
独家|前小米崔宝秋低调创业,揭开家庭机器人的最优解
Quick Take
Cui Baoqiu, former Xiaomi tech lead, has launched 'Ruoban Technology' focusing on home robotics, securing star-studded seed funding. His vision includes integrating AI-driven robots into smart homes, leveraging his extensive experience from Xiaomi and the open-source movement.
Key Points
- Cui's company secured funding from top investors like Inno Angel Fund and Lenovo Ventures.
- He aims to create robots that autonomously manage household tasks, enhancing smart home ecosystems.
- Cui previously led the development of Xiaomi's AI assistant, Xiao Ai, before pivoting to robotics.
- His approach combines open-source principles with community engagement to refine product data.
- The market anticipates widespread adoption of humanoid robots in homes by 2026.
Article Content
From source RSS / original summary江湖上那个最懂家庭智能的男人,终于还是亲自下场了。 01谁见过如此豪华的亲友轮? 说的不是别人,正是国内开源运动领袖、前小米集团技术委员会主席、被圈内人尊为小米“技术教父”的崔宝秋,行业人的敬称为"宝秋总",小米人的爱称为”秋叔“。 这位在小米内部一手缔造了小爱同学、搭建起云计算-大数据-人工智能技术路线的一代英杰,在沉寂近三年之后,爆出了一个震动整个机器人圈的重磅消息。 据雷峰网独家获悉,崔宝秋已正式创办家庭具身机器人公司“若伴科技”,并迅速拿下“亲友+种子轮”融资——投资方阵容堪称全明星:英诺天使基金、创新工场、启赋资本、顺为资本、联想创投等悉数在列。 另有投资人对AI科技评论分析,该项目刚立项便已经和另一家学界出身的创业公司,一起被视为该赛道最被看好的两个种子选手。 因此,该轮融资份额极其紧俏,多家顶级VC争相入局,甚至演绎出了“有钱也投不进去”的资本奇观。 一个前小米高管,凭什么能让全球顶级的投资人在这个“机器人寒冬”里疯狂撒币? 这背后,又藏着怎样的一个“终极梦想”? 02从硅谷精英到开源领袖聊崔宝秋的履历,绕不开三个关键词:硅谷、小米、开源。
94年武大硕士毕业后,他去了纽约州立大学石溪分校读博,之后顺理成章地扎进硅谷。 IBM、雅虎、LinkedIn,一路做到主任工程师,负责的都是搜索、大数据、机器学习这些最前沿的方向。 如果留在美国,他的职业生涯天花板也不差。 但2011年的深秋,他在武大念书时的上下铺兄弟雷军带着第一代小米手机来到硅谷,和他聊了小米背后的故事之后,崔宝秋没有犹豫,当时就决定回国加入小米。 进入小米之后,他做的事很多,但有一件影响最为深远:这里还不是小爱同学,而是开源,他自己在硅谷收到开源运动影响,他把这个精神带到了国内。 2012年,小米成立了开源技术委员会,崔宝秋牵头。 这在当时国内互联网圈算是稀罕事——那时候大家对开源的态度还比较“实用主义”,用归用,很少有人正经组建专门团队来推动。 而小米开了这个头之后,后来如腾讯、华为等大厂也陆续跟进,纷纷设立了自己的开源委员会。 可以说,国内企业级开源这件事,崔宝秋是先驱。 更让圈内津津乐道的,是他把"Kaldi之父"Daniel Povey请到了小米。
熟悉语音技术的人都知道,Daniel Povey是Kaldi框架的作者,堪称这个领域的“大神级”人物,Daniel Povey的不少学生现在在AI领域都是最值钱的标的。 Daniel Povey落脚中国后,笔者第一个对他和崔宝秋进行专访,完全记得当时两人惺惺相惜的场景。 另说一句,从崔君邀请Dan来中国,Dan至今仍在。 03从高潜意识里,家庭机器人其实是初心当然,外界更熟悉的还是他一手孵化的“小爱同学”。 很少有人知道,崔宝秋最初是想直接做机器人的,但当时条件不成熟,他果断调整方向,先做了小爱同学。 这一步走得非常务实,也让他在家庭场景的智能化上积累了远超同行的理解。 这是典型的以退为进的小米式打法——小爱同学后来成长为覆盖过亿用户的行业级产品,也让崔宝秋成为全球最懂家庭场景痛点的技术领袖之一。 回过头看,崔宝秋的职业生涯有一条很清晰的线索:1、从硅谷带回的硬核技术底子;2、加上开源精神的长期浸润;3、以及小米十年实战磨出来的产品感觉。 这三样东西加在一起,就是他今天下场做机器人最厚实的底气。 其实五年前,他就在对AI科技评论的采访中,偶然谈到:“家里以后要有机器人了,那个小爱同学是能连机器人的。
”五年后,笔者又听到他偶然间的一个场景设想,“咖啡撒在地板上,如果小爱从家庭小米摄像头中看见,他可以自主决策,调动扫地机去扫,当然如果有机器人去擦,那会更方便。 ”尽管他说得只是设想,但业内人应该都能听出来,他隐约透露出的家庭机器人,将会打通小米生态,而且是自主决策式的,绝不是现在那种表演固定程序式的。 如果说国内家庭智能生态最大最完整的是谁,那必须是小米。 截至目前,小米全球AIoT连接设备数已经突破10亿台,覆盖超200个产品品类。 如果说现在具身创业者中谁有最多Know-how,谁能把机器人和家庭生态都串联起来,那真的还是得崔宝秋。 这种出生即巅峰的生态位,让他的若伴在打通全屋智能层面上,对任何竞争对手都堪称一场无声的碾压制裁。 04时代诱因,不做不行2022年底,崔宝秋突然被曝从小米离职,当时坊间传言满天飞。 但据AI科技评论所知,那个看似极其爆炸的职场变动,其实动机非常纯粹——当一个陪娃的“老父亲”。 崔宝秋多年在小米创业,孩子大了要上大学了,他想尽量在孩子独立前多陪陪娃而已。 在此期间,他依旧受雷军委托担任小米清河大学校长,培育后进新秀,同时受邀担任进迭时空首席技术顾问。
(雷峰网)然而,2022年底,全球科技圈被ChatGPT的降临彻底引爆,崔宝秋敏锐地嗅到了一个远比移动互联网更惊心动魄的超级风口,这是一个未来三年决定未来一百年世界格局大时代。 同时比较戏剧的是,他想陪娃,娃不想陪他,人家读大学有自己世界了。 很快他就意识到,如果不去真正为物理世界AGI做点事,他这辈子会后悔! 大模型的爆发,让机器人大脑进化的时代真的来了! 崔宝秋曾经设想的物理小爱同学终于要出现了。 在他的脑海中,一个关于“第三代计算终端”的家庭机器人蓝图,开始从梦想走进现实。 05为什么机器人“皇冠上的明珠”也必须结合开源? 2026年的今天,相信机器人一定能进入家庭,已经是市场公论。 雷军本人也多次公开断言:未来5年人形机器人将大面积进入小米工厂实习,而后续的家庭场景其难度更大、需求更广,也极具市场想象力。 崔宝秋给自己的定位逻辑清晰得亮眼:不做遥在天边的PPT魔幻双足,而是深耕当下最优解——轮式底盘、双臂、可升降小人形态。 既不像B端项目那样场面宏大但场景单一,又避免了传统工业机器臂价格高昂、无法入户的尴尬。
他看准了家用机器人三个与工业截然不同的核心优势:不需要太快因为有大把时间,厘米级精度可能就够了因为容错率高,哪怕偶尔把香蕉皮丢歪了,再来一次就好。 更关键的一招在于他的开源与社区生态牌。 他曾不止一次公开宣称,拥抱开源是他25年多的职业生涯中一直坚信的理念。 他的若伴智能并非一家单纯的造硬件企业。 它将主动开源的社区文化深度嵌入机器人,选择以“用户社区+极客示范”的方式吸引更多资深极客参与产品和数据的打磨,系统性地构建庞大的高质量数据闭环。 家用的海量复杂场景数据是训练通用人工智能大脑的最佳养料,而若伴智能率先抢占了这一头部数据入口。
Reader Mode unavailable (could not extract clean content).
Want this in your inbox every morning?
Daily brief at your local 8am — bilingual EN/中文, free.
More from 雷峰网 AI
See more →
CVPR 2026:深度学习的「标准件」,正在被逐个拆掉
CVPR 2026 highlights a paradigm shift in deep learning, challenging established norms like floating-point precision and normalization layers. Innovations like BinaryAttention and SegQuant demonstrate that models can achieve competitive performance with reduced complexity, while JiT questions the fundamental training objectives of diffusion models, suggesting a more efficient approach to image generation.


