出品｜虎嗅科技組

作者｜宋思杭

編輯｜苗正卿

頭圖｜視覺中國

在距離曾經(jīng)的“AI四小龍”之一曠視科技不到1km的地方，有一家機器人公司。它的標識很像 X（原 Twitter）的 Logo。這家公司的英文名叫 Dexmal，中文名叫原力靈機。

正月十六，我來到原力靈機的這一天，北京下了 2026 年的第一場大雪。這家成立快一年的具身智能公司，正在裝修新的工區(qū)，因為今年公司正準備再擴招一倍人手。

13 年前，曠視剛成立的時候，聯(lián)合創(chuàng)始人唐文斌曾經(jīng)讓人去買一個鋼鐵俠模型。那是他們當時對未來的想象——機器人。這也是他和曠視創(chuàng)始人印奇在大學時期就想做的事情。只不過后來陰差陽錯，他們買回來的不是鋼鐵俠，而是一只“大黃蜂”。

在很長一段時間里，這個念頭被放在了更現(xiàn)實的商業(yè)路徑之后。

一年前，也就是2025年3月，唐文斌成立這家機器人公司。他想把曾經(jīng)在曠視沒來得及完成的事情，或者說在上一個“AI 四小龍”時代還做不到的事情，重新?lián)炱饋怼?/p>

唐文斌最喜歡的一項運動是滑翔傘。這是一項需要不斷和氣流、天氣、地形博弈的運動。去年，他甚至去參加了世界杯級別的比賽。

在很多人的印象里，滑翔傘是一項典型的極限運動。但唐文斌并不這樣看。他不認為這是一項特別危險的運動，也不覺得自己是一個激進或者愛冒險的人。

相反，在過去很長一段時間里，他甚至有些偏保守。

在面對時代機遇和技術浪潮時，他現(xiàn)在回過頭來看，會覺得自己當年錯過了一些機會。唐文斌也坦誠，在曠視時期，自己做過不少錯誤判斷，一些決策上的謹慎，某種程度上也讓公司錯失了一些窗口。

如果重新梳理曠視當年的創(chuàng)始團隊，會發(fā)現(xiàn)他們在 AI 新周期里走向了不同方向：有人開始做大模型，有人轉向智駕，也有人選擇進入具身智能。

但和許多同行相比，唐文斌對當下這波具身智能熱潮的判斷反而顯得有些冷靜。

在他看來，今天很多機器人產(chǎn)品仍然停留在提供“情緒價值”的階段，比如陪伴、展示或者表演式的能力，而他真正想做的，是能夠創(chuàng)造功能性價值的機器人。

這也是他對成熟機器人的一個核心判斷標準——機器人的“智商”，也就是機器人的“大腦”。

也正因為如此，他給原力靈機選擇了一條相對少見的路線：先做模型，再做本體。在原力靈機的理念里面：模型解鎖場景，場景定義硬件。

而在今天的具身智能行業(yè)，這其實只是眾多技術路線中的一種。

有的公司選擇先把本體硬件做出來，再逐步補齊大腦能力；有的公司選擇軟硬件同時推進；也有像原力靈機這樣，從軟件和系統(tǒng)能力切入，再去反推硬件形態(tài)。

三種路徑背后，代表的是完全不同的技術理念，也意味著不同的商業(yè)邏輯。

更重要的是，這個行業(yè)本身仍然處在極早期階段。無論是技術路線、產(chǎn)品形態(tài)，還是商業(yè)場景，都遠沒有形成共識。它還沒有迎來屬于自己的“ChatGPT時刻”。

唐文斌判斷，未來行業(yè)一定會逐漸收斂，但這種收斂，大概率不會像今天的大模型行業(yè)那樣，只剩下寥寥幾家頭部公司。

機器人是一門更復雜的工程。它不僅涉及算法，還涉及機械結構、傳感器、控制系統(tǒng)以及真實世界中的各種物理約束。不同路徑的公司，可能會在不同場景里找到各自的位置。

某種意義上，這也是為什么在今天這個時間點重新創(chuàng)業(yè)，對唐文斌來說既像是一種延續(xù)，也像是一場新的嘗試。

在接下來的對話中，他詳細講述了自己離開曠視之后的思考、原力靈機的技術路線選擇，以及他眼中這個尚未真正成熟的具身智能行業(yè)。

以下是虎嗅與原力靈機（Dexmal）創(chuàng)始人唐文斌的對話，有刪減。

“把曠視沒做完的事情延續(xù)下去”

虎嗅：你最初萌生做機器人這個想法是什么時間？

唐文斌：其實我們很早就想做機器人了。曠視最早成立的時候，我們給自己起這個名字——“曠視”，本身就意味著“大的視覺”。當時我們的一個核心想法，就是希望讓機器先“看懂世界”，也就是先把機器人的“眼睛”做好。

所以我們最早的技術路線，其實就是從視覺開始的。

差不多從 2018 年左右，我們內(nèi)部已經(jīng)有一塊業(yè)務在做物流機器人。我們當時的想法很簡單，就是用機器人去幫助倉庫完成一些重復、繁重的工作，讓倉庫實現(xiàn)“省人、省力、省錢、省心”。所以嚴格來說，我們做機器人這件事，其實已經(jīng)想了很多年。

只是今天大家重新談機器人，是因為技術條件發(fā)生了一些變化。特別是大模型出現(xiàn)之后，很多人開始相信，可以通過端到端的方式去驅(qū)動機器人，讓機器人具備更強的通用能力和泛化能力，這也是為什么最近整個行業(yè)會變得非常興奮。

其實我們在大學的時候就已經(jīng)有這個想法了。曠視剛成立、第一次搬辦公室的時候，我們還專門在前廳擺了一個機器人的形象，算是一種象征，表達我們未來真正想做的事情。

公司里還有一個老梗。當時我們本來是想讓行政幫我們買一個“鋼鐵俠”，結果最后買回來的是“大黃蜂”。后來大家就一直調(diào)侃，說大黃蜂其實不是機器人，它是外星生物。

虎嗅：現(xiàn)在曠視是什么狀態(tài)？

唐文斌：曠視其實一直還在，公司整體業(yè)務也還不錯，目前還是在一個比較穩(wěn)健的增長過程中。公司內(nèi)部也還有非常好的團隊在持續(xù)推進各個業(yè)務。

虎嗅：我可以理解為，你們其實是把上一代“AI四小龍”時代沒有做成，或者當時做不到的事情，在新公司里重新延續(xù)下去嗎？

唐文斌：我覺得確實是有一定延續(xù)性的。

從曠視成立開始，我們一直想做的事情，其實是希望用 AI 去改變現(xiàn)實世界。最早我們是以攝像頭為載體做視覺能力，后來以手機為載體，再往后其實我們一直希望能走到新的載體上，比如車、機器人。

所以從這個角度來說，我們想做的事情本身是連續(xù)的。

只是今天曠視已經(jīng)變成了很多不同的業(yè)務板塊，各個團隊在不同方向上發(fā)展。我們現(xiàn)在做的新公司，其實也是在尋找一個更適合當前階段的形態(tài)，把原來的一些技術積累繼續(xù)往前推進。

虎嗅：能不能再具體講一下，從曠視到 Dexmal，這種延續(xù)性具體體現(xiàn)在哪里？

唐文斌：曠視內(nèi)部其實做過一次結構調(diào)整。簡單來說，我們把業(yè)務拆成了兩部分：一部分仍然留在曠視主體里面，另一部分則放在新的業(yè)務結構里。

在新的業(yè)務體系下，其實有幾個不同的板塊。

第一塊是做身份認證相關的業(yè)務，比如刷臉認證等。很多大家日常用到的人臉認證服務，背后其實都是我們在提供技術能力。

第二塊是給手機廠商提供視覺算法能力，比如人臉識別、影像優(yōu)化等，主要服務像華為、小米、OPPO、vivo 這樣的廠商。

第三塊是物流機器人業(yè)務，通過托盤四向車、AGV 以及調(diào)度系統(tǒng)，去提升倉庫的運作效率。

第四塊是自動駕駛業(yè)務。原來在曠視內(nèi)部叫 MagicRide，現(xiàn)在已經(jīng)獨立出來，后來發(fā)展成了千里科技。

所以整體上看，現(xiàn)在更像是“1+4”的結構：其中這四個業(yè)務板塊就在新的體系里繼續(xù)發(fā)展。

而 Dexmal 的機器人業(yè)務，本質(zhì)上也是在這個體系里拆分出來的一塊新業(yè)務。我們希望通過數(shù)據(jù)驅(qū)動、模型驅(qū)動的方式去做通用型機器人。同時，它和原來物流機器人業(yè)務之間也會有很多合作關系。

虎嗅：這算是重新創(chuàng)業(yè)了，和過去相比，你現(xiàn)在的心態(tài)有什么變化嗎？

唐文斌：我覺得既有一樣的地方，也有不一樣的地方。

一樣的是，我們想做的事情其實沒有變。我也很慶幸，很多一起創(chuàng)業(yè)的兄弟還在，我們還是在一起做事情。

但不一樣的是，我們確實經(jīng)歷過一些判斷失誤，所以這一次會更希望把事情做得更好。

技術的發(fā)展其實經(jīng)常會超出我們的預期。從最早的深度學習，到 Transformer，再到今天的大模型和機器人，每一次技術浪潮的發(fā)展速度，其實都比我們原來預期的更快。

在這種情況下，我們需要重新思考自己的節(jié)奏——比如什么時候投入、投入多少、要不要去做一些更大膽的事情。

另外一個變化是在商業(yè)上?，F(xiàn)在我們會更關注一個問題：用戶價值是不是足夠清晰？我們到底為用戶創(chuàng)造了什么價值？

這些問題在早期創(chuàng)業(yè)的時候，其實想得沒有那么多，但現(xiàn)在會看得更重。

虎嗅：你剛剛提到過去有一些判斷偏保守，具體來說是錯過了哪些機會？

唐文斌：其實還挺多的。

比如在人臉識別這件事上，我們當年是最早把技術做到可以大規(guī)模落地的一批團隊。但在很多應用場景上，我們當時其實是比較保守的。

舉個例子，當年做人臉識別的時候，我們覺得一對一身份認證是技術上最可靠的，比如用來做身份驗證，這件事比較確定。

但像后來的人臉支付這種場景，當時我們其實是比較懷疑的。比如早年我們和支付寶一起做刷臉支付的項目時，我們內(nèi)部就有很多討論：這個技術到底能不能穩(wěn)定地做到這種程度？

后來事實證明，這些場景其實很快就落地了。

類似的情況還有自動駕駛。當時大家在討論自動駕駛能不能跨過 L3、真正走向 L4 的時候，很多技術判斷其實也是偏保守的。

因為做技術的人往往會很清楚當前系統(tǒng)的性能上限，所以在判斷技術躍遷的時候，反而容易更謹慎。但結果往往是，這個行業(yè)的發(fā)展速度會比我們的判斷更快。

虎嗅：既然你們一直想做機器人，那最早開始布局 Dexmal 是什么時候？

唐文斌：其實我們一直在關注相關技術的發(fā)展。

大概在 2024 年的時候，我們看到大模型開始進入機器人領域，很多團隊在嘗試用大模型去驅(qū)動機器人。所以當時我們內(nèi)部也做了一些實驗，想驗證這種技術路線到底是不是可行。

差不多從 2024 年年中開始，我們就已經(jīng)在做一些相關實驗了。

當時其實也在看曠視未來的發(fā)展路徑，比如公司是不是會繼續(xù)推進上市。如果當時的路徑不同，可能我們會選擇在原有體系里繼續(xù)做。

但后來我們也意識到，機器人這個方向和大模型一樣，本質(zhì)上都是一個非常燒錢的事情——需要大量算力、數(shù)據(jù)和持續(xù)投入。所以最后還是決定把這件事單獨拿出來做。

虎嗅：2024 年中你們具體做了哪些試驗？

唐文斌：主要是一些偏 VLA（Vision-Language-Action）的實驗。當時很多團隊也在 follow Google 的RT-1和RT-2。

虎嗅：從曠視創(chuàng)始團隊來看，有人做大模型，有人做自動駕駛，也有人做具身智能。為什么會出現(xiàn)這樣幾條不同的路線？

唐文斌：我覺得這既和個人興趣有關，也和技術路徑有關。

從本質(zhì)上來說，這幾件事其實是同一件事——都是 AI 在不同載體上的應用。

比如自動駕駛是 AI 在汽車上的體現(xiàn)，大模型是 AI 在信息世界里的體現(xiàn)，而機器人是 AI 在物理世界里的體現(xiàn)。

對我個人來說，我一直對機器人更感興趣。智能機器人這個方向，從最早開始就是我自己參與比較多的一件事情。

虎嗅：你剛剛提到，在曠視時期有一些判斷是偏保守的。從時間點來看，你們在（2025年3月）出來做這家公司，你會覺得這個時機是早了還是晚了？

唐文斌：當然，從行業(yè)來看，已經(jīng)有不少同行更早開始做這件事。但我自己的判斷是，這個行業(yè)其實還處在非常早期的階段，所以現(xiàn)在并不算晚。

真正重要的不是早或晚，而是接下來誰能夠更快地把技術能力的斜率拉起來。也就是說，誰能更快地推動技術進步。

現(xiàn)在整個行業(yè)其實還有一個很明顯的問題：甚至還沒有形成一個成熟的評測體系。大家很難有一個統(tǒng)一的標準去判斷，現(xiàn)在機器人的能力到底到了什么水平。

如果你去看現(xiàn)在的技術水平，就會發(fā)現(xiàn)其實還非常早期。即便是在一些比較簡單的桌面任務上，比如抓取、擺放這些操作，目前很多系統(tǒng)的成功率也只有大概 50% 到 60%。

如果連這種簡單任務的成功率都還在這個水平，那更復雜的任務、更加泛化的能力就更不用說了。

大腦還遠未成熟，很多訂單都是“偽商業(yè)化”

虎嗅：如果從行業(yè)演進來看，大模型從 2022 年開始經(jīng)歷了“百模大戰(zhàn)”，到現(xiàn)在逐漸收斂到幾家頭部公司。你覺得具身智能也會經(jīng)歷類似的收斂過程嗎？

唐文斌：我覺得最終也會收斂，但可能會剩下更多玩家。

原因在于，大模型本質(zhì)上是純線上軟件，它的產(chǎn)業(yè)鏈相對短。模型能力一旦形成優(yōu)勢，流量和用戶很容易集中到少數(shù)幾家公司。

但機器人不一樣，它的產(chǎn)業(yè)鏈非常長。

除了模型之外，還涉及本體、控制系統(tǒng)、具體應用場景，以及后續(xù)的實施和運維等一整套體系。這意味著它對企業(yè)的綜合能力要求更高，也會導致行業(yè)的參與者類型更多。

另外一個原因是場景差異。

機器人最終可能會走向一種非常通用的人形形態(tài)，但這個過程會非常長。在這之前，一定會出現(xiàn)大量針對不同場景的產(chǎn)品形態(tài)。

比如從物理限制來看，能舉起 50 公斤的機械臂、能舉起 5 公斤的機械臂，和只能拿起 500 克物體的機械臂，本質(zhì)上就是完全不同的系統(tǒng)。

所以在相當長的一段時間里，機器人行業(yè)會呈現(xiàn)出很多垂直場景的產(chǎn)品形態(tài)。

當然，從長期來看，這些垂直能力也有可能被更通用的機器人形態(tài)所覆蓋。但這個過程會花更長的時間。

虎嗅：如果從應用場景來劃分，你覺得在國內(nèi)最先成熟的機器人場景會是哪些？

唐文斌：現(xiàn)在我們看到大概有幾類場景。

第一類是偏科研或者文娛型的場景，這一類其實已經(jīng)相對比較成熟了。比如表演類、跳舞類的應用，現(xiàn)在很多機器人已經(jīng)可以做得很好，也確實帶來了比較強的情緒價值。

第二類是偏后端的場景，比如工業(yè)和物流。我覺得隨著模型能力的提升，這些場景其實已經(jīng)在逐漸落地，也在越來越多地被應用。

第三類則是服務業(yè)，甚至是 To C 場景，也就是機器人可以直接和人進行交互的產(chǎn)品。但這一類我認為可能會是更后面的階段。

從整體來看，這幾個階段能否成立，其實取決于兩個核心條件。

第一，這個機器人在具體場景里能不能形成閉環(huán)，也就是說它能不能真正把事情做完，而不是依賴大量人工去兜底。

第二，這個賬能不能算得明白，也就是客戶是否愿意為它付費。

比如文娛場景為什么更容易成立？一方面是技術已經(jīng)可以達到基本需求，比如跳舞已經(jīng)能滿足觀賞需求；另一方面，用戶確實愿意為這種體驗付費。

所以從這兩個維度來看——能不能把事情做完，以及賬能不能算清楚——技術進步正在讓越來越多的場景逐漸變得可行。

而之所以很多人認為機器人會先落在工業(yè)和物流場景，而不是直接進入家庭，一個重要原因是容錯率。

比如如果家里有一個機器人保姆，但它有千分之一的概率會打碎一個盤子，很多人可能都很難接受。但在工業(yè)或物流場景里，即便機器人出錯，系統(tǒng)通常還有其他流程可以進行錯誤恢復，所以整體容忍度會更高。

另外一個原因是經(jīng)濟賬。

如果企業(yè)引入機器人，一定會和人工成本做比較。理想情況下，機器人應該可以長時間持續(xù)工作，這樣 ROI 才更容易成立。而工業(yè)和物流場景，本身也更容易滿足這種工作形態(tài)。

虎嗅：現(xiàn)在已經(jīng)到了第二階段了嗎？還是說第一階段還沒有結束？

唐文斌：我覺得現(xiàn)在工業(yè)和物流場景其實已經(jīng)開始逐漸落地了。

虎嗅：剛才你提到第一階段是文娛場景。但從現(xiàn)在來看，國內(nèi)運控能力最強的是像宇樹這樣的公司，真正能做表演的機器人還比較少。如果一些機器人的運動能力沒那么強，是不是在第一階段就很難拿到商業(yè)化訂單？

唐文斌：訂單本質(zhì)上是一個結果，它來自于你是否為客戶創(chuàng)造了用戶價值。

這種價值可以是情緒價值，也可以是功能價值。比如替代一些繁重的任務，或者提升效率，本質(zhì)上無非就是降本、提效或者提升體驗。如果其中某一種價值能夠成立，商業(yè)模式就成立了。

但我個人覺得，現(xiàn)在很多所謂的商業(yè)化，其實是“偽商業(yè)化”。

比如現(xiàn)在很多機器人訂單，其實是賣給各類展示中心、數(shù)據(jù)中心或者政府建設的創(chuàng)新中心。這些訂單當然也有價值，但它們更多是一種內(nèi)部循環(huán)，并沒有真正通過機器人為社會創(chuàng)造新的增量價值。

相比之下，我覺得宇樹做得比較好的地方是，它在文娛場景確實創(chuàng)造了價值。機器人跳舞本身就有觀賞性，也能帶來情緒價值，所以用戶愿意為此買單。

而我們更希望做的是功能價值的機器人，比如在倉庫、零售等場景中，真正替代人工或者提升效率。這類場景技術要求會更高，但如果能成立，它的商業(yè)邏輯會更扎實。

虎嗅：在你的觀察里，現(xiàn)在市場上真正提供這種功能價值的機器人多嗎？

唐文斌：說實話，現(xiàn)在還不多。

我覺得現(xiàn)在有一批公司在非常認真地嘗試做這件事情，但真正被持續(xù)使用的案例其實還很少。

如果看去年人形機器人賣出去的數(shù)量，會發(fā)現(xiàn)其中很大一部分是科研用途，還有一部分是文娛場景。也有一些是做 POC（概念驗證）的項目。

但真正重要的一個指標是：這個機器人是不是在持續(xù)開機、持續(xù)被使用。

如果按照這個標準來看，目前真正被長期使用的機器人數(shù)量，其實是非常有限的。

我們現(xiàn)在看到很多演示、很多 Demo、很多 POC，但這些是不是已經(jīng)變成真實生產(chǎn)環(huán)境中的持續(xù)應用，其實還是一個很大的問號。

虎嗅：你覺得從情緒價值型機器人走向功能價值型機器人，中間最大的卡點是什么？

唐文斌：核心卡點其實是機器人的“智商”，也就是它的大腦。

情緒價值型機器人其實不需要太復雜的物理理解。比如像宇樹做得非常好的，是運動能力——跳舞、打拳這些動作。它和物理世界的交互其實非常有限，本質(zhì)上只需要和地面發(fā)生接觸，只要保持重心穩(wěn)定、動作協(xié)調(diào)就可以完成。

但如果機器人要真正去操作物體，難度就完全不一樣了。

機器人不僅要理解物理世界，還要理解任務本身，然后把這種理解轉化成具體動作。更重要的是，這個動作還需要形成閉環(huán)控制：當機器人執(zhí)行動作后，環(huán)境會發(fā)生變化，它必須通過新的感知信號不斷調(diào)整自己的動作。

這一整套過程，其實是一個非常復雜的算法問題。

如果簡單類比的話，像自動駕駛或者很多娛樂型機器人，它們面對的環(huán)境其實更接近二維問題，比如前后左右移動，自由度相對比較低。但真正的操作任務是在三維空間中進行的，而且自由度非常高。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4843539.html?f=wyxwapp