独家｜前华为科学家李银川融超10亿，我跟他聊了两小时

投中网获悉，家庭具身智能公司诺因智能完成新一轮数亿元人民币融资。本轮融资由京东相关基金领投，正心谷资本、南山战新投和华登投资跟投。成立一年，诺因智能已完成5轮融资，累计融资金额超10亿元。

和创始人李银川两个多小时交流下来，我印象最深的是那个举手的故事。

刚上高一时，每当老师提问题，李银川都是班里举手最积极的同学。因为积极抢答，他被同学起了个外号，叫“现长”，爱表现的现。叫多了，到高二，李银川也不举手，那个班就彻底没有人回答老师的问题了。

再讲起这段往事，是在他成立的诺因智能。因为这段经历，他总是鼓励大家发言，在公司讲真话。“有的时候真话会得罪人嘛，比如说某个技术方向别人做了，你觉得不对，那你为了维护关系，又不说。但不说的话，大家不讨论，公司就会多走一段弯路。”

这个小故事耐人寻味。东方传统总是不鼓励人露锋芒，认为低调谦虚才是美德。但有时，谦虚多了，就成了虚伪。我们刚夸过朱啸虎真诚，这在创投圈尤为难能可贵。希望爱发言的李银川也是一个真诚的创业者。

话说回来，被盖上了“天才”戳的李银川从不是一个按部就班型的学霸。他有反骨，跳过级，创业选择的也是非共识的方向。李银川曾任职于华为的AI lab&诺亚方舟实验室，两年半即晋升为诺亚最年轻项⽬经理，离职前的身份，是华为诺亚⽣成式⼤模型⽅向负责⼈。GPT-4o的发布使他相信，合成数据将成为To C具⾝智能的重要路径。2025年，他创⽴诺因智能，聚焦消费级家庭具⾝智能机器人。

当大多数公司卷向To B产线、用确定性订单换取营收时，李银川选择的是让机器人直接进家庭。家庭场景不依赖预先编排的任务流程，要求机器人听懂任意指令、理解环境、反思纠错，是检验具身大模型是否真正具备泛化能力的终极考场。泛化的前提，是数据。在李银川看来，靠真机遥操作采集数据训不出真正的智能。诺因智能选择了一条用合成数据把数据成本降低百倍、再按大模型的方式训练具身大模型的路线。

这条路在一年前还少有人走。“不少投资人在观望，认同我们的则非常认同。”李银川告诉我。他认为自己一年前讲的每件事，现在都被慢慢证实了——无论是合成数据，自回归泛化架构还是in context learning。接下来，就是把机器人送进千家万户。

从跳级生到华为科学家

16岁考入北京理工大学，北理工与哥伦比亚大学联合培养博士，华为诺亚方舟实验室最年轻的项目经理……李银川的履历很漂亮。而这份履历的起点，是一个安徽亳州的跳级生。

小学六年级没上，初二初三跳级，15岁参加高考。连续跳级让李银川比同班同学小好几岁，也早早练就了一套“弯道超车”的自学方法论：快速抓重点、以效率取胜、不按标准路径走。

激起他创业念头的，是大学时的一段经历。大四时，李银川被北理工龙腾院士提前招入课题组，很快便帮导师的公司做成一笔价值1亿的项目。目睹导师和师兄们把公司做到上市，让李银川一下子意识到，创业不是一件遥不可及的事。

在哥大联合培养期间，他把深度强化学习用到金融上，与师弟成为全球最早做AI for finance的人之一，开发的软件卖给华尔街公司，随后受邀担任8个月高级顾问，赚的第一笔钱改变了他职业选择的权重：2020年回国，面对300万年薪的offer，他拒绝了，选择了开价并不算高的华为诺亚方舟实验室。

而创业的念头，在20岁那年就种下了。李银川给自己设了十年目标，发够100篇论文，30岁下场。

为什么用合成数据？

理解诺因智能的路线，关键在数据。

李银川将具身智能的模型训练从数学原理上分为两派：一派以VLA模仿学习为代表，底层基于扩散或flow matching，通过最小均方误差拟合人类遥操作的真实轨迹；另一派是自回归的Transformer路线，将图像、动作与语言对齐，通过自回归预测激发全空间分布采样，生成新的动作。

前者的训练信号是人的真实轨迹，它天然需要采集数据，做遥操作；后者不需要完整轨迹，只需要场景和任务的理解。诺因智能走后者——约10%的真实第一视角数据，记录人如何操作，其余通过3D视频生成大规模合成数据，在隐空间对齐语义，训练具备原生思维链推理与in context learning指令遵从能力的具身大模型。

“去年我刚创业时，合成数据的反对声音还很多，现在几乎没有人不用了。字节也开始宣传用合成数据引擎支持具身智能的发展。”李银川说。

不过这条路线有一个绕不开的问题：合成数据没有真实操作轨迹，标签精度不够。那就需要一整套infra管线，用算法把无标签数据打上精细标签。这解释了诺因智能极高的人才密度：全算法团队100多人中50%毕业于QS全球前30的高校。

过去的两三年里，具身智能的叙事经历了一轮转向：从遥操作采集数据训练VLA，到众说纷纭的世界模型。李银川将世界模型梳理为三个派系——视频生成、仿真和隐空间学习。按他的说法，诺因是三个派系都用了，把最优的东西融合成一整套生成式体系。

不只做大脑，诺因也在同步研发机器人本体。第一代产品X1样机已经发布：白色、简洁的苹果风格，三折叠设计，收起来仅40厘米高，类似一个扫地机。不工作时默默收纳，“从家里消失掉”。

X1目前处于样机阶段，明年量产。整机自研率95%以上，这使得诺因能把BOM成本压到行业最低之一。

李银川给具身的ChatGPT时刻下的定义很具体：当机器人走进你家里，看到一团乱的桌子，你任意下发指令，它能听懂；两个指令冲突时，它能自己权衡——“你说全屋衣服都拿去洗，但沙发上的东西不要动，沙发上有件衣服，它会怎么做？”

除了技术前沿，我跟李银川也详细聊了聊儿时的“反骨”，学生时代的创业，以及一个94年创始人对智能与家庭机器人的理解。

以下是我与李银川的对话：

刘燕秋：从小跳级，你永远比周围同学小几岁，这个经历对你影响大吗？会让你产生一种心理上的边缘感吗？

李银川：我父母都是教师，但是他们不太严格管我，还是比较尊重我的兴趣爱好发展的。基本上小学我就一直在玩吧，没有正经参加过任何辅导班学习过什么，从小也就不喜欢听课。我六年级没上，上初一天然比别人少学一年，就需要自学补齐，但我初一四次期中期末都是年级第一。由于跳级13岁高中进校是垫底的后100名，高三又考到年级第一。所以一直是在追赶，学习上更偏重自学，快速抓重点，效率会比较重要。

这对我后来影响很大，因为锻炼了我弯道超车的能力。按部就班成绩好，大家觉得你就是卷。但你有了不一样的经历，对自己的定位就天然不是标准路径。

刘燕秋：跳级是老师建议的，还是你自己要跳的？

李银川：老师肯定不会建议的，但我就比较反骨，别人都这么做的我就不想做。六年级那次有几个成绩好的同学一起跳，再往后的跳级就不太常见了。跳完级发现也还行，自己学也能学会，就把初二初三自学完，提前参加中考上了高中。从小到大比同班同学小好几岁，学的东西也跟他们不太一样。我自学钢琴、吉他、画画、摄影、编程、动画，基本都是一看一钻研就会。老师后来也知道我是这种状态，就不管了。

刘燕秋：博士期间第一次创业，契机是什么？

李银川：受我导师影响很大。上大学之后，我过得比较舒服，因为不用学语文和英语，都是我擅长的理科。我基本上考前突击就可以高分通过。参加的竞赛也没花多少时间，基本都是满分。所以我大四就被北理工校长、龙腾院士的组招过去，提前进组锻炼。我在20岁左右时进我导师的公司做了一个项目，卖了一个亿。我大四进组时他公司刚上市一两年，我看到身边一帮师兄身家都过亿了，也觉得自己能把事情做成，就会想：把一家公司做到上市，好像也没那么难？16年深度强化学习概念刚出来，17年我就把它用到金融上，我和师弟应该是全球最早做AI for finance的一批人。当时华尔街一家公司听完我们在顶会的报告，直接邀请我吃饭谈合作，我做了个软件把技术打包卖给他们，后面又聘我做了8个月高级顾问。

刘燕秋：这次一人创业的经历对你的影响是什么？

李银川：还挺关键的。一方面，这次创业改变了我后来找工作时的考量。如果不是这次创业，我可能就不会选华为研究院的 offer。因为单看薪酬待遇，相比华为天才少年计划的 offer 或者其他公司的高薪 offer，华为研究院当时给的并不是最高的。但学生期间已经创业成功过一次，我就觉得年轻时不用特别在意钱，成长更重要。

刘燕秋：那你2020年回国为什么选择去华为，而不是直接创业？

李银川：20岁我就想创业，但觉得还是太年轻，招不到很强的人。我学生时期23岁在中国想招人，难度确实很大。你想，面试的所有人都比你大，人家就算认可你，干着也不舒服。所以给自己设了十年目标，30岁下场。华为的绩效考核是不看论文的，纯看落地，我几乎都能拿绩效A，在这之外，我还会抽很多时间自己做很多研究嘛，当时定的目标是发够100篇论文去创业。在华为这五年，我把决策大模型这条主线完整走了一遍：大模型训练、代码生成、端到端自动驾驶、具身预研，大奖拿遍了，论文发了80多篇。25年，我觉得时机到了。

刘燕秋：25年的时候你是多少岁？
李银川：我是94年的，25年初已经30岁。

刘燕秋：具身这条线，23、24年大家都在讲遥操作采数据，合成数据相较于真机数据的优劣势是什么？

李银川：从数学原理上讲，大模型训练就两种范式。一种用扩散、flow matching，本质是MSE loss，去拟合人的真实轨迹，模仿人的动作。这种方式需要真实轨迹做监督，天然需要采集数据，而且会过拟合。在固定场景里把分拣做好没有问题，但那不是真的智能。真智能是能听懂人的指令，你随时打断它、纠正它，它能理解。

另一派是自回归的Transformer，把世界参数理解了输进去，通过自回归预测未来的动作，从全空间分布中采样。我们的训练信号不是人的真实轨迹，所以天然可以做合成。看到了合成数据这条线超出预期的发展，我就判断：把数据上量，按大模型的方式训具身，应该可以泛化。

刘燕秋：所以这个从根子上是说你们对于智能如何形成的理解不同。

李银川：对。一套是模仿派，一套是理解加生成，我们是大模型可泛化的这一派。

刘燕秋：但合成数据似乎一直都不算行业里特别共识的方向，大家一般都会说真机数据是金字塔的塔尖。所以现在数采的方式这块，还是在一个各说各话的阶段吗？

李银川：我们也有10%的真实数据，是ego的第一视角，只记录场景和任务，不需要完整轨迹。但从第一性原理讲，大语言模型做代码生成早就是合成数据了——一推几千行代码，根本不是人能标注的量级，全是模型自己推、自己打分、自己清洗再回流。具身同理：不通过合成解决数据量的问题，模型永远不可能做到真正可泛化的理解推理。当然合成数据有自己的难点，标签要做准、要清洗好，这需要一整套infra管线。这不是一个博士生能搞定的，所以我们人才密度很高。

刘燕秋：真机遥操路线，如果要走进家庭的话，要搞成这件事情，大概需要花多少钱？

李银川：这个真预估不出来，1000 亿起步吧，而且还不一定做得出来。我去年初的一个报告里讲过这个事情，大概测算过：都不用对标 GPT-4 的数据量级，哪怕对标 GPT-3.5 的量级，换算到具身上，再抛掉重复的数据——遥操作的数据重复率其实很高，你搬一个机器人到这个场景里建个工厂去采，采出来的很多条数据都是类似的。所以这些数据大部分不是真正能泛化的。如果真要为了涌现、为了泛化，你还得把机器人搬到每个家里去采，那得几万台机器人搬过去采集，成本会高到无法想象。所以我觉得，1000 亿起步，可能。

刘燕秋：那你看像现在海外比较火的 Sunday Robotics，他们搞的是触感手套，成本低了不少，国内好多公司也都用这种数采方案。

李银川：（因为不用真机）成本能有数量级的降幅，但也是百亿级投入 。ego centric数据这条路会更便宜一些，成本可能比真机遥操作能降个 10 倍。ego 数据再加上合成生成（比如 1:10、1:100 这种比例的生成合成），我们能把成本降低几十倍到 100 倍。

刘燕秋：现在世界模型的概念比较热也很混乱，讲讲你了解的世界模型和诺因在模型上的定位？

李银川：我们采用了一种独创的综合解决方案 ，世界模型只是其中一环。世界模型之前定义没有收敛，形成了几个派系。一类是视频生成， Seedance那派，我们做的3D视频生成就属于这类，用来生成大量逼真的第一视角操作数据；一类是仿真来的，解决sim-to-real gap，英伟达Cosmos那派，我们的高阶仿真主要用来做强化学习反馈和对齐训练；还有一类是隐空间学习世界的变化，做动作和场景变化的预测。这是我们真正训可泛化模型的内核：自回归loss加Transformer骨干，把世界参数理解了，对齐到语义，可以做原生思维链、长链条思考和指令遵从。三个派系我们都用了，融合成一整套生成式学习世界的体系。

刘燕秋：我看你之前其实有聊到过，你创业是想选一个足够大的市场，家庭具身它是一个 to C 的足够大的市场。但直接进家庭，还是先从B端开始，这道选择题，大多数人选的是后者。所以为什么你们不做toB产线，直接进家庭？

李银川：两个非共识。第一，我最擅长的是决策大模型，要发挥可泛化的能力，天然就该找最需要泛化的场景，那就是家庭。第二，我跟联创盘下来发现，机器人的售价可以做到部分人买得起。数据成本降低一百倍、模型能泛化之后，toC就通了。而且产品卖出去之后，在保护用户隐私的前提下，回流的用户反馈和报错数据可以帮助模型持续改进，形成产品和数据的飞轮。

刘燕秋：机器人进家庭的门槛到底是什么？是卡的数量还是数据量？

李银川：不是卡，卡在具身公司这儿不是瓶颈。数据量还没到那个量级，几十B的模型都吃不满。真正的门槛是：完整的可泛化模型架构的基因、合成数据的整套infra管线、千卡集群以上训练经验的人才，以及产品和模型结合的闭环。我们的整机自研率95%以上。一整套环环相扣做起来之后，才能把模型做涌现，而不是说突然拍脑子，我要砸一笔钱，模型就能涌现了。光砸钱是看不到希望的。

刘燕秋：按照你刚才讲的，机器人进家庭第一个难点是技术泛化能力不够，你觉得通过你们这一套技术路线是能够去解决这个问题。那具体来说，现在的技术距离你想要抵达那个未来，中间还差了一些什么？具身的ChatGPT时刻，你的时间表是？

李银川：我们已经摸到一些现象了，数据再扩十倍、几十倍，继续迭代，快了明年、晚了后年就会到。我对具身ChatGPT时刻的定义就是：机器人走到你家里，看到一团乱的桌子，你任意下发指令，它干什么成功率都很高，你能感受到它在用力理解你，而不是执行预先编好的程序。时间表上，一到两年开始有机器人进家庭，三到五年大幅进入，五到十年进入千万个家庭，一定会实现。

刘燕秋：也有的具身创业者说，短短两三年之内是绝对不可能进入家庭的。
李银川：那你问他机器人卖多少钱呢？50万的机器人进家庭，我也不信。
刘燕秋：家庭机器人似乎是一个还没有被充分定义的赛道，做什么不做什么，怎么决策？比如，做饭这类演示你们为什么不碰？

李银川：不是做不了，但要在全球每个家庭的真实环境里稳定做一顿饭，从买菜、洗菜、动火动刀，成功率要做到六个9、八个9，几年内、十年内都不可能。谁会真的买好菜洗好让机器人炒？做饭的过程本身是享受，痛苦的是前后的繁琐事。而且动火了，油洒了着火了怎么办？我们定位做普通家务，洗衣服成功率做到99%。

刘燕秋：你作为技术背景的一号位，过去一年在产品上学到了什么？补了哪些课？

李银川：过去一年学到了不少产品上的方法。比如，功能不是越多越好，要先把最核心的亮点做好；怎么定价、怎么定位、卖给谁，都需要到一线跟用户交流，很多需求跟我们原先想的并不一样。包括什么时候更多投入产品、什么时候更多投入模型，也都需要反复讨论和论证。

这些对我来说都是需要补的课。但我一直觉得，没做过不代表学不会，关键是愿不愿意花时间去学、去实践。今天的我跟20岁时相比，更多的差别还是这些年积累的经验和对事情的理解。做公司也一样，管理上不足的地方，自己要学，也需要优秀的伙伴一起补上。

至于对技术方向和行业的判断，就更需要长期积累，很难短时间补齐。所以对我来说，作为一号位，很重要的一件事，是结合自己的积累，对还没有形成共识的方向做出判断，再和团队一起在实践中验证、调整，努力把它做出来。