“比起钢铁侠的盔甲，我更想拥有的是他超自然的造物能力.....”
在现实中，要把一个想法变成实物，往往得先掌握建模、编程、硬件和装配等专业技能。罗世豪希望改变这一点，让专业工程师的能力，化为每个人随时可以调用的工具，有想法就能创造。
围绕“让创造变得简单”这件事，他已经探索了十几年。早年，他做过 3D 打印机来卖；读大学时，参与创办 CocoRobo，尝试降低孩子们动手造物的门槛。后来，他从商科转向理工科，读完硕士又进入大疆。他把这些经历看作给自己“不断补课”。大模型出现后，他看到了再试一次的可能。
生成式 AI 已经能够生成代码、图片和视频，那它是否也能进一步突破屏幕的边界，直接生成物理世界里的实物？沿着这一思考，罗世豪与团队把这个方向称为“生成式物理具现”（Generative Physical Instantiation, GenPI），旨在将人们的想法直接变成实物。
为此，他创办了气核科技，和团队一起开发一套名为 Oyscat 的造物系统。该系统在 AI 深度驱动下，实现了模型设计、控制程序编写与仿真的全流程自动化。结合丰富多样、去中心化的标准电子模块，用户只需提出创意，系统便能将其转化为现实中可运转的实体。
他希望那些一直想做点什么、却被技术门槛挡住的人，也有机会先开始。有人也许只想做一个好玩的东西，得到一点成就感；也有人可能在动手之后找到兴趣，愿意进一步学习。“让大家想造就造”，是罗世豪给 Oyscat 的定义，也是这次出发的初心。
以下是 DeepTech 与罗世豪的对话。
想造，就开始造
DeepTech：我们看到你 2017 年的一篇专访，当时你已经在做 3D 打印和创客教育。后来读研、去大疆，再到现在做 Oyscat，这些经历似乎一直围绕着造物。是什么让你这么喜欢做东西？
罗世豪：我自己就是有这个需求的人。我一直很喜欢创造，创业也是从这个兴趣出发的。
小时候看钢铁侠，想做的是一套盔甲，让自己变成超人。这是最初的起点。但这十年里，我对“超人”的定义变过一次：我以为我想要的是非人的力量和破坏力，后来才发现，我真正想要的是超自然的造物能力，像科幻片里那样凭空把想象变成实物。比起那身盔甲，我更想拥有的是他车库里的工作台。
早年卖 3D 打印机，后来参与 CocoRobo、做创客教育，我一直在探索能不能让创造变得简单。但当时很多工程问题难以解决，学习门槛太高。后来读研、去大疆，就是继续给自己补课。
我的初心到现在都没有变，现在希望更进一步，把这种能力做成一套体系，让大家都能拥有。
DeepTech：你说去大疆是给自己“补课”。在那里，哪些产品经验影响了你后来做 Oyscat 的思路？
罗世豪：Pocket 3 给我的启发很大。它回答了一个问题：普通人能不能随心拍摄、自由地记录生活？以前，要有相机、云台，还要会剪辑。这个过程太复杂，很多人想拍，也被门槛挡住了。
我相信，每个人或多或少都有创造的欲望，只是一想到后面那么多复杂的事情，就算了。Oyscat 也想通过产品降低这些门槛，让有创造欲望的人能够动手去做。
另一点是，要保证质量和体验，就得把软件、硬件各个环节都做好。对 Oyscat 来说，软件、智能体（Agent）、硬件实体和底层系统都在走自研路线，这样才能控制各个环节，让最终做出来的东西与设计一致。
DeepTech：你们提出了生成式物理具现（GenPI）。你会怎样定义这个概念？它试图解决什么问题，又打开了哪些可能性？
罗世豪：理解它，对照今天大家熟悉的生成式 AI 就清楚了。生成式 AI 把人的意图变成文字、图片、视频、代码，但这些都在数字世界里。GenPI 是这个逻辑向物理世界的延伸：让人的意图变成实体。
我们希望，你给出一个念头，系统就能完成设计、验证、构建和部署，交付一个能在现实里运行的东西。它可以是静态物件，也可以是有感知、有运动、有交互能力的动态系统，不局限于某一种产品形态。
它打开的可能性，可以从两层来看。第一层很实际：从“想做什么”出发的物理创造，过去取决于你懂多少专业、能调动多少资源。这个鸿沟被填平之后，大量原本只存在于想象中的东西会真正进入现实。第二层再往远看：我认为，当创造能力不再稀缺，它会像当年的识字一样，从少数人的技能变成每个人的基本功。
（来源：气核）
DeepTech：GenPI 是一个更大的方向，Oyscat 是你们给出的具体形态。但普通人第一眼也可能把它理解成 3D 建模软件、机器人套件、AI 编程工具，或者 3D 打印的上游工具。如果不用这些名词，你会怎样解释：Oyscat 到底是什么，用户怎样开始做东西？
罗世豪：简单说，Oyscat 是一个让你“想造就能开始造”的创作系统。过去造物，要先花很长时间学习建模、编程和硬件。而在 Oyscat 里，你先想清楚要做什么、实现什么功能，再从系统里调用需要的能力。
（来源：气核）
你可以在工作台里用结构块和电子块搭建作品，也可以用一句话描述想法，让 AI 调用这些组件自动建模。我们把运动、声音、灯光、控制等功能封装成可组合的“电子基元”，让不懂电子工程的人，也能搭出作品的结构和电路。接着，用户描述想要的动作或功能，AI 会生成控制程序，并先在虚拟环境中测试。
软件里的每个电子模块，都对应一个标准实体模块。调试完成后，可将整套控制程序直接下载到实体电子模块中，硬件就会按照虚拟仿真里的逻辑运行。我们希望，屏幕里验证过的设计，最终可以变成按预期运行的实物。
造物，也有自己的“笔画”
DeepTech：你把造物拆成“旋转”“声光电”这样的基元，用户通过组合它们，做出不同的作品。这种把复杂功能拆成基本单元的思路是怎么来的？哪些事情可以交给系统，哪些仍然需要用户自己理解和决定？
罗世豪：更多是从自己的实践里总结出来的。十几年来，我做了各种各样的东西，后来发现，把这些作品的功能拆开来看，很多都是那十几种基元的组合。做一辆车，用到了旋转；做一个能开合的钢铁侠头盔，用到的还是旋转。还有声光电、语音识别这些功能。
所以，我们把这些功能抽象为基元。用户在软件里操作，本质上就是在排列组合这些基元。
造物本身的因果关系，用户仍然需要理解，审美和品味也要自己判断。比如做一辆车，你至少要知道它需要能转动的轮子，也要决定这辆车长什么样。但怎样把“旋转”变成现实中的功能，背后涉及硬件、焊接、编程和装配，这些工程问题由系统来处理。
DeepTech：这个思路让我想到书法和素描：笔画能组合成不同的字，几何体也能构成不同的画面。把造物拆成基本单元之后，AI 在其中承担什么？假设没有大模型，只保留 3D 工作台、模块、仿真和实体硬件，Oyscat 还会是 Oyscat 吗？
罗世豪：这有点像问，没有电，电视机还是电视机吗？用户对基元进行排列组合，得到的是一套抽象的属性。把这些属性变成现实中的作品，需要 AI 处理背后的工程问题。
没有 AI，这些工程问题就得重新由用户解决，整套体系很难成立。那可能只能先把这个想法搁置，说明它还没到可以诞生的时候。
DeepTech：模块让人更容易上手，但用户能做什么，会不会也受现有模块限制？如果想要的功能不在模块库里，怎么办？以后能接入第三方模块，或者让用户自己做新模块吗？
罗世豪：基元和一个功能固定的零件不一样。比如“旋转”，怎么转、转多快、定点转还是高速转，都可以调整。每个基元有丰富的操作空间，基元之间又能自由组合。所以即使第一批只有大约十个基元，创造的空间也可以很大。
但边界肯定存在。我们计划开放机械约束、电气特性和通信协议，让高级玩家可以自己设计、封装新的基元。我们会验证它是否符合制造一致性的要求、是否安全，通过后再纳入生态。也希望帮助创造者销售这些基元，分享收益。这样，这套体系才能不断扩展。
DeepTech：软件可以帮助人生成设计，但做成实物，还要经过仿真、打印和装配。最近几个月，最让你们卡住的是哪一步？
罗世豪：是一致性。怎样保证软件里设计、经过仿真验证的作品，能在现实中做出来，并且与屏幕里的设计一致？这个问题非常难。
专业工程师遇到偏差，可能还能自己调试。普通用户却容易怀疑：“我真的有能力做这件事吗？”我们不愿看到这样的情况发生。
难点在于它不是一个单点的 bug，而是整条链路上误差的累积。仿真有理想化的假设，和现实存在差距；打印件有公差，零件可能装不上。这些小误差不断累积，最后做出来的东西就可能不符合预期。我们要通过系统设计减少误差，让最终的作品尽可能符合用户预期。
打印的偏差反而比较好控制，真正难的是仿真。比如我们做的四脚机器人，本来希望它往前走，但它在仿真里一直往后走。这是一个系统性的问题，还需要继续解决。
DeepTech：AI 要控制真实的电机、电池，出错就可能造成故障甚至伤人。你们会预先规定哪些事情不能交给 AI 决定？出了问题，怎么查清是哪个环节造成的，责任由谁来承担？
罗世豪：整个过程要有预先规定的规则，AI 只能在规则范围内运作。比如电机必须有急停功能、过热检测和过流检测，尽可能降低故障和伤人事故的概率。
出现故障后，我们也需要能追溯。从软件拼搭、仿真、建模、编程，到装配和运行，都要记录数据。这样才能找到出问题的环节，再通过系统设计解决。出了问题，我们要承担责任，维护消费者的利益。
让“好厉害”，变成“我也可以”
DeepTech：你最终希望普通人也能造物，但产品刚开始时，不可能同时服务所有人。你们最先想找到哪一批用户？
罗世豪：我们想先找到那些已经有强烈创造欲望的人。他可以是有专业技能的创客，也可以是没有专业技能、一直被门槛挡住的科技爱好者。最重要的是，他对创造有持续的兴趣，总想把东西做出来。
对有技能的人，我们希望让他做得更快，也能调用过去没有掌握的专业能力。对没有技能的人，我们希望让他能顺畅地开始造物。
DeepTech：你自己是资深创客，也希望先吸引爱做东西的人来用 Oyscat。除了提供工具，你希望他们怎样分享、交流作品？如果社区里都是技术很强的人，新手会不会反而不敢参与？
罗世豪：现在很多高手做了很好玩的东西，往往只能拍个视频演示。大家看完说“好厉害”，点个赞，就结束了。别人很难跟着做出来，交流往往也就停在了这里。
我希望先来的创造者做出作品，后来的用户看到后，能够跟着设计把东西做出来，再一起交流：感谢设计者，或者分享自己改了哪个地方，让它更好。愿意开源的人，本来就希望大家一起享受他的成果。如果别人跟着项目做，还做出了各种二次创作，原作者会很开心。
先服务好有强烈创造欲望的人，让作品更丰富、系统更好用。再让更多用户进来逛一逛、尝试一两个作品、试着改一改。在这个过程中，让他慢慢发现，自己也可以创造。
DeepTech：从现在的早期内测走到你说的这种体验，接下来最重要的工作有哪些？用户最终需要自己买打印机、准备制造设备吗？
罗世豪：电子模块要有更多种类，体积尽量小，性能更好，成本也要不断降低。我们希望它成为一种大家随手就能用的基础材料，而不是一个很贵的玩具。
AI 方面，目前调用的是公共大模型的能力，比如 DeepSeek、GLM。未来希望训练专门面向 Oyscat 的模型，让它更熟悉系统里的操作，在提高效率的同时降低成本。
制造方面，希望和 3D 打印机厂商合作，让打印件的公差与模块的装配要求更好地匹配，也希望和打印农场合作。按照我们的设想，用户可以在软件里设计、仿真，一键下单，由我们安排就近制造，再寄给他，不必在家准备所有制造设备。
让工程能力成为每个人的“默认配置”
DeepTech：AI 绘画、AI 音乐出现后，一些资深爱好者反而会对降低门槛的工具产生抵触。你自己也是资深创客，怎样看待这种心态？创客里会不会也有类似的反应？
罗世豪：大模型刚出来的时候，我也有过焦虑。我花了十几年做东西，反复修改、调试，才建立起一套专业能力，好像一夜之间就被否定了。
在这两三年高强度地使用大模型、做工程实践的过程中，我慢慢发现，有两件事仍然很重要：知道自己要做什么，以及判断做出来的东西好不好。这种判断力和品味，来自过去十几年的积累。同样是指导 AI，专业创客和新手做出来的东西仍然可能差很远。
另一方面，AI 会让有经验的创客做得更快，也能尝试过去做不了的东西。比如，我以前不知道无人机的飞控算法怎么写，就很难去做无人机。但我知道系统应该怎样运作，也知道怎样判断它好不好。有了 AI，我可以清楚地提出飞控需要达到的状态和效果，再借助它去实现。对我来说，这已经有一点拥有超能力的感觉了。
DeepTech：AI 让做东西越来越容易，但如果习惯了直接拿结果，人的创造力和判断力会不会反而逐渐磨损？你会怎样避免这种情况？在 Oyscat 里，哪些事情应该留给用户自己做，哪些可以交给系统？
罗世豪：我也意识到了这个问题。如果我每天只是让 AI“给我做个飞机”，却不去判断它怎样飞才是好的，只要一个结果，对我来说就是一种损耗。
我也会要求 AI 把方案清晰地列出来，再逐一刨根问底：为什么这样做？原理是什么？既能纠正设计中的问题，也能学到新的知识。这样使用，AI 就可以成为很高效的学习工具。
Oyscat 也是这样的分工：用户要知道自己想做什么，并判断结果好不好。而实现这些功能所需的工程问题，由系统处理。
DeepTech：往长远看，你会怎样规划气核的发展和技术路线？如果五年后回头看，你希望气核带来什么样的影响？
罗世豪：先说一个大判断：过去几年，AI 大幅降低了数字世界的创造门槛，写代码、做设计、生成内容，都变得更容易。但物理世界的门槛还立在那里，一个人有了智能硬件的想法，从结构、电路、固件到供应链，每一步都是高墙。我们相信，下一个被大幅降低的门槛，就是“造东西”这件事，气核的发展路线都围绕这个判断展开。
在这个判断下，Oyscat 的定位是连接数字世界和物理世界的桥梁 ：用户在软件里造的东西，能在现实里真实运转。为此，我们要把三个环节连接起来：软件端的造物与仿真、AI 端的意图理解，以及制造端的确定性输出。
五年后的影响，我想先往大了说。我认为，这件事的终局是：工程师所具备的能力，会从少数人的专业技能，变成每个人的默认配置。当“把想法变成现实”不再需要十年的专业训练，整个人类文明的创新密度会完全不同，它会推动新一波的科技爆发。
五年后回头看，我希望气核是这个进程的开启者：让第一批不是工程师的普通人，先拥有工程师的基本功。
气核科技已开放 Oyscat 内测申请，感兴趣的读者可通过 https://oyscat.com/ 报名；如希望进一步了解气核或交流合作，可通过 [email protected] 联系团队。
参考资料
https://qicore.ai/
https://oyscat.com/
运营/排版：何晨龙
注：封面/首图由 AI 辅助生成