bingdada郎咸朋认为具身智能的范式应是理解而非模仿，光靠融资撑不到物理AGI实现的那一天。行业目前类似2015年的自动驾驶，最终会像新能源车一样大浪淘沙，涌现出具身智能的"蔚小理"。
理想汽车前智驾一号位郎咸朋，在创立具身智能公司昆仑行90天后，首次公开分享了他的创业思考。 近日， 与昆仑行联合创始人兼CTO郎咸朋进行了一场近2小时的深度对话。这位曾在理想汽车用8年时间将辅助驾驶从0做到150万辆量产规模的关键人物，今年3月与搭档任庚共同创立了具身智能公司昆仑行，并在90天内连续完成三轮融资，规模达数十亿元，迅速跻身独角兽行列。
郎咸朋的创业选择并非偶然。他坦言，读博时就在机器人领域的国家重点实验室，兜兜转转做了十几年自动驾驶后，如今又绕回了机器人，"我感觉有一种宿命在里面"。 昆仑行的名字背后，承载着特殊的民族使命感。"昆仑"是中华民族的图腾，代表这是一家有强烈民族使命感的中国公司；"行"则代表使命必达。两个字合起来，寓意中华民族在具身智能上一定行。 在郎咸朋看来，选择合伙人有一条更要紧的标准："合适比熟悉更重要"。他与任庚（曾任华为国家CEO、阿里巴巴集团副总裁、阿里云中国区总裁）的合作，基于"行不行、合不合、久不久"三条共识——能力互补、认知一致、值得长期投入。
郎咸朋认为，注册公司之前必须想清楚三件事：范式、方法、路径。 第一，范式选择是具身智能的第一性原理。 他判断，不能沿用自动驾驶那套以模仿学习为底子的端到端或VLA范式。"机器人的范式应该是理解，不是模仿。一个场景可以靠模仿，上万个场景没法靠模仿。" 第二，方法的核心是数据效率。 郎咸朋将数据效率概括为一个公式：数据效率＝获取效率×使用效率。过去自动驾驶和大模型的成功占的是获取效率的便宜——互联网数据几乎零成本。但具身智能无法先把机器人搬进用户家里、让人手动操作两年再训练。因此，昆仑行押注的是使用效率，做法是"数据编译"，让机器人学会理解物理世界所需的信息和知识。 第三，商业路径是先toB再toC。 从工厂上下料、物流等相对简单可控又有商业价值的场景入手，家庭放到最后落地。"家庭是终点，不是起点"，因为家庭太复杂，对安全性和可靠性要求极高。
在模型设计上，昆仑行的世界模型从第一天起就锚定了"物理因果"的第一性原理。其架构采用MoT（Mixture of Transformers），但不同于其他团队按模态（文本、视频、动作）分工，昆仑行按目的、动作、结果来分，分的是一张因果图。 配套的"联合因果注意力机制"让注意力单向流动——做动作时不能偷看结果，"这样就作弊了，也不符合因果"。这套世界模型试图用同一套架构、参数和权重，同时完成生成动作、预测动作结果、渲染最终视频等多种任务。 在数据层面，昆仑行的"数据编译"分为四步：显式标出物理量（重力、重量、受力、摩擦）、沉淀物理机制（如牛顿第二定律）、将物理量和机制编译进训练样本、用数据回传机制迭代。编译过的数据富含物理因果，训出来的就不是一个只会找相关性的模仿模型。 这套做法还带来一个郎咸朋很看重的性质——"一脑多形"：一个大脑驱动多种形态的机器人。"模型学的是物理规律，而物理规律对任何形态都成立，天然就一脑多形。"
郎咸朋将具身智能拆分为四个智能：运控、移动、交互、操作。 - 运控智能：表演型机器人已做得不错，但工作级全身运控远未成熟
郎咸朋判断，具身智能现在有点像十年前的自动驾驶——2015、2016年那个阶段：技术路线不确定、百家争鸣；大家都在做各种demo；但没有一家真正开始出货。 他认为，真正的操作智能有个很直接的门槛：能不能进工厂、进商场、进家庭，取代人真干活，有没有人愿意为它买单。 关于"百机大战"何时见分晓，郎咸朋的答案只有一条：量产交付能不能自我造血，靠自己的营收养活研发，而不是靠融资续命。"只靠融资，谁都撑不到具身实现的那一天。" 要做出真正的操作智能，需要做模型预训练和大量训练，而训一个模型，几亿元、十亿元的量级都不够，可能得是几十亿甚至上百亿。就像新能源车一样，大浪淘沙之后，具身智能也会涌现它的"蔚小理"。
郎咸朋的创业故事和行业判断，折射出中国具身智能赛道的火热。目前国内已涌现出多家专注具身智能大模型和机器人的公司，如智元机器人（稚晖君创办）、宇树科技、星动纪元等，在硬件本体和运动控制方面各有突破。同时，百度文心一言、阿里通义千问等大模型厂商也在探索将多模态能力与机器人结合。与海外相比，中国在供应链成本控制和场景落地速度上具有明显优势，但在基础模型创新和高端传感器方面仍有追赶空间。
关于机器人进家庭的时间表，郎咸朋给出的参考是自动驾驶的节奏，大概五到十年。但他补充道，AI现在进步的速度太快，会把这一天不断往前拽，五年左右会比较合理。 郎咸朋用一句话概括自己的创业哲学："有道无术，术尚可求之；有术无道，止于术。"从百度到理想，再到昆仑行，他强调的一直是数据、工程化和真实落地。
昆仑行在90天内连续完成三轮融资，规模达数十亿元。这既得益于创始人团队的背景——郎咸朋是理想汽车前智驾一号位，任庚曾任华为国家CEO、阿里巴巴集团副总裁——也得益于市场对具身智能赛道的高度关注。郎咸朋认为，选对范式、方法和路径是关键，"出发永远比想清楚更关键"。
主要分歧集中在范式选择上。一派沿用自动驾驶的模仿学习范式（如端到端、VLA），另一派（如昆仑行）主张从"模仿"转向"理解"，通过物理因果建模和数据编译，让机器人真正理解物理世界规律。此外，在硬件路线上还有轮式与人形之争、触觉与视觉之争。
郎咸朋判断，行业目前类似2015年的自动驾驶：技术路线不确定、demo多但无真出货。真正的操作智能需要能进工厂、商场、家庭取代人干活并有人买单。他估计机器人进家庭大约需要五到十年，AI的快速进步可能会把时间缩短到五年左右。
训练一个具身大模型需要几十亿甚至上百亿元，以目前各家的融资额都不够。郎咸朋认为，企业必须在量产交付后实现自我造血，用自己的营收养活研发，而不是靠融资续命。只有进入行业前三，才具备自我造血能力。
"一脑多形"是指一个大脑（世界模型）驱动多种形态的机器人。昆仑行的模型学习的是物理规律，而物理规律对任何形态都成立，因此天然具备一脑多形的能力。如果学的是分布、是模仿人的动作，那就只能一脑一形。 --- ---
Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。 编辑团队：内容策划 · 技术编辑 · AI 研究组 网站：bingdada.com © 2026 Bingdada. 保留所有权利。
SEO & GEO 技术探索者，专注于搜索引擎优化和生成式引擎优化。
物理 AI 正迎来 GPT-3 时刻。Gen1.5 模型让机器人学会对未见过工具进行推理，展现出从模仿到自主决策的跃迁。本文分析其技术突破、Scaling 定律的延伸，以及国内相关进展。
2026年WRC大会上，无界动力打造的机器人咖啡店成为焦点，展示了具身智能在真实商业环境中的泛化能力。其核心技术"隐空间世界模型"与"工业+商业"双线策略，为行业提供了可检验的商业化证据链。
优必选在2026年WRC上1:1复刻客户产线，展示工业、商用、家庭三条产品线。通过“具身大脑”三层架构与端侧部署，实现无干预连续作业，以真实场景数据驱动模型迭代，揭示人形机器人从Demo到量产落地的关键路径。
获取最新的 SEO 与 GEO 技术资讯。
我们尊重您的隐私，随时可以取消订阅。
