对话郎咸朋:用机器人创业重做一次“百万智驾量产”
2026/08/15 12:21阅读量 2
理想汽车智能驾驶前负责人郎咸朋与任庚联合创办具身智能公司昆仑行,成立三个月内融资数十亿。他提出具身智能应“理解而非模仿”,采用物理因果世界模型和数据编译路线,并强调量产与自我造血是行业洗牌关键。
事件概述
理想汽车智能驾驶前负责人郎咸朋,与华为背景的任庚联合创办具身智能公司昆仑行,公司成立三个月内完成数十亿元人民币融资,跻身独角兽行列。郎咸朋在访谈中回顾了从百度、理想到创业的三段经历,并系统阐述了昆仑行在具身智能领域的技术路线与商业判断。
核心信息
创业动机与背景
- 郎咸朋在理想汽车用8年时间将自动驾驶从Demo推进到150万辆车的量产规模,经历了从有图到轻图、无图、端到端、VLA的范式迭代。
- 他认为自动驾驶项目做到VLA之后,已经触及天花板,而VLA框架天然是为具身智能服务的,因此选择离开理想,开启机器人创业。
- 与任庚经人介绍认识,合伙人标准是“行不行、合不合、久不久”;在技术、商业和认知上高度互补,很快达成合作。
- 公司命名“昆仑行”,寓意“中华民族在具身智能上一定行”,希望做到世界之巅。
技术路线:理解而非模仿
- 郎咸朋认为,自动驾驶和当前多数机器人路线本质是模仿学习,但具身智能需要的是对物理世界的理解。
- 数据效率 = 获取效率 × 使用效率。具身场景无法像互联网或驾驶那样低成本获取数据,因此必须在使用效率上突破,即“数据编译”。
- 数据编译会将物体的重力、摩擦力、受力分析等物理量显式表达,沉淀物理规律,并生成带有物理因果的训练样本。
- 模型架构采用MoT(多专家Transformer),但专家划分不是按模态,而是按“目的、干预、结果”三部分,并设计单向流动的联合因果注意力机制,确保动作不能预知结果。
- 世界模型同时具备渲染、动作生成和结果评价能力。
商业路径与量产节奏
- 明确先做toB,再做toC家庭场景。家庭对安全性、可靠性要求极高,技术不成熟时进入会带来危险。
- 全栈软硬一体自研是量产的最佳选择,关键零部件如关节、驱动电机、本体设计均自研。
- 具身智能包含运控智能、移动智能、交互智能和操作智能;操作智能最难,目前仍处于早期,但前三种也在持续迭代。
- 融资只是手段,量产和自我造血才是企业过生死线的核心标准,类似当年造车时的交付量。
- 郎咸朋预测,具身智能目前很像2015、2016年的自动驾驶,路线未定、Demo众多,真正的洗牌要等到规模交付开始。
值得关注
郎咸朋强调“出发永远比想清楚更关键”,方向性共识(范式、方法、商业路径)需要在出发前明确,具体方案可边做边迭代。他还指出,组织能力是护城河,华为的体系化作战与理想的快速迭代模式需要融合,最终形成昆仑行自己的组织能力。
