣至少合作了一家頭部公司，再加上第三、四名開外的公司，兩者的貢獻占比是 1:1。

星河頻率：很多全棧自研公司是先工廠、后家庭，千訣為什么反其道而行？

高海川：這是生態位決定的。全棧自研公司最關鍵的是硬件能不能賣出去，硬件賣不出去，軟件也收不到錢。

我們是賣機器人智能化解決方案的公司，不錨定某一款形態，誰有量我們就先服務誰�？陀^上有量的、進入難度低的，就是家庭產品。

另外價值主張也不同。全棧自研公司重心在硬件驅動和小腦運動皮層，大腦做得不好，通用性和長程自主決策性發揮不出來，事實上也進不了家庭。

星河頻率：但國內外很多大公司都讓機器人進工廠了，你怎么看？

高海川： 出于市值管理和產線協同考慮，有自有產線的公司現在都是通過調慢產線節奏來適應機器人。在當前技術條件下，大規模在工廠場景中推廣仍存在挑戰。

其次，進工廠的邏輯是機器人要替代人，但現在的技術范式跟替代人還不同�，F在是先成為人、增加人的邏輯，不是替代人。

工業場景不達到機器人替代人的水平，在現階段成本和能力條件下，規模化替代仍有一定難度。

但家庭場景對機器人的需求不是完全的替代人，比如目前已經大規模進入家庭的掃地機器人、四足狗、小人形機器人，它們是在輔助人，所以有些賬是可以算過來的。

星河頻率：所以這一波具身智能的機會，不在工廠，在家庭？

高海川： 對。你看 Figure、PI、Sunday，這些最前沿的公司，無一例外在 2026 年都在努力讓機器人進家庭。大家都知道，最前沿的機器人大腦跟工廠不匹配。

現階段家庭和服務等開放場景的落地節奏會更快一些，相比之下，工業場景對精度、穩定性和效率要求更高，大規模應用還需要進一步成熟。

所以我們判斷，當前階段這一波的機會就是讓機器人走出工廠，走向更開放的場景，而不是走進工廠。當然工業場景肯定會持續推進，但節奏相對不同。

星河頻率：除了家庭場景，還有哪些機器人接入千訣大腦？

高海川：還有商業服務場景和少部分工業場景，占比大概是 65%、25%、10% 的分布。

具體覆蓋了 7 大類，輪腿式、雙臂輪式、單臂輪式、帶機械臂機器狗和掃地機器人、陪伴機器人，以及帶并聯夾爪的無人機。

千訣大腦提供機器人進行餐飲清潔

星河頻率：你們跟客戶合作的時候，需要回傳數據來迭代模型嗎？

高海川：當然需要，這一點在國內是比較好做的�？蛻艚拥牟皇穷A訓練模型，是后訓練之后的模型，要長期跟場景做持續學習。

因此在合法合規、數據脫敏的前提下進行數據回傳，是滿足效果優化的必要條件。

星河頻率：在你們服務的客戶里其實還是有工業場景的。

高海川：對，那是極少數，而且都是機械臂類的，不涉及移動類的。

因為輪式進工業往往參與制造或搬運環節，更多是發揮小腦的價值，要的是效率和精確度，大腦更多是邏輯決策和感知的泛化性。

星河頻率：那工業場景里提到的群腦智能呢，這更需要大腦參與嗎？

高海川：在工業場景中，確實也會涉及一些大腦層面的能力，但整體依賴相對有限。工廠更強調高精度執行、穩定性和效率，因此執行層和控制層能力更為關鍵。

大腦側在感知融合、任務調度等方面可以發揮作用，但在高度結構化的環境中，其價值更多體現在輔助和優化層面。

工業場景里高動態意味著高生產事故風險，所以大腦價值和工業需求并不能完全匹配。

一套已經跑通的商業化閉環

星河頻率：千訣的商業化方案跟其他方案相比的優勢是什么？

高海川： 有兩點，一是我們的方案不需要廠商對下游客戶的實際使用環境進行任何物理改造。

二是千訣的大腦核心能力構建在自主決策模型之上，與傳統基于規則的驅動模式不同，它能更高效地應對各類現場突發情況。

星河頻率：為什么要強調這兩點？

高海川：我們合作最多的就是那些對環境改造有強烈排斥的客戶，家庭場景一點改造空間都沒有，服務場景有一些但不多。

我們的核心價值是產品可以直接用，只是在提升性能時做一些后訓練和微調，這會是客戶的剛需。

星河頻率：你們的客單價大概在什么范圍？

高海川：具體金額因客戶而異。我們提供分區預測模型作為機器人大腦，用多少個腦區、多少腦組織，價格都不一樣。人形機器人用全量腦子，價值最高，收費更高；本體形態簡單或任務需求簡單的機器人，價格會低。

星河頻率：客戶來找你們接入模型，大概是什么流程？

高海川：我們有一套 OS 和 PaaS。我們事先會問對方有沒有研發團隊，對方可以先在千訣的網頁上用仿真試用，不需要接設備。

體驗之后可以再接到本機試，體驗成本很低。如果基礎模型性能 OK，我們會對接具體功能，幫他們接好或由他們自己來接入，之后按量付費。

星河頻率：不同場景需要的運維人員數量不同？

高海川：不太一樣。大機器人故障率最高，但大多是硬件問題，不是大腦的問題，我們同事需要幫他們做糾偏、重新對接。

如果發現是硬件故障，他們需要對接另一個供應商，大腦本身的問題更多是自動化需求分析和自動訓練，不太占用開發人員精力。

星河頻率：客戶更在乎成本、部署周期還是成功率？

高海川：成功率。目前我們能做到感知準確率 98% 以上，閉環決策成功率 99% 以上，但這也取決于允許的感知時間。

決策基模在家庭場景不做操作時成功率在 95% 以上，做簡單剛性視覺伺服也是 95% 以上，面對柔性體操作會下降。

模型的優勢是能長期推理、自我糾偏，如果允許慢速場景一直做，成功率可以提上來。這也回答了為什么不能在工業場景這么干，大多數工業場景視效率為生命，不允許降速。

星河頻率：那幫客戶省了多少部署成本呢？

高海川：至少是數千萬級的，相當于直接省掉了研發團隊加持續訓練服務器的成本。

星河頻率：你們的模型性能會出現退化嗎？

高海川：會有，像自動駕駛發現一些場景表現不好，數據少的時候，只能后期再補。

星河頻率：2026 年目標是接入超 10 萬臺，會拓展新領域嗎？

高海川：對于老品類，我們今年會從高端向低端滲透，繼續上量。新品類下游主機廠正在發布，所以規模也比較大。

今年千訣會多跟大機器人合作，做一些大人形在機構康養場景中的服務。

星河頻率：海外市場你們有布局計劃嗎？

高海川：當然，我們有不少客戶都是面向全球市場，甚至海外銷量占比超過國內；我們會伴隨客戶整機一起出海，也讓我們具備了業內少有的面向海外機器人提供模型云服務的基礎能力。

因為海外對接入中國模型，以及后續必要的數據回傳都很敏感，所以暫時是接入，還沒拿海外數據做訓練。

星河頻率：對 2026 年的營收預期是什么？

高海川：營收肯定會呈倍數級增長，因為千訣 2025 年 10 月底才開始正式商業化。但春節前有一段時間我們已經出現了短暫的正現金流，今年若不擴大投入，可能就要盈利了。

星河頻率：對 2026 年的融資預期又是什么呢？

高海川：我們現在也開始在做大額融資了，只不過還沒有頭部公司那么快。公司正在推進新一輪融資、市場對我們的估值預期較高。

不選 VLA，提前布局世界模型

星河頻率：2025 年大家一直在聊 VLA，千訣的類腦分區顯得有點特別。

高海川：類腦分區和 VLA 不算完全相對的關系，二者不在同一個生態位。VLA 有分層、端到端、兩段式、解耦式。

而我們的類腦分區屬于解耦式世界模型，它跟端到端 VLA 是兩種大的路線 PK。

星河頻率：該怎么理解解耦式世界模型？

高海川：簡單說，就是把一個單分布世界模型變成多分布世界模型。上一代機器人控制技術的感知、整體規劃、運動規劃等模塊都被先驗知識框死了。

我們參照人腦分區結構，讓每個分部職責明確。就像一個公司有很多部門，財務管錢、銷售管客戶、技術管研發。

模型學起來就能特別快，遇到問題也很快知道是哪個環節出了錯，這是有大規模應用的實用方非常看重的一點——可解釋、可追責、可快速優化。

星河頻率：你有講過你跟楊立昆是一派的，都屬于預測式世界模型路線。

高海川：對的，預測式世界模型的核心就是構建對世界的內部表示，預測未來狀態或事件的發展，就像老司機開車不是要把每一條路所有的樣子都記住，只要理解當下路況就能進行剎車或者變道。

星河頻率：感覺當下做生成式世界模型的更多，像李飛飛、谷歌都在做。

高海川：李飛飛走的是 3D 空間生成，谷歌是視頻生成，這兩種都是在做加法，要把真實世界還原出來。

但是這種方式很燒算力、燒數據、燒資金，而且更適合造仿真環境，能耗和相應速度等劣勢并不適合在機器人真機上應用，我們反而是在做減法，所以能落地。

星河頻率：你們去年的口徑還是類腦分區，今年加上了世界模型，為什么？

高海川：去年行業對世界模型的認知還不統一，我們用類腦分區來表達核心方法論，溝通成本更低。

今年隨著行業討論的深入，世界模型逐漸成為一個更被廣泛理解的框架，我們在對外表達上也做了統一。

星河頻率：世界模型和 VLA 哪條路能走到終局？

高海川：我保持并存的觀點，這兩個路線其實都是老路線了，學界從 2016 年甚至更早就開始研究，只是在現在的大模型時代下的呈現方式不同。

世界模型對應的是 Model-Based，即預演未來派，在泛化性上，這條路徑就是會更好；VLA 對應的是 Model-Free，即直接行動派，在記錄精細軌跡和精細化操作上會更好。

在工業場景中，場景和任務相對結構化，對執行精度和效率要求更高，因此 Model-Free 路徑在具體操作層面更具優勢。

而在開放環境中，由于場景的不確定性更強，Model-Based 路徑在建模環境、進行長期規劃方面更具潛力。

星河頻率：該怎么評判一個模型的優劣？

高海川：我們認為評價 AI 模型有三個指標：最優性，即數據多的情況下能達到的模型上限，樣本效率和計算效率。

最優性決定模型的上限，后兩個指標決定模型的下限，即用多少數據能讓模型達到 60 或者 70 分。

星河頻率：你認為現在模型第一梯隊有多少玩家？

高海川：10 家左右。這個判斷依據就是，看哪些自研模型的公司開始有讓機器人開始進入真實環境里作業，再結合估值、融資額、訂單量綜合一下。

星河頻率：你覺得千訣和國外的模型頭號玩家 PI 相比，誰的模型性能更好？

高海川：PI 在靈巧操作上比我們強，他們做了很多科研論文，在柔性體操作、精細化動作做得更好，但這些動作往往落不了地，找不到太多應用場景。

在比較好落地的剛性體、視覺伺服、環境感知加任務規劃決策這類上，我覺得千訣比 PI 做得好，而且從商業化看，我們客戶和裝機量也比 PI 多。

星河頻率：能不能用一些具體例子來展示模型優勢？

高海川：從用戶體驗角度，千訣大腦的一個突出能力是機器人不用接受人的指令，開機后它自己動，具備主動任務規劃能力。比如輪式單臂/雙臂清潔機器人，在酒店場景中自己干，人不需要下指令。

它靠內部世界模型和任務閉環形成動態決策鏈，人類指令只是作為額外信息介入。這是我們的核心價值，也是主要賣點，接入千訣大腦的設備，機器人能有自主決策能力、更強的人機交互表現。

星河頻率：怎么做到一套頂層大腦邏輯適配不同形態的硬件？

高海川：類似哺乳動物大腦，結構一致，但腦組織容量和分化程度不同。我們先做了最復雜的、面向人形機器人的全動作空間大腦，然后向下適配子形態。

它們都是人形的衍生品類，我們向下閹割大腦，刪掉不需要的功能區域，以向下兼容的模式跨形態適配。

星河頻率：千訣怎么看待開源這件事？

高海川：我們也有將部分能力開源的計劃，開源是培育生態的接口，對機器人尤其重要。大家習慣一種接口后，它就會變成事實壁壘。

先做大腦的公司會兩個都做，但開源效果比直接 API 弱一些，無論從尺寸還是預訓練量上，對開發者要求都更高。

具身智能的最大瓶頸在觸覺

星河頻率：今年年初崇禮論壇上，你說具身智能的最大瓶頸是觸覺，為什么？

高海川：現在很多具身大腦還是依靠視覺和大模型推理能力。但用人類比，人能完成精細操作不是靠眼睛看，是靠皮膚和上面密集的觸覺。

顯然，現在具身智能行業的觸覺還在很初級階段。

星河頻率：觸覺傳感器數據這塊，千訣是怎么處理的？

高海川：觸覺傳感器不足時，靈巧操作成功率必然上不去。但目前沒有看到哪款傳感器有在大規模應用的，科研級別的很多，各有優劣。

而放在真實應用中，首先硬件不過關，采不到太多應用數據。這個階段應該是科研界研究的，不是公司做的，我們持觀望態度。

星河頻率：有公司說模型吃不進帶觸覺的數據，這是個大問題嗎？

高海川：當然，應該等有一款主流的觸覺傳感器普及、有較大客戶群體時，再去設計算法。現在盲猜一種傳感器，未來沒成為主流，算法設計就是浪費。

星河頻率：現在也有些公司開始在做 VTLA，這些成果的效果如何？

高海川：私以為 VTLA 還是在很初級的階段，適合讓高校、研究院來做，公司端造出成熟的應用級產品是首要。

搭載千訣大腦的機器人實現自主決策開門和清潔

星河頻率：但同行今年都在講數據是最大的瓶頸。

高海川：數據無論在哪個階段都很重要，但是到后期要真正突破智能上限，肯定需要大量觸覺數據，包括靈巧手的靈巧操作數據，不然單一數采數據只會是無用功。

星河頻率：今年很多廠商都在沖擊百萬小時級數據，甚至很多家也有專門的數采中心，千訣在這方面目標是什么呢？

高海川：我們的優勢不是數據總量，而是多樣性。我們的數據來自真實應用，還包含寶貴的用戶需求數據，即用戶會給機器人下什么指令。

數采中心雖然能產生大量數據，但品類高度同質化，多樣性不夠。訓出來的機器人到真實場景中泛化性不夠，只能放在數采中心。

星河頻率：所以需要多少數據量才能讓模型的智能程度越來越高？

高海川：這不是存量問題。

訓練大模型，衡量泛化性至少有兩個維度，數據領域的表面是什么，以及采樣是否獨立同分布、均勻。

現在這兩點都不滿足。應用是一個表面，數采是另一個表面，中間有鴻溝，需要真實場景來彌補。獨立同分布采樣也遠未做到，比如北京數據多，其他地區少。

所以對數采中心做預訓練然后遷移到開放場景，我持悲觀態度。真正能遷移的模型，肯定是已經進入開放場景的。

星河頻率：數據是千訣的技術護城河之一嗎？

高海川：當然，我們的生態位帶來的天然優勢是客戶量多、接入設備多，數據多，而且來自真實應用場景。

模型生產的三要素是算力、算法、數據，隨著基礎設施的發展，算力的獲取門檻在降低，而算法能力也在逐漸趨同，數據，尤其是來自真實場景的數據，正在成為決定模型表現的關鍵因素。

星河頻率：模型應用會遇到哪些難點或卡點？

高海川：我們 C 端場景非常多，得和市場共同迭代。每個滲透階段對大腦的魯棒性、泛化性、準確率、成功率要求都不一樣。

通用大腦的實現不是一瞬間的事，它一上來就有這個功能，只是能力發揮多少、成功率高低的問題。對全品類實現還有比較長的路要走，但對現有客戶容忍度高的品類來說，已經滿足了。

星河頻率：2026 年有沒有期望的接入千訣大腦的代表性產品出現？

高海川：今年應該會增加對四足和輪式帶臂機器人的接入量，站在我們的生態位，我們一直最在意的還是實際上能拿到的客戶量和模型的持續提升。

       原文標題 : 對話千訣科技高海川：目標讓行業一半機器人用上千訣大腦