作者 ｜ 木子
AI 还没真正学会“动手”
如果用一句话概括过去十年 AI 的落地路径：AI 学会了“看”和“判断”，却尚未真正学会“动手”。
算法已广泛嵌入摄像头、产线与终端设备，在真实场景中承担感知与决策任务，完成从实验室到产业化的跨越。但范浩强指出，当前智能仍停留于系统内部，极少深度介入物理世界本身。
转身具身智能：硬件与算法的拼图终于对齐
2025 年初，范浩强——旷视科技首位算法研究员、AI 1.0 时代计算机视觉与 AIoT 规模化落地的核心参与者——选择进入具身智能赛道，联合旷视前同事汪天才、周而进共同创办 Dexmal 原力灵机（以下简称“原力灵机”）。
谈及创业动因，他直言：“在 AI 的道路上，机器人是一个绕不过去的点。”而选择此时入局，源于一个务实判断：“之前没做，是因为还不成熟；现在这个时间点，硬件和算法的拼图终于开始拼起来了。”
硬件侧：国产关键零部件走向“可工程化”
2024 年起，具身智能从学术热点迈向产业共识。2025 年，变化进一步深化：机器人关节等核心零部件国产化率显著提升。国内供应链在性能、稳定性与交付节奏上已初步满足研发需求，大幅降低整机成本控制、系统集成与迭代的不确定性。
范浩强强调，这并非意味着硬件问题已彻底解决，而是从“不可控”迈向“可工程化”：“当供应链能跟得上研发节奏时，很多事情才有可能往前推进。”
算法侧：模型驱动行为生成，能力进入系统性提升阶段
Diffusion、Transformer 等模型正加速进入机器人动作生成与控制领域。机器人不再依赖规则或手工调参，转而通过数据学习复杂行为。范浩强认为，这意味着具身智能正从“能演示”走向具备系统性进化能力的基础。
他进一步指出，下一阶段的关键不单是“动作更像人”，而在于机器人能否真正理解人类意图，并在交互中持续修正自身行为——例如通过对话澄清模糊指令，或在操作被中断、纠正后自主恢复任务。这些能力，将决定具身智能能否从“可用”迈向“好用”。
算法先行：模型解锁场景，场景定义硬件
近两年，机器人在运动能力与形态设计上进展显著：跑跳、跳舞、打太极已不罕见，多款人形机器人进入量产阶段。伴随硬件进步，关于算法与硬件协同路径的讨论升温：具身智能研发，究竟是算法先行，还是硬件先行？
范浩强明确回应：“在我们看来，其实都是算法先行。”
即便以硬件见长的企业，其突破往往也源于底层算法——如运动控制（locomotion）等非大模型类技术。当核心算法成熟，新动作能力自然解锁，硬件形态随之演进。因此，“模型解锁场景，场景定义硬件”成为原力灵机的核心方法论。
硬件研发有其客观周期，难以压缩；而算法能力的迭代效率，才是决定整体进展速度的关键变量。具身智能是一场长期竞争，不同阶段重心各异，但算法演进始终是引擎。
原力灵机的落地路径：多模态、真机数据、立规矩
多模态感知：不止于“看”，更要“触、感、知”
传统 VLA（Vision–Language–Action）框架过度依赖视觉，在真实作业中易遇瓶颈。机器人面对的不仅是图像，更是接触、摩擦、受力与空间约束。原力灵机从模型训练初期即引入 Multimodality：除视觉外，同步整合深度、力觉、触觉，必要时加入声音信号。
此举并非追求技术堆砌，而是基于现实需求——稳定、安全执行任务，必须融合多维感知信息。
真机遥操数据：慢一点，但更真
原力灵机坚持“质量优先”的数据策略，聚焦真机遥操采集。范浩强指出，机器人常处理“细活”：抓取成败可能仅取决于几毫米位移或几牛顿力控误差。因此，数据采集须作为工程任务设计——涵盖传感器同步精度、遥操流程标准化及操作行为可复现性。
唯有如此，算法训练出的能力才能在真实场景中稳定复现。
共建评测体系：先立规矩，再比高低
行业缺乏统一、可信的评测标准，是当前具身智能发展的明显缺口。若无清晰 Benchmark，方案间难以横向比较，技术共识亦难形成。
为此，原力灵机联合 Hugging Face 推出真机评测平台 RoboChallenge，开源一站式 VLA 工具箱 Dexbotic 及首款开源硬件 DOS-W1。
范浩强表示：“我们希望先把比较的方法拿出来，让大家在同一套标准下形成共识。之后再在已被认可的方法上验证模型表现，也更利于外界准确理解我们的能力。”
从多模态感知、真机数据，到开放评测体系，每一步都指向同一目标：让算法能力可验证、可复现、可持续积累。
