對話郎鹹朋：具身也會有“蔚小理”，靠融資實現不了物理AGI

理想汽車前智駕一號位，8年把輔助駕駛從0做到150萬輛量產，交付端到端和VLA； 今年3月創立了具身智能公司崑崙行——90天內連融三輪，規模達數十億元，跑成一家獨角獸。這是他出來創業後的首次公開露面。近2小時聊下來，有幾條信息足夠勁爆： 具身智能有多燒錢？訓一個具身大模型，幾億、十億都打不住，得幾十億甚至上百億。只靠融資，誰都撐不到具身實現的那一天。眼下這場“百機大戰”，在他看來會像新能源車一樣大浪淘沙，最後跑出具身智能自己的“蔚小理”。

至於整個行業走到哪一步，他的參照系是十年前的自動駕駛—— 2015、2016年那陣，路線不定、demo滿天飛，但沒一家真出貨…… 90天，跑出一傢俱身獨角獸 郎鹹朋是理想前智駕一號位，用8年把理想的輔助駕駛從零做到150萬輛車規模的量產。他的搭檔任庚曾任華為國家CEO、阿里巴巴集團副總裁、阿里雲中國區總裁，現在是崑崙行的創始人兼CEO。兩人在各自不同領域取得成功後，如何雙向選擇，攜手同行？一直是外界的疑問。△崑崙行創始人兼CEO任庚 關於這一點，郎鹹朋與任庚有著高度一致的共識： 行不行、合不合、久不久。

行不行看能力，這個最好驗證，從過往做過的產品和成績裡就能看出來，而且兩人的能力要互補，他管技術和研發，任庚管商業和管理。合不合看認知，兩人圍繞具身智能的產品、技術、商業聊了很多，發現判斷驚人地一致。久不久看這件事值不值得長期投入，他們認定具身不是三五年的短期生意，是一件能做十年的事。三條都過關，剩下的就快了。兩人很快就達成一致，然後一起出來做了崑崙行。在他看來，選合夥人還有一條更要緊的標準。“合適比熟悉更重要。” 郎鹹朋說，創業選的是能把事做成的人，不是相處起來舒服的人，最好兩樣都佔，但前者更關鍵。至於公司為什麼叫崑崙行，郎鹹朋說這名字有講究，值得好好說說。

一開始他們想過不少很fancy、很科幻的名字，但最後還是落回了崑崙行。“崑崙”是中華民族的圖騰，一說出來大家就知道，這是一家有很強的民族使命感的中國公司；“行”代表使命必達，一定能行。兩個字合起來，是中華民族在具身智能上一定行。名字背後是一個更大的判斷。在郎鹹朋眼裡，崑崙行是站在時代的趨勢上做這件事，他希望在探索物理AGI的這段歷史裡，能留下公司每一個人的名字。創業之前，想清楚的三件事 註冊公司之前，有些事必須先想清楚，有些可以邊做邊改。崑崙行想清楚的是三件：範式、方法、路徑。先說範式。郎鹹朋把範式選對，稱作具身智能的第一性原理。做自動駕駛時，如果一上來用規則去做，就不會有後來理想汽車的成功。

做具身也一樣。他的判斷是，不能沿用自動駕駛那套範式，因為無論端到端還是VLA，底子都還是模仿學習。△崑崙行聯合創始人兼CTO郎鹹朋 機器人的範式應該是理解，不是模仿。一個場景可以靠模仿，上萬個場景沒法靠模仿。範式怎麼落成能操作的方法，是第二件事。郎鹹朋的答案還是數據，他將數據效率概括為一個公式： 數據效率＝獲取效率×使用效率。過去自動駕駛和大模型的成功，佔的是獲取效率的便宜，互聯網數據、人類開車的數據，幾乎零成本就能拿到。具身不行，你不可能先把機器人搬進用戶家裡、讓人手動操作兩年再來訓練。

獲取這條路不好走通，崑崙行押的是使用效率，做法就是他們提到的數據編譯，讓機器人學會理解物理世界所需要的信息和知識。光有數據和模型還不夠，得有工程兜底。這一點郎鹹朋拿Anthropic這家公司打了個比方，大家覺得Claude Code好用，模型強是一方面，但支撐它真正好用的，是背後那套Agent機制。崑崙行做機器人的工程落地，用的也是Agent的工程框架，而不是過去軟件硬件簡單拼湊的做法。第三件是商業路徑。崑崙行的選擇是先toB再toC，從工廠上下料、物流這些相對簡單可控又有商業價值的場景入手，家庭放到最後落地。家庭是終點，不是起點。原因是家庭太複雜，而且對安全性、可靠性的要求極高。

家裡有老人有小孩，技術不成熟就進去，不只對這一個家庭有風險，對整個行業也會造成傷害，這是郎鹹朋做自動駕駛多年留下的職業警覺。範式、方法、路徑想清楚後，剩下的細節，比如模型怎麼設計、數據管線怎麼搭，郎鹹朋認為可以邊做邊迭代。他把這條經驗總結成一句話，“出發永遠比想清楚更關鍵。” 把“理解”寫進模型和數據裡 範式選了理解，落到技術上是兩件具體的事，模型怎麼設計，數據怎麼做。先看模型，崑崙行的世界模型從第一天起，就錨定了一個叫「物理因果」的第一性原理。郎鹹朋的類比是人，人做事先有目的，為目的產生動作，動作產生結果，結果再回過頭評價動作的好壞，他們的模型就照這個順序設計。

崑崙行現在這套模型的架構是MoT，是一種由多個專家網絡分工的結構。MoT本身不算新，很多團隊都在用，崑崙行的不同點在於分法。別人大多按模態分，文本一個專家、視頻一個專家、動作一個專家；崑崙行按目的、動作、結果來分，分的是一張因果圖。跟它配套的，是一個自研的「聯合因果注意力機制」。過去MoT裡幾個專家的注意力是完全共享的，郎鹹朋認為不合理。做動作的時候，模型只應該看到目的；動作做完，負責結果的專家才能看到動作和目的產生了什麼。所以他們讓注意力單向流動。用他的話說，做動作時不能偷看結果，“這樣就作弊了”，也不符合因果。

崑崙行希望藉此避免模型通過結果反推動作，讓模型學習到的關係更符合真實物理世界中的因果順序。按照郎鹹朋的描述，這套世界模型還試圖用同一套架構、參數和權重，同時完成多種任務：既可以生成動作，也可以預測動作結果，還可以渲染最終的視頻。不過，郎鹹朋並沒有將當前方案，描述為一個已經收斂的終局架構。在他的判斷中，具身智能還處於非常早期的階段，具體模型和方案必然會繼續調整。正如自動駕駛曾經歷有圖、輕圖、無圖、端到端和VLA等多次範式切換，世界模型也可能只是當前階段通往物理智能的一種實現方式。模型之外是數據。崑崙行的另一項核心工作——數據編譯，具體分為四步。

第一步，把場景裡每個物體的物理量顯式標出來，重力、重量、受力、摩擦。這些不一定靠觸覺傳感器去測，很多是模型自己算出來的。第二步，沉澱物理機制，比如牛頓第二定律這類規律。第三步，把物理量和機制編譯進訓練樣本，讓樣本自帶物理。第四步，用數據回傳的機制不斷迭代，把表現不好的數據挖出來重新標註和編譯。編譯過的數據富含物理因果，訓出來的就不是一個只會找相關性的模仿模型。這套做法還帶來一個郎鹹朋很看重的性質，「一腦多形」，一個大腦驅動多種形態的機器人。他說這不是刻意設計，是天生如此。模型學的是物理規律，而物理規律對任何形態都成立，天然就一腦多形；反過來，如果學的是分佈、是模仿人的動作，那就只能一腦一形。

別把具身智能看窄了 在展臺上，現在的機器人幾乎都在幹活，比如拿藥、分揀、上下料等等。但在郎鹹朋看來，把具身智能等同於“會幹活”，太窄了。他把具身拆成四個智能： 運控、移動、交互、操作。運控智能是唱歌跳舞那類表演，在表演型機器人上已經做得不錯，但工作級全身運控遠未成熟。移動智能跟自動駕駛最近，把自動駕駛的技術挪到導覽、巡檢機器人上就是，只是不帶操作。交互智能是跟人對話，得益於大語言模型，這兩年也相對成熟了。真正難、真正還處在早期階段的，是操作智能，讓機器人實際進場景、取代人幹活。現在大家演示的都是關於它的應用場景，於是很多人默認「能幹活才叫真具身」。

郎鹹朋認為除了操作智能以外，前面三種智能也在迭代，也很重要，“大家不要只盯著操作智能”。這套四分法，直接決定了硬件怎麼選。最省事的做法其實是大量鋪輪式機器人，先把原型做起來。郎鹹朋認可這是大家自然會想到的路子。輪式相當於把移動和運動控制這塊砍掉了，只留上半身操作加一個基礎的移動能力，不符合四個智能全面發展的前提。所以崑崙行一開始就堅定做全尺寸、全人形，自研關節驅動電機、本體和關鍵結構。他不否認輪式上手更快，但從技術角度，人形才是最優質的選擇，雙足運控加全身的操作、移動、交互，這些技術基礎第一天起就得打好。順著操作往下，自然繞不開靈巧手。業內一直有視覺派和觸覺派之爭，郎鹹朋把票投給了觸覺。

他的理由是人。人做一個動作，最終不是靠眼睛檢驗的，是靠手感。拿杯子的時候，眼睛看著別處也能拿到，杯子拿得穩不穩，全靠觸覺。所以觸覺是相當重要的一個模態，未來會作為他們數據編譯的真值，反過來校準編譯出來的數據。而且觸覺本身就是物理的，正好接上崑崙行物理因果這條線。△圖片為AI生成 至於靈巧手要不要自研，郎鹹朋說內部還在討論中。他的順序是先想清楚要什麼模型、什麼數據，再反過來定義手。因為手會帶來大量自由度，一隻二十個，兩隻就多四十個，太早動手只會給訓練增添不確定性。光靠融資活不下去 那，具身智能現在整體走到哪一站了？郎鹹朋的判斷是，有點像十年前的自動駕駛，2015、2016年那個階段。

特徵有三個，技術路線不確定、百家爭鳴；大家都在做各種demo，有些做得像明天就能上路一樣；但沒有一家真正開始出貨。有人會立刻站出來反駁，已經有XX公司賣出幾千臺了。郎鹹朋說，他指的是操作智能，就像當年演示的自動駕駛Demo清一色展示的是L4功能。在他這裡，真正的操作智能有個很直接的門檻，能不能進工廠、進商場、進家庭，取代人真幹活，有沒有人願意為它買單，而不是停在前期的研究和測試階段。回顧自動駕駛的2015、2016年那會兒，買一輛林肯MKZ改裝出來，就能拿到一筆不小的融資；到後來才是正向造車、造車隊、真量產，而且那時候用戶是真為了自動駕駛功能買單。具身到現在，還處在前半段。

既然大家都還沒走到出貨那一步，這場被叫作“百機大戰”的混戰，何時會見分曉？郎鹹朋的答案只有一條，量產交付能不能自我造血，靠自己的營收養活研發，而不是靠融資續命。任庚曾對外放過一句話： 崑崙行在最短時間內進入行業前三。為什麼非得是前三？郎鹹朋的說法是，到了前三才有自我造血能力。就像新能源車一樣，剛開始熱鬧歸熱鬧，大浪淘沙之後，頭部剩不了幾家，具身智能也會湧現它的“蔚小理”…… 那到底要燒多少錢。郎鹹朋說，以現在各家的融資額，都不夠。真要做出操作智能，一定要做模型預訓練和大量訓練，而訓一個模型，幾億元、十億元的量級都不夠，可能得是幾十億甚至上百億。

所以前提一定是先自我造血，拿自我造血掙來的錢去養後面的模型迭代，而不是隻靠融資。只靠融資，誰都撐不到具身實現的那一天。關於崑崙行，郎鹹朋說現在的融資額，已經足夠讓公司第一款產品量產上市；上市之後，公司就進入一個健康的正向造血狀態。往後再融的錢，一是加快AI迭代，二是加大量產和營銷的投入。至於外界最關心的機器人進家庭是哪一年，郎鹹朋給的是參考自動駕駛的節奏，大概五到十年。但他也補充，AI現在進步的速度太快，會把這一天不斷往前拽，五年左右會比較合理。One More Thing 對話中，郎鹹朋提到一個細節：他讀博時待的，是機器人領域的一個國家重點實驗室。

後來兜兜轉轉做了十幾年自動駕駛，如今又繞回了機器人。“我感覺有一種宿命在裡面。”他說。從百度到理想，再到崑崙行，中間那條線一直沒變過，強調數據、工程化和真實落地，方向比具體的“術”更關鍵。他用一句話來形容： “有道無術，術尚可求之；有術無道，止於術。” 版權所有，未經授權不得以任何形式轉載及使用，違者必究。