具身智能的“蔚小理”时代：郎咸朋谈物理AGI与AI变现

type

status

date

slug

summary

具身智能的“百机大战”与自我造血法则

当前，机器人赛道正处于一场轰轰烈烈的“百机大战”之中。然而，郎咸朋直言不讳地指出：训练一个真正具备操作能力的具身大模型，资金消耗是极其惊人的。几亿甚至十亿人民币都只是杯水车薪，真正的门槛在几十亿甚至上百亿级别。

这意味着什么？这意味着在当前的宏观环境下，没有任何一家企业能够单纯依靠风险投资“烧”出物理AGI。真正的破局之道在于“自我造血”。具身智能企业必须尽快跨越从实验室Demo到商业化落地的鸿沟。昆仑行选择的路径是“先toB再toC”，优先切入工厂上下料、物流等相对简单可控且具有明确商业价值的场景。只有当机器人真正进入工厂取代部分人力，客户愿意为其买单时，企业才能获得持续的营收，进而反哺高昂的模型迭代成本。这不仅是具身智能的生存法则，也是所有AI变现的核心逻辑。

摒弃模仿学习：重塑物理世界的“理解”范式

在自动驾驶时代，如果完全依赖基于规则的代码，就无法成就后来的端到端智驾。同样，在具身智能领域，郎咸朋认为不能简单沿用自动驾驶的“模仿学习”范式。机器人的核心不应是“模仿”，而是“理解”。

在过去几年里，随着openai的崛起，chatGPT和claude等LLM（大型语言模型）让我们看到了机器在自然语言处理上的“理解”能力。然而，物理世界的理解要复杂得多。昆仑行提出了一种全新的数据编译方法：将重力、摩擦力、受力等物理量，以及牛顿第二定律等物理机制，直接编译进训练样本中。

这种基于“物理因果”的世界模型架构（MoT），让注意力机制单向流动——做动作时不能“偷看”结果，完全遵循真实世界的因果顺序。这种做法彻底打破了过去只会寻找相关性的模仿模型，让机器人真正拥有了理解物理规律的大脑。这也为未来的AGI奠定了坚实的基础。

四大智能体系与全尺寸人形机器人的执念

很多人将具身智能狭隘地等同于“会干活的机器人”。但实际上，具身智能可以拆分为四大维度：运控、移动、交互和操作。

得益于LLM的爆发，通过优秀的Prompt和提示词工程，机器人的“交互智能”已经取得了长足的进步。而“移动智能”则可以直接复用自动驾驶的技术积累。当前行业真正的深水区在于“操作智能”。

为了实现全方位的智能，昆仑行没有选择取巧的轮式机器人，而是坚定地投入全尺寸、全人形机器人的研发。因为只有人形结构，才能全面覆盖双足运控、全身移动与复杂操作。此外，在灵巧手的设计上，他们坚定地拥抱“触觉派”。就像人类拿取水杯主要依靠手感而非视觉一样，触觉是物理世界交互中最核心的真值，这与他们主推的“物理因果”模型不谋而合。

迈向物理AGI：五到十年的黄金周期

具身智能到底走到哪一步了？郎咸朋的参照系是2015年的自动驾驶——技术路线未定，缺乏真实出货。但与当年不同的是，如今底层AI技术的进化速度呈现指数级增长。

虽然让机器人安全地走进千家万户（toC端）可能还需要五到十年的时间，但底层大模型能力的飞跃，正在将这一天不断提前。从早期的文本生成，到如今多模态的具身操作，我们正在见证物理AGI的加速到来。在这个过程中，大浪淘沙是必然的，最终只有那些兼顾技术深度与商业闭环（真正实现AI变现）的企业，才能成为具身智能时代的“蔚小理”。

在这个充满无限可能的时代，保持对前沿技术的敏锐度至关重要。如果您想持续跟踪具身智能的最新进展，获取每日必读的AI日报，欢迎随时关注我们的AI资讯平台，与我们一起见证通用人工智能重塑物理世界的伟大历程。