以下内容为“定焦One”原创
站在个人幸福的角度，任永亮觉得，做机器人不是一个好选择。
过去两年，他把创业以来很多的时间、精力和金钱，押在了一台叫“巴布”的家庭陪伴机器人上。此前十几年，他做的大多是软件。在他看来，那时创业更像是站在乔布斯的肩膀上，今天做机器人，则要从头创造一个新世界。
这让他兴奋。机器应该怎么看、怎么听，怎么理解一个家庭，什么时候主动说话，什么时候保持沉默，都有机会由他和团队重新定义。
但这份自由也意味着，很多事情都要从头摸索。模型、传感器、硬件、供应链、量产，几乎都要重新学。更让他不安的是，即使解决了这些，把机器人造出来，是否有人需要它？
极度消耗的同时，要承受巨大的不确定性。
巴布计划卖到万元级。谁会把它带回家？人们愿意为“陪伴”付多少钱，又会持续使用多久？如果新鲜感只能维持几个星期，它会不会很快变成一件占地方的家电？
任永亮曾把巴布拿给孩子看。孩子说，很可爱。他听完却没有完全放心，担心孩子只是在“安慰”这个老父亲。他希望巴布能像横空出世的ChatGPT一样，定义新的需求，说完又补了一句：“这可能是我的妄想。”
要知道这个设想能否成立，他得先把产品交到用户手里。而早年的任永亮，曾经很难接受把一个自己觉得还没做好的产品拿出去卖。
2006年从北大毕业后，任永亮进入IBM，一待多年。工程师出身的他总觉得，“这个我还没做好呢，不能卖”；老板却认为，产品已经足够好了。这种分歧，成了他离开的原因之一。
2011年，他离开IBM开始创业。大学期间对人际交往和情感认知的经历，让他开始用算法研究情感、心理、星座、人格和关系。2013年，测测App上线，后来从心理测试和星座工具长成一个情感陪伴的泛心理社区，也成了一门持续十多年的事业。
创业做得越久，任永亮反而越能理解当年的老板。
产品做到什么程度可以卖，用户说的喜欢有多少会变成付费，一个技术上成立的设想能不能成为一门生意，很难在动手之前全部想清楚。有些答案，只能把产品放进市场以后再找。
他也在调整自己对AI的期待。去年，任永亮一度很激进，想把测测彻底改造成一个AI Native产品，也希望整家公司按照AI的逻辑重新组织。到了今年，他不再坚持一定要如此。
“后来发现没必要较这个劲，自我和解吧。”他说，“还是回到事物本身。”
至于几年以后巴布会长成什么样，心言集团会成为一家怎样的公司，他现在不太愿意预测，因为“过于宏观的预测往往都是错的。”
他用了一个词来形容这两年：熵减，模糊的东西一点点变清楚，失败了再调整。任永亮还是那个想把问题定义清楚的工程师，只是不再要求答案一次给全。
“活下来最重要。”他说。
01.“下注最大的一次”
「定焦One」：每隔一段时间都有新的创业风口，知识付费、区块链、元宇宙等，为什么只选择了重注机器人？
任永亮：其实我都试过，但这次做巴布，确实是我下注最大、投入的时间和精力最多的一次。
最直接的原因还是大语言模型成熟了。2024年我们决定做这件事的时候，我觉得，把大模型“物理化”、“主动化”肯定会是一种很好的产品形态。以前我们创业，更像是沾了乔布斯的光，在别人长成的大树上找一个地方生根发芽，并没有定义过底层的规则。
但做机器人不太一样。我们从零开始定义它的操作系统、底层规则，定义一系列公式，让这些公式驱动它生长。对我来说，确实有一种创造一个新物种的感觉。
当然，也可能是我的妄想。
「定焦One」：但你也说过，希望心言集团成为“AI暴风雨中的幸存者”。做机器人是看到了机会，还是被危机感推着往前走？
任永亮：两方面都有。
AI确实给了我很强的危机感。它对传统公司、传统经济，甚至下一代教育，都会带来很大的冲击。只是这种冲击可能是慢性的。现在很多公司还能靠惯性往前走，但没人知道量变什么时候会积累成质变。
比如软件工程，已经是最先被改变的行业。如果一个人的能力跟AI差不多，甚至还不如AI，那企业为什么还需要你？而且，人越多，管理成本越高。所以，软件工程之后，管理学可能也会被重新改写。
过去很多管理逻辑，本质上都是围绕“不得不用这么多人”建立起来的：人和人之间怎么分工、怎么协调、怎么设计流程。到了AI时代，如果很多工作不再需要这么多人，这套逻辑本身也会发生变化。
有时候我觉得，我们就像第一次看到蒸汽机的农民。很多过去习以为常的东西，都会被重新定义。以前我们对人的价值、情感，甚至经济的组织方式都有一些想象，但AI出来以后，这些想象可能都会被打破。
这是一个不可逆的过程。你会觉得伤感，但又会兴奋，甚至忍不住想亲手推动它的发生。
「定焦One」：AI会改变很多行业，但为什么你选择了家庭陪伴机器人？
任永亮：是从我们原来的业务延伸出来的。过去十几年，我们一直在做个性化服务，或者说非标准化服务。这个行业最大的问题一直是供给。
比如心理咨询，我们签约了两万多名咨询师。但要招募、管理、培训，让他们成长为合格的服务者，非常难。心理服务在中国一直叫好不叫座。大家都觉得孩子、老人、成年人的心理问题很重要，但真正愿意付钱的人没有想象中那么多。一个很重要的原因，就是服务供给很难验证，也很难规模化。单纯的虚拟AI，又有很多限制。
所以我们会想，机器人有没有可能成为个性化、非标准化服务的一种通用解法。
有时候，我会把机器人理解成咨询师的一种替代性形态。它的人格、它提供心理服务的逻辑，本质上跟测测里的咨询师、测测里的AI是可以连接起来的。未来它可以自己提供一部分服务，也可以连到真人，让真人通过机器人去提供服务。
所以我们不是突然跨界去做一个硬件。过去十几年，我们一直在解决同一个问题，AI和机器人出现后，让这些原本难以规模化的服务，有了新的解法。
02.音箱像一个盲人，巴布要“睁开眼睛”
「定焦One」：巴布做了快两年，最难的是什么？硬件、供应链、量产，还是模型？
任永亮：量产、硬件当然都有困难，但最难的还是两件事：产品定义，以及怎么真正把它AI化。
这是一个新品类，自由度很大，也意味着不确定性也很高。用户到底会接受什么，没有现成答案。我一直相信，大语言模型成熟以后，把它变成一个物理的、更具主体性的存在，会形成一种新的产品形态。真正难的是，怎么把这个想法做成一个完整、自然的体验。
「定焦One」：你经常说，巴布和智能音箱不一样。如果只用一句话解释，最大的区别是什么？
任永亮：音箱像一个盲人，巴布要“睁开眼睛”。
对音箱来说，周围的世界其实是模糊的。有人突然喊它一声，它不知道是谁在说话，也不知道这个人刚才在做什么，只是在响应一个声音。
但机器人不一样。我希望它能持续理解眼前发生的事情：这个房间里有几个人，他们是谁、坐在哪里、刚才说了什么、现在在做什么。它要把这些信息放在一个连续的时间轴上，形成对现实环境的语义理解。
有了这些上下文，它才能判断要不要跟你交互、怎么交互。所以真正难的，不是给机器人接一个大模型，而是让它看懂现实世界。
「定焦One」：所以你们真正押注的技术路线，不是让机器人先学会走路、拿东西，而是“感知”？
任永亮：对。
现在很多机器人公司主要解决两类问题：一类是locomotion，也就是运动和平衡；另一类是manipulation，也就是操作，比如怎么把一瓶水拿起来。
但我更关心的是：它为什么要拿这瓶水？又要拿给谁？这些其实是更上游的问题。
大语言模型能力很强，但它看不到真实的物理世界；运动和操作解决的，更多是末端执行。我们想打通中间这一层——从“感知”到“语义”。这一层如果打通，向上可以连接大模型，向下可以调动运动和操作。我们觉得，这可能是机器人真正进入家庭以后，一块很关键的拼图。
「定焦One」：但现在的大模型已经是多模态，也能看图片、看视频。为什么机器人的感知仍然是一个单独的难题？
任永亮：因为现在的数据，和机器人真正需要的数据不一样。
我们有大量视频数据，但大多是第三方视角，摄像机固定在那里。机器人需要的是第一视角，而且这种感知是连续发生的。声音也一样。现在很多语音数据只有声音本身，但机器人还要知道声音从哪个方向传来，不同位置的声音，对它下一步怎么反应，意义是不一样的。
人的感知其实也是这样。比如我现在看这个房间，对你的脸分配的注意力，一定比对那盆植物更多。因为如果对所有信息平均分配注意力，消耗会非常大。人经过长期训练，已经形成了一套对现实世界分配注意力的机制。
机器人以后也要解决类似的问题。现在很多地方，我们只能先用工程方法去接近，再慢慢积累数据。我希望最后能做出一个更高级别的“感知层大脑”。
「定焦One」：但如果最后还是调用GPT、DeepSeek这些大模型，消费者为什么不直接用手机？为什么要花几万元买一台机器人？
任永亮：区别在于，它能把大模型真正带进物理世界。
比如一个孩子拿着一本小猪佩奇的绘本。今天他用 GPT，需要先打开手机，再主动问：“你能不能给我讲这个故事？”
机器人不是。它看到孩子拿着绘本，可以主动过去跟他聊小猪佩奇；看到孩子在吃苹果，也可以自然地聊起苹果。
这个过程不需要用户先发起一个请求。现在很多 AI 玩具都要按一下才能说话，但我觉得，“按一下”本身就是一道门槛。
「定焦One」：你说过希望巴布成为一个“有灵魂的生命体”。所谓“灵魂”，在技术上到底是什么？
任永亮：我说的“灵魂”其实是打引号的。对我来说，最核心的还是泛化能力。
大语言模型为什么会让人觉得像一个“人”？因为它见过足够多的数据，所以面对不同的问题和场景，都能比较自然地回应。机器人更难。它不仅要理解，还要把这种泛化能力和有限的物理能力结合起来。
如果有一天，它能理解环境的变化，面对不同的人、不同的场景做出合适的反应，而且不是靠预设几十条规则，我会觉得它开始有了一点所谓的“生命力”。
当然，这是一个很高的目标。第一代肯定还做不到。
03.真正的问题不是技术，而是有没有人需要它
「定焦One」：你理想中的用户是谁？孩子、老人，还是成年人？
任永亮：目前的优先级还是孩子、老人，再到成年人。
孩子比较容易理解。现在孩子大量使用手机、平板，但屏幕本身也会带来很多问题。如果有一个现实中的机器人，把AI能力变成一种更自然的线下互动，我觉得对孩子会有价值。老人也比较明确，他们可能有更多情感陪伴的需求。有人把这种机器人叫“赛博孙子”“赛博孙女”，也可以把它理解成一种宠物式的存在。成年人反而是我们现在最不确定的一类。因为成年人选择更多，也更忙。
但我们并不是想给家庭里的某一个人单独买一台机器人。理想状态是，它能识别家庭里的不同成员，针对每个人形成不同的互动方式。
「定焦One」：你觉得它真能把孩子从手机屏幕前拉回来吗？
任永亮：这个还是得靠父母。
手机里的刺激太丰富了，机器人未必竞争得过。很多时候，可能需要父母先把手机限制掉，孩子才会去选择一个能陪他聊天、互动的东西。
但我更希望机器人提供的是高质量互动。我们会考虑把一些人本主义、建构主义、成长型思维的方法放进去。比如不直接告诉孩子答案，而是问他“为什么”，给他一个思考的脚手架；或者更多看到他的积极面，给他一些鼓励。
我自己是理科生，不一定能天天做到这么“人本主义”。所以我反而觉得，机器在这方面可以提供一些补充。
「定焦One」：产品听起来很丰富，但消费者真正掏钱时，还是会问一句：它到底有什么用？你现在能回答吗？
任永亮：很难。我也不能百分之百确认（它有用）。这其实就是这个项目最大的风险，它不是一个典型的痛点型产品。
痛点型产品很好理解——我有一个明确的问题，你给我一个解决方案。但巴布不太一样。
现在有点像ChatGPT出来以前，那时大家也不觉得“聊天”本身是一个很大的需求。但ChatGPT出现后，你会发现，聊天这个入口其实可以承载很多功能。
所以我想做的更像是一个“容器”，不靠某一个特别明确的功能来定义巴布。当然，这也可能只是我的妄想。
「定焦One」：有些陪伴机器人甚至强调“没有用才是真正的用处”，更像宠物或者潮玩。你认同吗？
任永亮：如果没有明确功能，还能让用户持续喜欢，其实更难。
用户为什么每天愿意跟它待在一起？为什么愿意摸它、跟它说话，甚至持续为它付钱？“没有用”并不意味着门槛更低，反而对产品提出了更高的要求。
「定焦One」：所以第一代巴布对你来说，更像一个产品，还是一次验证？
任永亮：首先还是验证。
现在BOM成本（Bill of Materials Cost，物料清单成本）比较高，消费电子的大环境也不算特别好，所以我对第一代的销量预期没有那么高。一个朋友安慰我说，大疆也是做到第五代以后才真正成熟、进入大卖阶段。第一代如果能卖小几千台，我觉得就不错了。
更重要的是把它真正放进用户家里，看大家到底怎么用。哪些需求我们以前想错了，哪些技术问题没有考虑到，再根据这些反馈重新调整。
我把第一代理解成一次“再出发”。硬件可能相对较长时间迭代一次，软件会更快。
「定焦One」：商业模式上，会是一次性买断，还是会叠加订阅？
任永亮：订阅肯定会有，而且以后会占比较重要的部分。因为AI本身有持续成本，产品能力也会不断更新。
但前提还是先证明一件事：用户愿意长期使用它。
「定焦One」：你现在担心竞争吗？大模型公司、机器人创业公司，甚至手机厂商、互联网巨头，都可能做类似的产品。
任永亮：我觉得现在还没到谈竞争的时候，首先要证明这件事成立。无非两种结果：如果最后发现需求没有想象中强，那自然不会有太多竞争；如果真的把需求做出来了，竞争者一定会进来。
就像理想汽车，当年靠产品定义走出了一条非共识路线，但路线一旦被验证，华为这些更强的公司就会进场，它面对的压力反而更大。
机器人也是一样。
「定焦One」：这是不是意味着，只靠产品能力，很难形成长期护城河？
任永亮：对。我觉得机器人一定要产品和技术双轮驱动。
移动互联网时代，产品能力很重要，但它更多是帮你找到一个好方向，不能保证最后形成护城河。
技术上，我们也不可能从头训练一个巨大的基座模型。真正能形成差异的，可能还是数据反馈，以及我们怎么定义和处理现实世界的数据。比如哪些信息重要、哪些信息可以忽略，实时感知应该用什么架构来处理。
现在很多大模型还是一次性推理，但人的感知是连续、实时的。我们是在一次性推理的框架里，尽量模拟实时感知，这中间会有很多效率损耗。
所以我认为，未来这部分还会有很多模型优化，甚至架构创新的空间。
04.“知其不可而为之”，是我对这个世界的表达
「定焦One」：你以前说过“一切都可计算”，甚至包括情感。做机器人两年以后，你还这么相信吗？
任永亮：没有以前那么有信心了。
我现在会想，人的意识到底是怎么来的。一个很粗浅的理解是，人之所以为人，底层还是被“食”和“色”所驱动：一是获取能量、维持生存，二是繁衍。很多我们觉得很高级的情感和意识，可能都是在这些底层驱动力上慢慢进化出来的。
但机器人没有这样的驱动力。
所以我觉得，机器人更像是人类文明的一个“影子”。有点像《冰与火之歌》里的异鬼，背后有一个中枢，而这个中枢最终还是人的东西。如果人不存在了，这套系统也就失去了根基。
「定焦One」：这和你一开始说的“有灵魂的生命体”，是不是有点矛盾？
任永亮：确实有一点。
形式上，我还是会强调它的主体性，希望用户觉得它不是一个按钮，也不是一个完全被动的工具。比如它可以不回应你，可以生气，也可以疲惫。它“累了”，背后可能只是token用得太多、成本太高，那就让它去睡觉。它也可以通过眼睛、肢体去表达情绪。
但从更本质的层面来说，它还是工具。
所以我现在也没那么执着于讨论，它到底算不算真正的生命。更重要的，还是把它做成一个“以人为本”的产品，先解决人的问题。
「定焦One」：现在很多虚拟AI都有明显的“讨好型人格”。你却希望机器人可以拒绝用户，为什么？
任永亮：因为虚拟AI和现实机器人面对的环境不一样。
在虚拟世界里，用户就是上帝。只要让他不爽，他关掉一个按钮，相当于你就“死”了。所以虚拟服务天然会尽量满足用户。但机器人是一个真实存在于你身边的物体，我希望它更像另一个主体。它可以回应你，也可以不回应你。
真实的人际关系本来就不是百分之百顺从。你面对另一个人，也要考虑他的状态。所以我反而觉得，有了物理形态以后，机器人才有空间不那么讨好。
「定焦One」：如果一个AI长期陪伴孩子、老人，越来越了解一个人的情绪和习惯，会不会让人依赖它，甚至最后替代真人关系？
任永亮：我觉得现在还没必要讨论“替代”。技术上没有成熟到那个程度，伦理上我也不希望往那个方向推。
我们做的本质上还是一种在陪伴人的各类功能基础上，具有认知属性的服务。理想状态不是让一个人越来越依赖机器人，而是帮助他建立一个更成熟、更稳定的自我。
比如一个年轻人不想结婚，父母可能会希望他改变。但我觉得，机器人不应该直接劝他去结婚，而是先帮助他理解：这个“不想”，到底是他真正的选择，还是一种情绪化、应激性的反应。
最终还是要把选择还给人。机器人应该辅助人，而不是替代人。
「定焦One」：但如果有一天，它真的足够了解一个人，有没有可能预测他的选择，甚至是未来，成为某种“先知”？
任永亮：现在还很难，因为机器人获取的信息永远是有限的。
神为什么是神？因为它全知全能，理论上跟你的视角和信息都是同步的。但机器人不是。它需要消耗能量，每天能处理多少视觉、声音信息，都有上限。所以它只能基于一个有限的窗口去判断。
而且即使未来预测能力更强，我也会区分“预测”和“建议”。基于统计数据，对一个人的选择做概率判断，是一回事；直接告诉他应该怎么选，是另一回事。心理学本身通常也不会替一个人做决定。
「定焦One」：你自己信命吗？
任永亮：我个人还是比较偏儒家一点，“知其不可而为之”。
我当然也会对生命有一些困惑。为什么有些事情我会这么想，别人却不会？我的想法到底正不正常？而且生命中有些东西确实不是你我能控制的。
测测这些产品对我来说，某种程度上提供的是一个理解自己的框架、一套叙事逻辑，但我不会百分之百相信那个结论。我更在意的是，这件事是不是我真正想做的。如果是，那它就是我对这个世界的一种表达。
「定焦One」：相比两年前刚决定做机器人时，你觉得自己最大的变化是什么？
任永亮：对很多问题看得更清楚了。
刚开始的时候，很多东西都很模糊。这两年，我大部分时间都在把这些模糊的问题一点点拆开：仿真怎么做、系统从哪里开始、感知怎么做、怎么把它语义化。中间失败过很多次，再不断调整。比如最早我们想直接做很复杂的4D仿真，后来发现计算量太大，很难真正落到产品里，就只能重新找更简单的办法。
所以我觉得，这两年其实是一个“熵减”的过程。问题还是那些问题，但我对它们的理解比以前清楚多了。
「定焦One」：你现在还愿意预测几年以后，巴布会变成什么、心言集团会成为什么样的公司吗？
任永亮：我现在没以前那么愿意做这种宏观预测了。我更希望心言集团先成为一家“幸存下来”的公司。
活下来最重要。从生物学的角度看，最重要的就是进化和适应。过去我有很多理想，希望公司一定要变成什么样，后来觉得也没那么重要。只要还有用户，还能不断获得反馈、不断调整，它最后自然会走到该去的地方。
我现在越来越觉得，太宏观的预测往往不准。更重要的是做一些小一点、具体一点的判断，再跟着用户不断迭代。