公司创始人俞浩的个人风格与言论 - 创始人俞浩在社交网络上高调张扬，ID为“俞浩-爱送黄金”，并在春节前夕为全体员工每人赠送1克黄金，部分优秀员工获赠“南极豪华游大礼包”[4][6] - 公司年会预算超过6000万元，以央视级制作规格和超豪华明星阵容出圈[6] - 俞浩在微博立下目标：五年内成为世界首富，而目前其个人财富约为85亿元，与世界首富马斯克的8520亿美元财富差距巨大[8] - 俞浩发布一系列激进言论，包括“三年内将公司员工从2万扩增至20万、实现万亿产值”、“打造人类首个百万亿美金公司生态”以及喊话余承东邀请其加入公司[8] - 俞浩频繁更新微博，一天可达数十条，并回应外界对其高调的质疑，称需要鼓励个性张狂，并自称“主动把自己献祭于一个更会被嘲笑的位置”[9][10] - 俞浩提及自己曾担任清华大学航空航天学院学生会主席，并暗示其言论经过深思熟虑，不会有风险[10] 创始人背景与早期经历 - 俞浩1987年出生于江苏南通，童年受“中国电动工具第一城”环境熏陶，喜欢拆解电器并绕线圈[13][14] - 12岁时自行摸索出双控电路，高中时期已在笔记本上构思设计并标注“待申请专利”[14][15] - 俞浩凭借物理竞赛金奖保送清华大学航空航天专业，未参加中考、高考及研究生考试[15][18] - 2007年，在大学期间组装出中国最早的四旋翼飞行器之一，其设计的飞机方案虽被导师否定，但最终获得波音公司资助并赢得清华“挑战杯”一等奖[18][19][20] - 俞浩自称“第一名是一种习惯”，并认为从大学至今虽遇挫折但未经历大的失败[21] 公司创业历程与技术突破 - 公司于2015年由俞浩与3人团队以10万元启动资金创立，初期专注于研发高速数字马达[25] - 创始人发现当马达转速从2万转提升至10万转时，吸力提升可达转速提升倍数的平方（即25倍），这被视为绝佳的创业机会[25][27] - 2017年，公司成功研发出10万转高速数字马达，效能达58%，超越了戴森49.8%的效能，打破了技术垄断[28] - 同年，公司加入小米生态链，并于2018年推出合作的首款小米定制吸尘器V9，6天众筹销售额突破1500万元[30] - 2020年，公司独立发展，推出自有品牌DREAME，发布搭载15万转高速数字马达的吸尘器V12，主攻高端市场，并落地苏州智能工厂实现核心部件自主生产[32] - 2025年，公司估值突破205亿元，跻身全球独角兽榜单，上半年营收已超越2024年全年[32] 公司业务多元化与生态布局 - 2025年9月19日，公司官宣进入高端智能手机与商业航天（天文业务）两大全新领域[33] - 在此之前，公司已布局潮玩品牌DREAME MART、山也觅茶奶茶店、“沸点计划火锅”、追觅咖啡DREAME CAFE等业务，其中最引人关注的是进军汽车领域[33] - 有匿名人士称，俞浩要干的事情比贾跃亭当年布局的乐视生态还要多10倍[34] - 公司多元化布局的背后是创始人“不做专才”的理念，俞浩希望将自己训练成一个“通用模型”，具备跨领域的理论迁移能力[36] - 公司文化鼓励大胆试错，组织高度扁平化，创始人直接管理诸多事业部[36] 公司的对标策略与行业定位 - 创始人俞浩经常被外界与贾跃亭比较，但他亲自回应称公司不是乐视，并指出公司在全球化（海外收入占比80%）、高端化（主业利润行业第一）和研发创新方面与乐视不同[41] - 俞浩主动对标马斯克和黄仁勋，称要打造“人类首个百万亿美金公司生态”，并认为马斯克、黄仁勋一代只能把公司市值做到8-10万亿美元[42] - 俞浩解释其高调对标是为了避免被大众拿来与小米和华为比较，并表示永远尊敬雷军、余承东、任正非等前辈企业家[42] - 2025年2月7日，俞浩公开致谢雷军和小米早期1400万元投资与订单支持，尽管小米及其关联资本已在2020年至2025年8月间陆续退出股东行列[44] - 公司战略是“对标最强大的对手”，战术上则一步步做好长期规划，寻找自身优势实现反超[44] - 当下的高调对标也被视为制造流量、进入顶级圈层的手段[45] 公司进军汽车与机器人领域 - 创始人俞浩早年创建科技组织“天空工场”，探讨飞行器、汽车和机器人，但创业时因认为无人机是小众市场而选择了清洁电器领域[46] - 公司造车计划被称为“星空计划”，于2021年秘密启动，被俞浩视为历史的必然[49] - 俞浩将企业划分为四个层级，并立志让公司从“四流”逐渐变成像特斯拉和苹果那样的“超一流”公司[49][50] - 选择汽车赛道是因为其中存在“万亿级的竞争对手”[51] - 2025年，诸多车企进军具身智能赛道，而智能汽车本质上是“有轮子的机器人”，两者共享“感知-决策-执行”的核心架构[52][53] - 公司正试图通过改装车企产品进入汽车领域，进军具身智能赛道也被视为合乎逻辑的延伸[54] - 俞浩曾表示想推动人类科技10倍进步，并认为机器人是能带来社会进步、提升生产力十倍百倍的“人类之光”方向[56]

产品发布与核心性能 - 北京人形机器人创新中心发布新一代通用机器人平台“具身天工3.0” [1] - 该机器人是行业内首个实现触物交互式全身高动态运动控制的全尺寸人形机器人 [1] - 机器人本体稳定性、运动控制、具身大小脑协同、全自主作业等方面有显著提升 [1] 硬件与本体性能 - 硬件本体预留多类型拓展接口，支持各类外设工具灵活接入 [1] - 配备高扭矩一体化关节，实现极强的肢体爆发力，可应对特种作业中高负载需求 [1] - 可稳定完成翻越约1米障碍、全身高爆发连续动作等复杂运动任务 [1] - 支持跪地作业、弯腰转身操作等复杂灵巧操控场景 [1] - 通过多自由度协同的肢体设计，将操作精度控制在毫米级 [2] 软件与生态平台 - 软件层面基于“慧思开物”平台生态，提供开发文档、工具链及低代码开发平台 [1] - 将复杂技术能力封装为简单易用的操作流程，合作伙伴无需进行底层技术重构 [1] - 支持合作伙伴根据自身场景需求开展定制化二次开发，显著降低开发门槛、缩短开发周期 [1] 应用场景与通用性 - 可快速适配特种作业、工业制造、商用服务等多元场景需求 [1] - 实现与行业主流系统的无缝衔接 [1] - 操作精度达毫米级，进一步提升通用泛化能力 [2]

行业概况与市场热度 - 2025年具身智能赛道极为火热，全年共有168家企业获得融资，融资总规模达329亿元人民币，同比大幅增长291% [3] - 资本热度延续至2026年初，仅开年一个月内，国内该领域就披露了近20起融资，其中金额达数亿人民币的融资事件屡见不鲜 [3] - 2025年，“具身智能”作为前瞻性未来产业被写入“十五五”规划建议，明确将推动其成为新的经济增长点，工信部也表示将以人形机器人为切入点带动具身智能大产业发展 [3] - 在市场繁荣的同时，行业也存在“寒冬论”与“泡沫论”的担忧，主要基于技术路线未收敛、商业路径难闭环、应用场景不明确以及企业估值高昂等问题，部分业内人士认为2026年下半年可能出现“具身智能寒冬” [3] 逐际动力公司核心动态 - 逐际动力于2026年初完成B轮融资，金额达2亿美元，是2026开年以来具身智能行业最大规模的融资，投资方包括阿联酋Stone Venture、京东、东方富海等新机构，老股东上汽、蔚来资本、明势创投等继续加码 [11] - 公司创始人张巍受邀向国务院总理李强展示了其人形机器人Oli上下楼梯的能力，直观体现了其“小脑基础模型”与“大小脑融合技术”的底层创新 [5] - 公司近期正式发布了其“具身智能体系统LimX COSA”，这是一个面向物理世界原生的Agentic OS，被比喻为人形机器人的“智能神经系统” [6][7] - 公司于去年12月发布了多形态具身机器人TRON 2，其基于同一个机器人底座，能够实现双臂、双足、双轮足三种构型的快速切换，并支持人形、四足等形态重构，旨在降低机器人场景探索的门槛 [8][11] 核心技术：COSA与TRON 2 - **COSA (Cognitive OS of Agents)**：被定义为人形机器人的Agentic OS，旨在管理机器人身上的模型、技能、记忆等，使其能在真实世界“主动思考、自主干活”，例如在演示中，机器人Oli能在任务被打断后自主判断优先级，完成取水后再去拿快递 [15][17] - **小脑基础模型**：是一种能够实时生成任意全身运动指令的模型，区别于行业常见的预编程或预先训练好的策略，是实现通用性的关键基石，支持未来视觉语言动作模型在人形机器人上的部署 [18][20][21] - **大小脑融合技术**：旨在打通导航、避障、移动操作等复杂行为与全身运控基础模型之间的对齐，是连接运动智能与认知智能的桥梁 [18] - **TRON 2的设计理念**：旨在解决探索场景成本过高的问题，通过“一个基座，多种形态”的逻辑，让用户通过更换末端执行器来适配不同场景，而无需购买多台不同类型的机器人，其负载能力强大，可实际用于工作 [22][24][25] - **创新定位**：TRON 2被视作一个由中国公司定义的全新机器人品类，即“Foundation Robot”或“通用基座”，公司强调其创新源于实际需求，旨在打破行业同质化竞争和内卷 [23][28][29] 创始人观点：行业趋势与公司战略 - **对“寒冬论”的看法**：创始人张巍不认为2026年是寒冬，反而视其为具身智能落地的元年，预计2026年将进行各种细分场景的POC验证，2027年将规模化起量，认为靠PPT融不到资是市场回归理性的表现 [4][39] - **投资逻辑变化**：观察到投资人的关注重点正从早期看技术，逐渐转向更关注场景落地和商业验证 [32] - **公司发展导向**：逐际动力定位为产品导向和商业化导向的公司，只做有商业价值、可落地的技术，创始人认为从学术导向到商业化导向需要经历四个重要转变 [33][35] - **对竞争的看法**：不认为估值高的同行带来压力，压力来自于解决用户真实需求的迫切性，认为行业仍是蓝海，关键在于解决未完成的落地问题 [36] - **对订单的看法**：更关注订单背后场景是否被验证、客户是否真的在用、能否形成复购，而非单纯宣传订单数字 [37][38] - **护城河认知**：认为最终壁垒在于产品竞争力、用户价值和市场规模，而非单纯技术，现阶段公司的技术优势包括小脑基础运动控制模型、大小脑融合技术以及本体硬件设计和制造能力 [42] - **战略选择**：公司明确其人形机器人不进工厂，口号是“Serve People, Not Process”，瞄准商业场景并最终服务于家庭，旨在帮助和增强人，而非服务生产流程 [44] - **通用机器人路径**：公司致力于通用机器人，其路径有两种：一是通过“通用本体+APP”的COSA思路，类似iPhone；二是通过TRON 2的通用基座思路，在不同功能场景中沉淀通用能力 [45][46][47] 2026年技术展望与人才观 - **关键技术变量**：创始人认为2026年具身智能实现场景化落地的两大技术变量是**第一视角视频数据训练**和**强化学习驱动的后训练**，视频数据是预训练阶段的最大变量，而具身智能正从VLA预训练转向Post-Training阶段 [49] - **后训练的重要性**：强调具身领域的后训练比大语言模型还重要，需要通过真机在真实场景中收集数据，并通过强化学习进行迭代，形成“基座模型”与“场景数据”之间的飞轮 [50] - **人才吸引与招聘**：认为吸引顶尖人才不能仅靠“堆钱”，钱是基础，但更需依靠文化、价值观、技术挑战、成长空间和成就感，招聘最看重候选人靠谱、聪明、有成长欲望、有好奇心和开放的特质 [52][53] - **中美差异判断**：认为在具身智能领域，美国没有优势，中国在从概念到产品化、量产、制造、用户、市场的长链条迭代中速度更快，凡是带硬件的领域，中国肯定跑得更快 [54] 公司目标与行业意义 - **2026年公司目标**：人形机器人的目标是去掉遥控器，完成几个场景的产品市场匹配验证，推出新品并构建有特色的产品矩阵，技术层面重点是构建具身Agentic OS，希望TRON 2能成为具身智能科研探索和场景落地的通用基座，类比英伟达的算力平台之于AI [55] - **行业定位与愿景**：公司通过全尺寸人形、通用基座、具身智能体系统等关键选择，致力于为行业开路，坚持原始创新和面向真实场景的产品开发，认为未来能留下历史意义的公司将是那些定义新范式、创造新物种的实干者 [56][57][58][59]

文章核心观点 - 蚂蚁灵波（Ant Group LingBot）开源了全球首个用于通用机器人控制的因果视频-动作世界模型LingBot-VA，该模型通过“先想象未来画面，再反推动作”的范式，显著提升了机器人在长时序、高精度及复杂任务中的自主决策与执行能力，标志着世界模型在机器人控制领域进入实际应用阶段 [1][5][6] - LingBot-VA是该公司连续第四天开源机器人关键技术组件，与之前开源的LingBot-Depth、LingBot-VLA、LingBot-World共同构成了一套完整的、推动通用机器人进入“视频时代”的技术栈，对行业技术路线产生了深远影响 [34][35][36] 技术原理与架构创新 - **核心范式转变**：模型摒弃了传统VLA（视觉-语言-动作）的“观察-反应”模式，采用“先想象世界，再反推动作”的两步策略，即通过视频世界模型预测未来视觉状态，再通过逆向动力学反推执行动作 [3][6][7] - **关键架构突破**： - 采用**视频与动作的自回归交错序列**，并引入因果注意力确保时序逻辑，借助KV-cache技术赋予模型长期记忆能力，使其能记住长任务中的历史步骤 [9] - 采用**Mixture-of-Transformers (MoT) 分工协作架构**，将视频流（负责繁重视觉推演）与动作流（负责精准运动控制）解耦，共享注意力但保持表征独立，解决了表征缠绕问题，提升了控制精度 [11][12][13][14][15] - 在工程实现上应用了**部分去噪、异步推理和FDM接地**等技术，分别提升了计算效率、降低了执行延迟，并防止模型想象脱离现实 [17][18] 性能表现与实验结果 - **真机任务测试**：模型在三大类挑战性任务中表现稳健 - **长时序任务**：如准备早餐、拆快递等多步骤任务，能稳定执行并在失败后记住进度重试 [22][23] - **高精度任务**：如清洗细小透明试管、拧螺丝等毫米级精度操作，得益于MoT架构，动作控制稳定 [5][24][25] - **可变形物体操作**：如折衣服、折裤子，能通过视频推演预判布料形变 [26][27] - **仿真基准测试成绩**： - 在**RoboTwin 2.0**双臂协作基准测试中，综合表现领先 - Easy场景平均成功率92.93%，比第二名高出4.2个百分点 [28][29] - Hard场景平均成功率91.55%，比第二名高出4.6个百分点 [28][29] - 任务序列越长、难度越高（Horizon变大），领先优势越明显，在Horizon=3的长任务中优势超过9个百分点 [29][30] - 在**LIBERO**基准测试中，以98.5%的平均成功率刷新了SOTA（State-of-the-Art）记录 [30][31] - **核心能力验证**： - **长期记忆**：在擦盘子计数等任务中，能精准记忆历史动作，避免遗忘 [31] - **少样本适应**：面对新任务，仅需约50条演示数据即可通过微调学会，数据效率极高 [32] - **强泛化能力**：对训练中未见的物体形状、颜色或摆放位置，仍能准确识别和操作 [32] 行业影响与战略意义 - **技术路线整合**：蚂蚁灵波连续四天开源的关键技术（LingBot-Depth, VLA, World, VA）形成了一条清晰完整的技术主线，分别解决了机器人“看清、连接、理解、行动”的核心问题，系统性提升了机器人在长任务、复杂场景及非结构化环境中的能力 [34][35] - **推动行业范式演进**： - 标志着**通用机器人正全面走向视频时代**，视频成为连接感知、记忆、物理和行动的统一推理媒介 [35] - 使**世界模型从可选项变为机器人中枢能力**，推动具身智能从“能动”进化到“会想再动” [36] - **引发行业连锁反应**：该系列开源动作已被海外媒体视为全球机器人领域主导权争夺的战略举措，并已引发同行跟进，如谷歌推进Project Genie、宇树科技开源UnifoLM-VLA-0等，形成了行业蝴蝶效应 [37][38]

文章核心观点 - 蚂蚁灵波开源了全球首个用于通用机器人控制的因果视频-动作世界模型LingBot-VA，该模型通过“先想象未来，再反推动作”的新范式，让机器人具备了“脑补未来”的能力，标志着世界模型首次真正应用于机器人控制闭环，是通用机器人技术的一次重大飞跃 [1][2][6][56] 技术突破与核心架构 - **范式革新**：模型打破了传统视觉-语言-动作模型的“观察-反应”条件反射模式，采用“先想象世界，再反推动作”的两步走策略，通过自回归视频预测未来几秒的视觉状态，再基于此反推动作 [4][5][6][15][16][17] - **架构设计三大突破口**： - **因果自回归序列**：将视频Token和动作Token置于同一条时间序列，并引入因果注意力确保模型仅使用过去信息，结合KV-cache技术赋予模型长期记忆能力 [20][21][22] - **混合专家分工**：采用Mixture-of-Transformers架构，让视觉流与动作流共享注意力但保持表征独立，解决了传统模型中的“表征缠绕”问题，使视觉推演与动作控制互不干扰 [24][25][26][27] - **工程优化**：通过部分去噪、异步推理和FDM接地等技术，提升了计算效率、减少了执行延迟，并防止模型想象脱离现实 [31] 性能表现与核心能力 - **真机任务测试**：模型在长时序、高精度及可变形物体操作三类挑战性任务中表现稳定，例如准备早餐、拆快递、清洗试管、拧螺丝、折叠衣物等 [33][34][35][36][37][38][39] - **仿真基准成绩优异**： - 在RoboTwin 2.0双臂协作任务中，Easy场景成功率92.93%，Hard场景成功率91.55%，分别比第二名高出4.2%和4.6%；在Horizon=3的长任务中，优势扩大至9%以上 [40][41] - 在LIBERO基准测试中，平均成功率高达98.5%，刷新了SOTA记录 [42][43] - **核心特质**：具备长期记忆、少样本适应（仅需约50条演示数据）和强大的泛化能力（可适应物体形状、颜色、位置的变化） [43] 连续开源的技术战略与行业影响 - **四天开源构成完整技术栈**：蚂蚁灵波连续四天开源的项目构成了一条清晰的技术主线，从感知、连接到理解与行动，系统性地推动通用机器人进入视频时代 [45][46][53] - Day 1: LingBot-Depth – 解决“看清”问题 - Day 2: LingBot-VLA – 解决“连接”问题 - Day 3: LingBot-World – 解决“理解”问题 - Day 4: LingBot-VA – 解决“行动”问题 - **行业价值**：为通用机器人解决长任务、复杂场景和非结构化环境等难题提供了系统性方案，使世界模型从可选项变为机器人的中枢能力 [47][48][49] - **引发行业连锁反应**：其开源动作不仅提供了可复现的技术范式，也引发了行业关注与跟进，例如谷歌的Project Genie、宇树科技的开源模型等，被视为全球机器人领域主导权争夺的战略举措 [50][51][52]

文章核心观点 - 2025年具身智能行业热度呈指数级暴涨，但一线从业者对实现真正通用机器人的时间表持审慎态度，认为距离比想象中遥远 [2] - 行业共识是应避免追求无边界“通用”，转而聚焦于特定应用领域（ODD）的落地，回归商业本质 [4][6] - 从技术演示到商业化存在巨大鸿沟，需警惕技术泡沫，并重视从技术研发向企业经营的关键转变 [9][18] 为何选择具身智能创业之路 - 国家战略是重要驱动力，例如“中国脑计划”等国家级项目持续投入，为行业培养了人才并准备了数据与算法基础 [5] - 技术突破创造了窗口期，例如2023年因算法进步，机器人操作领域出现巨大机会，促使团队创业 [6] - 愿景驱动，旨在为各行各业的智能硬件和机器人赋能，使其更智能、更好用 [5] 对“通用机器人”的冷思考与边界定义 - “通用”概念范围无限大，被认为大部分不靠谱，应将其收窄到应用领域（ODD）更明确的范围 [6] - 机器人发展符合Gartner曲线，梦想越大，实现所需时间越长，应坚持在特定领域内实现有限通用 [7] - 预计从2026年开始，会有一些场景率先落地 [6] - 技术落地面临传统方法与新兴端到端模型的矛盾，当前应寻找人形机器人大脑的兼容形态（如向下兼容轮式单臂、四足机器人），以优化用户体验并缓解技术矛盾 [8] 技术路径：世界模型与落地挑战 - “世界模型”在机器人领域被定义为一套能根据当前或过去观测预测未来状态的系统，但尚未见其在机器人或自动驾驶端侧落地，云端应用（如仿真、训练数据生成）则已实践多年 [10] - 存在两条主要技术范式：一是追求上限高但过程艰难的端到端模型（爬悬崖），二是持续落地的类脑解耦路线（走盘山公路），后者因有数学基础且能阶段性产出而被部分公司采用 [11] - 解决机器人长程规划等核心问题，关键在于获取多元化的高质量数据，有公司正致力于开发低成本数据采集工具 [10] 从技术演示到商业化的陷阱 - 技术演示不等于商业化，不解决实际商业化中的泛化能力、成功率和生产节拍等具体问题，从业者需清醒认识从演示到商业化的漫长道路 [12] - 技术演示的性质和对象发生变化：从过去面向客户验证产品，转变为现在面向生态合作伙伴演示技术以共创产品，这易导致最终用户产生误解，需明确区分技术演示与产品演示 [14] - 技术演示在早期虽难直接产生商业价值，但有其必要性，类似于OpenAI早期论文或AlphaGo，其价值在于击穿技术临界点，企业战略与执行路径匹配即可 [13] 团队构建：算法与工程并重 - 构建团队并非算法与工程二选一的伪命题，顶尖的算法人才与工程人才都至关重要且昂贵，公司需要两者兼备才能运转 [15] - 当前创业公司的趋势是打造“小而精”的“特种兵”团队，成员需具备横向能力和全栈思维，并借助AI工具扩大个人能力半径，核心团队精简，大量利用外部资源 [16] - 资源投放有节奏，先投技术算法研发，再投产品与工程化，理想情况是技术人员能成长为兼具产品定义、工程落地和商业能力的复合型人才 [17] 2026年生存关键与行业展望 - 2026年决定公司生存的关键是从纯粹的技术研发转向企业经营和运营，需找到可被投资回报率验证的“根据地”并扩大，否则可能沦为人才输出基地 [19] - 2025年行业竞争主要体现在融资层面，2026年将开始出现真正的商业竞争，公司间将争夺订单，但激烈程度尚不及后续年份 [20] - 行业存在三个交替的小周期：硬件周期、场景周期和数据周期，2026年场景周期的开启将是重要旋律 [20] - 当前融资环境仍较宽松，给予公司战略窗口期，关键在于基于对行业未来3-10年发展的不同认知，倒推决定当前最应做的事情 [19]

Sharpa机器人公司的创立背景与团队 - 激光雷达供应商禾赛科技的三位联合创始人（李一帆、向少卿、孙恺）于2024年底创立了机器人公司Sharpa，专注于开发通用机器人及核心部件 [4] - 三位创始人是Sharpa的联合创始人，负责战略指导和规划，不担任实际职务，公司独立运营，与禾赛科技无股权从属或业务管控关系 [4] - Sharpa核心团队大部分为外部招聘，目前员工规模已超过100人 [4] 创始人的创业历程与市场认知 - 三位创始人相识于硅谷，2013年共同创业，2015年进入车载激光雷达领域，成功将激光雷达成本从数万美元降至1000元人民币以内 [7] - 禾赛科技在2025年激光雷达出货量达到160万颗，并计划在2026年交付200-300万颗，已成为全球车载激光雷达市场占有率第一的公司 [7] - 创始人认为激光雷达业务存在局限：仅作为汽车安全部件无法直接提升用户体验，市场规模受制于汽车市场，且用户对禾赛品牌的感知弱于汽车品牌 [7] - ChatGPT在2022年底的出现让创始人确认AI时代蕴含巨大机会，类比20年前的互联网和10年前的新能源，有望催生千亿美元市值的公司并改变生活方式 [7] - 创始人认为通用机器人市场拥有万亿美元潜力，并立志打造一家世界级的AI公司 [7] Sharpa的业务定位、产品规划与技术路线 - Sharpa被定位为一家具有AI基因、软硬一体且可进行长期投资的新公司，与以硬件为核心的禾赛科技独立运营 [8] - Sharpa首款产品为灵巧手SharpaWave，于2025年10月量产，具备22个主动自由度，与特斯拉Optimus第三代灵巧手规格相同，售价为数万美元 [8] - 第二款产品是通用人形机器人Sharpa North [8] - 公司认为机器人的重点在于操作（Manipulation）而非移动（Locomotion），目标是实现通用性，使其能在大部分地形移动并操作各种工具 [9] - 技术路线认为机器人应处理介于人类与自动化设备之间的任务，即具备泛化能力以解决低频、复杂的通用需求 [9] - Sharpa第一代产品主要用于科研实验，第二代计划进入服务类场景，最终目标是大规模进入家庭 [9] - 公司设定的家庭机器人普及成本条件是不超过5000美元，该目标低于特斯拉预测的2万美元成本 [9] 机器人行业现状与创业挑战 - 截至2025年底，中国有超过100家人形机器人整机初创公司，若算上关键零部件领域，看好该行业的创业者至少达300人 [9] - 目前通用机器人的技术路线尚未收敛，所有公司仍在探索商业应用场景 [9] - 创始人认为机器人行业的“ChatGPT时刻”尚未到来 [10] - 与创立禾赛时相比，Sharpa的创业在融资、技术积累和关注度上更具优势，但挑战也更大 [10] - 创始人评估，造机器人的机会比造新能源车大10倍，但难度也高达100倍 [10] 对禾赛科技的潜在协同与影响 - 创始人希望Sharpa这家AI公司能帮助禾赛科技拓展市场，AI公司的经验可能让禾赛的天花板“再大10倍” [8] - 未来机器人激光雷达市场的体量可能超过车载市场，禾赛科技也将开发机器人所需的其他零部件，不限于激光雷达 [8] - 禾赛科技作为硬件公司，将提供AI基础设施，但由于其2025年底首次实现全年盈利，而机器人业务投资大、回报周期长（约5-10年），因此选择成立独立公司以保持禾赛的盈利性 [8]

字节跳动旗下AI产品动态 - 字节跳动旗下AI产品“扣子”宣布进行2.0品牌升级 [1] - 此次升级推出了两项全新功能，分别为Agent Skills和Agent Plan [1] 禾赛科技创始人团队动向 - 禾赛科技的创始人团队宣布进入通用机器人领域 [1]

公司关系与治理 - 禾赛科技与Sharpa是两家独立运营的公司 不存在股权上的从属或业务管控关系 [1] - 激光雷达上市公司禾赛科技的三位创始人向少卿、李一帆、孙恺共同创立了Sharpa [2] 业务发展与战略 - 对于禾赛科技而言 AI公司会扩大团队眼界、反哺公司自身 [1] - Sharpa主要开发通用机器人及其核心部件 [2] - 禾赛科技认为未来机器人激光雷达市场的体量可能会超过车载市场 [1] - 禾赛科技计划不仅提供激光雷达 也会做机器人发展所需的其他零部件 [1]

行业共识与市场前景 - 机器人被视为下一个万亿级智能终端，行业已形成共识其未来将催生万亿级市场 [4][6] - 现有机器人产业市场规模远未达预期，核心原因在于现有机器人大多只能适配单一场景和任务，限制了规模化应用 [4] - 机器人能产生巨大生产力，生产力与劳动力总和可达所有GDP一半的体量，并有望成为继个人电脑、手机、智能汽车之后的下一个智能终端 [7] 公司核心战略与破局路径 - 公司提出破局路径是打造“上限更高、更通用的机器人”，让机器人像人一样有聪明的大脑和好用的身体，以快速学习并适应各类新场景，从而触达更广阔市场 [4] - 公司专注于研发通用机器人，并在人形机器人全身灵巧操作的软硬一体、全栈自研上实现阶段性进展和突破 [7] - 公司研发了具备双灵巧手和双足形态的通用人形机器人，其软件（包括通用端到端的具身大脑、小脑运控模型）和硬件（本体、零部件、关节、电机、灵巧手）均为一体化自主研发 [7] 技术演进：具身模型的三次进化 - 第一阶段：基于VLM的分频VLA模型。公司是全球该路线最早的提出者和实现者，于2024年发表全球首个完整的机器人VLA模型论文Hirt，首次提出Action形态实现端到端训练，仅通过视觉输入每秒可完成数十次感知-决策-规划闭环 [11] - 第二阶段：融合世界模型的VLA模型。为解决第一阶段模型依赖模仿、缺乏思考、泛化能力有限的问题，引入世界模型以赋予机器人对物理世界的常识性认知和预判能力 [13][14] - 公司于2025年发表论文，通过引入大规模互联网视频数据预训练增强模型泛化性能，并与全球顶尖的具身大脑公司Physical Intelligence联合发表论文Ctrl-world，引入世界模型后在其最先进模型的下游任务性能提升45% [15] - 第三阶段：融合强化学习的VLA模型。机器人通过自主强化、自主探索试错来增强性能，通过端到端神经网络实现高频（每秒几十赫兹）的感知到控制闭环 [16] 硬件产品与核心能力 - 公司完全自主研发核心硬件部件，包括灵巧手、电机、减速器、驱动器等 [19] - 产品矩阵包括双足人形机器人“星动L7”（身高1.7米，拥有55个自由度，是跳高跳远世界纪录保持者，具备双臂灵巧操作与手脚协同能力）和针对服务场景设计的轮式机器人“星动Q5”（具备七自由度双臂和五指灵巧手） [19][20] - 自研通用灵巧手采用全直驱方案，响应速度快（每秒能点击鼠标10次）、力量强（单手能拎起25公斤重物）、精度高（能稳稳捏起一块豆腐），并具备出色的抗冲击性 [20] 商业化落地策略与进展 - 采取双线并行商业化策略：一方面面向终端场景提供从模型、硬件到软件的全套解决方案；另一方面将开发过程中的工具链以API形式开放给其他企业和高校用户 [21] - 已在工业、物流等场景成功落地，与顺丰、海尔、联想等企业合作，通过真实场景数据反馈持续优化模型能力，形成良性飞轮 [21] - 通过开放工具链赋能合作伙伴，全球市值Top10的科技巨头中已有9家成为其客户 [21]