具身智能量产之路：从150万辆智驾到昆仑行的创业逻辑
从自动驾驶到具身智能：一场必然的迁徙
郎咸朋的职业生涯，像一条不断向“智能”深处延伸的曲线。从百度时期的计算机视觉，到理想汽车主导智能驾驶从0到1，再到如今创办昆仑行押注具身智能，每一次转身都踩在技术范式转换的节点上。他坦言，离开理想并非一时冲动，而是源于对创业的渴望和对技术边界的探索——当自动驾驶做到VLA阶段，他意识到这不过是具身智能的序章。
“VLA框架天生是为具身服务的，落在车上只是第一个应用。”郎咸朋在访谈中反复强调，自动驾驶不是终点，而是探索具身智能的起点。这种认知的转变，源于他对技术本质的思考：自动驾驶的场景相对封闭，而具身智能将进入千行百业、千家万户，其上限不可同日而语。
创业三问：范式、方法与路径
在注册公司之前，郎咸朋与合伙人任庚达成了三项共识，这构成了昆仑行的底层逻辑。
第一，范式必须选对。 郎咸朋认为，具身智能不能沿用自动驾驶的模仿学习范式。模仿学习在单一场景有效，但面对上万个场景时，数据收集和泛化能力都会遇到瓶颈。昆仑行选择的是“理解而非模仿”——让机器人学习物理世界的因果规律，而非简单复现人类动作。
第二，方法要聚焦数据效率。 他提出一个公式：数据效率 = 获取效率 × 使用效率。自动驾驶时代，影子模式可以零成本获取海量数据，但具身智能无法复制这一路径。因此，昆仑行将重心放在“使用效率”上，通过“数据编译”技术，让每条数据富含物理因果信息，从而训练出真正理解世界的模型。
第三，商业路径要务实。 郎咸朋明确表示，昆仑行将从toB场景切入，逐步过渡到toC家庭场景。家庭环境复杂且对安全性要求极高，技术不成熟时贸然进入，不仅可能伤害用户，也会损害行业声誉。
数据编译：让机器人理解物理世界
数据编译是昆仑行最核心的技术壁垒之一。郎咸朋解释，这一过程包括四个步骤：首先，对场景中物体的物理量（如重力、摩擦力、受力分析）进行显式提取；其次，将牛顿定律等物理机制沉淀到数据中；然后，将这些物理量和机制编译成训练样本；最后，通过数据回传机制持续迭代，挖掘模型表现不佳的场景进行再编译。
这种做法的本质，是让数据本身携带因果信息，而非简单的像素或动作序列。郎咸朋以拿杯子为例：训练时只用空杯，测试时杯中装不同深度的水，如果机器人能平稳拿起不洒水，说明它理解了物理规律，而非死记硬背。这种分布外测试，是检验“理解”与“模仿”的关键标准。
全栈自研：量产的必经之路
面对“为何不做大脑或本体”的疑问，郎咸朋的回答斩钉截铁：具身智能的成功标志是量产和自我造血，而全栈软硬一体自研是最佳路径。他坦言，攒一个原型机容易，但通过量产试制、小批量交付并形成正向循环，需要深厚的工程能力。
昆仑行在关键零部件（如关节、电机）上坚持自研，同时构建完整的训练与部署管线。郎咸朋强调，模型和工程缺一不可：“最终交付给用户的是能完美表现的产品，只靠模型或只靠工程都不行。”这种认知，源于他在理想汽车8年从0到1、再到150万辆量产的实战经验。
四种智能：具身智能的完整拼图
郎咸朋提出，具身智能包含四种智能：运控智能、移动智能、交互智能和操作智能。当前行业过度聚焦操作智能，而忽略了前三者的价值。运控智能（如跳舞表演）已相对成熟，移动智能可借鉴自动驾驶技术，交互智能受益于大语言模型的发展，而操作智能仍处于早期。
“大家不要只盯着操作智能。”郎咸朋提醒，四种智能应协同发展，才能构建完整的具身智能体。这种全局视角，也解释了昆仑行为何坚持做全人形机器人——只有同时发展双足运控、全身操作、移动和交互能力，才能为操作智能的突破打下坚实基础。
行业洗牌：量产交付是唯一标准
郎咸朋将当前具身智能行业比作2015-2016年的自动驾驶：路线未定、Demo满天飞、无人量产。他认为，真正的洗牌将始于规模交付——当有公司能通过量产实现自我造血，行业格局才会明朗。
“只靠融资，大家都做不到具身智能实现那一天。”他直言，当前各家的融资额都不足以支撑到操作智能的成熟，必须依靠自我造血的资金来迭代模型。昆仑行的目标是24个月进入行业前三，而衡量标准只有一个：出货量。
触觉与灵巧手：物理因果的延伸
在郎咸朋的规划中，触觉是物理因果模型的重要真值来源。他解释，人类执行精细动作时，最终依赖的是触觉而非视觉。因此，昆仑行未来将把触觉数据纳入数据编译体系，作为校验模型输出的ground truth。
对于灵巧手，郎咸朋持谨慎态度：“要先想清楚模型需要什么数据，再定义手。”他认为，灵巧手增加的自由度会带来训练复杂性，行业尚未形成共识，昆仑行会跟进测试，但不会盲目自研。
创业初心：实现物理AGI
谈及创业初心，郎咸朋的表述充满使命感：“我们要实现物理AGI，坚持信仰，突破极限。”他相信，与谁同行比去哪里更重要，昆仑行团队的能力互补和认知对齐，是应对长期挑战的底气。
对于机器人进家庭的时间表，他预测需要5到10年，但AI的加速发展可能缩短这一周期。他强调，安全验证不可省略，这是对用户负责，也是行业健康发展的前提。
结语
郎咸朋的创业故事，是技术理想主义与工程现实主义的结合。他既仰望星空，坚信物理AGI的终极目标，又脚踏实地，从数据编译和量产交付做起。在具身智能的百机大战中，昆仑行能否成为最后的赢家，时间会给出答案。但至少，他们已明确了自己的路径：理解世界，而非模仿动作；量产造血，而非依赖融资。这或许正是具身智能走向成熟的关键一步。