2026具身智能分水岭：智在无界卢宗青论‘软硬分化’与机器人大脑的千亿未来

文｜富充

编辑｜苏建勋

站在2026年的时间节点，具身智能产业将迎来怎样的范式变迁？北京大学计算机学院副教授、“智在无界”创始人卢宗青提出了一个前瞻性的核心预判：

“软硬分化。”

这意味着“软”端的模型大脑与“硬”端的机器人本体将正式分流，不同维度的公司将告别全栈包揽，转向术业专攻。这种专业化分工预示着产业链的成熟。

智在无界扎根的北京鼎好大厦，汇聚了智源研究院、零一万物、银河通用等一众AI领军机构。在这片创新的沃土上，关于人工智能未来路径的碰撞时刻在发生。

卢宗青的选择在当前行业中显得特立独行。目前，智元机器人、银河通用、星动纪元及星海图等头部玩家大多在追求“软硬一体”的全栈路线，试图掌控从大脑到躯干的每一个环节。然而，卢宗青在2025年创立的“智在无界”却毅然选择了“逆势”而行：专注研发跨平台、通用的机器人“大脑”，而不触碰硬件制造。

根据《智能涌现》的最新消息，智在无界已完成数千万元天使轮融资。本轮由拉卡拉旗下考拉基金领投，领航新界、灵心巧手跟投，老股东联想之星和星连资本亦坚定加注。

“目前国内外具身行业对‘纯软’模式仍存偏见，”卢宗青直言不讳。他对比指出，全栈模式的Figure公司估值曾一度数倍于专注模型的Physical Intelligence，这反映了早期市场对单一环节风险的担忧。

然而，2026年初美国机器人市场的重磅交易正在重塑一级市场的定价逻辑：1月14日，机器人模型初创巨头Skild AI完成14亿美元融资，估值飙升至140亿美元，成为年度首个“千亿级”模型独角兽。这释放了一个强烈信号：跨本体、通用的具身模型拥有巨大的商业潜力和技术价值。

智在无界的核心使命正是打造这种“通用大脑”。目前，公司已发布灵巧手操作模型Being-H系列，而可控制双足行走与精密操作的Being-M模型也正处于紧锣密鼓的研发阶段。最新的Being-H0.5模型展现了惊人的通用性，已适配超过30种机器人本体；通过深度推理优化，该模型可在英伟达Orin-NX等低功耗端侧芯片上实现实时运行。

在商业落地方面，PND、灵心巧手等硬件商已成为其深度合作伙伴。以PND近期发布的Adam-U Ultra机器人为例，接入Being-H大脑后，该设备即可实现“开箱即用”，迅速掌握桌面整理、扫码分拣等基础技能。若结合增值服务Being-Dex，仅需数小时的后训练，机器人便能解锁更复杂的定制化任务。

支撑这一强大能力的核心，是智在无界拥有的超3万小时预训练数据集。卢宗青指出，这是目前全球针对具身智能模型预训练的最大规模数据集。其独特之处在于采用了“第一视角人类动作视频”方案。

（《智能涌现》注：此“最大”特指具身智能模型预训练专用数据集。）

该方案通过头戴设备记录人类在真实场景中的手部操作。相比传统依赖人工操纵特定机器人的“遥操作采集”，这种方式成本极低、规模化速度快，且能捕捉到更细腻、更复杂的人类行为逻辑。这种数据模式在2023年尚属冷门，但进入2025年后，包括特斯拉Optimus在内的巨头已纷纷跟进。

△通过头戴摄像头低成本采集第一视角数据，极大丰富了训练样本。图片来源：智在无界

卢宗青认为，2026年将是行业“算清经济账”的一年。自研高水平具身模型每年的研发开销动辄上亿，而外采成熟的“机器人大脑”授权仅需数万元。这种极高的性价比将驱动硬件厂商回归其擅长的结构与制造领域。

在他看来，虽然全栈路线在融资阶段更具故事性，但极长的技术栈会导致资源分散。过去一年，已有不少“为了全栈而全栈”的公司因模型能力不足或无法实际落地而陷入困境。这让行业重新审视：一家公司是否真的能同时做深模型与硬件这两个完全不同的领域？

“我不希望在不擅长的硬件制造上浪费精力，”卢宗青表示，在技术路径尚未完全收敛的探索期，保持“轻资产、重科研”是他的生存哲学。

△智在无界创始人卢宗青。图片来源：智在无界

以下为《智能涌现》对卢宗青的深度对话实录：

具身智能的未来：专业化分工是必然

智能涌现：智在无界坚持“只做模型”，在以“全栈”为主流的国内融资环境下，这种底气来自哪里？

卢宗青：我们从2025年中正式运营，起初确实面临压力。当时Figure等全栈公司的估值远超纯模型公司。但我认为估值是阶段性的，并不等同于长期的商业成功。我想对标的是OpenAI，通过顶级的科研能力做出具身领域的‘ChatGPT’，然后以此构建生态。

智能涌现：什么是具身智能大脑的核心价值？

卢宗青：它本质上是为机器人植入一种“运动与操作基因”。就像人类天生具备运动潜能，机器人通过我们的预训练模型，可以获得“开箱即用”的基础能力。配合我们Being-Dex的微调服务，新任务的适配时间可以缩短至30分钟左右。

智能涌现：硬件厂商会担心被模型公司“锁死”或漫天要价吗？

卢宗青：不会。未来的模型市场将是充分竞争的。我们目前的单台授权费控制在几万到十万元之间，远低于厂商自研千万级的投入。随着规模化，付费模式会更灵活，类似SaaS模式，这将是双赢。

△Being-H模型赋能机器人精准执行扫码任务。图片来源：智在无界

数据量级是质变的关键：向100万小时进发

智能涌现：具身智能落地工厂的真正难点在哪？

卢宗青：泛化性是核心。现在的机器人做精密组装或束线整理这类非标任务依然很吃力。核心原因在于硬件灵巧度、触觉反馈的缺失，以及训练数据的多样性不足。

智能涌现：你曾预言100万小时数据是分水岭，为什么？

卢宗青：目前的四五万小时数据足以让机器人‘动起来’，但要达到人类水平的‘泛化应对’，至少需要100万小时的真实世界交互数据。这能让模型理解复杂的物理逻辑。我们预计在2027年能跨越这个门槛。目前，我们正通过工厂实拍、互联网采集以及专业的视频数据服务商多渠道扩充资源。

智能涌现：智在无界的技术架构有何独特之处？

卢宗青：我们构建了一套全自动的数据处理工作流。系统能自动抓取视频、打标签、对齐3D空间坐标。Being-M系列模型更是融合了多模态数据，包括第一视角和第三视角视频的融合，让机器人能够通过‘看’人类的动作，直接生成自己的执行序列。

△基于Being-H模型的机器人在进行零部件分拣。图片来源：智在无界

拒绝“套壳”Demo，关注底层能力

智能涌现：业内如何看待当下的Demo风潮？

卢宗青：Demo确实有‘水分’，很多是人工遥操或者是在极端特定环境下录制的。更有甚者是‘套壳’国外的开源模型进行简单的微调。智在无界坚持从底层开始自研，Being-H 0.5模型已经证明了即使是不相关的本体，也能通过我们的预训练大脑实现任务迁移。这种跨本体的能力，才是解决实际问题的钥匙。