161: 原力灵机唐文斌：中国最早的 AI 创业者和他的具身新旅程

摘要

• 唐文斌把具身智能当前的首要瓶颈归结为“智商”，而不是机械臂、camera 或其他本体。 端到端控制的 performance 可能只有 50%-60%，RoboChallenge 上的桌面任务成功率甚至可能只有一半；原力灵机的 generalist 模型也才 30% 多。公司 2026 年的技术重心是把 multi-task/generalist 泛化能力大幅推高，而非继续堆单任务 specialist。“智能的、有用的、可信赖的机器人”中，后两者眼下都先卡在前者。
• 他的商业化判据远比“交付一台机器人”严格：真实场景、每天开机十小时以上、连续运行两个月，并且要有一定数量。 被追问何为“有量”时，他随口以 100 台作为量化例子；按这个标准，他认为行业里“可能几乎没有”成熟案例。原力灵机给 2026 年定下的目标是“一个场景，一千台”，让落地数据而非采集数据启动飞轮。关键不在铺十几个 POC，而在两三个场景真正闭环。
• 物流被选为第一落点，不是因为机器人已经能做到百分之百，而是系统可以容纳它犯错。 机器人失败后，调度系统可把任务送给人工工作站，也可远程接管；客户买到的是机器人、人工、其他自动化设备和调度共同组成的连续工作流。场景还必须同时满足错误容忍、时间容忍、适度泛化和长时间作业，才能把 total cost 算明白。
• 原力灵机押注“具身原生”：机器人数据应从 VLM 预训练的 day one 就与互联网多模态数据（含视频）及智驾数据共同训练。 唐文斌把在现成 VLM 后嫁接 Action 模块比作让初中毕业生突然进体校——根骨上限低，还可能把“语文、数学”忘掉；因此 VLA 阶段也要把 Action、grounding、VQA 等能力 co-train。DM0 与阶跃联合完成原生 VLM 训练，再由原力灵机继续训练 VLA 和 post-training。
• 在硬件上，原力灵机不把完全标准化的本体、包括标准人形，当作所有场景的默认答案，而采用“模型解锁场景，场景定义硬件”。 标准本体容易 underkill 或 overkill，真正的上限先由“人脑加遥操作”能否完成任务决定；高重心人形或轮式双臂可能只能跑到 0.8-1 米/秒，低重心 AGV 却可到 4 米/秒，有些工位甚至不需要机器人自己移动。公司的解法是标准模块快速组合，而非每个项目重新定制。
• 唐文斌认为可持续护城河不是短暂的模型领先，而是使用量带来的数据飞轮。 旷视的人脸认证业务因更多认证产生更多数据、又提升金融级准确率，按他的说法至今仍有约 70%-80% 市占率；普通 SDK 没有这个循环，优势就只是时间差。具身智能也一样：最终最有价值的不是昂贵采集或漂亮 demo，而是批量机器人运行中的失败、接管和任务反馈。
• 十五年 To B 经历留下的核心教训是：价值必须可量化、产品必须可标准化，也必须警惕竞争导致的 overpromise。 2019 年优衣库项目经过五轮竞标、使用上千台机器人，初期只达到目标效率的 40%；旷视争取半年延期、推倒全部代码重来才完成交付。唐文斌的总结是，PPT 上的“假 ROI”无法带来复购，而“你说做不到，他只会认为你弱”的市场机制会让失败项目被系统性隐藏。
• 他预计行业会先容纳大量 vertical 公司，再随通用模型吞掉小模型而集中到全球个位数平台型玩家，且多数可能来自中国。 最终资格取决于模型智商、场景闭环和数据飞轮的联动，而非融资额或当前榜单；风险管理则是“准备好足够多的干粮”，同时避免散弹枪式扩张。旷视的反思是“A 加 B 加 C 基本上约等于 max(A,B,C)”，原力灵机因此拒绝表演型机器人和高节拍、低容错的汽车产线，把资源压在通用模型与少数可规模化场景上。

精读

1. 编程最早提供的是解决问题的成就感

• 唐文斌在浙江新昌读初二时，学校刚开始组织信息学竞赛，从每班挑两名数学成绩最好的学生。他和两三个伙伴拿到机房钥匙后，很多同学更愿意打游戏，但他们觉得“编程其实比打游戏更好玩”。

• 数学、物理题通常是在寻找答案，编程却是在设计“求得答案的方法”；路径可以不唯一，优化题甚至没有绝对最优解，只能不断寻找更优方案。这种开放性后来直接延伸到 AI、调度和机器人优化。

• 程序提交后立即得到 wrong answer 或 accepted，构成了极强的正反馈。唐文斌把它称为“工程师解决问题的快感”：构思算法、优美实现、通过全部测试，再把能力扩展到网站、工具乃至游戏外挂。

2. Topcoder 把思考、对抗和即时反馈压缩到五分钟

• 唐文斌大学后继续参加 Topcoder、ACM 等比赛，并非为了保送，而是“就好玩”。他最喜欢 Topcoder 的 Challenge：常规比赛结束后，选手只有五分钟阅读同房间代码，用一组反例把对方程序成绩归零，自己获得 50 分。

• 每份程序只能被 Challenge 一次，因此不只考算法，还要抢速度和观察力。他记得一次同房间 20 人都提交了同一道题，另外 19 人遗漏了同一个小 trick，他把 19 份程序全部击穿，仅 Challenge 就拿到 950 分。

• 这种经历形成了他对评测的直觉：好的系统不只是给答案，还要在压力下迅速暴露边界。今天 Codeforces 被用于代码模型 benchmark，在他看来仍是在量化同一类能力。

3. 好 benchmark 的核心不是难，而是区分度

• 2007 至 2013 年，唐文斌与另一位 IOI 金牌选手胡伟栋牵头承担竞赛命题等学生工作，创业两年后仍继续参与。他说做一道题可能只需一两个小时，出一道好题却可能花一周。

• 命题要把约 200 名参赛者的水平真正拉开：题目既要有新意、考察点明确，又不能只是机械地提高难度。“一个好的出题并不是说这个题有多难或者多简单，它核心要的是区分度。”

• 这套经验后来迁移到具身智能评测。唐文斌的原则是“你自己得是一个好的 player，你才能够是一个好的 judge”，因为没有真实研发和操作体感，就难以设计能牵引技术进步的 benchmark。

4. 竞赛网络最终变成了一条延续十余年的人才链

• 唐文斌早年在竞赛圈认识楼天成、蒋凡、王小川等人，也在带队、讲课时结识了大量中学生。范浩强初三升高一进入国家集训队，高一到高二参加 IOI，唐文斌回忆他“应该”拿了第二名。当时还出台了参加国际赛并获金牌后不再继续参赛的规定；不过唐文斌明确说，范浩强其实初三就已经保送了。

• 范浩强问“那我没事干了怎么办”，唐文斌便邀请他加入刚创立的旷视。后来公司让这名高中生先试深度学习，原因是新技术尚无成熟经验，动手足够快、足够聪明的人可能更重要。

• 唐文斌从范浩强初一、赵尔静约初二时就认识他们，此后长期一起工作。被问及旷视最多有十几个 IOI 金牌时，他纠正：“我们 NOI 的金牌更多。”

5. 印奇的组织力与共同的视觉兴趣促成了创业约定

• 唐文斌和印奇在清华并非入学即熟识；两人大二进入一个 27 名男生、没有女生的班，后来又都在微软亚洲研究院实习。印奇跟随孙健做人脸研究，唐文斌则从数据挖掘和社交网络研究意外转入图像搜索。

• 一次全班参与的学生节剧目让唐文斌重新认识印奇：印奇担任导演，组织 27 名同学参与一个“既温馨也搞笑”的复杂剧本。唐文斌从中看到的不只是技术能力，还有把多人组织起来的能力。

• 两人在 2009 年本科毕业前约定以后一起创业。那时还不流行把所有事情叫 AI，他们谈的是 machine learning、computer vision，以及一个很朴素的判断：“未来机器人都需要眼睛。”

• 唐文斌随后成为唐杰获得招生资格后的第一名研究生。导师学术休假期间，他进入微软亚洲研究院一个刚从 text mining 转向 image search 的组，“来都来了”地接下新方向，最终完成的图像搜索工作还被用于 Bing。

6. Kinect、iPhone 4 和独立开发者浪潮共同触发了旷视

• 2010 年前后，Kinect 的体感交互大热，iPhone 4 又第一次在手机上提供前置摄像头。唐文斌和印奇由此想到：手机既能看到脸和手，能否把 Kinect 式体验搬到移动端？

• 墨迹天气等独立开发者的成功让他们相信，小团队也可能靠 App 挣钱。两人各投入一台 MacBook，发现开发马力不足后拉来杨沐，三人做出体感游戏 Crows Coming《乌鸦来了》。

• 游戏没有挣到预想中的钱，却一度进入 App Store 免费榜前三，还获得行业奖项，带来大量投资人。三人原本只有“未来会创业”的模糊方向，于是决定“在战场上学习也是一种挺好的学习方式”，接受联想之星和联想创投投资正式开公司。

• 旷视后来还做过三维轮滑游戏：用户可用手机跳跃、用人脸躲飞弹；团队也构想过把手机当弹弓的体感版 Angry Birds。技术创意很多，但他们逐渐承认，自己并不真正热爱小游戏的策划、收费点和数值体系。

7. 放弃游戏后，Face++ 成为寻找场景的开放实验

• 唐文斌说团队偶尔玩游戏，但偏好《星际争霸》这类体量更大的作品；他们无法从小游戏商业设计中获得成就感。2012 年底，旷视停止全部游戏开发，确认目标不是成为游戏公司，而是把视觉技术用到更多场景。

• 当时人脸技术仍不够成熟，团队也不知道最佳落点，于是先做 Face++，把 API 开放给开发者共同探索。它曾为美图秀秀、美图手机提供人脸关键点、瘦脸和放大眼睛等 SDK，也试过以图搜衣、服饰推荐等方向。

• 这段经历暴露了创始团队的基因限制：对 To C 大众审美和 To B 场景都缺乏深刻感知，常常是“拿着锤子找钉子”。唐文斌直言，他们喜欢的东西“并不是大众审美”，单靠技术出发很难自然成为用户驱动型公司。

8. 支付宝开户让深度学习第一次转化成规模业务

• 旷视第一个真正起量的业务，是为支付宝相关的线上开户需求提供金融级人脸识别。客户需要确认远程开户者确为本人，而支付宝比较市场方案后，认为旷视效果最好。

• 唐文斌回忆，当时 LFW 上大家的水平大约在 99.1%；他同时提到，旷视早期率先把效果从 90%-91% 直接拉到 98%-99% 一带。转折来自 AlexNet 同期兴起的深度学习，但团队最初同样“将信将疑”。

• 公司让范浩强先做实验，范浩强与赵尔静组成内部所谓“强静组合”，把人脸关键点检测到最终识别的一系列问题做出了显著提升。唐文斌从中得到的不是“追逐每个新概念”，而是对新技术保持足够开放、尽快用实验判断。

9. 只有数据飞轮能把技术时间差变成护城河

• 程曼祺指出，上一轮 AI 创业中不少技术优势没有变成商业成果；唐文斌的修正是“还是看场景”。纯技术差异往往只是时间差，别人过几天也可能追上，真正门槛是使用产生数据、数据再改善产品的正循环。

• 身份认证具备这条飞轮：服务支付宝后，旷视又进入其他互联网金融、滴滴、Uber 等场景；认证量越大，见过的人和边界情况越多，系统越接近金融级准确率。按唐文斌所述，该业务至今仍占约 70%-80% 市场。

• 美颜 SDK 则不同，客户对极限准确率要求没那么高，也不会持续回流足以拉开差距的数据，因此壁垒最终只是时间差。大型客户当然可以自研，但若认证只是业务中的小环节，外部供应商把研发成本摊给多个客户通常更经济。

10. AI To B 必须先回答价值、成本占比和标准化

• 唐文斌的第一条原则是客户价值必须能量化：到底降了多少成本、增加多少效率，不能只做一个看起来漂亮的 PPT ROI。“假 ROI”也许能帮助签下首单，却无法支撑复购和规模化。

• 第二条是最好解决广泛存在、但在单个客户成本构成中占比不太高的问题；占比过大就会刺激客户自研替代。程曼祺以英伟达、宁德时代反问：高占比又不可替代不是更好吗？唐文斌承认那是强大之处，但车企造电池、大厂自研芯片也说明替代压力始终存在。

• 第三条是警惕“项目陷阱”。B 端需求天然多样，供应商必须明确哪些功能标准化、哪些可配置、哪些才定制；如果每个客户都重新做一套，收入可以增长，组织和交付却无法 scale。

11. 零下十度、四十公里和 200% 流失率启动了物流机器人业务

• 约 2016 年，唐文斌与印奇参观天津一座天猫超市仓库：空间高大而没有暖气，现场约零下十度，拣货员每天拉车行走约 40 公里，相当于在低温里走完一个马拉松。

• 管理者让他们猜年度人员流失率。唐文斌猜 60%，对方说“你这个就缺乏想象力”，真实数字是 200%。这不仅是工资账，更是招不到人、留不住人和管理复杂度的问题，在日本、韩国、欧洲和北美更突出。

• 团队从 day one 就有机器人梦想，旷视当时使用的 MegV（Mega Vision）这一名称也承载着“先让机器人看懂世界”的想法。仓库把这种长期愿望变成了明确需求：让机器人获得“手和腿”，为物理世界输出生产力。

12. 仓库的标准对象和调度问题让机器人第一次可规模化

• 与开放环境相比，仓库至少把对象约束为托盘、料箱或单件商品，存在一定标准化，因此适合作为机器人起点。团队的长期想象仍是走出仓库、园区和固定盒子，但当时通用机器人在技术上并不现实。

• 早期真正决定系统效率的不是单台车有多聪明，而是货位分配、订单优先级、交通组织和多车协同。唐文斌把仓库视作大型优化题，正好对应团队在竞赛、运筹和强化学习上的积累。

• 为摆脱纯项目制，业务把仓库拆为入库、托盘存储、箱式存储、发货等环节，每个环节用标准产品和方案，再通过配置完成组合；集成商也可拿这些“积木块”搭建完整系统。

• 分拆后的原力聚合机器人以 Atomics 为品牌，收入约一半来自项目、一半来自产品，托盘和箱式产品、销售与渠道均趋于成熟。唐文斌称其规模已达“几个亿”，另有不少尚未确认收入的订单，海外占比快速提升。

13. 优衣库项目把 overpromise 的代价完整暴露出来

• 2019 年上海优衣库自动化仓库招标几乎叫齐国内相关供应商，像选秀一样进行了五轮筛选。项目使用上千台机器人，复杂度极高；旷视承认经验不是最多，却强调最终效率取决于软件、算法和调度。

• To B 竞争迫使供应商不断抬高承诺：别人说能做，客户就问旷视能不能，团队只得接下许多自己也认为技术风险极高的要求。系统完成后，若目标效率为 100%，实际只有 40%，“差点搞砸了”。

• 旷视向客户解释已经踩清问题，请求延期半年，并把全部代码推倒重来。项目最终完成，客户反而认可其锲而不舍；唐文斌随后赴日本与优衣库创始人柳井正会面，后续也获得更多合作。

14. 竞争式采购会系统性制造过度承诺和隐形失败

• 唐文斌至今没有一个轻松答案：如果供应商还不是公认权威，诚实说“做不到”常被客户理解为能力弱，而不是判断专业；竞争者先承诺，就先拿到订单。

• 反馈周期又往往以年计算。供应商半年后失败，客户可能已经失去信心；客户与供应商都不愿公开失败项目，市场因而只能看见成功宣传，看不见 overpromise 的总体代价。

• 信任建立后，关系才会改变：供应商可以指出风险，双方先用小规模实验验证，再从“no”寻找“how to yes”。原力灵机依托原有物流业务与客户建立的技术信任，希望据此减少为拿单而虚报能力的压力。

• 唐文斌把当下不少具身项目形容为 POC、PR 甚至“摆拍”：文娱和科研之外，到底多少机器人在持续运行，没有清晰答案。厂商共同抬高客户期待，而技术未必已经到达相应状态。

15. 真落地依赖完整工作流，而非假设单机永不失败

• “有用”首先要求完整解决客户任务，其次要求经济账成立。机器人偶尔能成功完成一个动作，不等于客户的流程已经闭环；失败后若变成异常、必须临时叫人处理，系统就只能停留在 POC。

• 唐文斌不假设模型很快达到 100%。更务实的产品要预先设计失败路径：调度到人工工作站、远程接管，或让其他设备续做，使整体工作流即使遇到模型失败也能连续运行。

• 闭环与 ROI 是两个独立问题：兜底机制先保证任务不被中断，再把机器人、人工、远程人员、调度和设备的 total cost 加总，确认客户仍能省钱或提高产出。

16. 原力灵机是在复杂重组后重新起跑的新公司

• 旷视团队 2024 年已开始尝试大模型驱动的机器人控制和 VLA；原力灵机则在 2025 年春天正式运营。中间数月主要用于重组：部分股东退出，新基金承接股份，原有股东也在新公司保留一部分权益。

• 范浩强、蒋竞天等核心成员并不缺外部机会，却仍选择一起创业。唐文斌把原因归结为多年协作形成的能力信任、兄弟感情，以及物流机器人留下的客户、场景和工程积累——这些组合能提高成功概率。

• 原力灵机约有 100 人，约 40% 来自原同事，60% 是新加入者；公司按全新创业公司设置激励，预留了约 30% 的期权池，而不是让后来者进入一套固化的旧结构。

17. 高人才密度提升迭代速度，却不能自动完成商业化

• 唐文斌认为“强的人会喜欢更强的人在一起”：人才之间即使意见不同，也认可彼此有独立想法和解决难题的能力。这种化学反应可减少流程化协调，让研发迭代更快。

• 但人才密度不能直接变成收入。商业落地不仅要解决最难的算法，还要理解客户、处理脏活、补齐全部细节；这些工作需要不同类型的人配合，而不只是再增加一批竞赛金牌。

• 旷视研究院曾流行一句“这不本质”，研究者对不够困难的问题兴趣骤降。唐文斌如今反过来强调：“当你真正变成一个商业化的产品的时候，那你所有对客户有影响的东西都是本质的。”

• 财务回报并未被浪漫化。他承认自己和印奇“心中有愧”，因为带团队创业多年却没让大家挣到钱；团队对技术和社会价值有更高追求，不代表经济回报不重要。

18. 多次低估技术变化，让唐文斌选择更早押注具身智能

• 旷视最初并不相信深度学习会比 SVM 等方法好多少；Transformer 出现后，张祥宇还发表过“Make CNN Great Again”，试图说明 CNN 也能达到相近效果，后来仍不得不承认 Transformer 演进更快。

• 自动驾驶早期同样经历怀疑，如今自动驾驶已经上街。唐文斌的复盘是：“历史上每一次技术变化都低估了它的变化速度”，即使不断提高心理阈值，技术最终仍常比预想更快。

• 具身模型当前成功率很低，却处在一条“非常陡的进步梯度”上；资金、人才和注意力的涌入还会加快实验循环。对他而言，机器人是 AI 在物理世界输出生产力的一种终极形态想象，需求本身并不需要被创造。

19. “智能、有用、可信赖”最终都指向模型能力

• 原力灵机把使命写成“打造智能的、有用的、可信赖的机器人”。“智能”解释了这次创业的技术变量；“有用”要求完整解决任务且算得过账；“可信赖”则包括安全和可靠。

• 唐文斌的关键归因是：眼下“有用”和“可信赖”最大的共同障碍仍是智商低。机械臂、camera 和不少本体部件已经可用，模型却无法稳定理解环境、执行任务和处理变化。

• 因此公司把模型能力视作第一要务，阶段性商业化排在第二；但二者不能割裂，商业化必须产生真实反馈，再反哺模型，而不是单独做一条与通用模型无关的收入线。

20. “具身原生”反对在现成 VLM 后简单嫁接 Action

• 行业常见做法是下载开源 VLM，在末端加一个 Action 模块，再训练 VLA。唐文斌把它比作九年义务教育后才进体校：小时候没有练身体，能力上限受限；只狂练体育，又会把原有语文、数学落下。

• 对应到模型，一方面机器人数据应从 VLM 预训练初期就进入，而不是等 VLM 完成后才见到；另一方面，VLA 训练不能只优化 Action，也要 co-train grounding、VQA 等多模态能力，避免原有能力显著下降。

• 他借原生多模态与嫁接多模态作类比：from scratch 的原生训练成本更高，却更可能得到更好的能力结构。原力灵机希望把同样原则从 VLM 延伸为具身原生的 VLM/VLA。

21. DM0 把互联网、智驾和机器人数据从 day one 放进同一训练链

• 唐文斌把物理世界数据分为三类：互联网多模态及视频数据、智驾数据，以及机器人操作数据。他认为三类数据应从 day one 联合训练物理世界原生 VLM，而非各自形成孤岛。

• 机器人的 Action 不只包括手，腿的运动和 navigation 同样是 Action；因此 Visual Language Navigation 与 VLA 在底层相通。若目标是室内外泛环境机器人，智驾数据能加强环境理解和导航，而不只是服务桌面任务。

• DM0 的训练分为三段：原力灵机与阶跃把多模态、机器人及部分智驾数据混合，联合完成 VLM 预训练；原力灵机再继续训练 VLA，最后做 post-training。

• 阶跃、千里和原力灵机被唐文斌称为“兄弟公司”，存在业务合作。机器人数据来自原力灵机，智驾数据来自千里，阶跃有多模态数据积累，联合基模则可能让各方受益。

22. 真机数据仍是主料，仿真只在特定任务中有效

• 原力灵机同时使用 robot-centric 与 human-centric 数据。前者包括遥操作、手扶、外骨骼及无本体采集等方式，后者包括可穿戴设备产生的数据；最终效果取决于这些数据的混合“配方”。

• 唐文斌目前对 contact-rich 操作中的仿真较谨慎：刚体尚可处理，非刚体难以逼真；力、触觉等多模态信号也难模拟，sim-to-real gap 使其对真实操作模型的帮助有限。

• 仿真在两类问题上更有价值：一是 locomotion，机器人主要与地面接触，可大量学习重心和运动控制；二是更 high level 的任务理解、分解和规划，不必精确复刻接触细节。

• 对世界模型生成数据能否 scale，他保持开放。视频、第一视角、仿真和真实使用飞轮都可能是路线，但生成质量能否真正帮助现有模型仍是“big if”，所以当前仍以真机数据为主。

23. 具身系统可能不是双层，而是三个不同频率的模型

• System 2 负责慢思考、推理、任务理解和分解，可能运行在云端、频率较低；这一层正是 LLM 和基础多模态模型已经擅长的部分。

• System 1 负责中频机器人操作，VLA 可能约为 10 Hz。但旋转、微调等精细动作很难仅靠 10 Hz 控制，因此下方还可能需要 System 0，在 100 Hz 以上处理力、触觉和快速反馈。

• 三个模型之间应该传递什么中间表示、如何让大脑输出真正改善小脑 performance，唐文斌明确说“现在其实也不知道”。这不是工程接口的小问题，而是具身模型架构仍待解决的核心问题。

• 节目尾声把这一设想与 Sharp 在 CES 提出的三层结构相呼应：基础模型擅长宏观规划，创业公司的独特空间更多位于软件、硬件紧密耦合的 System 1 和 System 0。

24. 基础模型公司未必能轻易覆盖具身创业公司

• 唐文斌用“看梅西踢足球”作比：观看再多视频，也未必能让自己学会踢球。具身能力与具体硬件、接触反馈和控制频率紧密关联，不能由更大的视频模型自然全部解决。

• OpenAI、Google、字节等基础模型公司在 System 2 上有明显优势，但 System 1、System 0 仍需模型与硬件共同迭代。大厂当然也可以投入硬件和场景，只是任何公司的资源和精力都有限。

• 更关键的是数据来源。单靠采集数据并不能解决问题，真正高价值的数据应来自批量使用中的失败、人工接管和任务结果；要得到它，必须先把应用闭环，这不是单独训练一个模型就能完成。

• 行业因而面临鸡蛋问题：机器人不成熟，所以无法批量使用；不能批量使用，又没有使用数据。谁能先让有限能力的模型在合适场景持续运行，谁才可能建立难以复制的数据壁垒。

25. 评测正从 specialist 走向 generalist，zero-shot 仍然太早

• 唐文斌把评测分为三层。Specialist 是在基模上获得某一任务的大量数据，再 fine-tune 成只做这一任务的模型；它代表当前行业更多正在做的能力路线。

• Generalist 或 multi-task 要求把约 20 个任务的数据交给同一个模型，再用提示词驱动它完成全部任务，更直接考验泛化。Zero-shot 则连目标任务数据都不给，只靠提示完成未见任务。

• 原力灵机当前 generalist 成功率只有 30% 多，唐文斌认为 2026 年的重要变化会是行业从 specialist 走向 generalist；zero-shot 今年可能仍做不到，必须先把 generalist 显著推高。

• 由于 sim-to-real gap 很大，模型改动最终仍需大规模真机测试。Benchmark 不只是对外排名，而是给研发提供信号：哪个方向有效、当前进步发生在哪个维度。

26. 当前好场景必须同时容错、容时、泛化且长时间运行

• 原力灵机给场景设了四个“必要不充分”条件：允许机器人犯错或能为错误兜底；没有过强节拍要求；存在适度泛化，值得用模型而非非标自动化；并且每天长时间作业，以支撑投资回报。

• 汽车产线恰好违反前两条：高度不容错，又有严格节拍。唐文斌认为外界想象中的 pick-and-place，到了现场会受到包装、辅材、容器、位置和工艺限制，真实复杂度与宣传相差很大。

• 即使原力灵机拥有汽车产业链关系、千里也有汽车工厂，公司仍对汽车产线说 no。唐文斌强调“很多东西判断要去现场看”，不能因为特斯拉或 Figure 讲汽车工厂故事，就把它视作天然最佳场景。

• 节目尾声保留了另一种场景观：贾鹏更强调从头到尾由机器人完成的端到端任务，唐文斌则接受人类兜底。两者的共同点，是都避开节拍过快的工作。

27. 物流可以成为有限智能机器人的“温室环境”

• 物流系统本来就同时包含人工和各种已有自动化设备，因而容易接入能力尚不完整的新机器人。机器人没有完成任务时，调度系统可以把货物转至人工站，流程仍然闭环。

• 唐文斌把它类比为滴滴或 Uber 网络中自动驾驶车与人类司机并存：单台机器不必覆盖一切，系统通过分工、远程接管和动态调度吸收失败。

• 这种“温室”不是掩盖能力，而是创造持续使用的条件。机器人若因一次失败就停摆，永远得不到真实反馈；允许它在系统中反复尝试，失败数据才能回到训练管线。

28. 持续使用需要可检验的运行标准，而不是更多 demo

• 唐文斌现场给出的定义是：真实生产或服务场景、每天开机十小时以上、连续两个月，并且“有量”；被追问何为有量时，他先以 100 台作为粗略数字。

• 按这个判据，他认为行业可能几乎没有成熟案例。许多视频只证明某次成功，没有说明是 30 次失败里挑出一次，还是模型的稳定平均水平。

• 原力灵机不准备同时铺开很多行业，而希望找两三个场景真正闭环；一个场景有 100 台甚至 1,000 台持续工作，比十几个浅层案例更接近商业落地。

• 公司给 2026 年定下“一个场景，一千台”的目标，并要求这些设备符合持续开机标准。唐文斌把千台视作数据飞轮可能启动的量化门槛，而非单纯出货数字。

29. 硬件上限由遥操作验证，模型不能凭空定义本体

• 唐文斌不同意“模型定义硬件”的简化说法：判断一个硬件能否解决任务，先看人通过遥操作能否完成；如果人脑控制这套本体都做不到，再强的算法也无法突破精度、负载或构型上限。

• 完全标准化本体容易出现 underkill 或 overkill：相机位置、末端尺寸可能让它根本伸不进去；即便能做，过度设计或过强的移动能力又可能让 ROI 失去竞争力。

• 高重心人形或轮式双臂很难快速移动，唐文斌估计约 0.8-1 米/秒已接近上限，急停还容易倾覆；低重心 AGV 却可能达到 4 米/秒，因此可由 AGV 快速运送，操作机器人留在工位不动。

• 原力灵机的表述是“模型在解锁场景，我们通过场景去定义硬件”。公司会保留标准模块，再像乐高一样快速组合成不同形态，避免在标准人形和逐项目定制之间二选一。

30. 基础设施的价值在于提高迭代效率，而不是装点生态

• 唐文斌认为模型当前效果只是“五十步笑百步”，领先会交替出现，真正竞争力是迭代效率。它依赖数据、训练、推理、硬件和评测整条基础设施，而非一张阶段性榜单。

• DexBotic 最初服务内部复现算法、比较实验和统一数据流程；它不是替代 PyTorch，而是在其上增加面向具身研发的 toolbox，可配置 VLM 基模、vision encoder、Action 模块、diffusion 路线及部署方式。

• RoboChallenge 则用大规模真机测试为研究提供信号，DeepFlow 面向工作流。唐文斌的逻辑是：没有可靠 benchmark，公司不知道自己是否进步，整个行业也难以形成共同技术坐标。

• 他把开放基础设施称为“既利他也是利己”。行业当前最重要的不是众多公司中谁先领先，而是“这个行业到底多快能行”；若模型始终达不到应用门槛，除了科研、文娱外，所有公司都可能成为泡沫。

31. MegEngine 的教训是开源必须发生在生态尚未固化时

• 旷视 2013 年便开始自研后来称为 MegEngine 的深度学习框架，当时只有 Caffe 和 MXNet，TensorFlow 也还没出来。但团队只把它当内部好工具，直到 2018 年才开源，生态窗口已经关闭。

• 唐文斌的复盘不是“小公司不该做框架”，而是“核心要早”。DexBotic 选择在具身开发尚无主导工具时开放，让外部使用、修改和贡献能反过来提升内部效率。

• DexBotic 1.0 在前一年 10 月已开源，唐文斌称已有约 1,000 名外部开发者，不少高校在用；千问团队也与原力灵机交流，并安排人员基于它开展开发。

• 模仿学习之外，团队发现 RLinf 已把强化学习框架做得很好，便选择打通接口、探索合并，而不是重复建设。开源在这里首先是信任机制：“code 都给你了”，使用者可以自行修改，不必被供应商锁住。

32. 自办榜单的公平性要靠完全可复现解决

• DM0 在 RoboChallenge 两条榜单上排名第一，引发了“既当运动员又当裁判”的疑问。唐文斌说团队内部也纠结过，但最终认为提交与否“不本质”，因为测试、代码和训练细节都公开。

• 外部团队可下载 DexBotic、DM0 code 以及各 task 的 fine-tune 和 generalist 细节，直接复现分数。其公平性不依赖原力灵机口头保证，而依赖任何人都能重跑结果。

• 他强调 RoboChallenge 的初衷不是制造长期第一名，而是形成能衡量真实技术阶段的 benchmark；另一家公司两周后超过 DM0 完全正常，榜单应牵引共同进步，而不是替公司背书。

33. 最终胜负取决于通用模型、场景飞轮和长期专注能否合为一体

• 唐文斌预计行业早期会存在很多 vertical 公司；随着大模型能力增强、小模型被吞并，能力将逐渐集聚，最终可能只剩全球个位数平台型公司。他进一步判断多数可能来自中国，因为具身比纯大模型更依赖硬件供应链和快速本体迭代，但也承认硅谷公司可能以模型为核心占据位置。

• 留到最后需要两件事：模型智商领先，以及机器人在场景中长期使用形成的数据飞轮。前者是灵魂，后者把失败、接管和反馈持续喂回模型；唐文斌给飞轮设想的起点仍是“一个场景一千台”。

• 他认同落地过深可能把公司拖入单场景优化，因此要求直接用奔向通用的当前模型落地，再靠场景选择和系统工程补不足，而不是为每个客户训练一个 overfit 模型。“要警惕变成小老头公司”——活很久、规模不大、本质仍是非标项目商。

• 旷视最大的战略反思是不够专注：视觉、安防、自动驾驶、机器人和手机方向不断做加法，人才再强也会被稀释。“A 加 B 加 C 基本上约等于 max(A,B,C)”；若重来，唐文斌会把更多人集中到一两件真正相信的事情。

• 原力灵机因此拒绝表演型机器人、春晚式曝光和汽车产线等诱惑。面对可能到来的 Gartner 低谷，策略是“准备好足够多的干粮”，在市场情绪好时储备资金，又不以散弹枪方式消耗；判断上则“既不能短期太乐观，也不能长期太悲观”。

• 2026 年的两项硬目标分别是把目前 30% 多的 generalist 成功率推到一个未公开但“非常激进”的水平，以及让一个场景的一千台机器人持续运行。仍未解决的问题包括三层模型的接口、最可扩展的数据路线，以及是否需要新模型结构。

• 唐文斌把自己的角色概括为“AI 技术产品经理”：既理解模型边界，又能用 work around、工作流和基础设施把技术恰好放进客户场景。十五年创业后，他仍记得旷视前台特意摆放的机器人，并把具身智能称为“值得投入 lifetime、投入所有时间去做”的事情。