对话昆仑行创始人任庚：车企做具身，未来入场是“战略必然”，现在切入是“战术投机”

一直以来，具身智能赛道有一种割裂现象——一方面是行业热钱涌动，吸引自动驾驶技术人才与院校学者，先后加入创业者的阵营；而另一方面，具身智能的商业化并不清晰，行业至今未能出现一家能攻坚大规模量产的企业。因而在资本狂欢的另一面，也有如金沙江创投合伙人朱啸虎之类的行业人士，“清仓式”看空具身智能赛道。

昆仑行机器人恰恰切中了行业对量产落地能力的迫切期待，因而公司在尚未走完注册流程时，估值便已跻身独角兽，刷新具身赛道的独角兽产生速度。

据36氪此前报道，昆仑行机器人由前华为国家CEO，阿里集团副总裁任庚，与前理想辅助驾驶一号位郎咸朋联合创办。企业注册不到90天，已接连完成了3轮融资，累计融资规模为数十亿元。高瓴资本、高榕创投等顶级创投，连续3轮加码跟投昆仑行。

昆仑行看在创立之初，就把大规模量产，而非跑demo作为目标，企业创始人任庚日前接受了36氪访谈。

任庚提到，具身智能分为三类，一个是全人形具身智能，一个是类人形具身智能，还有一个是非人形具身智能。这三种形态的产品，昆仑行都会布局。“因为它们的很多AI、硬件能力是复用的”，但任庚表示，昆仑行会“先做全人形机器人，再把技术下放到其他形态”。

而在产品和技术能力上，昆仑行的人形机器人选择对标特斯拉Optimus，走软硬全栈一体的路线。行业里选择这一战略的公司并不多。

任庚认为，“具身智能的上限是由AI决定的，下限是由本体，或者说硬件决定的”，“没有物理AI，具身智能这个行业就不存在”，“同时没有硬件本体这个载体，再好的AI都没有办法呈现”。

在落地场景的选择上，任庚也对昆仑行提出了完全闭环、价值呈现、相对简单、数据飞轮和人机互动5大基本原则。能端到端闭环做到商业价值呈现，都是核心要求。

“如果只是以做POC、拍视频，做打榜为目的，没任何价值。”任庚犀利表示。

他认为，昆仑行之所以规划出清晰的商业落地阶段，来自创始团队成员过往成功实践和行业积累。任庚基于自己在华为和阿里云打硬仗和打胜仗的操盘经验，来把握公司的战略方向、组织体系的搭建、商业的运作、企业的经营等。

而另一位联合创始成员，郎咸朋则拥有150万辆的高阶辅助驾驶交付经历，深谙用有限资源实现技术逆袭的AI研发经验。

不仅是对创业搭档，昆仑行在筛选蜂拥而来的投资人时，也强调认知的一致。他称“这是为确保最短时间达成共识，和最长期的合作共赢。

面对许多车企和自动驾驶公司跨界具身智能，任庚持悲观看法。他对36氪表示：“具身智能还处于非常早期的阶段，这个时候所谓汽车公司或自动驾驶公司进入，优势不明显，短板很突出。”

他评价，车企未来一定会下场具身智能产业，但不是目前这个时期。而是真正的市场成熟期和爆发期，以及还有一个条件，车企自身的格局之战已经完成。

正因如此，今天具身智能创企“最大的对手就是自己”，“自己对战略方向的判断、对于技术路线的选择、组织体系的搭建、商业造血的能力、人才的选用等”，决定了具身智能创企能否最终存活。

以下是36氪汽车对谈昆仑行创始人任庚，内容略有编辑：

谈车企下场：车企或自动驾驶公司现在做具身，优势不突出，短板很明显

36氪汽车：你如何看待今天一些车企或自动驾驶公司的具身智能业务？

任庚：车企企业切入具身智能，在未来，是战略上的必然选择；但在当下切入，就是战术上的投机思想。在战术上，具身智能还处于非常早期的阶段，这个时候所谓汽车公司或自动驾驶公司进入，劣势大于优势。

战略上的必然，是指车企必然会切入具身，但需要具备两个条件，第一，具身智能市场已经完全成熟和彻底爆发，每年会为车企至少带来看的见，确定性数千亿营收；第二，车企的最后一战已经结束，真正的坐上车企胜利者的牌桌，今天车企的生死之战远远还没结束，汽车，手机，芯片这样的产业，终局上能真正坐稳牌桌的只会是有限个位数。

所谓战术上的投机，因为对于中厂或者大厂，相对创业公司，最大的优势是资源优势。但如果一家中厂或者大厂只能投入一个小部门去做相对前沿行业的投入和竞争，它是披着大厂外衣的一个小部门，它可能还没有创企的资源丰富。

第二，在owner ship方面，这个部门的领导毕竟不是创业者，虽然可能也很优秀，但他的本质是为领导干，创业者是为自己干。大家的owner ship不一样，所释发出的能量又完全不一样。

第三当前的车企做具身，会面临和集团内部的各种已有流程的条条框框，比如算力的管控，人力政策的管控、法务的管控、财务的管控，这些都是巨大的束缚。

此外，大家做具身的动机也不一样，有的是为了留人才的，有的是为了市值管理，有的是为了上市等等。所以整体来看，车企在这个阶段投入具身智能，长板不明显，短板很突出

36氪汽车：那有些车企CEO同时兼任机器人业务CEO，也解决不了内部的资源划分，和战略上ownership的问题吗？

任庚：我觉得关键不在于说，核心在于做，要用脚投票。比如雷军雷总造车，对于汽车的资源投入，就是用脚投票。

用脚投票，就是CEO的时间和企业的资源是否都全部投入进去，这才是真正的投入，而不在于表面是否兼职与否。今天的汽车企业如果宣布进入具身智能。那要看它有多少的资源投入。如果只是100人、200人的资源投入，本质上没有变化。如果你投5000人/1万人，那是真正的用脚投票，能体现它的all in。

36氪汽车：假如车企把机器人业务拆分出去融资，今天资本市场会怎么去看待这个类型的业务？

任庚：我觉得如果把机器人业务拆分出来融资，可能会在一定程度上解决这些约束问题。但对于一个大型企业来讲，如果这是一个非常好的业务，是个金钵钵，它是舍不得出去融资的；如果拿出去融资了，证明他对这个业务可能不是那么看好，或者觉得可能需要比较长周期的培育和发展。

那与其这样，为什么还要在这方面花时间和精力去投入？我们以前经常说一句话，不要在非战略机会点上，消耗大厂的战略资源。因为大厂的优势就是战略资源，所谓的战略资源，就是我可以饱和攻击，可以压强投入。

所以拆分看起来一定程度上能解决问题。但是从根本上要回到，你到底该不该做这个事情。

36氪汽车：车企有硬件、电驱、智驾算法这些可以复用的优势，它们一旦下场，你认为昆仑行这样的创企还有多久窗口期，要花多久把这些优势追平？

任庚：刚才已经分析到，真正的大厂下场还远远没有来到。因为没有这么大的市场空间，让它做战略资源的投入。小米算大厂，但是小米做具身智能的，是一个非常小的部门，应该不到200人。我认为至少要到3000人才算真正的大厂下场。

因为200人的战斗力可能远不如外面创企的战斗力，内部还有很多的损耗，同时还缺少ownership。如果要大厂的owner亲自操盘，他必须看到巨大的回报，不然是不可能亲自的操盘的。所以这些都决定了，在这个时期，不应该是中国的大企业all in投入具身智能的时候。

但是他们在行业成熟后一定会下场，我认为大概率是10年以后吧。

谈创始团队：找适合的创业搭档，而非熟悉的

36氪汽车：郎咸朋和你一样，都曾经是头部企业的核心业务一号位，你们俩是如何走到一起创业的？

任庚：我认为对于一个创业者来说，要避免进入一个陷阱——找的所有人都是过去熟悉的，这是一个依赖陷阱，和不自信的陷阱。

创业者应该去找最合适的人，因为合适比熟悉更重要。

所以我找合伙人一起创业，有几个原则，一是行不行，二是和不和，三是久不久。

郎博是理想辅助驾驶的一号位，理想的辅助驾驶表现是行业第一梯队。过去的成功已经证明了行不行。

然后对于创始团队来讲，和为贵，而和的第一性原理，是大家的认知相同。我非常幸运的是，郎博在理想经历了从技术到产品、到商业的完整过程。所以我们对技术路线的选择，技术趋势的判断、产品的选择等很多事的认知高度一致。

最后我还要考虑久不久。企业的梦想是未来10年、15年内，在物理AI来到的那一天，成为一个规模庞大的企业，这意味着创始人要从0到10、到100，一路走上去。而郎博在理想，已经证明了自己是能走到很高的阶段的，所以久不久，这个问题的答案也很明确了。

36氪汽车：你们目前是怎么分工的？

任庚：郎博主要会发挥他的独特优势，他是我们AI板块的领军人物。其他方面，比如公司的战略方向、组织体系的搭建、商业的运作、企业融资等由我来整体负责。

36氪汽车：昆仑行的融资进度算是神速，三个月融了几十亿元，这是怎么做到的？听说你见机构投资人，几乎只见一号位，这是不是秘诀之一？

任庚：这只是一种战术吧。因为时间效率对于创业者尤其1号位非常重要，所以和有决策权的投资人直接沟通，不管他是一号位、二号位、三号位，这是为了能节约双方时间，确保最快达成共识。

回到投资人的视角，对于投资人来讲，做投资无非是三个核心要素：

第一，他首先选的是赛道；

第二，选的是团队；

第三，选的是创始团队的战略方向。

我认为这三点可能是最核心的。我们团队，可能确实有一些独特性，过去也有一些比较全面、端到端成功的操盘经验。

而且我们制定的战略方向，是以量产为目标，以持续的AI创新为核心。这都是我们的战略方向。我想，可能就是创始团队以及我们的战略方向，对投资人有一定的吸引力吧。

36氪汽车：目前具身智能企业分成了几个流派，一些是学术派，一些是大厂出来的技术派，还有些投资人把你和智元这样的创始人称为掌舵派，你怎么看待行业的这种派系划分？

任庚：我想具身智能行业确实有很多非常优秀的同仁。有一部分如你所说，是在学术领域有过深厚积累的教授或者学者；也有一些是在自动驾驶领域，有过一些AI实践的人士；也有像我们这样的，创始人在过去的企业里，有一些积累和沉淀。

我们的优势，可能体现在两个方面，一个我称之为冰山之上的经验，一个是冰山之下的能力。

冰山之上的经验，是指我们过去可能有比较全面和丰富的经验。这个经验可能来自有没有在AI领域有过成功落地的创新实践，有没有搭建过百万台世界级硬件产品的研发体系，有没有大规模的商业成功经验，有没有供应链管理的成功实操，有没有激发团队凝聚人心的成功心得等等，我过去经常讲一句话——因为胜利，所以强大；而不是因为强大，所以胜利。就是你可能要经历很多胜利的事情，才会变得更强大。经历胜利的过程中会伴随很多失败，但只有你最终从失败到成功，你才会变得强大。所以对于经营具身智能这样高门槛，大难度，长周期的产业，过去的成功实践非常重要。

在冰山之下，我认为，我们最大的特点在于认知。因为创始人的认知来源于三个维度，第一是你过去的经历，包括过去你所操盘过的AI+硬件业务盘子的大小，过去你所经营过的企业的规模和好坏，过去你所经历的从0-1或从1到100的成功等等。这些都是你经营一家高门槛企业的认知基础。过去我们常说，都没有去过世界，就不会有真正的世界观；你没有相关经历，可能就很难有很多本质认知。

认知的另一来源，是来自于你过去所交流的更senior的人。得益于我们过去的工作的关系，能够跟更多优秀的人去做更深层次的交流，这也会提高认知。

第三个来源就是系统性得看书，但最重要的是来自过去的实践，你过去所从事的工作等，所以我认为，认知对创始人非常重要。

36氪汽车：昆仑行选择了一条软硬兼顾、对标特斯拉Optimus的路径，为什么会选择这个方向？现在国内很多头部项目，主打本体+控制算法，AI在企业战略并未占据态核心的位置。

任庚：这个战略路径有几方面的考虑。首先，从具身智能的本质来看，我认为具身智能的上限是由AI决定的，下限是由本体，或者说硬件决定的。

AI是具身智能的天花板，没有物理AI，具身智能这个行业就不存在。所以物理AI发展有多快，决定了具身智能发展有多快、有多远。到物理AGI真正来临的时候，具身智能就是一个可能百万亿级的市场，是能彻底改变人类历史进程的革命性的事件。

同时没有硬件本体这个载体，再好的AI都没有办法呈现。

第二，从商业模式来说，AI 1.0时代，最好的商业模式不是做纯计算机算视觉算法的，而是像海康威视、大华这样的软硬一体的公司。

AI 2.0的自动驾驶的时代，不少企业也想过单纯去输出自动驾驶大脑，但事实证明这个商业模式是比较曲折的。而全栈一体的特斯拉汽车，华为其实本质也是全栈一体，包括理想，可能是最好的商业模式。

所以说，纯粹做AI算法，我们认为不是一个好的商业模式。

第三，全栈一体的企业，护城河是最高的，就拿手机来说，即使大模型能够部署到终端了，但大模型公司依然不能取代苹果、华为、三星。所以软硬一体，才是最强的护城河。

当然做软硬一体也有巨大的挑战，这意味着你不能有短板，但它也是想象空间最大和护城河最强的定位。

36氪汽车：按你的预期，到2028年左右，昆仑行的商业体量会处在什么水平？

任庚：我们希望能在24个月内做到全球量产的前三名。今天真正能量产的企业还是凤毛麟角。

36氪汽车：前三名里，除了昆仑行，另外两家你觉得会是谁？

任庚：我觉得现在量产的数据其实是公开透明的。

36氪汽车：比如特斯拉、宇树吗？

任庚：特斯拉现在还没有量产，宇树是其中一家，但更多的是具身，而不是具身智能。

谈行业走向：具身智能会经历三个周期，最后巨头将下场

36氪汽车：有部分创业者认为，自动驾驶的热潮，从2015年开始，整整经历了10年，现在才能看很多Robotaxi满大街跑了，你觉得今天人形机器人或者具身智能，会经历一个什么样的周期？

任庚：我认为具身智能的发展会经历三个周期。

第一个周期是技术探索期，第二一个周期是市场验证期，第三个周期是巨头下场期。

假设以2015年为起点来看的话，我认为行业会经历这三个周期、三个阶段。

自动驾驶的技术创新期，开始得可能比2015年还早，可能是马斯克在创办特斯拉的时候，因为那个时候新能源汽车的零部件，电池、电驱、电控都还不成熟，马斯克把这条路趟过了。今天具身智能和当时的自动驾驶一样，应该还处于非常早期的技术创新期。

很快行业就会进入到第二个周期，市场验证期，其实也是创企的收敛期。这时候创企的数量就会大幅缩小，可能只有少数几家还存活着。因为存活的唯一的路径，就是能够自我造血。在这个周期，我认为每一家的出货量应该是数以万台，接近10万台。

出清不是以你融资的多少为标准，也不是以所谓的demo是否惊艳为标准，而是以能不能自我造血为标准。

第三个周期是巨头下场期，也是市场爆发期。一旦这个市场被证明是一个几万亿营收的市场，巨头就会下场。这个时候创企穿越了第一个周期和第二个周期，在第三个周期的时候，它已经是一个小巨头了。这个时候还要跟传统的老巨头打最后一场战。打完以后，最后可能是一个三分天下，或者四足鼎立的最终格局。

其间，也有可能会出现一些创企会变成新的巨头，也就是一个万亿美金市值的巨头。

36氪汽车：你刚才提到，人形机器人最终都会走向C端，你认为这大概需要多长时间？

任庚：真正的C端爆发的时期，就是在最后一个周期来临的时候，巨头下场的时候。

36氪汽车：现在有一些人形机器人项目，一上来就要进入家庭，你怎么看这个路径？

任庚：我想不同的创业者对技术有不同的判断，对市场也有不同的认识，我们认为C端是一个长期和比较遥远的事情。因为不管是今天的技术成熟度、对安全性的把握，还是对成本的把控，都远远没有到人形机器人进家庭的真正拐点来临的时候。但不排除在产业发展初期也会有零星的发烧友To C市场，但规模很小。

36氪汽车：你有预判过，这大概需要经历几年时间吗？

任庚：从时间上来说，具身行业今天还处于类似自动驾驶的早期，拐点什么时候出现，我认为有较大的不确定性。但是我们是做好了打持久战的准备。

具体是5年，10年、15年、我觉得没有人今天能够预料到，但相比自动驾驶刚萌生的时期，我们能看到今天AI的加速度和成熟度，是非常快的。

谈商业路径：以拍视频为目的，没任何价值

36氪汽车：你们定位是软硬一体，有哪些核心的技术是必须自研的吗？比如车企会喊芯片自研、电池自研、整车核心架构自研等。在本体的规划上，昆仑行有什么样的部署？

任庚：在本体的规划上，我们的策略是，供应商方案和自研方案双管齐下。但是在很长一段时间内，自研会更关键。

因为当下整个行业供应链还不是特别的成熟，所以在初期我们会在本体方面全栈自研。同时我们也会关注整个供应链的成熟度，一旦供应链成熟以后，我们会以供应链为核心。

芯片，我们可能会更多的利用供应商的生态，进行芯片上面的部署。

36氪汽车：你之前的经历，是在一个偏B端的一个市场，今天做人形机器人的话，你会选择同样的路径去切入吗？还是更多去C端市场找用户？

任庚：说到To B和To C，我们首先要定义什么是To C。To C的业务有两类，一类是互联网平台式的商业模式，还有一类是像手机、电脑、汽车等个人终端式的商业模式。这是因为此终端式To C和平台式的To C完全不一样。

前者是硬科技的To C，其实是To B的一条延长线。比如华为，他是典型的To B企业，但是他做手机、做汽车也能成功。

平台式的To C是互联网的基因、互联网的商业模式，以及互联网的组织模式。但硬核科技的To C，它的组织模式、商业模式，以及组织文化，和To B本质上是一致的。只是在销售模式和渠道建设方面会有些差别，一个依赖于大型的企业的KA的销售，一个更多的是建渠道。

对于我们来说，具身智能的To C，和刚才我说的硬核科技的To C是一致的，那就不存在太大的，To B和To C的差异性。我之前在华为管过的手机业务，它就是一个To C的业务

而且我认为，具身智能长期一定是个To C的业务，最终是要进家庭，中短期是进工厂，短期可能是一些商业服务领域。

所以短期内我们会聚焦于To B，长期才是To C。但是这类To C跟To B，就像刚才我说的，它其实是同一个基因，在销售层面略有不同，但是他在整个研发的模式、AI的能力体系、供应链、交付等都是相通的。

36氪汽车：你们会选择哪些场景作为第一个商业化落地的抓手？

任庚：对场景的选择，我们有几个基本原则。第一个基本原则是完全闭环，第二个原则是价值呈现，第三个原则是相对简单，第四一个原则是数据飞轮，第五一个原则是人机互动。

第一个完全闭环，比如有一些工厂里的一个单点的流程，它是很难完整闭环的。一旦出现任何的卡点，可能影响的是整个工序。所以我们会选择一些能够端到端自闭环的场景。

第二是要有价值呈现。如果你只是以做POC（概念验证）、拍视频为目的，没任何生产价值。

第三是相对简单。因为今天具身智能的技术发展还处于前沿阶段，很多情况是有需求、无技术。所以我们对技术要有一个科学、客观和全面的预判。尤其是AI，也包括硬件。两者结合之下，我们会找一些当前的技术，和未来一两年内的发展能够支撑的一些相对简单的一些场景。比如简单的Pick and Place等等。

第四是要能够人机协作，一旦发生了错误，能够进行远程接管。

第五是要有数据飞轮的沉淀。

我们会基于这几个基本原则，来进行相应的场景的筛选。

36氪汽车：你刚才提到数据飞轮，汽车智驾是可以把数据雪球这条路跑通的，但在具身行业这个路径能跑通吗？似乎不能做一个半成品卖出去，然后跑数据飞轮？

任庚：具身智能跟汽车不太一样，没有AI的时候，就已经有汽车存在，所以汽车能通过影子模式大规模采集数据。但机器人如果没有操作的能力，就没有办法进入真实的场景、无法采集相应的数据，所以具身智能要复用自动驾驶的数据采集模式是有挑战的，但可以借鉴的。

但比如在移动智能方面，是可以做数据飞轮的。可以把具身智能看成这样几个智能，它既有运控的智能，也有交互的智能，还有移动的智能、操作的智能。影子模式在当下的具身操作智能方面是个伪命题。但是其他智能是可以借鉴影子模式的。

36氪汽车：昆仑行在数据问题上，有什么独特的解决方法吗？

任庚：关于操作数据，我觉得行业已经形成一些基本共识，有所谓的数字金字塔。最底层的是互联网的视频数据，再到仿真数据，再到非本体的真人操作数据，再到真机的遥操数据，最后是进入真实场景的影子模式的数据。

我们在数据上也是多管齐下，不管是互联网的视频数据，还是仿真数据、遥操的数据，我们都会采集。

但其实采集并不是关键，我们提出了一个观点叫做数据编译，就是把采集的数据编译成模型真正能学习的数据资产。能编译好的才是数据资产，不能编译好的就是算力负担。数据编译包括如何把中间状态和中间目标注入样本，如何把执行过程中的速度，质量，控制方式等信息显示化，如何让不同场景，不同质量水平的数据进入统一训练体系，如何让失败和纠错数据回流持续沉淀成可训练的数据等等，这都是编译能力。得益于团队过去在自动驾驶上，对数据处理的经验，我们会在数据编译上下功夫，做文章，确保数据变成真正的燃料，而不是负担。

谈组织管理：学大厂管理经验，要神似形不似

36氪汽车：您之前经历了华为、阿里等头部大厂的完善组织管理体系，这些经验在创业的过程中如何复用？

任庚：这种复用可以总结为“神似而形不似”。比如我们做硬件的研发，一定要遵循硬件研发的客观规律、最佳实践和基本的组织机制、部门分工；做AI的研发，我们一定遵循快速迭代，简单开放，持续创新。这些都要神似。

那在“形”上，我们要把它更轻量化、更简洁化、更敏捷化，做一些裁剪，不能照搬大厂的组织模式。因为对于创企来说，我们讲“创业难尽周全，变通方得长远”。

所以这叫神似而形不似，那怎么样把它的神和形做好结合，这就是一门艺术，也是一门能力。