对话章鱼动力都大龙：拒绝捷径，抓住不变量，以第一性原理扎根物理AI底层 | 智车星球

“具身智能的竞争终局，本质上是技术判断力的竞争。”

作者|王蕊

编辑|西子

4月10日，章鱼动力官宣获得新加坡风投机构K3的战略投资，顺为、小米、高瓴、线性等老股东持续加注。

2026年，具身智能行业继续火热，资本哄抢理想汽车、地平线背景的创业者。

在章鱼动力（SynapX）创始人都大龙看来，具身智能的竞争终局，本质上是技术判断力的竞争。

章鱼动力成立于2026年1月，由前地平线6号员工、鉴智机器人联合创始人&CTO都大龙领衔，成立仅两个月，便完成近 5000 万美元首轮融资，吸引地平线、高瓴创投、小米战投等顶级机构强势入局。

其核心创始团队构成了技术、资本与产业商业化的稳固三角：前鉴智机器人技术副总裁梁柱锦，长期深耕端到端模型与世界模型；前地平线副总裁潘杨家一，负责资本与战略布局；前地平线副总裁樊庆元，负责业务与商业化。

△从左到右：联合创始人樊庆元、创始人都大龙、联合创始人潘杨家一、联合创始人梁柱锦

这支团队的核心特质，是兼具底层技术研发、量产交付与公司全周期成长经验，不被短期行业风向裹挟，始终从本质思考问题。

他们没有从具象产品或场景切入，而是直指物理 AI 的核心本质 ——接触式操作任务。

在章鱼动力的逻辑里，真正的智能不应只停留在屏幕的交互，而是能感知压力、理解物理规律、在现实世界完成精准协作的能力。

品牌命名“章鱼动力”亦暗含了这层含义。在与「智车星球」的交流中，都大龙表示：

“章鱼是最聪明的软体动物，它有三颗心脏、九个大脑、八条触手，甚至被认为是一种‘外星生物’——它的智能体系和哺乳动物完全不一样。”

而章鱼的核心能力并非移动，而是操作。“我们认为操作是物理AI领域的明珠。人和动物最大的区别，是能用手去操作、去劳动。”

他们坚信，在行业混沌的当下，谁更早破译物理世界的底层规律，谁就握住了穿越不确定性的核心钥匙。

人才与组织，抓牢底层确定性

章鱼动力的核心竞争力，来自一支历经完整硬科技周期、具备统一认知的实战团队。

当行业处于技术路线未定、场景纷繁的高度不确定中，顶级人才凭借技术直觉避开算力冗余、减少试错路径，所节省的隐性成本，也是穿越周期的核心确定性。

创始人都大龙，作为百度深度学习实验室创始成员、地平线早期核心员工，深度参与 AI 芯片研发、自动驾驶量产、全球化布局与融资全流程，完整掌握硬科技公司从 0 到 1 的底层搭建逻辑。

离开地平线后，他联合创办鉴智机器人，并实现自动驾驶量产交付。2025年底，鉴智被四维图新收购，成为A股智能驾驶领域规模最大的一笔并购之一，也为其投身具身智能创业，完成了启动程序。

章鱼动力的联合创始人团队，构成了技术、资本与产业商业化的“黄金三角”：

联合创始人梁柱锦：物理AI先行者，长期聚焦端到端AI、世界模型、模仿与强化学习闭环，曾任鉴智机器人技术副总裁；

联合创始人潘杨家一：曾任职于摩根士丹利、高盛近十年，主导超千亿美元跨境并购及资本市场项目，2017年加入地平线，任集团资本运营与战略副总裁，操盘近30亿美元融资；

联合创始人樊庆元：曾在德州仪器（TI）工作近十年，2016年加入地平线，推动多项业务从0到1突破及规模化商业化。

长期协同的经历让团队形成了高度一致的认知，规避了初创公司常见的决策分歧与内耗。

都大龙直言，“我们不是临时拼凑的团队，都是曾经并肩战斗的战友。”

目前公司团队规模已 30 人，年底将扩充至 70-80 人，采用去中心化、扁平化的 AI 化组织模式，不设传统 COO、CTO 等固化头衔，以灵活架构适配 AI 快速迭代的特性。

这套组织体系的核心，是对人才杠杆的极致信仰：顶级人才不是成本，而是效率的终极载体。

都大龙认为，当一位顶尖人才能够调动万卡级算力，凭借技术直觉减少无效模型训练次数时，节省的算力与时间成本，远超过其薪资本身。

在 AI 领域，人才的能力差距并非线性，而是通过算力被指数级放大，这也是团队在不确定环境中，牢牢抓住的核心确定性。

以第一性原理破局物理 AI

对物理 AI 的本质判断，决定了章鱼动力的技术航向。

“智能的本质在于压缩，世界的真相，要靠模型去摸索底层规律。”都大龙用第一性原理，概括了团队的出发点。

智能的核心，是从大量冗余信息中提炼出通用规律。机器人要真正进入现实世界，不能只靠视觉模仿或末端改造，必须通过模型自主学习力、摩擦、重心等物理交互的底层规律，读懂世界运行的本质。

基于这一洞察，团队搭建了SYNTH 深思架构，将“理解世界、生成动作、持续学习”锁进一个自我进化的闭环：

深思·世界（SYNWorld）：不再单一依赖视觉理解环境，而是将视觉、力觉、触觉统一建模。这让系统不仅能“看到”物体，更懂得如何通过多模态感知与物体进行交互。

深思·执行（SYNAction）：从任务输入直接生成连续操作流，而非拆解为离散的多个步骤。这种端到端的处理模式极大地减少了中间误差，确保了操作的流畅性。

深思·数据（SYNData）：通过持续采集视、力、触等多模态数据，模型得以不断修正自身，形成团队所称的“AI as a Sensor”体系。

理解世界 → 执行动作 → 数据反馈 → 再修正模型，三层架构形成闭环，成为团队攻克物理 AI 的底层支撑。

“走捷径是我们过去学到的最大教训，捷径会造成拥堵，而且没有免费的解决方案。”

在他们看来，具身智能最容易陷入的问题，是在封闭场景中快速做出效果，但一旦换到真实环境，能力就难以迁移。

也因此，章鱼动力始终拒绝用捷径换取短期演示效果，不依托封闭场景的定制化改造做表面突破，而是沉潜至物理交互的底层逻辑，搭建可跨场景迁移、可持续迭代进化的系统能力，在行业技术路线尚不明朗的不确定性中，牢牢守住对物理 AI 本质的判断。

坚持长期主义，在时间里持续进化

在商业维度的预判上，章鱼动力保持着超越行业的长期清醒。

潘杨家一认为，具身智能的链条更长、周期更慢，对资金的消耗超过汽车行业。“这个牌桌，就是10亿美金起融资。”

背后对应的，是一个更具想象力的市场空间——如果汽车的出货量以千万计，机器人面对的是全球70亿人的人口乘数，其出货量级将产生跨代际的飞跃。

但团队并没有把“规模”转化为短期估值叙事，而是将其定义为一个10-20 年的长期工程。

潘杨家一表示，团队的核心目标是“真正创造价值，让机器人真的进入生活”。

都大龙坦言，“成立地平线的时候就叫地平线机器人，我们对机器人一直有初心，这是年少时代的初心。”从AI芯片、自动驾驶到具身智能，“我们就是想让机器真正去理解世界，然后在真实环境里帮人做事。”

当行业还在不断做更复杂的样机、证明“能做到什么”时，章鱼动力选择向下扎根，回归物理世界的底层规律构建核心认知。他们通过 SYNTH 架构从从交互中提炼通用法则，将顶级人才的技术判断力深度嵌入研发闭环，在算法复利的长周期中，找到一条通往物理AGI的可行道路。

最真诚的智能汽车报道