橡木果机器人走出隐身：9清华博士0数据本能干活

首先分享一个核心判断：语言与操作，本质上是两种截然不同的智能形态。这一观点源于橡木果机器人创始人姜峣。2018年从哈佛回国时，他已形成了这一清晰认知。这并非他博士期间在清华大学机械工程系的研究课题，而是源自哈佛认知实验室的博士后经历——在那里，他深入研究了视觉与触觉如何影响人类的操作行为，并在反复的实验观察中逐渐洞察了这一本质差异。

语言缺乏先天本能。如果一个孩子出生后从未接触人类社会，终其一生也不会开口说话；环境教授什么，他便学习什么。然而，操作行为恰恰相反：全球各地人们的抓取方式高度一致，不受年龄、文化或环境的制约。从未有人刻意教导我们如何“抓握”，我们却都能无师自通。姜峣将这种潜藏在操作行为背后的先天机制，称之为“本能”。

过去几年，大模型掀起的浪潮迅速席卷了机器人行业，一条主流技术路径逐渐成形：将视觉、语言与动作统一交由一个大型模型处理，试图通过端到端的方式直接输出动作指令。从VLA到世界模型，绝大多数探索都遵循着这种“大一统”的逻辑框架。

但姜峣认为，这条路径在操作层面走不通。语言智能处理的是符号系统，而操作智能面对的则是真实的物理世界；任务理解可以依赖知识与推理，动作执行却必须适配具体的硬件本体。与其用海量数据去拟合无穷无尽的物理差异，不如先赋予机器人一套类似于人类“本能”的底层机制，再让肌肉记忆与技能从实际交互中自然生长。

从科研实验室到创业公司，这支团队的核心技术人员共9人，全部拥有清华大学博士学位，且彼此年龄各相差一岁。围绕这一核心理念进行了近八年的深入研究后，他们进一步提出：机器人操作应拆分为任务规划与操作执行两个层次——前者指向“大脑”的思考能力，后者则专注于他们所研究的“本能”。这是一条与当前主流技术路径截然不同的探索方向。

去年，当VLA和世界模型如日中天时，他们并未急于公开反对。但此后一年行业的发展动态，似乎在不断验证他们最初的那个判断。“语言可以自上而下，但操作必须自下而上。”姜峣认为，当前具身智能所遭遇的瓶颈，根源在于行业从一开始就将理解与执行混为一谈。如果一个方向需要无限堆叠数据与算力，最后才能勉强向前推进，那它究竟是不是一条健康且行得通的路径？

这是他们提出的质疑，也是他们决定在今天首次公开详细阐述自己技术路线的根本原因。

一段“阴差阳错”的起点

DeepTech：你在博士阶段就读于清华大学机械工程系，之后前往哈佛大学从事博士后研究，方向却是神经科学。这个跨度非常大。当时你是已经带着“具身智能”的问题去寻找理论支撑，还是到了哈佛之后才意识到这两者可以结合？

姜峣：其实都不完全是。2016年之前，我一直在从事传统机器人的力学与操作研究。临近毕业时，我感到那个方向已经相对成熟，继续做下去缺乏足够的兴奋感。当时面临两个选择：直接创业，或者出国拓展视野。我选择了后者，想法很简单——去接触前沿的人工智能相关领域。

比较阴差阳错的是，在申请哈佛的那个实验室时，我看到实验室主页上写着大大的“motor learning”，旁边还有一张人与机器人交互的图片。我当时理解的“motor”还是电机、驱动器的意思，以为是偏向机器人控制的方向，于是就选择了这个offer。结果到了之后才发现完全不是那么回事。他们研究的是人类的运动控制与运动学习，本质上属于神经科学范畴。

刚到那里的时候确实很痛苦，完全是跨领域研究，前三个月几乎跟不上节奏。但慢慢地深入下去之后，我发现这个方向非常有意思。实验室的研究核心是“人的行为”，大致分为三类：肢体运动行为、步态行为，以及手部操作行为。我做的正是第三个方向，专注于研究视觉、触觉等感知能力对操作行为的具体影响。

DeepTech：你有一个核心观点，认为“语言不存在本能，但操作存在本能”。这一判断是在哈佛期间形成的吗？

姜峣：基本上是在那个时期逐渐形成的。去哈佛之前，我对机器人操作的理解更像是一个复杂的工程问题：不断调整参数、进行案例式的适配。到了哈佛之后，我才开始真正深入探究人类行为背后的内在机制。

实验室设计了许多非常有趣的实验。例如，屏蔽人的视觉，或者干扰触觉反馈，人为制造感知偏差，然后观察操作行为的变化。从2017年底开始，我们进行了大量的实验和数据分析。后来逐渐意识到，有些行为会随着感知条件的变化而改变，但还有一些行为，无论你如何干扰，它都始终不变。

这件事特别引人深思。“本能”有两个核心定义：第一，先天存在；第二，不受外部环境影响。比如强光照射到眼睛，人会本能地闭眼；手碰到尖锐物体，会立刻缩回，这些都很容易理解。但“操作存在本能”就没那么直观了。

为什么语言不是本能？因为如果一个孩子从小没有语言环境，他不可能自然学会说话。放在中文环境里，他就说中文；放在英文环境里，他就说英文，语言高度依赖后天数据输入。但操作则完全不同。没有人专门教导小孩如何抓取物体，可是人类的抓取行为却高度一致。不同年龄、不同文化背景的人，在许多基本操作动作上呈现出惊人的相似性。如果没有某种先天机制存在，这种一致性是很难出现的。

所以后来我认为，语言更像是一种“自上而下”的能力，依赖于知识、符号系统以及后天训练；而操作则更像一种“自下而上”的能力，其背后存在着非常深厚的先天结构。

DeepTech：从2018年哈佛毕业到2024年公司正式成立，中间有六年时间。这六年你主要在做些什么？

姜峣：2018年从哈佛回国后，我便开始系统地思考机器人操作这件事。这六年间，我一直在清华的实验室里专注于同一件事：从“本能”出发，研究具身操作智能。

2018年到2020年更多是前沿探索性研究。那时我们一直在追问几个核心问题：机器人到底有没有“本能”？如果有，它应该以什么形式存在？我们又该如何将这种能力赋予机器人？后来发现，许多本能行为是由触觉驱动的。例如，疼痛会触发回缩反射，人手碰到尖锐物体会立刻后退——这本质上是一种由触觉刺激引发的行为反射。因此，我们选择触觉能力作为研究的切入点。

至于为什么最终决定创业，我纠结了很长时间。高校环境确实非常适合做长期研究，但在那个阶段，整个行业已经明显在加速发展。我们已经把许多底层问题研究得比较透彻，接下来就需要通过商业化的模式，将理论、技术、产品和应用快速连接起来。创业对我来说并不意味着放弃学术。我一直跟团队讲，我们既要做最好的研究，也要做最好的产品。这两件事是相辅相成的。

操作与语言，属于两种不同的智能

DeepTech：听下来，“本能”是你们整个技术路线的核心概念。在行业普遍尝试用数据驱动直接覆盖所有动作的今天，为什么你们认为必须从“本能”开始构建？

姜峣：这取决于对整个机器人操作问题的理解。这也是我们今天最想给行业带来冲击的一个认知。

过去几年，行业的主流思路基本上是从语言模型延伸过来的：自然语言大模型成功了，大家就觉得可以用同样的方式，把视觉、语言、动作统一到一个大模型里，用海量数据去“自上而下”地训练所有事情。

但我们一直认为，这条路径在“操作”上行不通。因为操作和语言是完全不同的两件事。语言本质上是一套符号系统，但操作不仅需要视觉来理解环境，还需要触觉来感知接触状态，最后还要通过硬件本体去输出真实的物理动作。

更关键的是，操作执行高度依赖于硬件本体。我们在实验室做过对比实验：两只机械手，外形完全一样，尺寸也一样，唯一的区别是其中一只的关节稍微紧一点，另一只稍微松一点。结果发现，用同样的数据分别训练出来的两个模型，虽然都能完成任务，但内部的模型参数差异很大。如果直接把其中一个模型迁移到另一只手上，性能会立刻崩溃。

这就好比打乒乓球，比赛规则（任务理解）对全人类都是一样的，但邓亚萍和王励勤的身体条件不同，最终形成的打法也完全不同。如果你试图用一个通用的VLA大模型，把“任务规划”和“硬件执行”耦合在一起强行训练，结果就是需要极其庞大的数据量，而且只要稍微更换一下硬件，模型就会立即失效。

所以我们得出一个结论：必须把这两层拆分开。任务层偏向知识，可以“自上而下”地学习；但执行层必须适应自己的硬件本体，这就要求它必须拥有“本能”，去“自下而上”地生长出能力。

图 | 具身智能的两种技术路径：自上而下数据拟合 vs 自下而上本能驱动（来源：橡木果）

以前大家存在一个认知偏差，认为操作是由视觉激发的。但研究发现，如果完全屏蔽掉人的触觉反馈，视觉的映射就会出错，操作会变得一塌糊涂。这表明，操作的最底层一定是由“触觉刺激”来驱动动作的。这就是我们需要赋予机器人的东西——一套底层的本能反应机制。

DeepTech：既然它是一套底层反应机制，那“本能”在执行层里具体是什么？是一组写好的代码规则，还是某种可以涌现行为的底层机制？

姜峣：本能既不是固定的规则，也不是传统意义上的数据学习。如果完全依赖数据训练，那它就不可能是“先天”存在的；但如果我们把它理解成固定的规则，它又解释不了真实世界中那种极其丰富的操作行为。

本能更像是一种“规律”，而不是具体动作本身。就像牛顿的万有引力定律，引力本身并不直接规定“星体的轨迹是什么样的”，它只提供最底层的约束。但只要规律存在，行为就会自然地涌现出来。我们理解的“本能”就接近这种概念。

举个例子，人为什么能够稳定地抓住水杯？如果用传统规则系统来做，需要建立非常复杂的物理模型去计算抓取力；如果用纯数据驱动的方式，则需要海量的、不同材质和重量的数据来覆盖各种情况。但人并不是这样工作的。人类手中存在一种非常底层的“滑移调控（slip regulation）”机制。当物体出现滑落趋势时，手会自动增加抓力；当压力过大时，又会自动放松。人并不会实时计算抓取力，但这个本能机制会让抓取行为自然地稳定下来。

我们在机器人的端侧模型里实现了类似的机制。比如，机器人第一次抓取气球，它从未见过气球，也没有相关的训练数据，但它依然能够慢慢调整力度，既不会把气球捏爆，也不会让它滑落。这是因为它所依赖的不是“气球”这个类别对应的数据，而是更底层的接触规律。

DeepTech：听上去，“本能”似乎更像是一种完成任务的倾向。它并不是规定动作本身，而是让系统朝着某个方向自然收敛？

姜峣：对，这个解释其实非常到位。后来我们内部也常常这样理解。本能更像是一种“势能场”或“趋势场”。它并不是告诉你具体该怎么做，而是无论从什么状态出发，最终都会被引导到某种目标倾向上去。它并不描述行为本身，而是在底层驱动着行为向那个方向发展。

就像刚才提到的抓取行为，你不需要提前规定每根手指到底该怎么运动，只要有这个“本能势能场”存在，系统就会在交互中自然地朝着“稳定抓住物体”这个方向去收敛。只要底层的本能规律成立，复杂的行为自然就能够生长出来。

DeepTech：基于这几年的研究，你们推出了自己的端侧自主决策模型。它的核心似乎不是让机器人学习大量具体的动作，而是建立一套“本能系统”。能不能具体介绍一下这个模型？在你们看来，机器人可以拥有哪些类型的本能？

姜峣：我们的模型Natus是一个完全嵌入在末端执行器（比如灵巧手）里的底层模型。选择放在端侧，是因为它需要毫秒级的极速响应，并且必须与硬件本体实现最佳适配。

Natus的核心，就是依靠本能反射来构建“触觉感知”与“肌肉动作”之间的直接映射。我们从大量的行为观察中提炼，认为核心的本能只有三类。

第一类叫“定向本能”，它特别像人类最基础的注意力机制。你拿一支笔在小孩面前移动，他的眼睛和头会自然而然地跟着转动。往杯子里倒水时，视线会一直跟着水流走。这个过程不需要思考，是一种天然的目标锁定。机器人在操作之前，首先要明确“我要作用于谁”。

第二类叫“探索本能”。在定向之后，真正接触到物体，但还不知道如何完成任务，所以会开始试探。比如，人在黑暗里摸索东西时，会沿着物体表面不断滑动；在装配时，会一边接触、一边微调角度。探索的本质，是让系统逐渐找到“可执行的条件”。

第三类是“执行本能”。抓握时的滑移调控、装配时的力控制、插接时的稳定推进，这些都属于执行阶段。它负责最终把任务完成。

图 | Natus 模型架构 (来源:橡木果)

在橡木果的测试中，团队发现，机器人面对从未见过的各种不规则形态的物体，会沿着其表面自主探索，实时调整抓取策略，直到建立起稳定的接触构型后成功抓取。

图 | 抓异形物品（来源：橡木果）

在交互本能的测试中，机器人未经任何数据预训练。在抓取易碎的豆腐、水量不断变化的塑料杯、以及受外界动态扰动的极薄铁皮卷时，其抓取力都能够实时调整，确保了抓取过程的稳定与可靠。

（来源：橡木果）

在装配从未见过的线缆插头时，即使存在较大的初始偏差，机器人也会自主调整推进动作，直至鲁棒地完成接插任务。

（来源：橡木果）

这种基于本能的端侧模型，最大的特点就是“0数据冷启动”。它不需要事先见过这个物体，就能适应不同的工况，一上手就能进行操作。有一次让团队感到震惊的是，机械手在面对一张很薄的身份证时，由于其自身结构自由度有限，他们原本认为无法抓取。但后来，它自己摸索出了一种完全出乎意料的方法：先把卡片一端顶起来，再顺势完成抓取。那个行为不是写入代码的，也不是训练出来的，而是在本能机制驱动下自然涌现的。

（来源：橡木果）

DeepTech：但系统还需要具备进化能力，要能够越做越熟练，甚至举一反三。这部分你们是如何规划的？

姜峣：这是我们整个技术架构里最核心的壁垒，也就是从“本能”走向“技能”。Natus赋予了机器人自主探索的能力。在这个过程中，它会不断调整动作，形成自己的“肌肉记忆”，从而在单一任务上实现越来越熟练。但更重要的是，这种探索过程会产生大量的真实交互数据。

当前行业里主流的视觉方案存在一个问题：视觉只能“看”，没有资格给操作结果“打标”，它不知道到底抓紧了没有、发力对不对。而我们的“本能系统”因为有了触觉的参与，可以对这些探索行为数据进行完美的“自打标”，为视觉数据加上极强的触觉语义增强。

有了这些源源不断的高质量增强数据，我们就有了训练通用操作技能模型的基础。一旦技能模型训练出来，机器人就不再需要摸索着完成任务，而是具备了跨本体、跨任务的泛化能力。

DeepTech：回到最开始你们对于“智能分层”的判断——如果操作执行层交给“本能”，那你们所需要的任务规划模型是什么样的？为什么强调要把任务智能和执行智能分开？

姜峣：在我们看来，任务规划的职责并不是生成具体的动作，而是理解目标、意图和约束。比如递一杯水，真正重要的是知道杯子要送到哪里、过程中不能洒出来，而不是去计算每个关节该怎么运动。

所以，在我们的体系里，任务层输出的是目标状态、关键视觉信息和任务约束；至于怎么抓、怎么发力、怎么根据接触情况实时调整，这些则由底层的执行系统来完成。我们一直在尝试将任务智能和执行智能解耦，因为任务理解和动作执行本来就是两种不同类型的问题。

而且，上层任务模型非常重要，它的难度可能被很多人低估了。现在很多机器人系统的问题在于，它们虽然学会了动作，但并不真正理解任务。你会看到一些机器人一直在移动物体，却不知道什么叫“整理好桌面”。它能模仿行为，却不一定能理解行为背后的意图。

与此同时，我们一直强调一件事：不是所有东西都应该被放进一个统一模型里解决。如果模型需要同时处理目标理解、环境感知和实时控制，它的负担会越来越重。所以我们的思路是，高层负责理解任务，底层负责完成操作，两者通过抽象的语义信息进行交互。这样不仅更容易适配不同的机器人本体，也更符合操作智能本身的规律。

DeepTech：但如果上层模型一直没有实现真正突破，你们下面这一层即使做得很好，整体的能力会不会受到限制？

姜峣：这是一个特别好的问题。具身智能本质上是一个闭环系统，如果只解决了底层的操作问题，最终一定会被上层环节所限制。

但这里有一个关键因素：应用场景。如果一开始就去做家庭机器人，上层任务理解确实会成为巨大的瓶颈。家庭环境太复杂了，一句“帮我整理桌子”背后包含了大量的常识和判断。

不过，在许多To B的工业场景里情况就不同了。工业环境天然更加结构化，流程、目标和工位都是明确的。企业真正缺的往往不是理解能力，而是稳定、灵活的操作能力。尤其是在快消、3C和柔性制造领域，包装规格变了、摆放位置变了、材质变了，传统自动化系统就需要重新调试。而这种变化恰好是我们最关注的问题。我们的核心能力就是让机器人具备适应和探索的能力，在变化中持续完成任务。

所以我们的思路是，先把执行层跑起来，先解决工业场景里那些真实存在、但一直没被很好解决的操作难题。在这方面，我们已经和一些头部厂商进行了长期的合作验证。

VLA 训练十万次，换个场景就不行了

DeepTech：你们觉得VLA路线不是一条“完全正确”的道路，那你们和VLA路线做过直接的对比吗？

姜峣：我们确实做过比较直接的对比。比如在装配任务中，我们采用典型的VLA或模仿学习那套逻辑，先在仿真环境里大概训练了十万次，然后迁移到真实环境中。

在工况变化不大的情况下，它的表现并不差，甚至在某些固定的场景里，效率可能比我们“本能驱动”的方案还要高一点。这个结果是客观的，因为它毕竟已经被大量的数据训练过了。

但问题在于，它的泛化能力非常脆弱。我们后来只是稍微改动了一下条件，比如把孔径变小一点、换一批零件、或者改变一点装配误差，整个系统马上就变得不稳定了。有时需要重新训练，有时甚至直接卡死。

这特别能说明一个问题：如果操作执行完全依赖于数据学习，那么它的“覆盖范围”会变得极其庞大。操作中涉及的可能性太多了，几乎不可能把所有情况都提前采集完整。而且这里有一个重要的区别：我们是冷启动。在对方已经训练了十万次的情况下，我们一开始没有任何数据积累，但系统依然能够通过自主探索把任务完成。

DeepTech：如果你们的判断是正确的，为什么今天行业里大多数公司依然在坚持VLA路线？

姜峣：最重要的原因还是大语言模型在过去几年取得了巨大的成功。VLA延续的是整个AI行业最熟悉的逻辑：更多的数据、更大的模型、更强的算力。这个范式已经被验证过一次，大家自然而然地希望将其复制到机器人领域，但却忽略了AI和Embodied AI之间，因为多了一个硬件而带来的巨大差别。

还是这个观点：语言智能和操作智能可能是两类不同的问题。语言处理的是符号，操作面对的则是连续的物理世界。操作不仅涉及视觉，还涉及接触、力反馈、环境变化以及实时控制。很多问题未必能够通过单纯增加数据和算力来解决。

当然，这不意味着数据没有价值，我们始终认为数据是极为重要的。只是从实践来看，机器人可能需要一套更符合操作本质的架构：先建立基本的操作能力，再通过真实世界里的持续交互，在交互中获取大量真实数据来持续学习，把经验逐步沉淀为技能。

DeepTech：听说你们之前只用了两个月，就在一家化妆品工厂做出了POC。能展开讲讲吗？

姜峣：是的，实际开发的时间只有一个多月。当时我们有一个很明确的想法：必须尽快把实验室里的能力放到真实场景中去验证。

一开始我们也看过一些传统自动化的应用场景，但发现不太适合。很多标准化产线已经被优化得极其成熟，替代空间有限。后来我们发现，柔性制造才是真正需要我们介入的地方。化妆品行业就是一个典型的例子。产品规格、包装形式、摆放状态经常发生变化，传统自动化系统一旦遇到变化就需要重新调试。

那家客户之前接触过不少自动化团队和具身智能公司，效果都不理想。后来找到我们，是因为他们意识到了问题的核心不在“大脑”，而在执行层。整个项目推进得非常快：过年时签约，三月份开始实施，四月份就完成了POC验证，目前已经进入产品化阶段并获得了订单。

对我们来说，最重要的事情不是做一个演示效果很好的机器人，而是让产品真正进入工厂并持续运行。因为每一次真实操作都在产生数据，而每一次数据积累都在提升系统的能力。这才是我们最看重的飞轮效应。

充满质疑的阶段，反而是机会

DeepTech：其实今年具身智能整个行业都非常热，但舆论热度和投资热度之间是存在反差的。很多人觉得还没有在具身智能领域看到与热度相称的实际成果。你对自己的技术路线有信心吗？它是否有机会带来下一阶段的突破？

姜峣：我反而觉得，现在这个充满质疑的阶段对我们来说是一个机会。

因为过去几年，行业内确实出现了许多演示效果很惊艳的机器人视频，但大家也渐渐意识到，视频并不等同于真实能力。真正进入工厂之后，客户关心的问题其实很简单：你到底能不能稳定地把活儿干完。

不过，从另一个角度来看，这些展示也完成了一部分市场教育。越来越多的企业开始接受这样一个事实：未来的机器人不仅仅是固定程序执行工具，它应该具备适应变化和自主操作的能力。所以，现在行业正在从“看视频”走向“看交付”。而我们一直相信，通用操作智能不会在一夜之间出现。它一定是从一个个具体的能力开始，逐步积累起来的。

因此，我们的策略一直很明确：不追求一开始就解决所有问题，而是先把一个能力，比如最为基础的抓取能力，做到接近甚至超越人类的水平，再做到真正可用、可靠，从而实现商业价值。因为对客户来说，决定是否采购的关键从来不是机器人能不能偶尔完成一次精彩的演示，而是它能不能长期稳定地运行，并且比人工具有更高的性价比。

很多技术路线还在不断变化，但我们更希望把一个真实的能力持续做深、做透。只要有一个技能能够接近人的水平，并且在成本和部署效率上优于人工，它就足以创造巨大的价值。

DeepTech：那你觉得，当前整个具身智能行业最关键的瓶颈是什么？

姜峣：我认为最大的瓶颈，其实是行业至今还没有出现一条真正被验证、能够持续向前推进的技术路径。现在很多方向大家都讲过，也都能讲出很宏大的故事，但问题在于，你最后到底能不能真正拿出一个稳定工作的东西。因为行业发展到现在，大家已经不像前几年那样，只要看个Demo视频就会兴奋了。

DeepTech：某种意义上，大家已经有点听厌“童话故事”了。

姜峣：对，行业现在已经开始从“讲故事”回归到“商业应用”本身了。过去三年，很多公司都拿到了大量的融资，但真正实现大规模商业闭环的案例并不多。所以现在最关键的问题已经不是“愿景够不够大”，而是你到底怎么去兑现这些期待。你不能一直告诉别人“未来会很好”，但最后拿不出真正能够落地的产品。

DeepTech：你们在三月份才刚刚完成了近亿元的种子轮融资。对于一家成立近8年的公司来说，这个节奏似乎不算快。背后的原因是什么？投资人又是怎么看待你们这条路线呢？

姜峣：其实去年六七月份之前，我一直非常抗拒融资。这可能跟我的学术背景有关，对资本市场会有一种距离感。在很长一段时间里，我们更想靠产品和应用自己慢慢向前走。

但我现在认为，这个行业不是一个可以“慢慢悠悠”做起来的行业。别人如果能一年投一个亿、十个亿去推进，你到底跟不跟？情怀归情怀，但如果真的想把事情做成，就必须融入产业。

所以从去年开始，我们才真正开始系统地融资。第一轮融资时，我们其实还没有正式对外讲“本能驱动”这套逻辑，更多是在讲触觉、传感器和操作能力。那一轮我们拿到了行业内触觉方向上最大的一笔融资之一。但这一轮有所不同。我们开始正式对外阐述“本能驱动”的理念，这不是为了融资，而是因为时机到了。

去年整个行业对VLA和大模型路线的热情还非常高，你突然跳出来说“操作智能和语言智能可能是两种不同的问题”，其实没人愿意听。但今年开始，越来越多人发现，无论是世界模型还是VLA，都还没有真正解决操作中的核心问题。所以我认为，现在是重新讨论底层逻辑的时候了。

投资人的反应其实也很有意思。有些人一下子就能理解；有些人听懂了，但不太敢完全接受；还有一些人其实已经隐约意识到了问题，只是之前重仓了数据驱动路线，很难彻底转变过来。

我们真正想表达的，其实不是融资本身，而是这条技术路径。因为从2017年到现在，我们越来越确信一件事：操作智能和语言智能可能本来就是两种不同的问题，语言可以自上而下，但操作执行一定要自下而上。最终这条路对不对，还是要靠产品和结果来证明。

DeepTech：你们核心技术团队有九个人，实验室过去每年只招一个人。你们筛选人的标准是什么？

姜峣：这是我们公司一个非常特殊的地方。从2016年开始，这批人就一直在一起。现在团队成员的年龄基本都是95后到00后，每个人之间只差一岁。

这些人全部来自我们实验室的博士培养体系。筛选一直非常严格，通常我会在学生大二时就开始接触，每年大约有十几个学生进入实验室进行科研训练。我们非常看重理论能力，很多学生在本科阶段就已经发表过论文。

但能力不是最关键的因素。更重要的是，我会花很长时间跟他们交流，了解他们到底想做什么。因为我们做的是周期非常长的事情，很多问题可能十年才会真正看到成果。最后留下来的人，都经历了至少一年以上的观察与磨合。而且，实验室有一个特殊的机制：新成员进组时，必须得到所有原有博士生的认可。因为大家未来是要长期背靠背作战的。

现在这九个人，每个人都能够独立负责一个方向：触觉、驱动控制、结构硬件、算法以及技能模型。大家一起共事、做过很多研究和项目，磨合得非常深入。真正重要的不是招到了九个人，而是这九个人之间已经建立了长期共同工作的信任感。这种东西是很难复制的。

DeepTech：最后再问一个轻松点的问题——为什么公司会叫“橡木果”？

姜峣：这个名字其实和我们的技术理念很像。你看过《冰河世纪》吗？里面有一只一直追着橡果跑的小松鼠。当时给公司起名时，大家讨论过很多听起来更“科技”的名字，但最后还是选了橡木果。因为我们一直觉得，许多重要的变化，往往是从一个很小、很不起眼的东西开始的。

无论是触觉、本能，还是操作能力，它们在今天看来可能都不是行业里最显眼、最热门的方向。但我们相信，恰恰是这些基础性的能力，最终会决定机器人到底能不能真正进入现实世界。所以橡木果这个名字特别符合我们的想法：它既是一颗种子，也是一粒果实，与我们“本能驱动”的路线一脉相承。而这颗种子的力量在于：看似微小，却能撼动全局。

当然，也有人第一次听到会觉得像家具公司（笑）。但我一直觉得，名字本身并没有那么重要，重要的是你最后把它变成了什么。就像“Apple”刚出现的时候，大家可能也不觉得它和科技有什么关系。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：橡木果机器人走出隐身：9清华博士0数据本能干活要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题