郎咸朋：具身智能会跑出“蔚小理”，靠融资实现不了物理AGI

事件概述

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后首次公开受访。2026年3月，他与任庚成立昆仑行，郎咸朋任联合创始人兼CTO，任庚任创始人兼CEO；公司90天内连续完成三轮融资，规模达数十亿元，成为独角兽。郎咸朋此前在理想汽车用8年将辅助驾驶从0做到150万辆量产，并交付端到端与VLA（视觉-语言-动作模型）；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。

核心信息

• 范式与方法：理解，不是模仿。 郎咸朋认为不能沿用自动驾驶那套范式，因为端到端和VLA的底子仍是模仿学习；“一个场景可以靠模仿，上万个场景没法靠模仿”。昆仑行把数据效率定义为获取效率×使用效率，具身数据无法像互联网数据那样低成本获取，因此押注“数据编译”，让训练样本自带物理因果。
• 模型架构：按物理因果设计。 世界模型以“物理因果”为第一性原理，采用MoT（多专家网络）架构，但专家不是按模态划分，而是按“目的、动作、结果”构成因果图。配套自研联合因果注意力机制，注意力单向流动，避免模型在动作阶段提前看到结果。这套模型尝试用同一套架构、参数和权重完成动作生成、结果预测和视频渲染；郎咸朋也强调，当前方案并非终局，具身智能仍处早期。
• 工程与数据：Agent机制兜底。 郎咸朋以Anthropic的Claude Code为例，认为好用的产品不能只靠模型强，背后的Agent机制同样关键。昆仑行的机器人工程落地采用Agent框架。数据编译分四步：显式标出物体物理量、沉淀物理机制、把物理量和机制编译进训练样本、用数据回传持续迭代。模型学习物理规律后，天然具备“一脑多形”能力。
• 商业与硬件：先toB再toC。 昆仑行从工厂上下料、物流等可控且有商业价值的场景切入，家庭放到最后落地。郎咸朋认为家庭对安全可靠性要求极高，技术不成熟就进入会产生行业风险。硬件上坚定做全尺寸全人形，自研关节驱动电机、本体和关键结构，而非用轮式绕开移动和运控。灵巧手是否自研仍在讨论，他认为应先定义模型和数据，再反过来定义手；感知路线上他站触觉派，触觉未来也可作为数据编译的真值。
• 成本与终局：靠融资活不下去。 郎咸朋判断，训练一个具身大模型可能要花几十亿元甚至上百亿元，以现在各家的融资额都不够；只靠融资，谁都撑不到具身实现那天。他类比新能源车，行业会大浪淘沙，最后跑出具身智能自己的“蔚小理”（蔚来、小鹏、理想）；进入前三才有自我造血能力。昆仑行目前融资额已足够支持第一款产品量产上市，上市后进入正向造血，后续融资用于AI迭代、量产和营销。

值得关注

郎咸朋把当前行业阶段比作2015-2016年的自动驾驶：技术路线不定、demo很多，但没有一家真正出货。他所说的“出货”针对操作智能；真正的操作智能要能进工厂、进商场、进家庭，取代人干活并有人买单。关于机器人进家庭的时间，他参考自动驾驶节奏给出5-10年，但认为AI进步会不断提前，五年左右比较合理。