逐际动力：具身智能领域的英伟达

文｜邱晓芬

编辑｜苏建勋

如果你曾留意过「逐际动力」在各大展会的亮相，或许会对这一幕印象深刻——工作人员和观众们猛然抬脚，一次次踹向一台小型双足机器人。机器人在踉跄中逃窜，却又迅速站稳。

然而，当人们以为「逐际动力」只是专注于机器人腿部技术时，就错了。创始人张巍表示，他们更希望成为“具身智能领域的英伟达”。

在如今火热的具身智能赛道中，「逐际动力」的定位显得尤为独特。当其他厂商都在讲述大脑的故事，甚至将VLA作为宣传标语时，张巍认为，当前具体模型性能并非最重要的。

在他看来，现在大脑没有一个统一的技术方案，烧钱堆真机数据是无用的，从不同数据中提取对操作任务有用信息的能力才是关键——张巍称之为生产具身模型的“工业母机”。

基于这种判断，「逐际动力」希望通过提供本体、小脑、模型开发工具链，帮助下游客户开发出大脑。张巍坦言：“我们没有那个Know-how去进入具体的场景。”因此，「逐际动力」在商业选择上似乎“后退了一步”。

张巍用三个字母概括了他们的目标客户画像——“IDS”：Innovator（科研院所、科技公司）、Developer（开发者）、System Integrator（系统集成商）。通过这三类用户，张巍希望「逐际动力」能服务机器人的创新过程，包括技术创新、开发创新、方案创新。

这种商业判断主要源于张巍对机器人落地现状的观察。2025年，落地成为悬在大多数机器人厂商头上的剑。张巍认为，让机器人替代人是一件“容易让人产生幻觉的事情”。

在他看来，机器人落地的软硬件固定投入只占整个价值链条的10%-20%，而后续的部署、维护才是最大的成本。

如今机器人行业落地的常态是，要让一台人形机器人替代一个工人，往往需要“搭上几个很牛的、算法的博士”，并且项目接得越多，公司赔得也越多。张巍直言：“机器人落地的最后10%，足够杀死前面的90%。”

8月上旬，《智能涌现》与张巍进行了长达三个小时的对话。鲜少露面的他，延续了一贯犀利的风格，喜欢传递反共识的观点，也擅长将自己的看法做高度抽象概括。

他分享了对于机器人落地的观察、对机器人形态之争的判断，以及对于现在大火的机器人大脑的看法。以下是《智能涌现》与张巍的对话实录（略经整理）。

OPEX：机器人最大的幻觉

《智能涌现》：你认为机器人到现在还没有真正落地，中间的卡点是什么？

张巍：我觉得具身机器人已经落地了。星猿哲、梅卡曼德这些AI driven的机器人公司已经在厂里干了很长时间。虽然苦，但其实已经落地了。他们是有大脑的，只是大脑还不够好，但他们并非纯编程的东西，他们有感知、有定位、有决策。

《智能涌现》：在你看来，所谓的落地的标准是什么？

张巍：我们自己有机器人商业化落地的判断。让机器人用起来是很简单的事，但关键是你要花多少精力才能用起来。更难的是，机器人能否真正系统化代替我们人类，实现效率提升，成本是否降下来。

那么，为什么机器人落地难？原因是大家看到机器人好像代替了一个工人，然后去算机器人的账，计算机器人替代工人大概几年能回本。但其实这只是冰山一角。

我觉得在整个价值链条里，机器人代替人只占整个价值链条的10%-20%。用机器人的本体和软件去代替人不难，但维护部署机器才是最大的成本。

机器人落地时，大家往往关注的是CAPEX（资本性支出），却忘了它的OPEX（经营性支出）才是最大的难点。

做机器人上半身：不是创造

《智能涌现》：基于这样的商业认知，你们怎么去推进机器人的落地？怎么应对红海的竞争？

张巍：人形机器人目前看不到能立刻落地的应用。但从长期来讲，它是个很重要的形态。因为任何专项任务只要任务足够单一、量大，一个通用的机械臂就能搞定。

从机器人的形态来讲，我们认为有四类机器人：

最简单的是只有胳膊的机械臂；

第二类是轮式双臂机器人；

第三类是真人形机器人；

第四类是没有上半身只有腿的机器人。

做机器人：别直接照搬自动驾驶

《智能涌现》：现在对于数据重要性的看法并未达成一致。有人认为应该在模型确定后再堆数据，有人认为没有数据就不可能产生好的模型。你对于数据的判断是什么？

张巍：我对于数据的判断是：如果数据足够多，不用争论什么端到端，机器人什么任务都能做。但问题是：这个“如果”不成立。

《智能涌现》：这里的数据指的是真机数据吗？

张巍：是有价值的数据。

“工业母机”：降低数据成本

“工业母机”的核心任务是把数据转化为模型。现在的某个模型性能跑得好不好并不重要，重要的是能否高效、低成本地持续生产模型。