与卫诗婕 4 小时深度对谈中，赵越围绕机器人创业、具身智能、数据模型、技术趋势等展开分享，回顾产业发展变迁，探讨具身智能时代下技术演进、生态变化与未来竞争方向。从创业初心到行业判断，这场访谈呈现出了赵越对于技术创新与产业变革的长期思考。
以下文章来源于卫诗婕-漫谈Light the Star，作者卫诗婕
这是今年（目前）我最喜欢的一期创始人访谈。
和赵越的聊天太有趣了——不知不觉，他花了足足 90 分钟聊机器人的世界杯 RoboCup。眼里有光。
2016 年，一个浙大竺院的「小胖子」，日夜睡在实验室：一个 nobody，用他自己的话说，是小卡拉米，率队击败了全球最强机器人实验室 CMU（卡耐基梅隆大学），代表中国首次摘得 RoboCup 的全球冠军——这是仙工智能梦想的起点，也是它最深刻的基因——喜欢掀翻巨头。
但这并不仅仅一个「忆往昔」的故事。
虽说已是上一个时代的旧梦，但其中，围绕机器人打比赛的工程哲学、系统性思考与务实精神，却也是今天具身之战中的灵魂。
我在这两年听过不少具身新秀派的创新思路，总体上，资本和创业叙事都聚焦在具身脑模型层面——为具身机器人，造出一个通用的、可泛化的大脑，是当前最火热的、也是资本最青睐的创业方向。
但赵越提出了几个颠覆式的行业判断：
-
在 B 端，不会有真正的机器人（硬件）巨头——对于许多在当下正沉迷于造硬件、急着把机器人送进工厂的公司而言，这是一个颇具挑战性的言论。
-
未来，数据约等于模型——所有的战争都会围绕数据而战，而拥有数据的公司，将立于不败之地。
在第一次创业失败后，赵越自 day1 就吸取了上一次失败的教训——不做机器人，而专注做机器人所需的控制器——2023 年，仙工成为智能机器人控制器全球第一，此后蝉联，并在 2025 年持续拉开份额的优势。
我很早就留意到这家隐形冠军。但意外的是，这家公司并不沉迷于炫目的增长，正在暗中转换具身智能时代的筹码——通过控制器和统一的工具链，仙工这类公司有机会更快速地拿到具身一些细分场景中的优质数据。这恰恰是许多这一代创业公司，未来数年的挑战。
但真正令这场访谈区别于其他的，是赵越身上呈现出一种在当今商业叙事中极其稀缺的「去表演化」和「真实感」——我在访谈时几乎感受不到受访者的设防——他极度理性、坦诚和松弛，这背后，又是极度的自洽。从他人生经历的讲述中，听者能体会到这种自洽的形成。
（欢迎前往视频版，能更直观地感受到文字版所没有的生动、幽默与松弛：在各平台搜索🔍「卫诗婕 漫谈 Light the Star」：《机器人大脑第一股上市，与仙工赵越的 4 小时访谈》）
最后，是一致性。当一个人的行为一次次呼应他最底层的思维逻辑和世界观，这种发现对于记录者而言，无疑是惊喜的。
访谈的开头，赵越说，「开枪的人必须有被击中的觉悟」。在结尾，他讲神漫鲁鲁修的故事：世界分裂，主角为统一世界而献祭自己——恰如我们反复讨论的「争第一」背后的哲学，在成为第一的那一刻，「第一」就不复存在了。
总之，非常推荐这一期访谈。不仅有关于行业演进路径的全新视角，隐形冠军的心路，还有机器人的发展史、人的热爱，以及极具艺术感的哲学思维。
这个世界，既需要情绪高昂的理想家，也需要清醒务实的建设者。
1.史莱姆，最弱、却也最不可小觑的小怪物！
卫诗婕： 公司里员工们叫你越哥，是吗？
赵越： 几乎吧， 90% 的人，可能刚开始新人进来会叫赵总，过一周以后就基本都叫越哥了。
卫诗婕： 感觉他们挺喜欢你的，因为上一次来的时候，我看到你们公司吉祥物很像胖丁。然后他们跟我说，可能因为你比较胖吧，（胖丁）有点像你。
赵越： 那不是胖丁。是一个小史莱姆。史莱姆就是那个「勇者斗恶龙」游戏里面那个最弱的小怪物，它很弱，一刀可以砍死一个，但是呢，也可能特别强，也有可能被它一刀砍死。
当时用这个（做logo）两个原因：第一个就是因为团队比较年轻嘛，大家玩游戏，史莱姆，当时有个很烂的梗，那时候搞 SLAM 嘛——SLAM，谐音史莱姆。可能也就我们发现这么烂的梗（笑）。
第二个点就是史莱姆它是一团泥巴嘛，可以变换成各种形态。也寓意着我们现在可以给各种机器人提供这种系统，可以幻化出各种功能。
卫诗婕：科技公司用卡通人物做吉祥物的非常非常少。
赵越： 是吧？好吧。
卫诗婕： 蛮有意思的，人家走过去以为是一家动漫公司。
赵越： 有可能。
卫诗婕： 史莱姆小怪物的那种状态。很像你们学生创业的过程哈。
赵越： 对，我们从学生时代过来，其实差不多也是这么个过程：一开始就是一个小卡拉米，后来开始打比赛、搞 Robocup 了，最后一步步成长为……（诗婕：大boss）对，在中间突然，诶，碰到世界冠军。
卫诗婕： 你承认自己是大 boss 了。
赵越： （笑）不要变成大 boss。变成大 boss 可能会被别人消灭。
卫诗婕： 你觉得仙工这家公司，从小卡拉米，变成一个 boss。转折点在哪？
赵越： 可能大家心态比较好。从来没有觉得自己是大 boss。对于一些看上去很离奇的，或者说很 corner-case 的客户需求，一些厂家可能看不上的一些需求，我们依然很重视。我们整个公司的包容程度很高，因为我们的使命叫「加速开放多元的智能文明，让智能机器人没有门槛」。你要去创造个那么多元化的世界，首先自己就不能太有局限。我们就是非常包容的，就，甚至没有价值观。
卫诗婕： 我觉得你身上其实有很多反差的东西，有包容的，很随和的，卡拉米的一面。但是我感觉你内在也很锋利，很反叛，有种想掀桌的欲望。
赵越： 对，永远把自己当成卡拉米，永远想去掀桌子，大概就内心这么一种。你说的好听点叫少年感，说的不好听点可能有点自大。
卫诗婕： 什么时候会检视一下是不是自大呢？
赵越： 这个问题我要想想……有时候内心其实是相对混沌的，好还是不好，自大还是谦虚可能没有分的那么清。
卫诗婕： 我很喜欢你刚才走进来的时候说的那句话：从 wrong 到right，当中漫长的一段时间就是混沌的。得等你走过这一段，再回头看的时候，就发现，它变 right 了。（注：采访前，赵越带我参观了公司的一面文化墙，从左看是wrong ，从右看是 right。）
赵越： 是的，事物是动态变化的，很多时候不要急于去判定一个事情。所以最后我们就把这个 right 和 wrong 放在一体、画在墙上。
2.RoboCup 全球夺冠：机器人金字塔中能在底层解决的，尽量不要往上层解决
卫诗婕： 你研究生期间做了一个壮举：读医读了五年后退学了？（注：关于赵越在浙大竺院打 RoboCup 的完整故事非常精彩，欢迎前往原版视频播客）
赵越：后来回头看其实还好。我们（浙大）竺可桢学院当时有个很神奇的班——八年制医学班。它的理念很好：中国不缺好的临床医生，也不缺好的医学教授。但缺的是临床的医学科学家——巴院士（巴德年）他当时一个逻辑是说，最好是要把临床的问题带回来，通过你的研究，最终再反馈到临床，形成一个更大的闭环。
所以学生需要一些宽口径去培养，你要能够更多去发现问题，发现问题的一个前提就是你首先要更多认知世界。所以他前四年是要求我们一定要学一个非医学本科——我就修了浙大最有名的电子信息工程。为了凑学分，就开始打 RoboCup 比赛，一开始是纯捞学分去的。
（注：RoboCup，机器人世界杯，是一项以人工智能和机器人技术为核心的全球性顶级学术与机器人竞赛。其最著名的愿景是：在2050年之前，研发出一支完全自主的人形机器人足球队，并击败人类的世界杯冠军球队。 ）
当时两个校区，医学院在紫金港，RoboCup 的实验平台在玉泉。就这样白天读医学，晚上打比赛，一直两边跑。
医学跟工科是完全不一样的思维模式。人其实是比较割裂的。但我自己还是比较喜欢电子信息的逻辑学科，能够很快验证，对医学的实验学科实在兴趣不大。因为也无法转专业，就退学重考了。
卫诗婕：据说你打比赛一直睡在实验室，干脆连室友都不认识了？
赵越： 对，本科相对还好，到了研究生就比较夸张，实验室地上铺的是地毯，人在上面一躺就可以睡了。就不需要回寝室了。白天调机器人，晚上就在那睡觉。
卫诗婕： 从哪一刻开始，你觉得机器人这个东西挺好玩的？
赵越： 倒不是因为好玩，而是在哪一刻我觉得这个事我一定得做下去——2009 年我们对阵大连理工，那一次决赛很惨，被打了个 0: 2 还是 0: 3。
我那时候刚进实验室，还是个小卡拉米，我是那个当机器人各种乱撞后、轮子掉了，我去捡轮子的那个人，比赛里我们管这个角色叫 Picker。
我那时候比较胖嘛，每次跑上去，那个地板就「哐哐哐」震。每次我一上去，对手就说，「那个小胖子，你不要在场地上跑那么快，这个相机都在震，画面都不稳了！」
哎呦我那时候就属于这么个角色。关键是最后成绩还不好，所以那个时候就觉得，靠，下一次我得打回来！你懂我这种感觉吧？所以就更花精力去做，后来过了一年时间，我们给大连理工打回了个5：0。哇哦。那个时候就特别开心。
后来就不停的有这种正反馈——就是一开始你往前走，碰到个小 boss，啪一把给你拍在地板上。然后你就赶紧去练级穿装备，再给他打败，再往前走，就一直是这种状态。蛮有意思的，其实跟打游戏很像。
卫诗婕： Robocup 这个比赛一路就打到全球冠军了。还拿下了中国首冠？
赵越： 对，相当于先校内赛，国内赛，再世界赛。
卫诗婕： 没有花很大的力气就考进浙大了，想修第二专业去王牌学院，就成功去了。随便去打个比赛，就打成世界冠军了——人生当中出现这么多令你惊喜的巧合之后，你会不会重新 value 自己，哎呀，我可能是个不一般的人。
赵越： 没有，可能现在回头看，问题肯定比最终拿冠军那一下会多得多得多。
我刚进实验室那会，大概过了一年我才摸到机器人——因为实验室连机器人都没有。当时学校有个很大的项目，人和机器人都投入到那个项目里了。
我们就开始在BBS上招人。但你会发现，最终留下来几个人，可能都是相对比较喜欢这个东西的，才会留下来，这和创业很像——最终能做成的，一定不是所谓最强的人，而是最热爱的人。我们公司刚开始招聘也是，大家进来的时候都是小卡拉米，但最终也都成为了很厉害的人。
卫诗婕：打 RoboCup 比赛训练机器人，和今天训练具身机器人，有什么相似性？
赵越：那个时候做竞争对手预测，跟现在大家去搞训练这套很像——我们会收集对方比赛的一些日志记录。 要么针对性的去写算法，要么通过一个模型化的方法，在各种情形下，去输出你的策略。通过一些神经网络去学习。这些方法我们当时都会用。
卫诗婕：2009 年，英伟达的 Isaac 都没出现吧，你那时候的仿真在哪里做？
赵越： 当时是 ODE 啊。会用 CUDA 做一些加速。去计算场上的一些形势变化。当时微软应该有个 Robot Studio，现在大家都很少听到了。那个时候也是去玩了很多仿真的平台。后面就基于物理引擎自己搭，现在回头看就是在造轮子嘛。
我们当时解决的是机器人场上的情形判断和智能决策。这些方法当时是够用的。但现在比如在 ASAP 里面去训练一个机器人很复杂的运动模型，做一些强化学习，那个时候也是做不到这种精细程度的。
卫诗婕： 区别在哪呢？
赵越： 区别在于你把机器人看成一个整体，还是说你要深入到机器人内部去做仿真，如果要仿真到某个关节级别，很精准的仿真，那个时候是做不到的。
卫诗婕：恰好我还看一些足球，机器人踢足球这件事，考验的是技术、战术和心理博弈的综合较量？
赵越： 打比赛这个事其实还蛮有意思的，我觉得比搞论文有意思。
可以分享一件很有意思的事。RoboCup 里，最厉害的其实是 CMU（卡耐基梅隆大学实验室）——CMU 每隔几年来参赛，因为一参赛就拿冠军，留下一堆东西让大家瞻仰，然后又闭关了，再出现时再来清理战场。
而且 CMU 又是所有参赛团队中最智能的——它的机器人永远在动态跑位，就是它永远在找寻一个最好的机会去传球。如此智能的情况下，我们如何击败它？后来发现，似乎也有 bug：既然我知道你永远要传给空档最大的人，我是不是能制造一个最大的空档，这样一来，对手的不可预测，又变成可预测了。
所以你会发现最有效的策略是什么？其实是引入随机性——能够被分析出来的，都是相对简单的，最怕对手是不可预测的对手。
卫诗婕： 这些机器人的训练 know-how，对于今天具身游戏，仍然有意义的启示是什么？
赵越： 其实不管是做比赛，还是做这种实业的机器人都一样。机器人是个金字塔：最底层的是机械硬件，再往上电子电路，再往上可能一些底软，包括一些操作系统层面的东西，再往上是软件通讯，再往上是算法，现在再往上可能是模型。
从这条链条来看，一个大的原则就是：能在底层解决的，千万不要往上层去延展。
因为越往上，代价越大。每打好一个补丁，其实对下层的可延展性，都是一种伤害。
3.谈技术路径：具身大脑，未来一定会是类似 MoE 的架构
卫诗婕： 现在具身行业有一个大的技术路线分歧，就是到底选择端到端还是分层架构。你说的机器人金字塔的思路，会影响到仙工对于技术路线的理解和选择吗？
赵越： 会，对于具身大脑来说，我觉得它未来一定是一个类似于 MoE 的这么一种架构，其实跟大模型是类似的。
因为从功耗层面来说，没有必要去跑一个全知全能的模型，一定是跑若干个小专家——在某个场景下，机器人就调用某个场景下的一些算法模块。就好像打比赛一样，针对这个竞争对手，你一定是用适配于他的策略是最好的。
对于机器人的场景也是一样，机器人场景其实非常复杂，非常多变。所谓的一个端到端，或者说一个全量的数据模型，这件事情很美好，但我觉得它需要一定的时间，我觉得我会相对悲观一点：现在不是机器人的 GPT 时刻没到，其实是 Transformer 时刻可能都没到。
你让我现在坚定的就说，我一定此时此刻就要去做一个全量的端到端大模型，至少我现在不会下这个决定。我更倾向于先在一些相对有边界的小场景去做验证，去做闭环。然后过程中积累数据，当我有足够多数据，再去验证那个大的范式。
卫诗婕： 你这样的声音在今天非常少见了。整个行业有两派路线：一派更接近于你的想法，从下往上，积累数据，是比较务实的路线；但另一派路线更能在资本市场上获得青睐，就是高举高打，day 1 就瞄准金字塔尖，训一个通用的具身大脑。
赵越： 我前两天跟一个投资人刚好在交流的时候，他有个观点我觉得蛮有意思的，他说其实很多美元投资人在找下一个 anthropic 是谁？他们觉得具身里是不是也会有一家类似的公司会出现？那这些公司一定不是这种自下而上的公司里出来的。
所以他们会更倾向于高举高打也好、或者说更能描画未来也好，更倾于（投资）这一类公司。 你能 get 到我的点吧？他们宁愿去赌那个更大的。这里面没有所谓的对和错。我也认同，day 1 瞄准一个更宏大的目标，可能做事情会更纯粹。你最终可能会获得更大的成功，当然，失败的话也可能万劫不复。
所以确实在过去两年，整个一级市场的融资，我觉得还是相对疯狂的。其实你现在回头看我们，其实我们融的钱很少。对。
卫诗婕： 你是不想融，还是也确实没有融到更多的钱？
赵越： 我确实不擅长融资。这是实话实说。浙大有个校训，求是创新。其实你会发现，但凡浙大系的创业公司，创始人总体来说还是比较务实的，这种务实会体现在，你能做到一个 80 分甚至 90 分的东西，那你可能表达出去可能也就个 70 分左右， 在资本市场上一定是个缺点。
可能有的公司的 reward 是来源于投资人给了你更多的钱，对我个人来说，我的 reward 来自于客户给了我更多的钱。或者说这件事可能会更让我内心会更澎湃。
卫诗婕： 中国具身已经出现了百亿俱乐部。并且俱乐部里多了很多新成员，大家手里都有很多钱。你羡慕他们吗？
赵越： 不羡慕，我们上市后也会有很多钱，这没什么好羡慕的。
钱多钱少这件事，本身跟他本身承担的风险和代价也是相匹配的。事实上你知道今天很多时候大家在融债，不是在融资。你可能融了 50 亿，那意味着你可能背了 50 亿的潜在回购。这两件事情其实是对等的。
这个钱只是让你代为保管的。那你现在需要的其实是让它发挥价值。所以最终还是要回到你用这些钱创造了什么价值。如果你创造不出这个价值，可能这个东西就是一笔债。
卫诗婕： 你觉得他们未来会羡慕你吗？
赵越： 会羡慕我？我不去（预测），我不知道诶，我觉得应该也不会吧。我们这个路也比较苦，哈哈哈。各有各的难，各有各的苦吧。
卫诗婕： 我本来也是你的这种看法，但我也听到一个也蛮有道理的声音：行业资源（相对）无限的时候，试错的周期会极速缩短，共识会很强的形成。原本三年做成的事情或许只要半年。
赵越： 对，更多的钱进来，帮助大家快速试错。这不是对一家公司的帮助，是对全行业的帮助。在这样一个人才快速流动的行业，其实一个公司很难有秘密。
两年前，所有人都在讲 VLA。到今年你会发现，哇，全部变成世界模型。最开始大家一定要实物数据，会争论是仿真数据、合成数据还是真实数据。到今年，大家又会趋向于搞无本体采集。你会发现都在快速分化、快速共识，又快速分化、快速共识。对于我们来说，虽然我们没有那么激进的投入，但是事实上我们也能分享里面的红利。
卫诗婕： 这个时候行业里面就会有一些坏小孩，觉得「你们拿吧，多拿点，多试错，给我们提供一些共识」。
赵越： 哎，好吧，我…嗯，好的。
卫诗婕： 快速分裂，又快速形成共识，你觉得这共识是真共识吗？
赵越： 不一定，如果是一个真正有价值的东西，其实是有明确判断标准的，这个标准就在于落地。在某个共识下，我们能发现它有这种价值产生了，那这就是个真共识。
卫诗婕： 你觉得去年的 VLA 和今年的世界模型，这两个共识，现在看到价值了吗？
赵越： 我觉得我看到一些可能性。但是现在还没有。
4.「我们为什么不立刻训一个通用大脑」：未来，模型约等于数据
卫诗婕： 仙工一直以来是做机器人控制器的，你们会训具身的大脑吗？
赵越： 我们会训，刚刚说的垂类的模型我们会在做，而且也有一定效果了。但我们不会说。
卫诗婕： 假设你现在手里有 10 亿美金，你会立刻去训一个通用大脑吗？
赵越： 可能还是不会。假如真有 10 亿美金的话，我还是选择先把我们控制器的量铺上去。铺量，去拿数据。
我们现在已经在推数据的商业化采集的一些方式了。至少未来 3 到 5 年内，我们最重要的战略目标还是把机器人（控制器）的装机量提上去，在这个过程中，我们也不是要求每台机器人都回收数据，确实在工业场景有的客户是不愿意给你。但是他会被动给数据——比如机器人出问题了，他就一定会把 problem case 给你——这反而是更高质量的好数据。
卫诗婕： 什么是好数据？
赵越：我觉得好的数据有几个标准：
这些数据是在真实场景下获得的。我坚定相信真机数据一定会有 scaling law，只是那个范式还没有被找到而已。
好的数据一定是多样性的，要在多场景下能采集。
好的数据，格式是统一和对齐的。现在大家去买一堆数据，但实际上你要花大量成本去把这些数据变成自己的模型能吃进去的数据。
好的数据是能可持续、低成本地产生的。如果这个数据很贵。它天然就没有商业化基础。像 OpenAI 一年花几亿美金甚至 10 亿美金买数据，大量公司其实是买不起的。
满足这些条件的好数据，再等到一个好的范式出现后，才可能获得最终那个全知全能的通用模型。
卫诗婕： 这样的好数据，你们拥有吗？
赵越： 这是我们现在最大的一个优势。回到这三个定义：第一是多样性，仙工的控制器目前大概支持 2000 多种机型，而且我们支持适配 400 多种传感器， 400 多种传感器，意味着什么？意味着其实我在各种机器人场景下，我都有数据。
卫诗婕： 控制器它所能拿到的数据是什么样的数据？
赵越： 环境的，比如激光雷达的数据、相机的数据，包括机器人执行轨迹的数据，而且我们的机型的丰富度够，你可以理解成至少 B 端场景下，各种机型我能拿到数据，我的多样性大概是 2000 多种 SKU。
第二，因为本身所有的传感器都是接到我控制器上的，而且我们控制器会有整套的外参标定的工具。客户造好这个机器人后，在我们的软件上还可以做自动化标注。所以你不管是 A 家的激光雷达， B 家的相机， C 家伺服驱动，到我的控制器最终采下的数据都是我的格式。所以，它是天然对齐的。
第三，因为我有场景化落地，所以这个数据几乎是免费的而且质量很高，为什么？因为往往当这个机器人出异常的时候，客户就会把数据主动给你，这有点像自动驾驶的监管数据。
满足这三个条件，你看我在大量铺场景，大量铺机型，我在大量地采数据，但是这个东西我没有很急地说，一定现在要拿它去做什么，但是这件事情的本身的存在，是我们信心的一个来源。
卫诗婕： 没有急着先要去做什么，指的是什么？
赵越： 没有急着把所有数据放一起去训一个通用模型，但是我们会训很多垂类的小模型——比如我先把数据做隔离，在叉车的场景下，我能不能训出一个叉车师傅的模型？在清洁场景下，我训出一个清洁大妈的模型。
因为如果现在把所有数据混在一起，我其实很难想象一个多大的模型能把所有这些数据都吃进去。但是一个叉车工人模型，我至少知道该怎么构建它。
卫诗婕： 这一块有点呼应你刚才讲的，更相信未来机器人也会是 MoE 那套专家系统，需要什么样的场景任务的时候，调度哪一个专家？现在其实是把一个又一个的专家先做好？
赵越： 没错，对我们来说，当我有叉车工人模型，我有清洁大妈模型，我有各种模型以后，那背后可能是我成百上千个场景，这些数据的格式又是统一的，又是可以不停获得的。所以当有一天，有一个范式突然出现的时候，你会发现，我的叉车工人加清洁大妈，已经准备好了。所有这些数据，OK，来吧都放进去，我们看看会产生什么。就像炼丹一样。
我们已经为未来做好准备。因为我还是那个观点：未来，模型约等于数据。我只要保证我是装机量最大的那一个。我的数据又是高度对齐，低成本获得的，在未来竞争中就能立于不败之地。
卫诗婕： 仙工的控制器现在做到全球市占率第一，在这样的前提下，你是通过控制器构建了一套事实标准——越多人买你的控制器，越多人就在按照你的标准统一化。所以虽然你没有喊你要建标准，但事实上你在建标准？
赵越： 对。 标准有自下而上和自上而下。如果一个公司今天摇旗呐喊说我要建标准，我觉得是不会有人会理他的，为什么？因为没有收益。我遵循你的标准，并不能给我带来收益。那么这件事情就不会发生。但是如果你提供给市场一个有用的东西，大家都愿意用，当用的人足够多了，它就变成了标准。
为什么我们要去做机器人控制系统？因为控制器就意味着你自己造机器人的可能性。我们希望大家在我们控制器上创造出各种各样的机器人，这些机器人带来持续多样的数据。所以我们现在做的所有事情都是面向未来，怎样获得更多高质量数据。
卫诗婕： 人民用脚投票。
赵越： 对，我们是把自己放在一个相对低的位置，比如你的激光雷达，你有单线、有多线、有国产、有非国产、有防爆、不防爆、有重复扫描、非重复扫描，那OK，我都接受。我都去适配你。我们希望降低大家自己造机器人的门槛。
《道德经》里面有一句话叫「反者道之动」。为了标准而标准，以自我为中心的一种标准，那这种标准一定是不持久的。反而是我没有标准，你什么样的接口，你什么样的协议，我都接受。你改一个我适配一个，当我适配的人足够多，我反而又变成了标准。
精彩评论