對話唐文斌：具身賽道多數都在“追兔子”，真正“獵龍”的不到10家｜獨家

從清華、曠視到原力靈機，唐文斌一直在解題。比起“解惑”，他更在意“解惑的速度”。

《中國企業家》記者 李艷艷

見習編輯｜李原 編輯｜何伊凡

頭圖攝影｜鄧攀

唐文斌高高瘦瘦，笑起來眼睛彎彎，說話語速飛快，像開了三倍速。

看起來像是“天才少年”的標配，腦子轉得比嘴還快，因此語言要追上大腦的轉速。他今年39歲，少年感依舊。當然，他自己不喜歡被這樣提醒，“顯得我有點‘中登’了”。

熟悉他的人說，他開場不出三句，必談“本質”。于是訪談開始前，我們跟他打了個賭，“看你能堅持到第幾句？”唐文斌抿抿嘴，無奈一笑，“這倒是一個很好的梗。”

以前在曠視，同事們常用“本不本質”來討論事情的優先級。后來，這個習慣帶到了原力靈機——去年3月唐文斌離開曠視后新創立的一家具身公司，“本不本質”也成了團隊日常決策的一個暗語。

“投資人看重什么、你自己看重什么，不同的人有不同觀點。但今天那么多事要做，哪件最重要？有些事杠桿率很大，有些事是Nice to Have（有也不錯），它就不本質。”唐文斌解釋。把事情做對之前，先搞清楚什么事值得做。這個原則早已融入公司的操作系統。

成立剛滿一年的原力靈機，已完成三輪融資，投資方包括阿里、智譜、階躍星辰和商湯科技。中國大模型賽道里最重要的幾家廠商，聚到一家公司的投資人名單上，這在具身賽道還很少見。據了解，目前原力靈機融資額已超20億元，新一輪融資還在交割中。

攝影：鄧攀

過去半年，這一賽道“烈火烹油”。有統計稱，上半年國內融資已突破900億元，同比提升5倍，有8家公司擠進“200億元”估值俱樂部。所有人都在搶奪時間的門票。

唐文斌感受到從未有過的加速，“不僅這個世界被加速了，它的加速度也在被加速，二階導也是加速狀態。”但聊到行業泡沫，他說估值不重要，融資不重要，甚至領先也不重要。

“未來三個月內，我們也會站在200億（估值）陣營里，但這沒什么好得意的。”在他看來，估值只是一種市場情緒，是投資人對某種觀點的投票，最終還是要看技術和商業化的進展。

7月9日“Action2026原力靈機開發者大會”上，原力靈機發布了通用具身基礎模型DM0.5、通用機器人本體Apex，以及開發者平臺DexDev，全面支持模型走向規模化應用。前不久，他們還并購了物流機器人公司Atomix，后者年營收近10億元，托盤四向車銷量全球第二。

更快和更穩，這組矛盾貫穿了唐文斌“二次創業”的每一天。在他眼里，兩件事并不沖突。

“做減法”

唐文斌曾是曠視的聯合創始人、CTO。2011年，他和兩位清華同學印奇、楊沐一起創立曠視，這是中國最早的AI創業公司，僅比DeepMind晚一年。14年里，他學到重要一課：不要做太多事。

“線上的SaaS服務、給手機廠商的人臉識別、以攝像頭為載體的空間智能化和安防、支架、機器人……我們做了太多。”他反思說，這一方面是技術成熟逐步解鎖場景的結果。人臉識別從關鍵點檢測做到1:1，再做到1:N，每個節點都能打開一個新市場。但另一方面，“也有點機會主義”。

“每個機會都不想放棄，每個東西都想要，結果不夠專注。今天回頭來看，也許在一個垂直方向上能做得更深、更大、更好。”他說。

所以，原力靈機從誕生起，就在做“減法”。公司使命是“智能、有用、可信賴的機器人”。他先劃了兩條紅線：不做玩具型機器人，不做跳舞機器人。

“玩具型機器人誘惑力很大，做to C小玩具更便宜，能提供情緒價值，但我們不做。宇樹很大一部分收入來自跳舞場景，很酷，也有客戶價值，但我們也不做。因為它跟我們想做的方向不是正相關。”

“將軍趕路，不斬小兔”，唐文斌在多個場合提到這句話。他對機器人的最大想象是“物理世界的生產力”，“AI成為數字世界的生產力，這點毋庸置疑。如何把這個生產力傳送到物理世界，是我們核心的追求。”

唐文斌 攝影：鄧攀

唐杰是智譜AI創始人，也是唐文斌的研究生導師。2009年，唐文斌大三升大四，成績年級第一，選了剛升清華副教授的唐杰做導師——他也是唐杰帶的第一個研究生。

“當時系里有幾個年輕老師是paper machine（論文機器，俚語，指那些發表論文速度極快、數量極多的研究者），唐杰老師是其中一個。”他主動找唐杰，聊了幾次。“他思路清晰，非常sharp（敏銳、犀利、果斷、有穿透力），執行力也非常強。”

他們最早做社交網絡數據挖掘。后來唐文斌去微軟實習，轉到多媒體數據挖掘，又做了圖像搜索。“智譜一開始也不是做大模型的，在預訓練讓大語言模型能力大幅提升后，才發現了更大的機會。如今，智譜市值已破萬億。這是一個漸變的過程。”唐文斌說。

前不久，他去唐杰家吃飯。唐杰講了一件事，他非常認同。對方說今天到底什么最重要？還是智能的推進。相比業務，唐杰最在乎的是，如何向AGI加速推進，在模型智能上有非常快的提升。“他講得非常堅定。”

近期在社交平臺上，唐杰發文稱：AI終局是AGI，這是一場“獵龍游戲”。“餓的時候可以打兔子，但終極目標是龍。”唐文斌借用這個比喻區分行業里的公司：“所有人都在對外說‘我們在做獵龍’，但有多少公司在嚴肅地做這件事？我不確定。”

今天具身公司可能有上百家，拿到融資的小幾十家。他判斷，真正“獵龍”的公司不到10家。大多數可能在“追兔子”，以期快速商業化，但沒觸及核心智能問題。

“我們越做越發現，這個問題非常復雜。”他的判斷標準很具體：“數據怎么采集？什么規模、質量、分布？訓練是原生還是用開源VLA（視覺—語言—動作模型）做后訓練？如何獲得更本質的模型認知并轉化成團隊能力？有了基模之后怎么變成能跑起來的系統？后訓練怎么體系化？評測怎么做？如果自己都不知道怎么評測自己的模型，怎么推進進展？”

模型、數據與“飛輪”

2026年2月，原力靈機在ICRA 2026上發布DM0，這是全球首個具身原生大模型，2B參數，“比很多4B、5B的模型效果都好。”唐文斌說。不到半年，7月9日，DM0.5發布，4B參數，基于15萬小時的多源數據訓練。同時，公司展示了模型在架構方面的三大創新，以便讓具身智能擁有更好的泛化能力。

據了解，DM0.5搭載了完整的推理系統，將System 1（快思考的VLA，負責底層動作控制）與System 2（慢思考的大型語言模型，負責任務規劃與推理）集成。通過開源框架DexBotic，開發者能夠直接調用并部署到真實機器人上。

來源：受訪者

簡言之，DM0.5為機器人安裝了一個端到端的“AI大腦”，使其從“執行指令”進階為“理解場景并自主決策”。一系列突破性技術進展背后，“原生訓練”是唐文斌最為堅持的方法論。

“今天的很多模型，都是拿互聯網多模態的模型，后面再加一個動作模塊去訓的。這就像一個完成九年制義務教育的初中生被拉去上體校，狂練三年體育后發現，這哥們兒筋骨還是不健壯。因為他不是從小就練的。大模型參數量很大，如果一開始梯度走歪了，后面再想拉回來很難。”他說。

行業里正在發生一場關于“路線”的爭論。大模型的Scaling Law（規模法則）已經清晰，參數越大、數據越多，智能涌現越強。但具身模型能不能復制這條路，參與者還沒有共識。

唐文斌態度明確。“Scaling Law我們非常堅信，我們現在是PB（1024TB）級別的數據量，也看到了很多效果。”但他對當下“堆參數”的做法持保留態度。“今天的數據量不夠，模型尺寸的擴容和數據的擴容必須同步推進。數據量不上來，盲目擴參只會加劇overfit（過擬合），沒有意義。”

真正的瓶頸不是參數規模，而是數據。唐文斌的框架是：“環境×任務×對象×本體”，在不同環境下，執行不同任務、針對不同對象、以不同本體去實現，數據核心則是“質量×數量×多樣性”。

他說，仿真數據雖然能補足“環境”維度，但在“任務”和“對象”維度存在失真嚴重問題。“物理世界的接觸、形變、摩擦力，今天的仿真平臺很難仿得逼真。”

所以，原力靈機以真實數據為主，其側重的物流場景，任務只有揀選和打包，但“對象特別多元”。“我們有一個客戶是全球最大的零售商之一，幾乎家里能遇到的商品，他們都有賣，也就是說，我們僅僅在倉庫里，幾乎就能接觸到所有日常對象。”

2026年6月，原力靈機并購Atomix。Atomix前身是唐文斌2016年在曠視內部主導的智慧物流業務，2024年獨立，累計服務超500個項目，客戶包括優衣庫、蜜雪冰城和可口可樂等。“模型與場景從來不是孤立存在的。”他說。并購后，Atomix的真實數據將成為模型燃料，模型也會反哺每一臺機器人。

全棧與邊界

具身智能公司要不要做全棧？行業分歧很大。有人主張只做大腦，有人堅持軟硬一體。唐文斌的答案是多層次的：“一定要有全棧能力，但不一定做全棧的事。”

他的邏輯是，今天的算法迭代需要軟硬配合。

“很多機器人都是這么裝的，它在手腕上有一個眼睛。因為主視角容易被手臂遮擋，所以我們希望，在靠近末端執行器還有一個眼睛。但這個眼睛突出來，進入狹窄空間操作時，會被卡住。所以，傳感器是不是有另外的裝法？能不能裝得更貼合？或者要不要增加更多傳感器？”

算法有需求會反推硬件，硬件也會反推算法能不能搞定，兩者需要協同設計。“所以公司一定要有這樣的能力。”不過，他強調，不一定什么都自己做。“關節我可以跟關節公司合作，電機我不一定要自己去繞線。我們國家有這么強的產業鏈能力，為什么不用？”

商業化路徑亦是爭議焦點。有從業者認為，當前模型僅相當于“兩三歲兒童智商”，大規模落地無異于讓機器人“打童工”，應先練內功。另一方認為，必須盡早進入真實場景“踩坑”，避免方向跑偏。

“打童工非常重要，但需要點技巧。”唐文斌說，怎么讓童工長大？他的路徑是，靠數據飛輪。智駕是先讓L2上車，使用中不斷接管迭代；大模型也是靠數據飛輪。但機器人有個“雞和蛋”的死結：“模型弱就完不成任務，進不了場景；拿不到數據，就優化不了模型。”

來源：受訪者

他的解法是“飛拉達”，這是一種有保護的攀登運動。即，讓機器人在有保護的環境下工作，允許失敗，但有額外流程兜底。Atomix已有的場景和客戶，讓這個判斷有了現實基礎。他判斷，到今年底，就會有相對一定量的機器人實現持續作業和運行。

他相信，未來一定會有通用大腦，屆時專用大腦會被吃掉。大腦可能只剩個位數的幾家，但本體一定會多樣化，因為做500克和50公斤的任務不可能用同一個機器，很多關節和機械都不支持。未來，本體還會走向平臺化和模塊化。

他不認為行業已經到了GPT時刻。“今天的水平還在GPT-1.0或2.0，不是3.0、3.5。”但他并不悲觀，“具身不見得要100%通用才能用。”比如，在物流場景里，通過容錯方式讓它在少量任務上、針對泛化對象有較高成功率、算得過賬，就可以先跑起來。

但他覺得，用GPT時刻來類比具身智能的爆發節點，也不夠準確。“我們是不是達到了泛化模型？今天來看還比較早期。”但他正在推動一件事，讓模型變得可體驗。“大家去感受下今天的泛化模型在通用環境、通用任務上的效果。可能完不成（任務），但已有成功趨勢。這讓我們很興奮。”

天才少年們從不缺機會。唐文斌感慨，如今科技公司遍地都是，選擇多了，招人更難。

那些能力更強的同學們看重三件事：首先，解決的問題有沒有意思，夠不夠前沿。“是在屠龍還是在追小兔，這個很不一樣，這是對最優秀同學最大的吸引。”其次，身邊的人夠不夠強。“那些很強的同學，很難容忍跟看不上的人一起工作。”

此外是激勵水平。他印象中，很多師弟拿到了硅谷薪資夸張的Offer，“今天我們要Match，肯定Match不了，但從長線看，相信未來大家能有一個很好的收益。”

解題的人

解題的興奮感，唐文斌從不陌生。他身上一直有著競賽選手的典型特征。

2006年，他拿下IOI（中國信息學奧林匹克）金牌，保送清華“姚班”，后來當了七年中國信息學奧林匹克國家隊總教練。他享受解題的過程，覺得那是一種強烈的多巴胺刺激，不會覺得累。

但這種“解題思維”也有局限。比如，“有時候想到一個好點子，會特別興奮。但要注意，這個點子可能在全局上沒那么重要，但因為你太興奮，注意力被拉偏。所以要有反思，要從點子里抽離出來。”

年少至今，他的內核沒怎么變。

如其所言，他還是非常喜歡技術，有技術信仰，也有很強的競爭心態。“打比賽的人，很難容忍自己排在后面。我們會覺得，在任何一個維度上，我們都應該是第一，或者在第一梯隊。”

變化的是視角。今天提供的產品，不能單純只看技術，還要顧及客戶價值，真正解決問題。“你需要切換到另一個視角，來看待自己今天在做的事情。”

唐文斌和印奇、楊沐并稱“姚班三劍客”，其中唐文斌、印奇同屬2006級。他們的友誼貫穿十幾年。從曠視聯合創業至今，印奇轉做千里科技和階躍星辰，唐文斌做原力靈機。“我們啥都聊，日常困惑的時候也會一起聽聽對方意見，探討技術、業務上的判斷。”

那一代競賽出身的“天才少年”創業者，還有Pony.ai的聯合創始人樓天城、第四范式的創始人戴文淵。唐文斌與樓天城初三就認識，和戴文淵也相識于初中。“大家都是搞競賽出來的，都有充分的技術信仰，覺得能夠通過AI技術去改變世界。后來我們都走上科技創業這條路，只是方向不同。”

大模型爆發這三年，更多90后、00后創業者噴薄而出。有人將唐文斌他們劃為“上一代AI創業者”。對此，唐文斌自嘲為“天才中年”，甚至“中登”。但他認為，關鍵還是要Open Mind（開放心態），要多聽多看多學習，“不要活在自己的信息繭房里”。

唐文斌覺得，20年前的自己有些“盲目自信”。今天更需要的，是能“問出正確問題，知道自己什么不知道”。他最大的困惑是“怎么能更快”，無論是技術還是自我迭代。“很多今天的困惑明天不一定還是，所以一定要以最快速度，解決當前問題，這樣，你的下一個問題很快就會來。”

原力靈機邁入成長的第二年。一直在路上競走的感覺，讓唐文斌覺得很有價值。具身這件事本身很難，探索過程也是解題過程，這個過程讓他和團隊非常快樂。“這就是我們想要的狀態，不管公司到了哪個階段，somehow（無論如何），這就是我們想要的人生狀態。”

有一次，唐文斌問唐杰，OpenAI和Anthropic走到今天，差別到底是什么？唐杰說，達里奧·阿莫迪（Anthropic創始人）是一線的，他自己就在做技術，對技術有一手的判斷；而山姆·阿爾特曼（OpenAI創始人）是聽匯報的，他的判斷是二手的——這件事情很本質。

“我們也一樣。”唐文斌說，“今天我們自己能不能Catch up（追上）最新的技術，我們對這些東西的理解夠不夠深入，還是聽匯報、聽二階消息，然后獲取判斷呢？所以，在一線很重要。”