在清华系创业者中，千诀科技创始人高海川显得尤为与众不同。他从不标榜自己为学院派，而是将商业现实置于技术追求之前。在接受媒体采访时，他直言：“我首先要考虑商业现实，其次才是搞技术的。”
2019年，当高海川还在清华实验室进行机器人大脑研究时，便敏锐地察觉到了这一领域的商业潜力。然而，他并未急于创业，而是耐心等待了四年，直到2023年，他判断机器人智能技术已进入工程化和商业落地的关键阶段，才毅然离开学校，创立了千诀科技。
千诀科技的务实风格在其成长过程中得到了充分体现。近日，千诀科技宣布完成数亿元A+轮融资，本轮融资吸引了元禾厚望、筱光资本、芯能创投等多家市场化机构及产业方投资人的参与。自成立以来，公司已累计完成9轮融资，展现了市场对其技术实力和商业前景的认可。
在创业之初，千诀科技就明确了商业化的定位。当时，行业普遍认为将ChatGPT融入具身机器人就能解决所有落地难题，但千诀科技却选择了一条更为务实的道路。高海川指出，机器人行业不存在所谓的“ChatGPT时刻”，即单一技术突破不会带来全行业的瞬间爆发。因此，千诀科技将首批订单聚焦于餐饮、保洁、酒店服务等已具备明确需求的场景。
高海川深知落地过程中会遇到诸多挑战，尤其是数据采集问题短期内难以解决。因此，千诀科技内部采取了双线并行的策略：研发团队沿着预测式世界模型的主干，探索各种细分算法路线；落地团队则深入酒店、零售、家庭服务等领域，通过实际应用优化产品。
“客户不在乎你的技术架构或算法模型，他们只关心产品能否解决实际问题。”高海川强调。在CTO章天任看来，高海川是个“非典型的清华人”。尽管拥有深厚的技术研究背景，但他并不以论文数量或技术概念作为创业的唯一标准，而是将精力集中在业务方向和公司长远路径的规划上。
在具身智能赛道吸引大量资金后，行业开始进入验证进展的阶段。然而，许多公司除了漂亮的PPT和展台Demo外，仍难以拿出实际成果。相比之下，千诀科技显得更为从容。高海川表示，再好的技术，如果无法落地真实场景并获得客户认可，就没有实际价值。
在谈及行业变化时，高海川指出，过去大家关注的是一次性演示、Demo和榜单排名，而现在更看重真实的落地指标，如任务成功率、连续运行时长等。投资人的评价标准也发生了变化，不再仅凭炫酷的Demo就决定投资。
对于技术路线的选择，高海川认为，尽管新路线层出不穷，但技术根基并未改变。在细分层级上，技术路线并非互斥，系统框架往往只需增加一个解码器即可复用主干网络和特征表征。他强调，判断技术路线是否可行，不能仅看短期声量，而应关注数据效率、样本效率、迭代成本等关键指标。
千诀科技自成立之初就专注于预测式世界模型的研究。高海川透露，早在2018年，团队就已开始基于视频游戏VIZDOOM竞赛进行Model-based Control的研究，并在国际比赛中取得了优异成绩。因此，当世界模型在今年成为风口时，千诀科技在技术层面已积累了近十年。
在千诀科技看来，整机厂商选择外部智能底座时，最大的顾虑是生态位冲突。高海川表示，千诀科技希望通过适配不同形态的机器人，降低本体厂商在智能能力上的重复研发和适配成本，帮助合作伙伴更快完成产品落地。
对于机器人商业化复制的瓶颈，高海川认为，算法能力已相对充足，真正的瓶颈在于数据供给。他指出，机器人的数据稀缺是行业独有的困境，物理世界的真实数据只能依靠机器人实体主动采集。因此，行业前进的路径只能由真实场景驱动，循序渐进完成市场渗透。
在谈及跨本体复用能力时，高海川表示，任务规划和对客观物体交互逻辑的理解可以跨本体，而执行器本体控制的部分则与硬件形态深度绑定。千诀科技希望将共性能力沉淀下来，根据不同本体的能力边界进行组合和调整，提高复用效率。
对于B端客户而言，他们并不关注技术路线的差异，而是看重产品能否解决实际问题。高海川举例说，给酒店做的机器人任务是从脏衣篓里捡衣服放进洗衣机，这个动作看似简单，但要稳定运行、不卡壳、不夹衣服，里面全是工程细节。客户只看产品能否干得漂亮、故障率高不高、值不值这个价。
从清华实验室到创业，高海川最大的思维转变是评价体系的改变。他表示，在实验室里，大家追求的是技术本身的极致；而在商业世界，必须对产品、客户和商业结果负责。千诀科技既做底层学术研究，也做工程转化，但研究必须与真实需求相互验证。
在谈及上市卡位对技术路线选择的影响时，高海川表示，千诀科技不会将上市时间作为决定技术路线和资源配置的首要因素。他认为，一家技术公司的长期行业位置取决于技术本身、产品能力和落地效果。因此，千诀科技将牢牢锚定主干技术路线，不发生摇摆。
对于业界普遍存在的泡沫焦虑，高海川认为，行业热度的起伏更多是资本周期在起作用。他表示，企业既不能因资本热度高就盲目扩张，也不能因市场调整就否定长期价值。关键是区分哪些事情需要长期坚持，哪些事情需要快速验证。
在谈及尚未解决的共性卡点时，高海川指出，数据问题、大脑小脑的协同和跨本体适配、技术范式收敛、技术理想与商业现实错位以及平衡前沿研发和商业化交付等仍是行业面临的挑战。然而，他相信随着时间的推移，这些阶段性难题会逐渐得到解决。
