摘要：当我们在圣何塞见到黄晓煌，他刚刚从GTC会场赶来。在这场大会上，他和团队开源了新的空间智能模型SpatialLM，与黄仁勋见面握手，和合作伙伴开会，去大学招聘，还在自家展台上亲自接待各路人马。

黄晓煌很忙。

当我们在圣何塞见到黄晓煌，他刚刚从GTC会场赶来。在这场大会上，他和团队开源了新的空间智能模型SpatialLM，与黄仁勋见面握手，和合作伙伴开会，去大学招聘，还在自家展台上亲自接待各路人马。

在群核科技因为“杭州六小龙”而爆火前，他基本很少露面。此前人们不知“群核”，只识“酷家乐”——全球最大空间设计平台公司。作为群核科技联合创始人和总裁的黄晓煌更像一个技术痴迷者，他在凌晨读论文，自己写代码复现，邀请硅谷的研究者加入群核的AI研究院，推着公司技术部门开源数据集和模型，与硅谷的诸多公司在AI上低调商业化合作，保持着与这里一线AI研究者的密切互动交流。

在创业的第14年，当他跟你聊天，你看到的好像还是多年前那个从英伟达离开的年轻人。

2010年，黄晓煌被英伟达点名拉进CUDA团队。不过他却只待了一年多的时间。当时行业对于GPU依然迟疑，但黄晓煌却认为黄仁勋对GPU的信仰仍然不够极致——他认为英伟达当时就应该把GPU做成云服务。

于是他选择回国创业。后来的故事，被大家熟悉的是以酷家乐为主角的那个版本。但另一条主线里，酷家乐背后的群核科技，一直在沿着黄晓煌最初创业的思路曲折前进——把GPU变成最通用的计算方式。

这种落差在群核科技因“杭州六小龙”而声名鹊起，开启港交所上市之路后被放大。一方面，前沿的“空间智能”成了这家公司的新标签，开源的SpatialLM大模型在最新的HuggingFace趋势榜上，很快被推到了第二的位置，仅次于“杭州六小龙”的另一家DeepSeek。另一方面，“家装公司”的旧标签仍会被一些人提起，但颜色正在褪去。

最近，我们有机会和黄晓煌在硅谷做了一次深度的交流，这也是了解这家公司前世今生的机会。

以下为对话实录：

小宇宙收听➡️

群核诞生：为了追求比黄仁勋更极致的GPU通用技术

“老黄在上面，用画笔画公司增长的第二曲线，‘S curve’，下面员工就喊：‘Stupid Curve’！（愚蠢曲线）”

硅星人：我们从“群核科技”这个名字说起，“群核”的英文名是“ManyCore”，顾名思义就是很多“核”，实际上就是很多个GPU，也就是GPU集群。今天GPU集群是什么大家都很清楚了。但是这个名字是不是今天起的，而是2011年起的——那一年你创立了这家公司。这个名字当时有什么来历？

黄晓煌：其实”many core” 是我在伊利诺伊大学香槟分校读博士学位时候的研究方向。这是英伟达（NVIDIA）当时提出的架构，多核的计算架构。当时英伟达主要是要跟英特尔竞争。英特尔当时的单核处理器遇到了瓶颈，那未来是走“多核”还是走这种”群核”的路线？英特尔提出的是“多核”，也就是“multi core”，而英伟达提出了“群核”，many core。名字好像差不多，但是实际上这两种的架构会差很多。

多核，就比如说你的电脑，单核、两核、四核，八核，大家都是这么过来的。八核。英特尔的那套其实是对旧体系的修修补补，但核真的多了就不管用了。你会发现你的笔记本电脑使用效率很低，即便是20核，你同时用两个软件已经不错了，一边听歌一边打字，对吧？英伟达当时就觉得这个方法不scalable（不可扩展）。如果解决这个问题，就是一个任务跑在所有核上，而且是几个GPU一起来完成一个任务。这就要改变它的计算模型。改变计算模型图形处理器（GPU）的计算模型其实是最合适的，所英伟达推出了群核GPU的概念。用一个CUDA架构，把一群核的处理器计算资源都给调动起来，而不是像英特尔那样修修补补的。

群核科技创始人合照，从左到右依次为朱皓、黄晓煌、 陈航

这个肯定是听起来是神奇，但它当时的难点在于：整个计算体系方法论都是英特尔定的，群核GPU，而且通过CUDA这么一个框架，等于重新建一个体系，这是很难的，但也很牛。

硅星人：确实挺牛的。所以多核是multi-cores。一个核运转一个任务，多核运转多个任务。群核是 many cores，其实是一个任务跑在多个核上，以实现性能和效率的最大化。在10多年前英伟达搞GPU群核的难点是，英特尔是当时计算行业话语的主导者，而英伟达当时是个小公司。所以CUDA 从一开始的角色，就是为了一个程序能够跑在多个处理器上，提供一套全新的架构算法？

黄晓煌：CUDA是一个编程框架。原来英特尔定义的编译器，没办法编译一个软件能够充分调用GPU的性能。所以英伟达要在这里突围。它就是要有一套新的编译器，编程语言能充分的调用GPU的所有的核一起提供计算，这是最难的，这个框架就是CUDA。过去的编程框架都是英特尔做的，他是绝对不会为英伟达做优化的，只会为自己的芯片做优化，然后上面还搭了一层东西。当时要推一个新的编程框架非常困难，CUDA就是这个很难推广的框架。

硅星人：你看，今天的芯片算力提供者挑战CUDA架构有多难，当年英伟达用CUDA挑战英特尔就有多难。前两天英伟达GTC，我看英特尔刚刚退休的 CEO 基辛格（Pat Gelsinger）也来了，还是挺感慨。因为当年英特尔的“多核”战略，就是他当在那会儿当英特尔CTO的时候做的，但基辛格本人是有过GPU的想法的。只不过现在GPU和CUDA架构成了计算的主流。

黄晓煌：嗨，理论上当时英特尔要做英伟达这套群核的东西，完全是可以的。就是那个Pat（指的是英特尔当时的CTO，2021年到2025年初担任CEO的帕特 基辛格）要是不被英特尔董事会给弄走的话，专注做群核，这就是英特尔的未来。但是英特尔公司大，战线很长，内部搞来搞去的。我记得当时那个Pat搞了一个叫什么Larrabee的GPU芯片。当时在英伟达我觉得天都快塌下来了，这个我们怎么搞？但是没想到后面英特尔自宫了一把啊。

硅星人：自宫了，前任CEO 欧德宁（Paul Otellini）退休了，不让Pat 做 CEO，提拔了一个搞芯片制造的CEO，Pat 就走了去VMware 做CEO了。所以2021年，Pat回英特尔做CEO，你看他又把GPU优先捡起来了。

黄晓煌：对啊，但是来不及了。那时候已经错过了最佳时期了。他肯定也有董事会的压力。你会觉得英特尔的董事会没有一个懂技术的。你想想，10多年前，你会觉得非移动的芯片有用吗？那个年代肯定是all in mobile 啊，谁在乎GPU 啊？

硅星人：英特尔那会儿内部占上风的X86架构的移动芯片，但资本市场的反馈不错。我问过当时英特尔的CEO 欧德宁，你们接下来最大的不确定性和挑战是什么？他说是华尔街的预期，因为当时英特尔股价很好。华尔街永远期待它能拿出符合他们预期的更好的东西。结果前两天老黄（英伟达创始人兼CEO 黄仁勋）在GTC演讲的时候也抱怨这一点，说无论现在英伟达推出什么，都不太容易满足资本市场预期。我就很感慨。

黄晓煌：其实我们做企业的也有这种感慨。资本市场的耐心就是：一天就是早晨起来股市跌了，他们就恨不得把你祖宗十八代都骂一句。创业者可能在一级市场里还好一些。二级市场投资人就非常短视的。这个对于一个做底层创新，或者做大事儿的CEO是很难的，除非你自己是创始人，反正别人不能拿你怎么样，那扛得住。绝大部分后面就像英特尔这样的职业经理人了，人家看你不爽就可以把你fire掉。所以这种职业经理人你在华尔街的压力下，你什么都做不了。

但当初英伟达就还好，创始人自己就是CEO。我记得我在英伟达工作的时候，不光华尔街骂英伟达，我们听老黄开季度的all hands meeting（全体员工会）。老黄在上面，用画笔画公司增长的第二曲线，“S curve”，下面员工就喊：“Stupid Curve“！（愚蠢曲线）。当时很多人都觉得“Nvidia is like a stupid”，我当时作为小白，我也觉得我在的这公司，市场也就这么大。

“我当时我就没想明白英伟达干嘛不去做云计算啊？”

硅星人：但当时你在UIUC（伊利诺伊大学香槟分校）读博士学位，拿的还是英伟达的奖学金，这是什么原因？是因为给的钱多么？

黄晓煌：其实是因为我当时找的导师正好跟英伟达在合作。英伟达总共给了100万美金，所以也是阴错阳差。反正我当时作为中国学生能上到UIUC这种名校，计算机全美前五。我本来就是读这个的，那有这个奖学金也挺好的。2007年，研究CUDA的算法和框架，这是个新东西，我也没觉得有什么问题。

硅星人：当时有人用CUDA开发吗？

黄晓煌：很少。所以说英伟达为什么要赞助学生来写框架？就是学生再不用的话，那就真没人用了！所以就让我们写用CUDA的论文，因为我们发论文，都提到了CUDA。就是先得把学术界给拱起来，大概是这么一个路径。我读到第三年的时候发现，只要你用CUDA改写一下C++,就能发篇论文。这就成了你当时发论文的一个捷径，因为新。

硅星人：其实是“水”论文的一个捷径，但你读到第三年，直接拿了个硕士学位。就放弃拿博士学位了。

黄晓煌：我就去了英伟达。我先是在英伟达的实习，后来他们要我去，那会儿团队的人也很少，应届生我估计都不太愿意去，招不到人。因为我拿了他们的奖学金，拿人钱财，他们直接就给我导师发信：说很需要我去英伟达，那就去干一两年呗，不想干了再回去读书呗。我两年就拿到硕士学位了，然后博士学位项目 gap了 一年，可以回去。但是超过一年没回去，那就算了。

硅星人：所以你在英伟达其实全职了多久？就是你也在台下觉得当时英伟达的增长曲线是stupid curve的时候？

黄晓煌：全职工作一年多。

硅星人：然后你就选择我就创业了？当时其实你有两个分叉，一个是回学校继续读博，一个就是回中国创业。对，然后你选择了博士学位回国创业。为什么？那个时候回去的人确实很多倒是。

黄晓煌：怎么说呢？当你工作过，你真的很难再静下心来回忆学术界。其实我在学校里干的事情跟工作的时候干的事情差不多，都是开发框架，发论文。学校其实还不如工作的时候，工作的时候各种GPU和设备都随便用，学校里面很紧缺，而且工资还高。那不如留在英伟达继续干。

硅星人：其实也是在英伟达进行学术生涯的延续，但是有了更多的资源和钱。

黄晓煌：对，只不过没那个学位。

硅星人：可是如果是今天你第一次做AI创业，在中国，硕士学位可能就不够。有的VC是拿着学校和学位去看该投多少钱的。

黄晓煌：是有可能的，当时是够的。如果你要自己创业，你管那个学位干嘛？VC看这个纯看学位的啥都不懂，学问你不会看吗？那还要他VC干嘛？

硅星人：我们还是说回来你创业的事儿吧，2011年，你创办了群核，这个名字来自英伟达当时提出来的未来计算架构方向。你在英伟达的实习和工作经历，以及你在那里学到的东西，还是非常影响你创业最初始的一些想法的。

黄晓煌：是的，我当时工作的时候，对Jensen（黄仁勋）他这个愿景，也就是把GPU用来做通用计算的愿景，我是非常buy in的。我本身在研究这个方向，我觉得毫无疑问这就是未来。但是我当时我就没想明白英伟达干嘛不去做云计算啊？天天做那个移动，我觉得不太现实，我觉得做就应该去做云计算。

我当时跟我的manager聊过，你不是愿景就是要做这种超算么？我就不太认可这种在本地做高性能计算。所以我创业就做服务器，做云，然后我发现做到服务器芯片老烧，我才知道不好。英伟达不做不是因为它不愿意做，而是GPU这个东西那个年代，放在服务器就是跑不起来，温度110摄氏度，我多放几张卡，温度就是几百度，超过几分钟就烧了。

硅星人：所以当时的问题是，GPU这玩意儿放在云上才能实现高性能计算，但是老烧。

黄晓煌：当时的GPU工艺没办法跑在云上。我其实创业前两年我也很痛苦，我要做GPU上云，结果我的卡全都烧了。我们当时还专门写了一个算法来测温度，我记得是直到2014年，英伟达买了一家公司，推出了一个动态调频技术，解决了温度过高的问题。我原来的做法效率很低，你得把它停下来，然后让它降温，利用率就大幅下降。英伟达后来的做法就是温度过高，那把主频降下来，然后就保持着一定的温度，后面的技术越来越好了。所以你看，英伟达的股票也是那之后开始大涨的，它解决了GPU上云的关键。

当GPU遇上酷家乐：拿着GPU锤子找到了赚钱的钉子

“我们用GPU做家装实景渲染，上台演示，东西都没做出来，上台讲概念，demo了一下产品原型，下面那一堆人刷卡买。”

硅星人：所以你头两三年，基本就是在跟技术瓶颈天人交战。

黄晓煌：对，以前做纯软件的时候，都没意识到这个问题。服务器什么都是你们自己搭好了。然后烧了反正有人换卡。虽然我自己也没解决问题，但英伟达解决了对吧？

硅星人：这个技术瓶颈不是你解决的。所以我很好奇创业前两年，投资人怎么看你？先不说后来酷家乐的家装业务，它火之后融资不成问题。你们最早期的时候，投资人看的是什么？你最早是线性资本的王淮Harry 投的，他是硅谷回来的人，他为什么投你？

黄晓煌：我原来在硅谷就跟他认识，一起做浙大硅谷校友会的volunteer（志愿者）。我们一开始融资还挺折腾的。最早拿了一个硅谷的term sheet，我然后上飞机回国前一天，被毁约了。后来我碰见Harry，他说你出来创业了。我说你要不投我？他说他当时跟着一个大佬一起做基金。投不投最终要那个大佬拍板。

硅星人：可是Harry后来也用线性的基金跟投了。

黄晓煌：那是后面的事情，IDG投的时候跟投了。

硅星人：当初你啥商业模式也没有，就是有GPU集群，然后又要做GPU上云。2009年亚马逊才开始做云业务，2013年进的中国。你那会儿做云，大家也不会把GPU跟云联系起来，非常不被讨论的一个方向。然后你就开始拿着GPU集群的锤子，去找商业模式的钉子了。然后很幸运地找到了“酷家乐”这颗钉子。可是为什么就酷家乐这颗钉子，最后被GPU的锤子给钉在墙里边去了？

黄晓煌：当时找了各种各样方向。有的方向压根就找不到任何的用户，有的方向有用户，但他们都想白嫖，比如说用GPU做影视后期处理对吧？那就是做项目尾款给的很慢，这个我们不需要取。这都是很困难的，找应用场景很困难。做酷家乐是碰到运气比较好，赶上中国房地产爆发。我们用GPU做家装实景渲染，上台演示，东西都没做出来，上台讲概念，demo了一下产品原型，下面那一堆人刷卡买。

硅星人：都是家装设计公司现场刷卡？

黄晓煌：对，其实它们根本就不想用，它们就是想买了，给消费者搂一眼，帮助拉客，就是因为觉得效果很炫酷。3D然后十秒钟生成，整个家装效果很炫酷。但家装公司他们自己其实不用，反正就觉得东西挺好，5万块，很便宜。

硅星人：买回去玩呗，可它们能刷多少个5万呢？

黄晓煌：挺多，搞一次活动，刷了一百多万。2011年底，我把东西收好，把东西寄回国，把公司注册好，就到春节了。然后2012年在融资，融资也不太顺利。见了30多个投资人，没有一个愿意投的。一开始我们拿自己的钱，2012年基本用自己的钱。王淮那笔钱是2012年底给的，demo 是2013年做出来的。

硅星人：然后英伟达动态调频解决GPU上云的规模化问题也解决了。我能感受到一个明显的落差。就是你GPU做通用计算，以及GPU上云，哪怕是硅谷大厂当时也是刚刚做。你自己按照这个愿景做，发现到处都碰钉子。投资人也好像不太懂你说这的这些技术。然后然后你去找客户，发现哪怕第一波客户也不是因为你的技术愿景买单的，但它们确实给了你实打实的第一波收入。这创业的前三年你犹豫过么？

黄晓煌：创业的前三年。其实我心态变化很大。我离职创业的时候还有点傲气，觉得英伟达这个管理层太弱了。我都看得出来GPU得上云，你怎么就不懂呢？我跟manager说了，他不愿意做。那我创业，然后创业过程中在现实面前一遍一遍被毒打。然后我发现，英伟达肯定（GPU上云）是有规划的，只是我不懂而已。原来Jensen每个季度all-hands，讲华尔街的压力，second curve什么的，我还不太理解讲这个东西干嘛呢？下面还在起哄“stupid curve”什么的。后面你自己创业，发现GPU的概念那个年代根本没人认可，投资人不会投你的。

王淮投我那是因为纯粹是朋友，我后面融资是编了另外一个故事，就是IDG投的时候。当时美国的Houzz正好很火，它是美国当时最有名的一个家装平台，其实是家装图片社区，但它的图片都是靠人去拍的。然后我们就编了一个段子：Houzz 不是要靠人去拍照片吗？我不用人拍，我就用GPU渲染。我就跟投资人你说别管我们用什么方法，反正就是我不用能拍，我也能做出这个家装社区来。这个故事很快就融到A轮B轮，都是这么讲的。

“其实对我来说，家装我也从来不关心行业本身，只不过你把技术用在什么行业而已。反正我做我的事儿。”

硅星人：我第一次听说酷家乐是在2015年，也是你们的投资人赫斯特资本（赫斯特是一个出版集团）的人讲的。

黄晓煌：对，它（赫斯特）当时有一个家具的杂志。我说我这个都不用拍照。美国人工贵，我这个不用拍照就有效果啊，他们觉得太好了。但如果你讲的故事是GPU集群什么的，直接给你一巴掌就让你走了。跟他们讲GPU，多半都不知道是啥玩意儿，贼费劲了，知道了绝对不会投。就跟他们讲个这是自动版的Houzz，不用拍照版的Houzz。

硅星人：2011年到2014年，不是所有人融钱都困难。那个阶段做LBS（基于地理位置服务）还有O2O（线上到线下服务）的都能融到钱。

黄晓煌：我这个也没有 to O （指做线下），就是一个社区。融来那些钱，弄了几个产品经理，你们去做社区。我其实还是在研究GPU。

硅星人：反正我觉得国内那会儿能融到钱的一个是本土特别接地气的创业者，另一种是硅谷回去带着光环，但一下子就能把地气接上的那种。但你好像都不是，你某种意义上是科学家，是工程架构师，是研究驱动的创业者，这在当时是不吃香的，基本融不到钱。那酷家乐起来之后，C轮D轮的投资人是不是开始相信GPU的故事了？

黄晓煌：那会儿酷家乐第一轮的增长已经飞起来了，看的是酷家乐数据。C轮开始就是internal round，我们不讲是内部股东逼的，反正那会儿的增长非常快了，基本上融的钱都不够做流动资金了。就当时也赚钱的其实也挺多的。

硅星人：那你觉得那几年酷家乐能涨得快的原因是？

黄晓煌：我以前分析得很多，其实我们做的事儿也不稀缺，其实就是房地产泡沫带来的一个巨大的跃进。

硅星人：时代红利，房地产多了，房价高了，装修也跟着多了。

黄晓煌：对，当然也跟我们产品做有关系，因为那时候竞争是很激烈的。非常多做类似产品的公司，我们其实是只是其中一家。我们产品力是做的最好的。很明显那个渲染得效果速度。但是那个时候如果效果差一点，但公关的能力强，都能活着。后面整个市场下行之后，我们的数据是最好的。用了我们的都会继续用。其他的很多就不行，房地产市场掉下来之后就挂掉了。

硅星人：等于酷家乐就是科研人员用GPU上云的架构和算法，创业搞了家装。这跟用人工智能和机器学习搞量化收割股民，其实挺像的啊。

黄晓煌：没有，我当时跟合伙人是分工的，社区和网站什么都他在搞，我还是带着团队在GPU渲染什么的。GPU 渲染其实跟Diffusion Models是一脉相承。

硅星人：陈航那边更多在搞业务。

黄晓煌：对，他在搞那个业务，我就还在搞技术。其实对我来说，家装我也从来不关心那个行业本身，只不过你把技术用在什么行业而已。对吧？。

硅星人：一开始不好融钱，后来用中国版自动生成3D渲染版的Houzz这个概念，再后来酷家乐的数据很好，这些事儿对你本身究竟是个什么样的创业者，其实啥影响都没有？

黄晓煌：反正我做我的事儿。

硅星人：那到了现在，我们开始押注空间智能（Spatial Intelligence），黄仁勋说这个是物理世界的AI（Physical AI）。它需要物理世界的强大的数据集和基于物理世界规律的基座模型。但是反过来去想，如果当时没有选家装这个带到，我们能不能在2018年就公布InteriorNet 这个物理世界的数据集？今天能不能有这么真实的物理世界的镜像数据？如果当时没有酷家乐，今天有没有可能也能走到空间智能这一步？

黄晓煌：这个也没法假设的。英伟达的方法论，也是拿着锤子找的钉子做出的CUDA。然后天天再看，这个核磁共振能不能用扩大加速一下，渲染能不能加速一下，都在找这种应用。其实家装这个行业在2017年底到2018年已经爆掉了，已经不增长了。我们3D渲染加速的第二波增长其实靠的是这个工业软件，就是“全屋定制”。它是做工业化的装修。我们2017年到2018年开始做全屋定制工业软件，因为家装行业当时已经有问题了。我们用全屋定制的工业软件把增长的接力棒给接上了之后，这基本上是我们后来做空间智能的基础了。

硅星人：因为全屋定制掌握了一个更复杂的广阔的场景里的数据。

黄晓煌：做家装效果不需要物理正确，效果正确就行了。全屋定制需要的是物理正确。家装就是一个渲染软件，效果看起来行就可以了。你做工业软件，每一个细节都得对，这个时候是给空间智能奠定了一些基础。

大量物理正确的3D数据和空间认知数据提供仿真支持

硅星人：我一直以为“全屋定制”是建材行业的和搞商业楼宇的人搞出来的概念。

黄晓煌：是他们搞出来的，最终实现就是我们的实现。

硅星人：因为全屋定制需要物理真实和物理正确。那我们往前回溯一下，在酷家乐业务的井喷期，你在公司里面组建了一个实验室吧？

黄晓煌：2015年建的实验室，主要做渲染的。

硅星人：你们后来刚开始做物理正确的全屋定制，基本在同时也就是2018年，你们推出了一个3D的物理场景数据集，叫InteriorNet，这个名字是故意学李飞飞搞的ImageNet么？

黄晓煌：那就是啊。

硅星人：你在UIUC读博的时候，正好ImageNet正在办视觉识别的竞赛。

黄晓煌：对，因为李飞飞当时就在UIUC当教授，她组织的比赛，线上的，我就玩了一下，就是没获奖。

硅星人：AlexNet 的框架就是这个比赛里出来的，总之你们InteriorNet名字对ImageNet致敬了一下。

黄晓煌：山寨了一下（笑）。天天在干装修，不如再干点有意思的事情。那一年因为正好是国内“装修贷”爆掉了，各种装修公司都不太行。加上房地产泡沫，我们前十的装修客户倒了9家。 我当时就在想：这个全都倒闭了，我们怎么办呢？这时候就面临着转型问题。转型的一个试点是往计算机视觉的AI转，还不是大模型，而是小模型。另一个就是全屋定制的工业软件转，好几个方向都在尝试。InteriorNet发出来学术界有了一些水花，但业务当时是全屋定制做的比较好，很快收入就挑起了大梁。

硅星人：当时全屋定制工业软件能不能完全弥补家装丢掉的收入？

黄晓煌：那肯定，又带给我们带来了一波新的增长。

硅星人：这个增长一直到哪年？

黄晓煌：到疫情差不多，增长到了商业地产爆掉，到2021年底。从2018年到2021年，全屋定制从零占到公司50%多的收入。

硅星人：这会儿你们的故事是啥？工业4.0？

黄晓煌：工业软件后面其实跑的是数字孪生。

硅星人：这事儿就很有意思，这两天黄仁勋在GTC 上发布了英伟达Omiverse，他讲的就是数字孪生用于工业制造。

黄晓煌：对。反正英伟达的方法论，就是不断地拿着锤子找钉子。你用GPU集群，随着算力的不断提升，能做的事儿也是在不断的变化。从最早只能做渲染，再把GPU的AI计算，就是小模型的计算用在工业领域，都是一步一步的发展。英伟达很多时候都是不断地忽悠或者怂恿客户，说我们觉得这些领域可行，也是一个摸索的过程。就像我们当时做家装的idea，就是来自第一届的GTC老黄的keynote demo（开场演讲演示）了。他说我这个GPU能干这个，把128颗显卡连了起来，跑了一个demo，就是实时的家装渲染。

“黄仁勋keynote讲的东西都是很前沿的。说白了，他说的东西，你要今年就做出来卖，那你就死定了。”

硅星人：拿着锤子找着钉子了，老黄给的这颗钉子。你想如果是今天的老黄给了这么一个方向，国内恨不得马上有50个团队出来做。

黄晓煌：我们当时这个方向都上百个团队在做。这个idea是简单的，但是你要把它做极致。你们可能有细节问题解决清楚，能够真正被人用起来，这个是真正挑战的。

硅星人：也挺有意思。你们创业有点像是跟老黄的平行时空，与英伟达在一开始交错了之后，其实就一直在纠缠在一起。

黄晓煌：因为每年我都看他的keynote，他keynote讲的东西都是很前沿的。说白了，他说的东西，你要今年就做出来卖，那你就死定了。

硅星人：英伟达的那套方法论，你比较熟悉，就是他拿锤子找钉子。但其实本质是因为你有锤子，这个锤子是足够通用，坚持GPU通用计算。你一直坚持到现在。。

黄晓煌：这个其实也不叫坚持，别的你也不会，你有什么办法呢？这个有一定的运气成分。说白了，这个过程里，如果英特尔的几个创始人还年轻气盛，那肯定是他们都要弄一个小团队干干，绝对不会像现在这样。这里面有各种因缘巧合。英伟达正好碰上了一个老去的竞争对手，所以它就胜出了。

硅星人：其实英伟达作为一家公司也不年轻了，32年了。昨天在见媒体的时候，黄仁勋说自己是全世界唯一一个做了这么长时间CEO的人，直到现在。

黄晓煌：这个很关键，太重要了。要是没有这个因素，我觉得英伟达活不到到现在。

硅星人：英伟达抓住了GPU释放价值所有的环节。英伟达用GPU在工业智能上做了一些事情。但它在人工智能这一波被广泛应用之前的场景，一个是“挖矿“，一个是游戏。然后如果没有这个大的银行用场景，其实，它后边在人工智能这块的作用，可能也没法这么最大化。

黄晓煌：对，它如果不是挖矿赚到钱的话，后面的技术问题也解决不了。

硅星人：有钱很重要。梁老板（DeepSeek创始人梁文锋）有钱，所以他能够做技术理想主义者。

空间智能第一股背后：和字节们抢人，和股东们博弈，“六小龙”之后一切豁然开朗

“（ChatGPT出来后）我其实就焦虑了，那段时间就天天闭关，在那儿看论文，自己做测试这些开源代码。这种焦虑感到了2023年底才消失。”

硅星人：2022年11月30日是这个世界的一个分水岭——通用人工智能的应用被推到了世界面前。那个时候你在做什么？

黄晓煌：我其实2021年就组建了一个前沿技术研究院。我刚才说看到Diffusion Model的论文发出来了，我当时就挖了一个教授回来带前沿技术研究院，就在做这个SpatialLM（空间大模型）的大模型。

SpatialLM 基于视频重建的3D结构化场景

本来想，这玩意儿没有个五年，做不出什么能用的东西出来，然后就组了一个团队，慢腾腾的地做。我记得我们负责人回来说，给他多搞点GPU呗，我说GPU都被挖矿的搞走了，你要不就别搭那么大的机器了，省点钱。后面我靠2022年怎么一下子就这么火。

我后面也反思：我看到了这个趋势，但是没看到它能发展得这么快。但是也没问题，大家都预测不了。ChatGPT刚出来的时候我有点手忙脚乱，因为我觉得这东西三五年才能够可用，怎么才一年就这样子了？感觉这个世界变化了，简直匪夷所思的。后面我其实就焦虑了，我自己那段时间就天天闭关，在那儿看论文，自己做测试这些开源代码什么的。这种焦虑感到了2023年底才消失。

硅星人：为什么2023年底焦虑感就消失了呢？Sora 也是 2024年才出来的啊？

黄晓煌：那会儿开始，不会每天有都新的东西出来。但2022年底那段时间，每周都有新的各种东西出来，你发现你看代码和看论文都来不及，什么都做不了，就光焦虑。

硅星人：那你们锁定空间智能模型的思路也是2023年底那时候成型的？

黄晓煌：对，因为我们也不想去做什么大语言模型，我就没有梁文峰那个勇气。这不是我本身没勇气，我还是偏做图像3D相关的，语言我也没什么兴趣，我就直接pass了，然后跟Diffusion Model，跟三维相关这些模型，我就一直在研究，这是我们的重点。

这时候就是买卡和找人，但问题是招不到人，你这公司名不见经传的，而做这种行业的都要最顶尖的人。

“跟字节在抢人，我说我们公司好啊，你来做大模型，对方看了一眼：我来干嘛？让我当CTO啊？”

硅星人：你们是有名气的，但名气不在AI模型这个领域。

黄晓煌：对啊，人家一看，一个家装公司，我做AI的人去那儿干嘛？这些人选择有很多，你比如说清华或者北大最顶尖的那些学生哪儿都能去，你钱又给不了多少。为什么来你这里？招人非常困难，所以就进度很慢。最近就好多了。现在简历很多，都是非常特别优秀的人。

硅星人：所以招人困难的这个状况是基本上到了这俩月才解决的吗？是有了“杭州六小龙”这个说法之后才解决的吗？

黄晓煌：你说的是（笑）。

硅星人：这么惨啊。所以你们是跟谁抢人？是跟生数科技和爱诗科技它们抢人吗？

黄晓煌：不是，都是跟字节这种的在抢人，人家要去北京上海，干嘛来你杭州啊？甚至我面了一个清华刚毕业的大学生，我说我们公司好啊，你来咱们公司做这个大模型。他看了一眼：我来干嘛？让我当CTO啊？。

硅星人：清华的博士吗？

黄晓煌：不是，本科生。

硅星人：那Sora 和别的视频模型出来。对你们也没有什么特别直接的影响？

黄晓煌：你肯定着急。但是我们原来的团队就是做这种行业里的应用，招了大量有行业经验的人，技术本身不是顶级的。

硅星人：行业技术跟通用前沿技术两个路径不同。

黄晓煌：对，然后公司2000人，你要换血怎么弄？这换不了，你的薪酬体系都摆在这里，行业经验越多工资越高。然后突然你一个清华毕业的顶级人，小年轻，你拿的是人家15年工作经验的人的工资，那公司里边就炸了。后来我面临的就是这个问题，你要换血换方向，要从传统的赛道切换到AI赛道，技术上、方向上都想的很清楚，还要把人搞进来。

“我不是特别想做那种看起来有门槛，但只是针对菜鸡有门槛，巨头能把你灭了的事儿，这就算了。”

硅星人：我们再多讲讲空间智能。你说过，群核在做的是物理世界的模拟器。把物理世界做成一个数字镜像，你讲过这里面的一个最核心的东西，就是“是物理正确”。我们应该怎么去理解“物理正确”的门槛？物理正确的门槛是不是只有群核有？

黄晓煌：“物理正确”我本身觉得没有什么门槛，但你要做成一个ecosystem（生态系统），这个是有门槛的。说白了，大家的体系都不太一样。或者这么说，你的体系里是米为单位的，它的体系里是mile为单位的。所以你要做成行业标准，但它真正有门槛的地方在于数据，还有模型，以及你的相关的工具的矩阵。这些会形成网络效应。

硅星人：你们手里应该是有全世界最丰富的物理世界数据，复杂的物理世界数据。我看最近Google发的论文，也提到用了你们的物理世界数据，因为它数据上可能是有门槛的。

黄晓煌：是有门槛，但在模型训练上，我们现在都是跟世界最一流的公司在合作，你要说门槛，对他们来说没什么门槛。要说对于一般的公司来说，肯定有门槛。就看你怎么定义。我们公司的创业理念是：你要么就做一个行业老大，不管它市场大小，起码能守得住。我不是特别想做那种看起来有门槛，但只是针对菜鸡有门槛，巨头能把你灭了的事儿，这就算了。所以模型训练这部分我们我们自己会做，但我们从来不会把这个作为一个核心。核心还是空间智能的数据和工具链。

硅星人：工具链通过开源打造？

黄晓煌：开源的部分我也想通了，这东西可能就大佬巨头投很多钱能做出来。那我就觉得没有必要，其他公司反正也没有这么多资源来做这个东西，那我反正就开源了。反正就是大家在这基础上做，相当于起步高一些，可能还有合作机会。不然你第一步就把大家劝退了，以后就没得玩了。

硅星人：群核最近发布的SpatialLM 模型，还有SpatialVerse 空间智能平台，把它们开源出来，跟一些世界顶级的公司在一起搞空间智能训练。基于群核的数据集和模型。这个过程中接入了很多国内的机器人公司，都跟群核合作训练模型，名字有可以说的吗？

黄晓煌：招股书上写了智元，其实基本都合作了。很多他们愿意说的我们就说。

“六小龙之后，听不到这样的PUA了。”

硅星人：家装给你们创造了第一波非常丰厚的现金流，后来工业软件的现金流盖过了家装。那接下来空间智能的模型和数据集，能不能创造像之前这两波业务这样的现金流？

黄晓煌：我觉得长期肯定可以。

硅星人：多长？

黄晓煌：多长我不知道。但如果看到短期一年两年的赚很多钱，那除了去抢银行对吧？没有这么确定性的东西。我觉得创业做到目前阶段，我也看了创业路上无数的同行的人，就是到了一定阶段还其实挺看运气的。包括我自己，经历了房地产崩盘的这一步，我复盘了很多次，我都复盘不出来会崩成这个样子。但是我有一个心得：这些赛道都有风险，但是做自己感兴趣的。房地产这个赛道，我原来做的时候确实我自己没什么太大的兴趣，但是我知道我能做好，但我不必去做。可是一旦市场崩了之后，我突然觉得为什么我不能提早发现这个房地产市场会崩？要会知道崩，我绝对不做。但是机器人这个赛道……

硅星人：崩了你也不后悔。

黄晓煌：对，你也不后悔，就是崩就崩了，不后悔，只在乎曾经拥有。

硅星人：机器人这个赛道且崩不了呢。

黄晓煌：所以机器人这个赛道我们本来2017、18年就开始做了，一直坚持到现在，投资人天天逼着我们把这个业务砍了。耗算力，天天逼着我们砍。

硅星人：对，你们SpatialVerse（空间智能平台）是就是那个时候出来的。

黄晓煌：确实是。感兴趣的我就做呗，那会儿确实是内部砍了很多项目，就这个没被砍。投资人在PUA我们说机器人估值低，赶紧砍。

硅星人：那你是从什么时候开始听不到这样的PUA的？

黄晓煌：“六小龙”出来之后，六小龙之前还刚被投资人骂了个狗血。

硅星人：等于你从牛夫人变成小甜甜，就是一个春节的事儿。可去年10月和11月的时候机器人融资很热啊。

黄晓煌： 就不看好机器人赛道，你为什么要做这个呢？

硅星人：空间智能、物理AI 和世界模型，几个词经常被混用，我很兴趣未来我们面对新一类的投资人，无论是一级市场还是二级市场的，我们该怎么去向他们讲什么是空间智能？李飞飞在一个场合给克林顿解释什么是空间智能，她也没讲清楚。如果是你给类似克林顿这样角色的人讲，你该怎么解释？

黄晓煌：学术界是大概有明确定义的，确实很抽象。对但我觉得对大众讲，就是给机器人和智能设备用的AI，你可以这么解释，当然这是比较科普式的，给机器人和智能设备用的AI。

硅星人：给机器人和智能设备用的DeepSeek。

黄晓煌：对你可以这么讲，它内部也会有一个大语言模型，做常识性的判断。这个语言模型是用来理解意图的。物理世界主要就是给设备用的AI。这么弄就比较好理解。

硅星人：最后一个问题，中国和美国做空间智能，谁更能出成果？

黄晓煌：我觉得空间智能本身是跟数字世界的桥梁。物理世界肯定中国牛X，数字世界就美国目前肯定还是牛X一些，综合起来谁更牛X还不知道，得看各方面因素。

硅星人：是不是因为我们今天在硅谷，你才这么讲。

黄晓煌：在中国也会这么讲。这是一个事实。因为一个DeepSeek出来，中国就什么全方位超越美国，这不现实。很多新的模型还是美国这边发的。硅谷这边肯定是学术科研更厉害，中国更多是工程效率。所以我觉得既然空间智能是两者之间的桥梁，肯定是希望中美之间好好过，对吧？大家吵个架，还是坐下来一起过。那你要征服得话，那谁输谁赢，这确实是一个未知数。对，就一边擅长硬件，一边擅长软件，这不好说。

来源：硅星人