2026 年 3 月 3 日，破壳机器人注册成立，创始人许华哲此前两年多是星海图的联创和首席科学家。关于这次离开，他说外界有很多传闻，但对他自己来说，核心只是"产生了一些新的想法"——家庭机器人这个念头他反复提过很多次，连"松鼠桂鱼"都是他惯用的比喻。真正让事情改变的是时间点：2025 年 8、9 月他开始认真思考，春节前正式敲定，而推动他的理由简单直接："只有我自己去做才有可能做到"。
他并不把自己完全定位成科学家。对这次创业，他心里的榜样是苹果和小米——苹果定义了智能手机这个新品类，小米用"参与感"让用户共同定义产品。他相信家庭机器人、或者说真正服务人类的机器人，今天还没有一个被收敛的定义，而这个框架"能不能从我们这儿发生"，是他最想做的事。
许华哲给出了一个非常具体的时间判断："在未来的18到24个月，这个世界会有一台机器人真正走到家里面去做一点事。"它也许还不足以稳定地以产品形象存在，但已经可以连续工作很长时间，在家把相当多的事情做了，让一个人产生"那个未来已经来了"的体感。
为什么敢下这个判断？他说确定性其实很高：大模型已经趟出了一条路，只要有足够的数据和算力，智能模型一定会变好；再加上社会关注度、资本和政策的加速，这个未来"不会太晚到来"。他还用大模型本身的经历来解释"渐变也是突变"：23 年人们开始用，每天聊着聊着天，到 OpenClaw 出来时突然发现"它突然变得特别好使"。具身智能大概率也会走同样的曲线。
"机器人其实只是一个铁疙瘩，它里面有电机，有它的结构件，有它的一些电路。"许华哲反复强调：具身智能最核心的是智能。工业场景里做的事"往往不太需要智能"，需要的只是"稍有智能的机械臂"，而那离他追求的 physical AGI 有巨大夹角。他用大模型作类比：如果今天告诉你 DeepSeek 只能问数学题，它就不会是人人必争的高地。
他的长期愿景听起来甚至不像商业计划："尽管我们现在是家庭机器人，但最终我们是想造一个人。"同一个机器人，下班以后可以在酒吧跳舞，可以在田里种地，可以在课上教书——因为它是通用的。"如果它是专门干那件事的人，我觉得人形机器人很难算得过来。"通用意味着一个大脑服务所有场景，账才能成立，生产力结构才会被真正改变，而不只是"降本增效"。
创业前他想了很多方案，习惯是"先发散再收敛"。他给中美两边的同学打电话，问大家愿不愿意为备菜机器人花钱。中国同学说备菜很重要，愿意付一台冰箱的钱，大概一万块或六千块；美国同学觉得备菜挺享受，只愿意付一个高压锅或电饭煲的钱，大概两百美元。然后这话题就聊不下去了——一个关节大概一千块钱，机械臂要七个关节，光是硬件成本就超过了所有人的预算。他的结论是：在机器人成本大幅下降之前，家用的"某某机"一定不是机器人。
他也跑了大量生产场景：车厂生产线、物流厂、鞋厂、食品工业、布草间。对方都说"太需要机器人了"，但深入聊下去就会发现，他们在乎的不是人形，而是"能不能把那件事干了"，而且对节拍和精度的效率追求极其极致。最有意思的发现是："那些非常高价值的事情其实已经都被自动化了……那些特别困难但是价值不高的事都留给我们了。"困难又低价值的事，不该专门去解，而应该由一个通用的东西降维去做——这也决定了他先做家庭场景、再做毛细血管场景的顺序。
为什么是这个时间点创业？他的回答带着一点少年气：小时候广播体操的名字就叫《时代在召唤》。房子变贵的时候他还是小孩，那是爸妈没看到；互联网创造巨大价值的时候他在读书，没有勇气退学；移动互联网、O2O 的时代，他可以说"我不 ready"。但今天，AI 的时代，他又恰好是搞 AI 的人，"没有理由不接受这个时代的邀请"。
技术上的信号有三个：强化学习已经把单任务成功率做到 100%，在 100 次、1000 次的验证量级上"定点的任务已经某种意义上解决了"；Scaling Law 展示出极高的上限，数据到位、模型合适，通用性"Ilya 已经保证了"；Agent 则第一次让人看到"把所有的缝隙都填上"的能力——computer use 与在家做物理串联，意义是相同的。
许华哲和 1X 前首席科学家 Erik Zhang 聊出的共识是：具身需要 AI native，之前的路径一直是错的。他给"不是"列了三条：不是传统机器人学——不要一个一个去解决很难的任务，"任务无法穷举"，传统机器人学的极致就是翻跟头、武术和跳舞，库卡的机械臂乐队很酷炫，但"肯定不是通用的 physical AGI 的那条路"；不是自动驾驶——小场景数据闭环的思路，先搞定五道口再中关村再海淀区，他觉得"是做不出来的"，因为大模型的启示恰恰是"大模型就是把所有的数据放在一起"；不是史前深度学习——"你永远不要指望一个小模型叠加一个小模型叠加一个小模型叠加一百个以后，它等于一个大模型"，搬砖可以用小模型，要通用智能，"小模型一开始就走错了"。
为什么行业里会有这么多分歧？他的观察是，相当一部分做具身的人"还是觉得它是一个机器人，跟工厂里的机械臂一样，只不过它是人的样子"，他们不相信 physical AGI 会诞生。还有人把 scaling law 误解成"我有很多很多数据"——但在封闭环境里采再多数据也没有用，因为"AI 本质上是一个归纳器"：案例类型不够多，归纳不出正确的结论，而且结论一旦形成，后期很难再补。他讲了一个朋友的例子：一位做传统机器人优化的朋友从来不用大模型，觉得搞深度学习都是"炼丹"，直到用了 OpenClaw，"即使是炼丹师，能做到这个程度，我已经认了"。
破壳第一阶段的路线很清晰：造自己的硬件本体、训自己的 AI 模型、定义自己的产品。形态上先做轮式双臂，足式同期开展；续航设想至少两小时，回充后接着干；目标市场是全球家庭，因为"当它真正足够通用的时候，很有可能它不太受到具体这个家庭在哪的限制"。
模型侧，动作相关的部分必须是一个统一模型，"它没有办法通过做一百件事儿然后领悟到一千件事儿"。别人的后训练是把大模型收缩到单任务，他要做的是"规模化的后训练"——让模型在后训练之后仍然保持泛化性，同时追求高效和成功率。强化学习被拆成三块：探索（与物理世界交互产生数据）、评估数据、用好数据，其中被低估的是评估——坏数据会让策略劣化，次优数据需要评分，失败数据也要用起来。
产品侧，他相信"AI 总会有一些窟窿"，智能是"巨齿形的"——难任务很强，简单任务会掉链子。对策是产品设计上有"明确的我不做什么"："你只要有明确的不做什么，那你就酿不成大祸。"破壳第一天就规定不做任何直接接触人体的服务：擦拭、翻身、抱起、按摩都不做，喂饭要放到最后——涉及准确性、力控，政策和用户心理的挑战都很大。就像小朋友，规定好别玩火柴、别玩煤气罐、别碰尖锐的东西，大不了摔个遥控器。
聊到行业里不利于向智能投入的现象，许华哲一口气点了三个。第一是卖数据：英伟达们自己采不了数据，"他们那人很贵"，于是向有人力运营能力的公司买；但"我们知道这是弹药，但是我们仍然把弹药卖出去"，"今日割三城，明日割五城"，为了账面好看把最宝贵的东西卖给竞争对手——至少他们自己不会往美国卖。
第二是无脑量产："根本没有那么多的需求，到底那些量卖给谁了？"他最想看到一个数字：机器人活跃率、日活。"卖出去的五千台机器人，到底日活是十还是一百还是一千还是五千？"硬件不像软件，真实使用数据没人会拿出来给你看，但他自己会把日活收上来作为公司的真实反馈——如果一千台里只有两成被真实使用，其中又只有两成被日常使用，那"有一点遗憾"。
第三是跳舞。他觉得跳舞有实际需求，作为表演"这事已经差不多了"；但人卷翻 1080 度，是因为那 180 度要苦练两年、是"人类的生理的极限"，而机器人没有生理极限，"你只要多花点钱把这个电机性能再给它加三圈"——卷这个事，失去意义。
他害怕中国的具身智能从业者"错过了最大的西瓜"："智能是最后的决胜点。如果不去做一个很好的通用的智能，那你的那些铁架子里面最后装的大脑就不是由你来控制"，那就错过了定义未来的权利。奇点的概念他也认真对待：当大模型自己写大模型、机器人自己拧机器人，"游戏就结束了"；至于完全 human level 的通用，"我认为可能五年左右"。窗口还在——"目前我们肯定是没有完全错过的"。
他盯着全球同行：π、generalist、1x，还有 Figure——"我很关注它到底是不是真的"，Figure 的厨房视频太丝滑，让他想现场去挪一挪那些东西，想起特斯拉机器人摘眼镜的翻车。他承认智能领先的几家都不是中国公司，美国创业公司"战略定力"更好：π 从第一天就说要做 physical intelligence，名字就是它要做的事，"每隔仨月发个东西，现在仍然保持在第一梯队"。氛围也很重要，一个班比谁坐得正、一个班比谁发言多，"公司之间也会有同辈压力"。但他回国的理由从来没变过：相信东升西落——最好的东西最终会在中国出现。
他讲了一段博士时期的迷茫：论文达标、导师满意，然后"好学生当完了"——再发三五篇 paper、读博后、进大厂，这条线性路清晰可见，但"我做这件事有意义吗？"他的答案很硬："大多数的科研没有价值。它最后变成了人类进步路上的一点噪音。"他在意的是帮到更多人，以及在这条路上有"非常极致的体验"。
他的技术审美是简单与一致：爱因斯坦的"Everything should be made as simple as possible, but not simpler"，"用小方法解决大问题"最美；而"有用"与"美"几乎正交。他的选择哲学是"我一般会选那个更难的事儿"——保送时几乎不用思考就选了再考一次清华；游戏从来直接选最难模式。他自称 impact driven，讲了一个小女孩给宇航局写信的故事：造火箭的钱为什么不捐给吃不起饭的人？答案是一百多年前也有一群人拿"可以吃上面包的钱"研究显微镜，后来有了抗生素。抗生素和核能都有双刃的一面，但"只要你是往善的那一侧去努力，对我来说就够了"。
对创业的胜率他非常清醒："如果有100家公司，那可能大家都是1/100"，甚至可能全挂掉。但判断标准不是成败："我们有尽全力吗？我们有极致的体验吗？我们给这个世界创造了一些东西吗？"至于代价，他说："因为我要的太多了，所以任何代价都可以。"
最近他在读哈萨比斯的传记，里面有一段关于"怎么样算是过了一个尽力的人生"的描述让他很有共鸣：像跑马拉松一样往前跑，"跑过终点线的时候我最好立刻跪下了，更好的情况是我被抬进医院了，但我没有死掉"。他说马拉比笔下的哈萨比斯，"某种意义上是一个所有的追求AGI的人的一个缩影……近乎虔诚的追求他该追求的事情"。
创业小半年，他说自己"找回了曾经的自己"——高中时就想创业、想当高中老师，只是后来越做越学术；现在早上八点半开始满负荷工作，"已经很久没有这么爽过了"。他对八月有个具体愿望：娃已经会说话了，公司有了很不错的团队、造出了一点东西，而他自己"乐在其中"。从只有地板的办公室，到"从一片荒芜到破壳而出"。