具体讲我希望普渡是在技术、产品、商业化、人才这几个方面都是最强的。

《财新时间》：您觉得可能吗？一家公司在每个竞争白热化的赛道当中都做到最强，这个底气来自于哪儿？

张涛：愿景是要牵引公司不断发展的，所以我觉得这个愿景没有任何问题。而且刚才说的四个维度也不是完全独立的，不是说我们在四个非常不一样的事情上要做到全球最强。刚才说技术、产品、商业化、人才，我觉得它是高度耦合在一起的。

《财新时间》：您之前说觉得公司的百亿估值是被低估，是哪个部分没有被完全看到？

张涛：我之所以说普渡的价值被低估。第一，现在大家高估了“通用”两个字的价值，而忽视了不同构型机器人存在的价值。因为通用机器人会让人非常憧憬，我本人也是一样的，人形机器人当然是最通用的一种形态。但是，归根到底这个世界上最终不会只有人形机器人，它只会是未来机器人众多形态中的一部分。就跟人有高矮胖瘦一样的道理，人形机器人也是一样的，有高矮胖瘦。

所以我觉得“通用”只是一种对未来机器人产业的美好想象，它不会是绝对的通用，一定还是会回到通用机器人内部有不同构型，最终会包含通用机器人+专用机器人，专有机器人就是我们之前做的配送机器人、清洁机器人等等，还有介于中间的类人形机器人，是这样多种构型的形态。

所以，从这个意义上讲，我觉得行业对机器人的想象要更克制更合理一些。

第二个，我觉得大家过于高估了模型，或者说大脑的价值。其实具身智能要商业化，离不开模型、本体、数据、场景这几个维度，甚至就跟手机和汽车产业一样的，因为最终交付给客户的是一个带硬件的产品，所以硬件才是最大的入口。我觉得把本体做得好的机器人公司的价值是被低估的，我觉得最终有可能不会容纳得下这么多做大脑的公司，而且因为客户的需求多样，所以最终会容得下很多家本体能力很强的机器人公司，而不是唯一大脑论。

现在觉得只有做大脑的才是上等机器人，我觉得这是一种很大的偏见。

第三个，谈普渡的价值被低估是因为在一个企业商业化成功的要素当中，像技术、产品、供应链、商业化、战略组织各方面的能力其实都很重要，不能有任何短板，尤其是在竞争非常白热化的行业里，一定是六边形战士选手才能够胜出。从这个评价维度审视一下机器人行业公司，应该说绝大多数机器人公司还是在技术这一个维度下去卷，甚至在技术维度下比拼所谓大脑的能力，还远远没有涉及到其他几项能力发挥价值的阶段。普渡非常不一样，我们是六边形战士的能力都在同步快速发展。

《财新时间》：造成这种偏见的原因是什么？

张涛：我觉得机器人这个事情太难了，我觉得是难到会想让人不想走一个长期正确的路，突然有一些看似捷径的东西出来，就会让大家倾注过多的心血，甚至是想象进去。一开始我觉得这是一个短期可以结束战斗的事情，短期结束战斗的意思是很快机器人可以像其他的成熟品类一样，短时间内就普及了，渗透率就拉到很高了，但是实际上它的时间线会拉得比较长一些。

挑战特别大，不意味着就是悲观的，我是比较乐观主义的一个人，更严肃的措辞是对机器人这个事业更有敬畏之心。

《财新时间》：你们的人才储备怎么样？因为大家会发现具身这方面的人才好像变成了明星一样，他们从哪里去哪里，就像球星转会一样，受到市场前所未有的关注。

张涛：招人是挺难的，但是我们公司倒没有迷信一两个技术天才就能把这个公司带到多高的高度，我觉得不是这样的，至少对于机器人公司来说不是这样的。我们更推崇英雄联盟，就是一大群比较厉害的人一起做出厉害的技术和产品。

《财新时间》：自己中意的人选，您是怎么说服他加入普渡，你们的吸引力在哪里？

张涛：至于说吸引人才的原则无外乎三条，晓之以理，动之以情，许之以利。对普渡来说有什么特殊的优势打动人才？我觉得第一个很重要的优势，我们的历史累计出货量全行业最高，我们的机器人被卖到了超过5万家的终端客户，我们先天性了解很多场景，我们的机器人就是在各种场景里面真实运行的。

所以这种来自于真实世界场景中运行的真机的数据量优势，我觉得是普渡最大的优势。

第二个，我觉得是我们的全球化，因为我们一直以来，超过80%的收入来自于海外，在很多主要的国家都有我们的业务，这样全球多元化发展的（布局），也是普渡非常独到的优势。

第三个，企业文化。我们一直比较推崇发明家精神、用第一原理思考、开放这样的企业文化，我觉得对于优秀的人才来说是先天性比较适应的。

另外一个，至于说资金方面，您刚才说有很多公司融了很多钱，普渡的钱也不少，所以这方面也差不多在同一水平。

《财新时间》：您刚刚也提到了你们的出货量和真实场景数据，有些技术是可以复用的，但是我们之前做配送也好，做清洁也好，这些场景是相对统一的，甚至是相对单一的，当它要复用到人形或者具身上，多少是可以复用的？

张涛：其实交互类的已经被大语言模型解决得很好了，只剩下导航类的任务和操作类的任务。

对于导航类的任务来说，我们先天性的就是有大量的数据，其实我们之前的清洁机器人、配送机器人工作场景也不是统一的，对于做清洁来说，可以在仓库，可以在工厂，工厂又分各种各样的工厂，像半导体工厂，像CNC加工工厂，像纺织类工厂，其实它们都长得不一样。有这么多场景的导航类数据，可以极大地帮助到模型的训练。