理想汽车前智驾负责人郎咸朋创业后首次公开亮相。其创立的具身智能公司“昆仑行”在 90 天内完成三轮融资，规模达数十亿元，迅速成长为独角兽企业。
郎咸朋透露，具身智能行业资金门槛极高，训练一个大模型需投入几十亿甚至上百亿元。他认为，仅靠融资无法支撑行业走到最终落地，未来将像新能源汽车行业一样经历大浪淘沙，最终涌现出具身智能领域的“蔚小理”。当前行业阶段类似十年前的自动驾驶，路线未定、Demo 繁多但缺乏真正量产交付。
90 天跑出独角兽：合伙人与命名逻辑
郎咸朋曾任理想汽车智驾一号位，用 8 年时间将辅助驾驶从零打造至 150 万辆量产规模。其搭档任庚曾任华为国家 CEO、阿里云中国区总裁，现任昆仑行创始人兼 CEO。
两人合作基于“行不行、合不合、久不久”三大共识：能力互补（技术 vs 商业）、认知一致（对产品与技术判断相同）以及长期主义（认定具身智能是十年赛道）。郎咸朋强调，创业合伙人“合适比熟悉更重要”，核心在于能否成事。
关于公司名称“昆仑行”，寓意中华民族在具身智能领域“一定行”。“昆仑”象征民族图腾与使命感，“行”代表使命必达。郎咸朋希望在公司探索物理 AGI 的历史进程中，留下每一位奋斗者的名字。
创业前的三大核心思考
在注册公司前，昆仑行明确了范式、方法与路径三大核心问题。
范式：从模仿到理解
郎咸朋认为，具身智能的第一性原理是选对范式。不同于自动驾驶早期的规则驱动或当前的模仿学习（端到端、VLA），机器人的核心范式应是“理解”而非单纯“模仿”。面对上万个复杂场景，仅靠模仿无法解决根本问题。
方法：数据编译与工程框架
针对数据效率公式（获取效率×使用效率），鉴于具身数据获取成本高，昆仑行押注“使用效率”，通过“数据编译”让机器人理解物理世界信息。同时，采用 Agent 工程框架兜底，避免软硬件简单拼凑，确保系统落地能力。
路径：先 ToB 后 ToC
商业路径上，昆仑行选择“先 ToB 再 ToC"。优先切入工厂上下料、物流等可控且有商业价值的场景，家庭场景作为终极目标放在最后。郎咸朋指出，家庭环境复杂且对安全性要求极高，技术不成熟贸然进入将对行业和用户造成风险。
核心技术：将“理解”写入模型与数据
为实现“理解”范式，昆仑行在模型设计与数据处理上进行了深度创新。
模型架构：物理因果与 MoT
昆仑行的世界模型锚定“物理因果”第一性原理，遵循“目的 - 动作 - 结果”的逻辑顺序。其采用的 MoT（混合专家）架构并非按模态划分，而是按“目的、动作、结果”划分因果图，并配合自研的“联合因果注意力机制”，确保注意力单向流动，防止模型通过结果反推动作而“作弊”，从而习得符合真实物理世界的因果关系。
该架构支持“一脑多形”，即同一套模型参数可驱动多种形态机器人，因为模型学习的是普适的物理规律而非特定动作分布。
数据策略：四步编译法
昆仑行推行“数据编译”四步法：显式标注物体物理量（重力、摩擦等）、沉淀物理机制（如牛顿定律）、将物理量编译进训练样本、利用回传机制迭代优化。此举旨在训练出富含物理因果知识的模型，而非仅寻找相关性的模仿模型。
重新定义具身智能：四维视角与硬件选型
郎咸朋反对将具身智能窄化为“会干活”，提出具身智能包含运控、移动、交互、操作四大维度。目前运控（表演）、移动（巡检）和交互（对话）已相对成熟，而“操作智能”（取代人干活）仍是早期难点。
基于全面发展四大智能的考量，昆仑行坚定选择“全尺寸、全人形”路线，自研关节电机与本体结构，而非捷径式的轮式方案。在灵巧手技术上，郎咸朋更看重“触觉”，认为触觉是物理世界的真值，能校准数据并弥补视觉局限。至于是否自研灵巧手，公司将视模型与数据需求而定，避免过早引入过多自由度增加训练不确定性。
行业终局：自我造血方能生存
郎咸朋判断，当前具身智能处于 2015-2016 年自动驾驶阶段：路线未定、Demo 盛行但无真正量产。真正的里程碑是产品能进入工厂、商场或家庭，产生实际营收。
面对“百机大战”，胜负关键在于能否实现“自我造血”。训练大模型需数十亿至上百亿资金，仅靠融资难以为继。只有进入行业前三，具备规模化营收能力，才能支撑后续研发。昆仑行目前的融资额足以支持首款产品量产上市，此后将进入正向循环。关于机器人进家庭的时间表，参考自动驾驶发展节奏，预计在未来五年左右。
结语：回归初心
从博士期间的机器人研究，到十余年自动驾驶实践，再到如今重返机器人领域，郎咸朋感叹这是一种“宿命”。贯穿其职业生涯的核心始终未变：坚持数据驱动、工程化落地与真实场景应用。正如他所言：“有道无术，术尚可求之；有术无道，止于术。”方向比具体技术更为关键。