对话逐际动力张巍：人形机器人已经有“大脑”，但“有脑”和“有技能”是两回事

来源：市场资讯

（来源：钛媒体APP）

近日，通用人形机器人公司逐际动力LimX Dynamics已完成Pre-IPO轮融资，融资金额近2亿美元。过去半年公司累计完成融资4亿美元，投后估值达150亿元，跻身超级百亿独角兽行列。

本轮融资汇聚了来自中国、欧洲、中东、北美的多元化资本。投资方包括全球化全阶段股权投资机构IDG资本、全球AI硬件智造龙头蓝思科技、泛欧洲多元化产业与投资集团GGG Group与Redstone VC、全球高科技成长型基金华山资本、合肥滨湖产发集团等。其中，阿联酋磊石资本（Stone Venture）连续多轮追投；绿洲资本、基石资本、南山战新投、尚颀资本、蔚来资本等老股东超额加注。

逐际动力表示：“本轮融资资金将重点用于大小脑融合技术的突破和产品化，推动数千台全自主人形机器人的规模化部署，加强全球市场拓展。公司将进一步完善全球制造与交付能力，加快中东、欧洲及亚洲其他国家地区等重点市场的布局，并持续建设面向全球开发者的开放生态，加速具身智能技术创新与产业化落地。”

相比其他具身智能企业，逐际动力的融资速度并不算快，四年时间，迈入具身智能百亿俱乐部。“资本的融资是一个重要的考量，你要在这考量的前提下，给它维持一个健康的节奏。”张巍向钛媒体智客ZhiKer表示 。

这种克制，源于创始人的技术底色。张巍博士是典型的“技术派”，本科毕业于中国科学技术大学自动化系，后赴美深造，获普渡大学电气与计算机工程系博士学位，曾任美国俄亥俄州立大学长聘教授。2019年回国任教。2022年，在深圳创办逐际动力，专注于具身智能的全栈技术路线，围绕机器人本体、AI基础设施及具身智能体OS系统持续投入研发，构建覆盖运动生成、模型训练、认知决策到真实世界部署的完整技术体系。

技术背景决定了路线选择。逐际动力从一开始就不走堆技能融资的短跑路线，而是选择了一条更慢，也更难的路，从底层运控基础模型做起，将“脑”与“技能”分开定义，再逐层构建通用能力。

在张巍看来，“有脑”和“有技能”是两回事。“现在很多人把训练模型直接等同于有脑，这是错误的认知。脑其实是一套完整的操作系统，它以语言模型为引擎，同时包含记忆管理、情绪管理等多个模块，而模型是一个一个的技能。”

他眼中的终局，不在于谁的机器人更会翻跟头，而在于谁能在一个混乱、非结构化的物理世界里，搭建一套可量产、可复用、可闭环的底层架构。

这一架构正在兑现为订单。目前逐际动力已获得数千台订单，其中过半来自海外。同时，正与全球开发者及生态伙伴共同推动科研教育、商业服务、全地形巡检、工业应用、建筑及更多应用场景的商业落地。

智客ZhiKer在深圳见到张巍，我们聊到具身智能的行业拐点、全球化战略的选择，以及“有脑”与“有技能”的本质区别，于是有了这次对话。

以下为与张巍的对话全文，略有删减：

张巍：不是，这是我们在重点区域集中拿下的一批订单。

去年首款人形机器人出货后，我们已经向多家海外顶尖高校、实验室，以及以大脑智能研发为核心的具身智能企业完成了交付。这也从侧面验证了我们的本体制造能力，比较契合海外用户的需求。

张巍：现阶段全部To B，未来会逐步向To C延伸。

张巍：我们从创立之初就将自己定位为一家全球化公司。长远来看，海外收入占比超过国内，我认为是大概率事件。

业内都很清楚，海外市场在利润率、增长空间和竞争态势上，整体都更为友好；而国内市场的竞争确实更加激烈。另外，机器人本质上是要服务人类、替代人力，它的价值在海外体现得更为突出，因为海外的人力成本显著高于国内，替代的经济性更强。

张巍：不进工厂是我们的选择，两条腿的人形机器人在工厂里的效率不高，它不是最优选择。

我们是以商业为主，最终会进入家庭，进工厂既耗费时间，又对家庭场景帮助有限，就没必要折腾去干这事了。当然不是说进工厂不对，这是一个选择题。

我们有针对工厂的产品，TRON系列会卖给工厂，也提供技术支持，只是我们自己落地场景不会选择工厂。

张巍：现在市面上的全尺寸人形、类女性、能卖的只有Luna。就是说，如果你想请一个机器人女性演员，只有Luna，这就是市场的唯一性。

张巍：脑和技能是两回事，脑不等于技能，技能也不等于脑。现在很多人把堆技能直接等同于有脑，这是一个错误的认知。

霍金无法去干体力活，但没人会否认他拥有健全的大脑，这个同样的逻辑。再举个例子：我会弹钢琴吗？不会。那我能找到工作吗？当然可以。你总不能因此就说我没有脑子吧。

构建任何一项技能都需要一定量的数据支撑，只有当获取这些数据的成本，低于这项技能所能产生的价值时，我们才会去投入构建。

真正的脑是一套完整的操作系统，它以语言模型为引擎，同时包含记忆管理、情绪管理等多个核心模块。技能只是这套系统上运行的应用，而脑本身是那个能调度资源、理解意图、持续进化的底层架构。

张巍：我们提出的是三层架构。

最底层是System 0（小脑/全身运控），只管动、不用思考。对于不长腿的机器人，小脑其实是30年成熟技术，双臂、轮式场景都是如此，有腿的才是新课题。我们强调的小脑是基础模型，不是预编排的动作回放。跳舞、翻跟头那种是事先编好、按一下播放的；我们做的是全身运动基础模型，事先不知道你要怎么动，但你一动，我实时就能跟着动。

中间是System 1（技能层），连接大脑与身体的“肌肉记忆”，也就是广义的VLA / World Action Model，它输出的是指导行动的Policy。我们两年前做Video Pre-training的时候，还没有World Action Model这个词；一年半前发布的VGM，其实就是最早的World Action Model。

不同技能需要的数据确实不一样。行走、上楼梯这类技能，靠仿真就能解决，因此先成熟；有些技能sim-to-real的Gap太大，就只能靠真机或其他方式去补。

System 1的重要组成部分是FluxVLA Engine，这是一个企业级开源平台，向全球开发者提供一套持续的模型训练、迭代、部署的工程管线。

说白了，就是让开发者把精力花在模型创新上，而不是重复建设底层工程能力。我们的目标是推动行业从训练好一个模型，迈向让所有人都能够训练模型。

最顶层是System 2（大脑），只思考、不动。标志性事件是2025年中期的Claude引入了持久的记忆管理，这才真正成为一个脑的操作系统。大脑的思考引擎由三部分组成，大语言模型、视觉语言模型，以及World Model，需要明确的是World Model并不直接指导行动，它指导的是思考与决策。

张巍：我们应该是业内唯一具备全自主管线训练基础模型能力的公司，非技术人员也能参与，就像造手机，科学家设计芯片，但把它拆解成一道道工序后，工人只需专注自己的环节就能完成。

张巍：短期内比较难。OS和技能不是一回事，但OS层面可能出现一些Common Layer（通用层），以后会有开源方案，大家在此基础上迭代。

有没有大一统，取决于生态的量有多大，只有量起来了，分工才会细化，分工细化了才有价值。（本文首发钛媒体APP，文 | 智客Zhiker，作者｜郭虹妘，编辑｜杨林 ）