在具身智能赛道竞争格局悄然生变的当下，家庭场景正从“远期愿景”转变为清晰的新战场。过去两年，行业主流叙事是“先工厂后家庭”，但从今年春天开始，风向发生转变。自变量宣布入驻家庭，欧拉万象押注家庭场景，家电巨头们也纷纷亮出家庭服务机器人布局。在这条新战线上，许华哲是较早亮明旗帜的创业者。
2026年2月，星海图刚完成10亿元B轮融资、跻身百亿独角兽俱乐部，身为联合创始人兼首席科学家的许华哲却选择“自立门户”，创立新公司破壳机器人，聚焦C端家庭场景。凤凰网科技了解到，破壳机器人近期完成数千万美元天使轮融资，由云启资本领投，同时获得多家美元基金、头部互联网战投、一线人民币基金与知名产投方等支持。
在具身智能圈，许华哲与吴翼、高阳、陈建宇并称“伯克利归国四子”，他们从清华到伯克利、再回清华任教，最终投身创业或深耕研究。如今，随着许华哲另立“破壳”，四子正式各立山头。与同行热衷拼产能、比出货的节奏不同，许华哲选择了一条更漫长的路：不做工厂里“拧螺丝”的专机，直接让机器人进家。在他看来，家庭是最需要通用性、数据最丰富的地方，最可能孕育出强大的通用智能体。
一个月前，凤凰网科技在其刚搭建好的办公室与许华哲进行了一场深度对话。许华哲不关心出货量，只追问一个尚无答案的问题：“卖出去的机器人，每天的日活是多少？”他提醒行业，“量产的只是铁疙瘩，智能才是那颗核心”。谈及中美路线差异，他的焦虑直白：“绝对不能我们造身体，等美国造大脑。”
许华哲创业并非一时冲动。从去年8月内部有分歧到今年2月离职，这半年他跑了很多地方，实地考察汽车工厂、物流工厂、食品工厂、传统轻工业制造、酒店行业等。得出的结论是，让机器人做重复性工作，未必需要人形，也许一个机械臂就可以完成，本质是希望把小事重复、高效、准确地完成。他看到很多展示通用具身智能能力的成果，无论是Generalist的27万小时数据，还是PI放出来的一些成果，都让他看到通用性的潜力。他还做了用户调研，给在美国的朋友打电话询问对能帮备菜机器人的看法，朋友表示愿意支付200美元，因为会对标热水壶或者高压锅。当机器人是专机时，大家的付费意愿会找到家里面的最近邻；而如果是通用机器，既能叠衣服，又能备菜、清洁、清理猫毛等，大家对溢价的接受度非常高，因为本质上就来到了管家的定义，通用是机器人走进家庭的先决条件。
许华哲认为，大模型是很好的例子，先有通用性，再分化出各种能力。机器人也会走这样的发展路线，在工厂落地每做一个项目，对达到最终的物理通用智能（Physical AGI）帮助不大，所以应先让机器人足够通用，再到各个不同板块做应用。家是最需要通用性的地方，也是数据最丰富的地方，最可能孕育出强大的通用智能体。他预计，两年内机器人有可能初步进家，5 - 10年后，也许办公室里机器人会帮忙干很多事，路上也会有很多机器人跑来跑去。
从联合创始人到自己创业，许华哲面临诸多新挑战。战略上，要考虑技术选择、商业节奏、人才画像和密度以及用钱方式等。构建文化也是重要任务，对于任何组织，文化和气场、组织形态往往由创始人决定，他希望让大家有活力、有主观能动性，一起为梦想努力。对于高继扬认为现阶段面向C端做机器人对资源有限的初创公司投入产出比不高、是一条艰难的路的观点，许华哲认为这是路径判断不同。他认为通用性需要好的数据，复杂的场景中家里面和类家的场景通用性相对好，做这件事投入产出比是一方面，但最伟大的事情不能用ROI来计算，OpenAI在GPT出来之前重金投入但毫无产出，短期投入产出比非常低，但从长期看有巨大回报。
春节之后赛道火热，多家具身公司融了超10亿，大家拼命拼产能、比出货量，许华哲却不认可这种观点。他认为拼产能应该是结果，而不是目标，机器人有了大量需求才应拼产能。他更关注“机器人日活”，追求通用才有可能到真正拼产能的阶段。破壳机器人想做的是通用的家庭机器人，具身模型是核心部分，也会做自己的硬件和产品定义。目前，他们在做自己的手，希望用数据定义手的样子，反向用AI定义机器人设计，同时也在做自己的模型，让操作任务极致灵巧、泛化，提高成功率和效率。灵巧手小，做到人的大小需要很多微型电机，电机排布有讲究，人手自由度高，控制也有难度。
许华哲更认可在真实情况下采集数据，而不是仿真数据。他认为数据丰富性比小时数更重要，工厂数据同质化高，对带来足够好的物理智能未必有帮助，而家里数据天然丰富，不同人的家里物品、任务不同，机器人能越用越聪明，犯错误的数据也可能成为发展智能的燃料，日常第一人称视频数据采集下来用作燃料效果也可能很好，家里的数据获取并不难，甚至可能更容易。对于工厂场景数据采集，他表示办公室未来会布置成家的样子，让机器人和工程师一起干活，还会积极让普通人加入采数据大军。他更看重数据质量，而不是数量是否容易获取。
目前机器人进家庭面临多个难点。一是智能本身的泛化性、通用性；二是产品定义，有了足够好的智能，如何改变人类生活尚无明确答案；三是可靠性，要解决安全和隐私问题，尤其安全问题，不能让机器人突然摔倒或电池起火。解决技术上的通用泛化性，路径万变不离Scaling Law，要有足量数据和比较大的模型，在具体算法选择、模型架构上有很多可变化和重新思考的地方，把每个环节做扎实也很重要。算法壁垒主要因技术会扩散，无法永远作为壁垒，但算法带来的领先性会伴随，使企业获得更多支持，有更好的身位。
许华哲认为自己的优势在于更知道自己追求的未来长什么样，有技术信仰、战略定力，不会被噪音干扰偏离目标；有共情能力，能做出好玩好用的产品，让很多人共振；对技术有积累，对模型细节有研究；有技术号召力，创业时很多小伙伴愿意加入。他的技术信仰包括相信物理的AGI最终一定会实现，且会在他们这儿发生，相信强化学习，认为人在世界交互获取数据、评估数据，最后从数据中汲取精华成为智能的一部分。
在具身赛道，大家目标都是实现物理AGI，但路径不同，技术未收敛，这对不同玩家是好事，初创公司仍有机会。对于大厂入局，许华哲认为大厂一般等待信号，目前具身发展阶段给了初创公司战略时间和空间，且人工智能研究核心是一小撮高浓度智力密集小团体，不能人海战术，增加了初创公司机会。对于2026年竞争态势，他认为最先撑不住的是账上没钱融资能力差的公司、士气没了的公司以及持续没有展示出超过预期成果且落地卡在中间的公司。他认为资本促进了具身行业发展，IPO选择见仁见智，应乐观积极看待，因为这是争夺未来话语权的竞争，未来可能会达成合作、联盟甚至合并。
许华哲认为职业是为了效率而异化的东西，作为人不用太在乎职业定义，他想的是让通用智能发生在中国。他乐于跟年轻人交流，曾说要“祛魅”，他认为人和人之间没有那么多差别，最终看做的事情决定，不用盲目迷信一个人，要按照自己的节奏努力。他的精神偶像有贝多芬和拿破仑，贝多芬愤怒常在，作品情绪饱满且思考深刻，拿破仑对世界有征服欲、有愤怒也有深刻思考和善良的一部分。他本科是电子系，选择电子系是因听说不用上化学课，大三去多伦多大学交换，上计算机视觉课接触到深度学习，被AI震撼，从此想尝试做出科幻里的东西。
许华哲对AGI预期更乐观，AGI能力越来越强，如龙虾批量爆火，在飞书中接入东西可帮忙总结开会内容、约时间放日历等，未来琐碎事情可由AI处理。对于学生用AI完成作业，他认为如果学生完全用AI做且录下过程，他会给满分，相信学生能学会原理，未来工作流是懂原理后给AI正确指令完成任务。对于论文版权问题，他认为趋势不可避免，未来科研人只需描述指令，剩下由AI完成，版权问题层层嵌套很难说归属谁，未来可能只有最难或最有挑战的部分版权属于人类。对于被AI替代的人，他认为要么往那1%有挑战的部分争，让自己更聪明，要么享受新型劳动力带来的红利。他建议人们拥抱AI，成为驾驶汽车的人而不是马车车夫。
许华哲在与马拉比聊新书《哈萨比斯：硅谷AI之脑》的对谈中，一方面受哈萨比斯对AI不懈追求的鼓舞，另一方面对马拉比反对开源的观点冲击很大。开源一直是行业信仰，但他也在重新思考开源可能让新时代的核武器流入坏人之手的问题。对于人类社会所有维度都实现AGI后人类是否会失去控制权，他提到多种想象，如机器人像阿西莫夫书中那样统治人类，或像Geoffrey Hinton担忧的那样对人类有母爱式情感，还有反叛军的想象等，但他认为目前失控概率不大，因为只要拔掉电源线就可以。
