对话郎咸朋：用机器人创业重做一次“百万智驾量产”
内容提要
郎咸朋与任庚创办昆仑行，专注具身智能，强调“理解而非模仿”，采用物理因果世界模型和数据编译路线。计划先toB后toC，追求量产自我造血，目标24个月进入行业前三，认为当前行业类似2015年自动驾驶，洗牌将始于真正交付。
延伸解读
“理解而非模仿”的范式差异
郎咸朋强调，具身智能的核心在于“理解”而非“模仿”。他认为，模仿学习在单一场景可行，但面对成千上万的场景则难以泛化。昆仑行选择物理因果世界模型，旨在让机器人学习物理规律，而非简单的动作复现。这种范式差异也体现在数据使用上，他们通过“数据编译”将物理量显式化，以提高数据使用效率，而非单纯堆砌数据规模。
量产与自我造血是生存关键
郎咸朋将当前具身智能行业类比为2015、2016年的自动驾驶，认为真正的洗牌将始于规模交付。他强调，企业能否通过量产实现自我造血是唯一判断标准，仅靠融资无法支撑到具身智能成熟。因此，昆仑行计划先toB后toC，从相对简单的工业场景切入，逐步验证技术并积累数据，最终进入家庭。
全栈自研与工程化落地
昆仑行选择全栈软硬一体自研，包括关节、驱动电机等关键零部件。郎咸朋认为，硬件量产涉及研发、试制、小批量生产、交付及售后等长链条，需要体系化组织能力。他借鉴华为的流程和理想的快速迭代模式，强调模型与工程并重，工程兜底策略在早期尤为重要，以确保产品可交付、可落地。
Q&A
昆仑行公司的创始人是谁？他们之前有什么经历？
昆仑行由郎咸朋和任庚创办。郎咸朋曾负责理想汽车智能驾驶从0到1并实现150万辆车量产，任庚来自华为。
昆仑行选择的技术路线是什么？与主流模仿学习有何不同？
昆仑行选择物理因果世界模型和数据编译路线，强调“理解而非模仿”，让机器人学习物理规律，而不是简单模仿人类动作。
昆仑行的商业路径是怎样的？为什么先toB后toC？
昆仑行计划先toB后toC，因为家庭场景复杂且对安全要求极高，技术不成熟时进入家庭可能带来危险。先从相对简单的工业、物流场景入手，验证技术和商业模式。
郎咸朋认为具身智能行业目前处于什么阶段？何时会洗牌？
郎咸朋认为当前具身智能类似2015、2016年的自动驾驶，路线未定、Demo多、无量产。洗牌将始于真正交付，即达到自我造血的出货量时。
昆仑行提出的“数据编译”具体指什么？
数据编译是对数据进行加工，显式处理物体的物理量（如重力、摩擦力），融入物理规律，编译成适合训练物理因果模型的样本，并利用数据回传机制迭代优化。
昆仑行为什么选择全栈自研？自研范围包括哪些？
全栈自研是为了实现量产和自我造血，软硬一体设计才能达到最优效果。自研范围包括关节、驱动电机、本体设计等关键零部件，以及完整的技术底座。
郎咸朋如何看待触觉在具身智能中的作用？
触觉是重要模态，未来将作为数据编译的真值，用于校验。触觉本身是物理的，对操作智能至关重要。
昆仑行计划多久进入行业前三？如何实现？
目标24个月进入行业前三。实现路径包括：采用数据编译的物理理解范式，发展四种智能（运控、移动、交互、操作），从工业商业场景切入逐步走向家庭。
