本文采访了张亚勤院士，他认为当前的人工智能（AI）领域并非泡沫，但早期AI公司可能存在泡沫。他将AI目前的发展阶段比作1998-1999年的互联网，正处于大规模投资基础设施（算力、电力、算法）的时期。

张亚勤领导的清华大学智能产业研究院（AIR）已孵化出十家公司，累计融资约150亿元，估值达1500亿元。然而，他强调AIR的首要任务是科研，孵化公司只是副产品，多数公司仍处于“证明能力”的阶段。

他指出，虽然“物理AI”是当前热门方向，但过去五年他在自动驾驶、具身智能仿真和工业能效AI等领域已有所布局。对于“趁市场热多融资”的普遍做法，张亚勤持谨慎态度，认为过度融资可能导致业务不聚焦，最终烧钱却未转化为业绩。

张亚勤预测，到2026年，“物理AI”将成为技术开发和资本关注的焦点。他认为，AI本身没有泡沫，但早期AI公司可能会有泡沫，未来的万亿市值巨头可能并非当前备受瞩目的明星公司。

在教授创业方面，张亚勤认为，本轮AI创业高度依赖技术，教授的技术能力和理念至关重要。他指出，教授创业主要有三种模式：全职投入、技术转化（不直接管理公司）以及在职创业（通常难以成功）。他认为，大部分教授不适合担任CEO，因为从研究到技术再到产品规模化落地存在巨大鸿沟。AIR的教授创业模式多为第二种，即以技术入股，寻找懂商业和工程的CEO进行市场化运作。

他强调，培养CTO和顶级架构师的关键在于具备产品和系统思维，需要在真实场景和数据中进行验证。AIR通过与20多家大企业合作，为学生提供参与前沿研发和规模化验证的机会。

对于寻找CEO，张亚勤表示，虽然理想状态是为每个团队匹配合适的CEO，但现实中非常困难。他认为，CEO不一定是职业经理人，但必须具备极强的信念感，能够应对创业过程中的重重困难。他再次强调，1500亿的估值数字意义不大，企业最终应依靠技术实现商业化，创造收入和利润。

在AI公司的泡沫问题上，张亚勤认为，市场期望越高，需要证明的就越多，必须保持清醒。他以机器人和大型模型赛道为例，预测未来将有大量公司被淘汰。他认为，当前AI公司的收入增长迅速，但这种高增长能否持续尚不确定。他将当前AI的发展阶段比作1998-1999年的互联网兴起时期，认为长期看AI产业没有泡沫，但公司和估值可能存在泡沫。

关于机器人领域，张亚勤认为通用家庭和服务的机器人仍需10-15年，但在特定场景下，如自动驾驶和工业机器人，进展会更快。家庭机器人面临的环境复杂性高，且需要与人交互，这些科学问题尚未完全解决。

他解释说，物理世界AI发展缓慢的原因在于数据量不足、场景分散以及数字世界与物理世界的结合难度。为了解决数据缺失问题，他提出几种方法，包括第一人称视角数据收集、机器人自主采集数据以及仿真环境生成数据。他强调了“Real-to-Sim-to-Real”（RSR）闭环的重要性。

对于VLA（Vision-Language-Action）和世界模型等技术路线，张亚勤认为，VLA可以借鉴大语言模型的成熟方法论，但动作描述的精确性是挑战。从视觉直接产生动作，将语言作为辅助也是一种思路。世界模型旨在让机器真正理解世界，最终的解决方案可能是这两种路线的结合。他以自动驾驶为例，说明了视觉端到端系统的重要性，以及语言和视觉在机器人决策中的不同作用。

他提倡机器人首先应用于解决人们不愿做的工作，例如在危险、艰苦的环境中作业，并强调AI和具身智能应以“帮助人”为目标。

张亚勤对过度追求“超级智能”和“通用AI”持保留态度，认为应优先解决具体问题。他担心AI过度模仿人类可能放大不良人性，带来安全和伦理风险。他关注的AI风险主要包括失控和滥用，以及系统性风险（如失业）。他认为，明确AI产品和技术的应用目标，有助于增强其可控性，最终目标是让人的生活更美好。