对话原力灵机范浩强：做具身原生，我们以终为始

来源：网易科技

人工智能正经历从“大脑”进化到“肢体”的跨越 。在具身智能这条奔涌的赛道上，成立于2025年的原力灵机，已完成多轮融资，资方包括君联资本、启明创投、九坤投资、蔚来资本、阿里等一线巨头 。截至目前已累计融资额已达12亿人民币。

原力灵机的创始人之一、1994年出生的范浩强本人是一位典型的“天才少年”创业者。2011年7月，高一学生范浩强作为中国队四名选手之一，赴泰国芭提雅参加第23届国际信息学奥林匹克竞赛（IOI）。他以599分的高分夺得金牌。

高二获得清华保送资格后，范浩强并没有停下脚步。他受到当时的信息学总教练唐文斌邀请，加入旷视成为6号员工。2013年，范浩强进入清华姚班，开始了"part time student, full time intern"（兼职学生，全职实习生）的大学生活。即使一半时间在工作，他仍在四年间保持姚班第一名的成绩。

正是这样一位天才，也要对具身智能的研发说一句“没有不苦的”。对他而言，人工智能的研发如同“炼丹”，需要 7×24 小时待命的极致投入。在与网易科技《态度》栏目的对话中，他提到了“三个九理论”：他认为具身智能的本质仍是机器学习，要达到 99.9% 的准确率，第一个“九”来自数据质量，第二个“九”来自算法设计，第三个“九”则来自系统工程与实现细节。

在公司里，范浩强鼓励员工们使用AI，甚至会给员工报销使用AI的费用。他自己也在坚持“手搓”数年后被AI编程的效率折服。对于大众关注的 AI 替代人焦虑，他认为机器人会优先接手脏活累活和高价值场景，而未来的劳动形态将演变为人类负责督促和纠正机器人群体的错误，人就像是赶羊群的牧羊犬。虽然单位时间创造的价值大幅提升，但人类可能依然忙碌。

在VLA和World Model的路径之争沸沸扬扬的时候，原力灵机则选择了另一条道路——具身原生模型。范浩强强调，模型必须从训练的第一天起就为“具身”考量，并推出Realtime-VLA系列技术成果，在基础模型阶段就引入大量具身数据，而非直接后期过拟合。面对AI行业的数据难题，原力灵机制定了两步走战略：早期依靠几十万小时的自有采集跨越门槛，后期则需通过规模化部署，在真实业务场景中启动数千万小时级的“数据飞轮”。

谈及行业竞争，范浩强直言“不存在 AI 泡沫，但存在 OpenAI 泡沫”。尽管部分公司融资迅速、估值飞涨，但行业整体确实进展飞速。范浩强认为，终极胜负手在于三点：资本估值、大模型与大规模部署落地。从历史经验看，淘汰率往往在十倍左右，最终能跑到终点的极少。

目前，原力灵机已发布具身原生模型 DM0，并计划在今年年中和年底分别推出 DM0.5 和 DM1 版本，核心目标是攻克“多任务泛化”难题，让具身智能真正实现从实验室到“拿来即用”的跨越 。

以下是网易科技《态度》栏目和原力灵机联创范浩强的对话，为方便阅读，我们进行了不改变原意的编辑：

技术路线：“具身原生模型”不是后期拼接，预计今年底跨越数据门槛

网易科技：近期具身模型非常热闹，原力灵机提出了“具身原生模型”，这一模型和别的模型有什么区别？

范浩强：具身原生模型和所谓的“拼接式模型”是不同的。模型必须从被训练的第一天起，在每一个训练阶段，都为“具身”这个命题去考量。在基础模型（Base Model）阶段，视觉语言模型（VLM）在训练初期就必须引入大量的具身数据，而非等到后训练阶段才进行过拟合。这种“原生认识”能极大提升模型的泛化能力。

不仅体现在预训练上，“具身原生”在测评方式、工程基建等各个环节都和大语言模型（LLM）有本质区别。大语言模型处理的数据可能1-2TB，但具身模型需要处理PB级别的视频数据；在测评端，大语言模型可通过标准化基准测试（Benchmark）量化性能，但具身模型需控制物理实体，目前无完全线上化的评测方案，我们专门搭建了RoboChallenge等平台量身定制测评方法。所有环节围绕具身需求设计，最终形成的模型才被称为“具身原生模型”。

网易科技：海外如 Pi、Generalist 等公司也在做具身原生的概念，并在模型上取得了突破。您觉得原力灵机与这些海外同行有什么异同？

范浩强：我们与国外同行在核心理念上产生了强烈的共鸣。外界常问我们更倾向于 VLA 路线还是世界模型（World Model）路线，我们的答案是不拘泥于单一架构。我们融合多种训练手法和数据源，既借鉴VLA的思想，也融入世界模型的技术。随着算力和数据的增长，每个阶段最优的模型架构都在动态变化，因此我们统称为“具身原生模型”。

网易科技：数据在任何模型训练当中都非常重要。原力灵机目前主要通过什么手段来跨越这个早期的“数据墙”？具身智能真正的数据飞轮大概会在什么时间点、什么场景下进行自我进化和加速？

范浩强：解决数据问题分为两个阶段：

第一阶段是跨越门槛，主要依靠自有数据采集（如遥操作、第一人称视频采集）。这一阶段的数据量级在几十万到几百万小时之间，旨在让机器人从零具备初步的执行能力。

第二阶段是启动数据飞轮，这必须在机器人实际进入业务场景后才能实现。未来如果能并行部署上千台机器人，每年将回流数百万甚至千万小时的业务数据，从而在应用中实现持续进化。

预计到今年年底，行业内有能力掌握百万小时左右的训练规模，届时模型将具备在特定条件下进入实际场景的能力。当然，机器人的规模化部署不仅依赖模型，还需要漫长的硬件迭代及周边配套系统的建设。

网易科技：目前制约具身智能的瓶颈，到底是模型、数据还是硬件？

范浩强： 依然是模型。现在一条 9999 元的轻型机械臂早就进入大众消费区间了，但没人买。因为最大的问题是它“不能动”——缺少控制它的脑子。就像大模型突破前，个人助手的需求不存在一样；只有模型跨过能力奇点，真实的应用需求才会真正爆发。

网易科技：原力灵机发布具身原生模型 DM0 后，接下来的发布节奏和新目标是什么？

范浩强：我们预计在今年年中推出 DM0.5 版本，并在年底或更早推出 DM 1 版本。

DM0.5 的核心目标是解决“多任务泛化”问题。目前的 DM0 仍以单任务微调为主，真实场景中存在预设限制。下个版本将重点优化多任务和少样本学习能力，实现用户“拿来即用”的具身智能设想。

网易科技：具身智能与自动驾驶均涉及物理世界交互，后者更信奉World Model（如特斯拉路线），您如何看待这两种路线的相通之处？

范浩强：特斯拉的技术路线其实也经历了多次迭代（从BEV、端到端到OCC，再到World Model），这正是我们提出“原生”概念的原因：表象的技术架构在变，但背后“通过不断增长数据来释放模型推理能力”的核心主线始终未变。具身智能的发展也将遵循相同的底层逻辑。

但目前“具身原生”在行业内似乎还不完全是共识，部分企业为了在垂直场景尽早落地可能会采用更前置、妥协的技术方案。但我们坚信具身模型最终的目标是走向千家万户，必须优先彻底解决核心的智能问题。

网易科技：模型的突破，需要依赖基础科学原理的跃迁吗？

范浩强： 把模型训到“能用”，方法论是已知的，比如大力出奇迹（Scale Up）。但也有大量未知，比如机器如何像动物一样，在与物理世界的互动中快速产生智能？这背后的机理还是未知。

我认为最大的突破一定在哲学和数学层面。深度学习能改变世界，是因为底层的数学机制变了。如果我们追求下一阶段的智能，背后一定需要新的数学机制。现在还没出现，所以我们要靠工程师不停去试错，去逼近那个临界点。

网易科技：未来要实现跨机型的泛化，必然涉及软硬件的结合。你们是计划适配市面上所有的异构硬件，还是深度绑定标准硬件？

范浩强： 我们采取软硬并行的策略：首先，我们一定会研发自有硬件，追求软硬一体化的最终形态，在自有体系内将模型优化到极致。

其次，我们不认为单一硬件能通吃所有场景，真实应用中的末端执行器和身体结构必然需要定制。因此，我们既不会做一个试图适配天下所有机器人的纯软系统，也不会局限于单一硬件。我们会在选定的场景中，围绕最适合的硬件打磨模型的泛化能力，致力于为终端用户提供端到端的软硬件整体解决方案。

Realtime-VLA：特斯拉路线虽好，多数国内企业其实难以复刻

网易科技：行业内许多团队都在关注 Realtime-VLA，原力灵机为何要聚焦这一方向？其最大难点在哪？

范浩强： 传统的机器人运动控制多依赖稀疏的输入点和轨迹优化。而 VLA 模型直接输出稠密的轨迹，这对机器人的控制系统提出了极高的实时追踪要求。同时，模型输出存在不确定性，需要过滤物理上不可实现的动作。VLA 不能只停留在仿真环境里刷榜，它在物理世界的运动必须流畅、丝滑、自然。

去年我们率先解决了计算延迟的问题，证明了数十亿参数的 VLM 完全能实现 30 FPS 的推理，跟上摄像头的速度。今年，我们推出了 Robotic Flow，进一步攻克了轨迹优化、机器人标定以及运动过程调制等难题。目前在多项任务中，机器人的运动效率已媲美部分人类。我们认为实时性和高响应速度是具身模型走入千家万户的基础前提。

网易科技：可以把 Realtime-VLA 理解为大模型当中的 Skill（技能包）吗？

范浩强： 相比于技能包，它更像是一个“Harness”（安全带/保护设施）或基础设施。它为模型提供保护，处理高频的实时力反馈等模型自身难以直接应对的情况。在内部，我们提出了“System 0”的概念：在 VLA 进行推理计算后，由另一个计算系统对输出进行二次处理与分析。两者结合，才最终形成一个端到端的机器人智能控制器。

网易科技：面对特斯拉Optimus的数据规模优势，以及国内宇树、智元等硬件厂商的快速迭代，原力灵机的“大脑”如何保持不可替代性？

范浩强：国内具身智能市场空间是大语言模型的十倍甚至百倍，行业处于共同探索阶段，竞争大于合作。我们的核心优势在于全链路整合能力——国内少有企业能同时打通“大语言模型预训练+机器人本体硬件+数据迭代优化”的完整Pipeline，多数企业仅聚焦硬件或纯算法单一环节。原力灵机是少数能将软件、硬件、场景三要素深度融合的公司。

网易科技：有投资人认为国内很多厂商在等特斯拉开源方案然后“一抄了之”，您怎么看？

范浩强： 多数企业“复刻不起”。特斯拉的硬件（如灵巧手）成本之所以能压低，是建立在百万级预期产能基础上的。国内厂商即使拿到图纸，也没有财力承担相应的制造成本。国外一线大厂在算力和资本上的投入是极其庞大的。

但我们相信工程优化的力量。正如大模型领域的演进证明，通过正确的架构和方法创新，用较少的算力依然能取得卓越成果。只要在研发过程的每一环做出正确选择，我们完全有能力在同一起跑线上与国际大厂展开竞争。

网易科技：国内公司往往面临较大的短期商业化压力，而特斯拉可以“以终为始”，行业内存在这种路径焦虑吗？

范浩强： 国内人太多了。美国的机器人公司还能数得过来，但国内至少有几十上百家，竞争激烈，确实有很大的动力去寻找垂直场景快速落地。但“以终为始”正是我们最大的差异化所在。我们以建设最终的人工智能为目标，要求在硬件、场景、模型和数据各个环节都做到极致。

在商业化节奏上，我们在 AI 1.0 时代吸取过深刻教训：在模型能力不足时过早进行商业化，会陷入交付泥潭，成为亏损的“AI 慈善企业”。所以我们现阶段十分克制，每年只做个位数的重点项目，接触场景是为了获取真实问题和反馈数据。只有当模型能力达到可高效、低成本闭环时，我们才会开启规模化商业化。

网易科技：模型训练过程是否顺利？苦不苦？

范浩强：搞人工智能可以说就没有不苦的时候。尤其是调机器人，最终可能只能看到一个分档的结果：机器人到底动了没，任务成没成功。可一旦任务失败，问题到底出在硬件、通信、控制、模型、数据，还是训练过程中？很多时候这就是个黑盒，需要花大量时间去手动排查。

搞过大规模训练的人都知道，这是7×24小时待命的活。随时哪台服务器挂了，训练进入未定义状态，你就得凌晨从床上爬起来，看看炸成什么样了，琢磨怎么修下去。我们经常说这就像炼丹，你得守着丹炉，随时看火候发展到什么样了。这的确是个很消耗身心能量的事情。

不过我觉得这可能也正是工作的乐趣和成就感所在。

商业化：不存在AI泡沫，但存在OpenAI 泡沫

网易科技：您在与投资人接触时，他们最看重原力灵机哪些特点？

范浩强： 这段时间肯定都在问我 VLA 和 World Model 有什么区别，之前也会有一些关于商业化的灵魂拷问。

投资人重点关注“当前商业化与早期AI 1.0时代商业化的本质差异”，我们强调“以模型能力为核心，试点项目服务于技术验证而非收入”的策略，获得懂行投资人的认可。

网易科技：原力灵机的商业化营收计划是什么？

范浩强：我们公司成立之初并不是白手起家，团队自带了一些过往的行业积累，所以手里是有一些重点客户的。就像刚才提到的，我们在现阶段不会盲目铺开太多项目。但对于那些高价值、且未来具备良好可复制性的项目，我们会去跑试点，这自然会带来一部分方案采购的收入。

另一方面，我们这两年也在做一些开发者业务。也就是把我们的硬件系统和配套的优质软件，提供给高校实验室等科研群体使用，这块也会产生一定的营收。但现阶段营收不是我们核心目标，重点是通过商业化接触保持产业感知。

网易科技：如何看待春晚机器人跳舞等娱乐性场景？原力灵机会有这方面布局吗？

范浩强：唱歌跳舞的确是机器人的第一波应用。但其实我们公司刚成立就想明白了：我们这群“理工直男”缺乏做大众娱乐的基因，这事儿真干不来。我们最擅长的还是“创造价值”，所以现在主打生产力，希望机器人通过实质性劳动去产生价值。

当然，早期的劳动场景里情绪价值也很重要。比如现在喝一杯机器人磨的咖啡，可能70%是图新鲜。但行业的终局，一定是机器人躲在幕后实打实创造的生产价值。

目前从付费意愿看，只有大企业有动力做早期的技术验证，那我们就先围绕他们好好服务。等未来成本降到几万块，小门店买得起了，甚至有一天5999元就能带回家时，我们顺理成章就会变成一家 To C 企业。就像大疆，在消费级无人机爆发前干了十年纯 To B 的飞控模块定制，筑起了极高的技术壁垒。我们也希望走这条路：早期围绕 To B 客户把技术打磨透，等历史车轮真正走到爆发点时，一把抓住最大的机遇。

网易科技：这波具身智能浪潮的本质是什么？目前行业存在泡沫吗？

范浩强： 具身智能的本质是“智能”，核心逻辑仍是机器学习的基础原理。我把它叫做“三个九理论”：99.9%的准确率，第一个“九”来自数据质量，第二个“九”来自算法设计，第三个“九”来自系统工程与实现细节。这一规律在具身时代仍未改变。

至于你说行业里有没有很大的泡沫？我特别想引用一句话：“不存在 AI 泡沫，但存在 OpenAI 泡沫。”单独看某个公司可能会被估值震惊到，但放眼整个行业，技术进展是极其扎实的。过去两年大家还在质疑机器人 Demo 的真实性，现在大家已经默认了这是由模型驱动的连续成功能力。客观来看，行业的发展速度非常惊人。

网易科技：具身智能赛道已有15家估值超百亿，您认为未来竞争格局如何？“胜负手”是什么？

范浩强：我觉得会有三轮筛选。

第一道门槛是资本和估值。现在门槛一低，可能一下子涌入几十家公司。

第二道是关键的能力门槛，也就是模型。现在很多Demo基于开源模型，但海外巨头现在都选择不开源。能不能独立研发出可用的模型，会让一批公司掉队。实在不行，他们还能回去搞分拣自动化或唱歌跳舞，但这也意味着退出了核心赛道的竞争。

第三道是大规模落地部署，考验场景理解和硬件生产能力。过了模型关，还得过“代体”筛选。从历史经验看，淘汰率往往在十倍左右，最终能跑到终点的极少。就像当年的CV热潮，最后跑通的还是头部那几家，但过程中会产生很多单点技术的“副产物”。

网易科技：您觉得技术路线会收敛吗？最终会归于一两家巨头吗？

范浩强：有句话叫“从山脚分手，在山顶汇合”。技术的实质其实大家都一样，大概率是头部几家你追我赶。上一波AI浪潮就这样，今天你发个Net，明天他又追上来。现在大模型叠加了算力和数据，壁垒看似更明确，但最后很可能变成“你中有我，我中有你”。

其实OpenAI早期训练技术也大量借鉴了DeepMind。最近还有个“反向证明”：以前是国内模型学国外，现在跟最新AI聊天，会发现它们满屏都是“DeepSeek味”——这也算一种技术出海吧。最终，一定是大家相互借鉴、一起往前走的生态。

网易科技：荣耀团队在马拉松赛事中“团灭”对手，大家对当前机器人的真实水平到底有没有底？

范浩强：大家可能低估了荣耀的技术积累。比如他们展示的液冷技术，早年就做过大量研发，如今用到机器人上立刻形成了“降维打击”。外行看是凭空冒出的黑科技，业内看则是长年积累后注定发生的事。

机器人其他进展也一样。幕后的工作是日常一点一滴去攻克问题，只有最后“Put everything together（整合在一起）”时才会让人惊艳，这本来就是个循序渐进的过程。

网易科技：原力灵机会拓展海外市场吗？

范浩强：其实我们上个创业周期做物流时，海外占比就很高了。国际市场的消费意愿和利润空间绝对不能放弃。但国内市场对技术的要求最高。以前做仓储物流，国内客户会要求机器人直接对标中国工人极高的人效。一旦这套技术在国内打磨成熟，拿到国际市场就是降维应用。所以，“在国内打磨技术，在海外做规模化商业化”，这条路我们走得很坚定。

网易科技：很多人担忧 AI 和机器人是来替代人类工作的，您怎么看这种焦虑？

范浩强： 程序员常自嘲最成功的事是“把自己替代掉”。大家开玩笑说以后去送外卖，但随着自动驾驶和机器人发展，送外卖早晚也不是铁饭碗，这是不可阻挡的趋势。

大家往往容易高估技术的短期爆发力，又低估了它的长期影响。 AI 1.0 时代，大家觉得工作瞬间会被取代。但实际上，像计算机视觉成熟后其实是把整个市场的体量做大了。

大模型刚出来时有个段子：我们本以为人工智能是来帮我们洗衣做饭的，结果发现是机器人在那唱歌写诗，人还得苦哈哈地做家务。所以，机器人第一批进入的一定是高价值或者脏活累活的场景，而不是立刻取代普通人的日常工作。

至于未来的劳动形态，总会以一种意想不到的方式演变。就像有了 AI 编程助手，天下打工人本以为是“我来指挥 AI”，结果变成了“老板指挥 AI，AI 再来催我进度”——原来能写一个月的代码现在要求一周干完，工作强度反而增加了。推演到机器人时代也是一样，未来我们的工作可能就像“牧羊犬赶羊群”——你一个人负责督促和纠正一堆机器人的错误。到那时，人活得未必比现在轻松，但你单位时间创造的价值一定会大幅提升，这就是技术向前发展的客观规律。

网易科技：在原力灵机内部，AI Coding是强制要求的吗？

范浩强：我做AI时间很长，有段时间被朋友笑“老古董”，我很长时间都坚持“手工编程”，总觉得AI写得没我好。直到朋友强行帮我装上Copilot，用过一次就回不来了，AI确实比我有耐心、更细致。

我依然坚信，给我足够时间，代码质量我能赢。但AI一秒能处理几百个token，这“体力”我比不了。所以我们常说，AI Coding是把自然语言变成了新编程语言，门槛不降反增——用得好的人得写大段规则和指令，让AI能7×24小时干活。

在公司，我们全员报销AI工具费用，鼓励大家多用。虽然我们是机器人公司，线下硬件工作暂时还没被替代，但我们的终极目标，就是用机器人把这些活都替代掉。到时候，就是一群有物理实体的“小乌鸦”在上班，我们去干更苦更累的事。

姚班天才：在清华我意识到了自己的“弱”

网易科技：您高二时就获得国际信息学奥林匹克竞赛金牌，并被保送清华大学姚班，毕业之后很年轻就成为旷视的技术总监了。“天才少年”的经历对您后来的技术路线选择和创业风格有何影响？

范浩强： 在清华最深刻的触动是让我意识到自己的“弱”。身边的同学个个身怀绝技，同寝室里有人做理论计算机极强，另一个室友钻研量子，还有人做区块链。这让我产生了深深的敬畏感，明白“人外有人”。这种“空杯心态”让我后来转向 AI、半导体或机器人这种跨度极大的领域时，都能保持谦卑，踏实学习。

另一方面是培养了“合作心态”。当年同学们在各自领域发光，互相启发而非内耗。回看行业也是如此，大浪淘沙后，合作远大于竞争。现在很多同行老板也是我当年的好友，我发自内心希望大家都能成功。

网易科技：作为清华姚班同学的集体创业，您平常如何处理与唐文斌等顶尖同龄人之间的决策分配？

范浩强： 我们最推崇的词是“简单”——有话直说，绝不搞办公室政治。因为我们都经历过高效的团队，知道好的状态是什么样。一旦组织出现问题，大家都能第一时间达成共识并去纠正。

网易科技：为什么公司起名叫“原力灵机”？

范浩强： “原力”来自股东“原力聚合”。“灵机”最早叫 Dexterous（灵巧的动物）。后来注册中文名时，提了近 20 个全被驳回，只剩“灵机”可用，看来是上天指定的。大家觉得挺符合调性，就沿用了下来。

（来源：网易科技）