至簡賈鵬：最快具身獨角獸半年融資20億，做“六邊形戰士”才能活

具身智能的競爭，本質是體系的競爭。

文丨 程曼祺

半年融資 20 億元人民幣，創下最快具身智能獨角獸記錄后，至簡動力創始人賈鵬首次亮相，接受《晚點》深度訪談。

至簡是當下中國具身投資熱潮的一個代表：從 2025 年 7 月正式成立至今，已連續完成 5 輪融資，投資方包括元璟資本、藍馳創投、紅杉中國等一線財務機構，并聚齊了騰訊、阿里兩家大型互聯網公司。

這家公司也符合中國投資具身智能的一種典型審美——創始團隊有量產經驗；在被認為與具身關系密切的自動駕駛戰場，打過硬仗、打過勝仗；且核心成員之間磨合已久，分工默契。

至簡創始人兼 CEO 賈鵬 1987 年出生，創業前是理想汽車智駕技術研發負責人。過去十幾年里，他一直是一位戰斗著的工程師：2016 年初成為英偉達中國智駕團隊一號員工，親歷產業拓荒；5 年后，加入剛開始自研智駕的理想，后來帶領團隊逆襲。

至簡的兩位聯創，則是賈鵬前上司、理想前 CTO 王凱，以及和賈鵬并肩戰斗過五年的理想智駕前量產負責人王佳佳。

“賈鵬、王凱、佳佳，是看著自動駕駛起來、下去，再起來的。相信他們的心性。” 至簡的首輪投資方，元璟資本管理合伙人劉毅然說。“他們經歷了整個自動駕駛從學術研究到產業落地完整鏈路，有很強的組織力。” 藍馳創投合伙人曹巍說。

賈鵬將過往經驗作為如今創業的推演基點，他在尋找可復制的成功，也思考其中差異。

這包括對終局的設想：

我覺得具身智能會進入每個家庭；但它和智駕、手機不同的是：它的格局會更分散，可能會形成 “分散壟斷”。

至簡的定位：

我們想做 “六邊形戰士”。自動駕駛早年也有很多只做算法、模型或數據的供應商，但最后真正活下來的，都是特斯拉、華為這種深度集成型玩家。

數據選擇：

至少真正做過量產落地的人都有個共識：合成數據有用，但絕不是主力。

模型設計：

特斯拉 FSD v14 也是個大一統的模型。去年理想在 i8 的量產方案上也做到了一體化。至簡也繼續堅持做大一統的模型。

以及技術落地和擴張方式：

我目前的想法是先建立扎實的 Infra 能力，然后在幾個小場景實現閉環，收斂方法論再擴張。

不是所有人都相信，具身智能會復刻自動駕駛的落地路徑。但路是探出來的，在合適時機上路最重要。

賈鵬離開理想時，李想對他說：“此刻做具身創業問題不大，方向、時間都 OK。” 因為 “行業里第一個做的通常會死，但最后成功的一定是第一批”，現在還是第一批。

“具身智能一定是人類社會的重大技術方向。” 投資了傅利葉、星動紀元等多家具身智能公司的元璟劉毅然說，“最終大方向都會找到自己的路，哪怕現在有浮躁。”

這次訪談中，賈鵬完整回顧了從英偉達到理想的智駕探索，再到具身智能的創業思考。

至簡目前的選擇是：六邊形戰士、體系競爭，同時追求結構簡單的模型、產品和組織。賈鵬相信 “大道至簡”：“越簡單的東西，越容易規模化。”

自動駕駛技術格局已定，是時候做新東西了

晚點：你在 24 年底開始思考具身智能創業，當時看到了什么信號？

賈鵬：首先是當時理想在預研的 VLA 模型和已經量產的 “雙系統” 表現出色，驗證了數據驅動范式。（注：雙系統指理想 2024 年下半年上車推送的智駕系統，快系統部分是一個端到端自動駕駛模型，負責即時反應；慢系統是一個 VLM 多模態模型，提供對更復雜場景的常識性理解。）

但對我觸動最大的，還是當時特斯拉正在開發的 FSD v14，我又驚喜、又失望。驚喜是，他們的思路和理想類似，也要把世界模型和 VLA 統一；失望是，理想甚至做得更早，在 24 年就引入了語言能力和長思維鏈。

那一刻我看到，自動駕駛的技術方法可能已經走到終局了，無非是數據驅動、一體化模型和堆算力。我就想，等做完手頭的工作就去做新的事。

晚點：“新的事” 有哪些選項？怎么定位到具身智能的？

賈鵬：當時考慮過幾個，但都排除了——大模型已是大公司游戲；AI Agent 門檻低，易陷入紅海；AI 硬件更偏 C 端運營邏輯，AI 含量沒那么高。

看了一圈，還是具身智能最合適我：終局規模足夠大，AI 是核心驅動力，也和我的背景最契合——這是一個軟件、硬件、算法必須強結合的領域。這就是我想要的戰場。

晚點：有人為創業而創業；有人是因為想做一件事，覺得創業的方式最可能做成。聽起來你更偏向前者？

賈鵬：我想找一件能讓自己安心做十年、二十年的事，把它做成，做好。

晚點：沒有考慮在理想內部繼續做具身嗎？李想近期說肯定會做人形機器人，馬上會拿出成果，這說明內部可能已經做了一段時間了。

賈鵬：是，有個小團隊已探索了近一年。但我還是想挑戰自己的極限，自己做公司。而且具身在理想是第二曲線，我更希望將所有精力和資源都 all in 具身。

晚點：后來怎么和李想提離職的？他說了什么？

賈鵬：他說此時此刻做具身創業，問題不大，方向、時間都 OK。他的經驗是，行業里第一個做的通常會死，但最后成功的一定是第一批。

晚點：為什么現在仍是具身智能創業的第一批？

賈鵬：一個新技術的商業落地都會經過 to A（to academic，做學術研究）到 to B，再到 to C 的階段。具身智能現在正處于 to A 到 to B 轉換的階段，還有新公司入場空間。這可能會持續到今年底到明年初。

晚點：大語言模型的創業窗口關閉極快，為什么具身智能的早期階段更長？

賈鵬：大模型有 3 個特點：技術范式相對清楚，早期可以跟隨 OpenAI；有現成的海量數據；應用環境的容錯率高，即使有幻覺也已經可用到大量場景。

具身智能則完全相反：范式未收斂、先天缺數據、且容錯率極低——機器人的任務成功率必須接近 100% 才能工作。所以周期長得多。

晚點：當你自己開始創業后，你從李想身上學到了什么？

賈鵬：一是想哥（李想）經常說的一句話，“技術要服務產品，產品要服務商業”。你做的是商業公司，不是 research lab。二是要在意組織文化，讓大家對公司有強烈認同感。否則順風順水時都好，一旦遇到困難，人心馬上就散了。三是決策權要集中。這是他在汽車之家時期的深刻體會，如果決策權太分散，這家公司是不穩的。

我走之前，他和我著重強調了第一點和第三點。

黃仁勛的腦門溫度比別人高一度，英偉達的戰略定力來自能抗外壓、愿景分享和主業強勁

晚點：你從 2015 年到 2020 年在英偉達工作，是英偉達中國智駕團隊的首個員工。你對這家公司和黃仁勛有什么觀察？

賈鵬：我加入時，英偉達全球還只有幾千人，每年去參加 GTC，老黃都會和全球團隊代表一起喝酒。有時也會帶我們去他家里，展示一下跑車，分享點兒人生感悟。

老黃的精力實在太旺盛了，他說自己每天四、五點起床開始讀郵件或看論文，有次，他突發奇想去測了他和太太的腦門的溫度，發現自己的腦門溫度比太太高一度，說明他的大腦在高速運轉。

晚點：像 GPU 那樣發熱了。他當時會直接關注智駕這種新業務嗎？

賈鵬：會。當時英偉達每人每周要寫一封 top five 郵件，分享一周里 5 件最重要的事。老黃每周會抽一些郵件自己回復。我的也被抽到過，聊起中國智駕業務，他很 tough，會問：為什么還沒有量產？為什么還在 demo？也會關心具體是芯片、硬件還是軟件設計的問題。中國是他重點關注的市場。

晚點：為什么智駕的量產速度不如黃仁勛的預期？

賈鵬：整個智駕行業真正起量是在 2019 年，尤其是新勢力開始推進量產之后。所以最開始在英偉達的那 5 年，還處于 to A 到 to B 的階段，而到 2019 年 Orin 那一代之后，一批車企采用，量馬上就起來了。

晚點：那前幾年你們在做什么呢？

賈鵬：主要在服務一些 L4 的自動駕駛公司，如小馬、文遠等，先打高性能上限。

晚點：其實 2015 年前后，一批中國的新勢力就陸續成立了，為什么沒有更早定位到這批客戶？

賈鵬：英偉達當時的思路是以芯片為基礎做生態，而非做最終客戶交付。在自動駕駛行業早期，對高性能芯片需求最大的就是 Waymo 路線的一批 L4 公司。英偉達因為入場早也有不少前期投入，包括收購高精地圖公司 DeepMap，建了很大的規控團隊寫不同場景的代碼等等，這導致后來轉方向需要時間。

所以在技術驅動的領域，技術判斷很重要。對創業公司尤其如此，你可能沒有試第二次的機會。

晚點：英偉達的一個特點就是會提前很多年投入一些早期領域，包括早在 2014 年就推出了專門給機器人用的芯片系列 Jetson，不少新業務多年來的利潤和收入占比都很小。英偉達為什么還會持續投入？

賈鵬：老黃的 vision（愿景）和眼光非常長遠，戰略定力非常強。CUDA 也是做了十年才真正被大規模使用。

支撐這種定力的，首先是他能抗外部壓力。做 CUDA 那會兒，股價最低掉到過 7 塊。智駕等端側芯片也是，最初幾年的營收占比都只有百分之零點幾，我 2020 年離開時也不到 2%，但英偉達照樣持續投入。

二是老黃很愿意在公司里分享他的愿景，英偉達是一個純工程師團隊，而工程師都很純粹，只要他們相信你的分析和邏輯，相信一個漂亮的目標，大家就愿意去做。

最后，英偉達的第一曲線很強，GPU 顯卡的收入和利潤都很好。

晚點：你在英偉達的核心的成長是什么？

賈鵬：從一個純算法人員變成了有軟硬件綜合能力的 “架構師”。這是因為英偉達組織扁平、開放，可以橫向看不同團隊的代碼，從底層硬件優化到傳感器驅動，再到上層算法加速，都能學習；當時中國團隊的人也少，為了把智駕這套系統做起來，我們從底層系統到頂層應用的開發都得上手干。

所以現在，無論聊芯片、硬件、軟件系統還是算法，我都能跟上，這對具身智能創業至關重要。

理想智駕逆襲：“任何人都會掉坑，就看誰能更快爬出來”

晚點：后來為什么在 2020 年時從英偉達離開加入了理想？

賈鵬：我想去一家能讓技術真正落地的產品公司。和幾家車企聊下來，理想最契合。想哥當時有兩個認知很打動我：一是技術必須服務產品，產品必須服務商業；二是行業其他人還在談模型、算法時，他就說數據閉環最重要。

同時，他認為上半場電動化拉不開差距，真正決定生死的是下半場的智能化，智駕是重中之重。李想的 vision 是先搞定車上的智能，讓車變成 “第二個家”；然后等這套技術棧成熟，也可以進入家庭做服務機器人。他所有的邏輯都是服務好 “我的家”。

晚點：2020 年時你們就討論過家庭機器人？

賈鵬：他已經有這個想法了，所以公司最開始叫 “車和家”。

晚點：理想的智駕自研起步相對晚。24 年《晚點》專訪你和郎咸朋的文章就叫《后進生怎么提前交卷了》。你們怎么做到的？

賈鵬：首先是團隊核心層的認知要高度一致，就是要做特斯拉模式，這免去了大量內耗。剩下的就是強大的執行力，成為一個戰斗團隊，之前理想每年基本要封閉開發兩三次。

理想智駕團隊也沒有太多組織架構，都是圍繞項目來工作，每開啟一個項目就起一個名字，從全員挑人，封閉開發。這讓理想速度極快。

晚點：光靠極限執行夠嗎？智駕是技術競爭，怎么保證方向不跑偏？

賈鵬：這是我想說的另一點，PD（Product Development，交付）和 RD（Research Development，預研）并行。無論仗打得多難，我們一直有一部分人跳出當下的交付去看前沿：將來會發生什么？有沒有更好的路？

所以理想最近兩年的頂會論文數比其他智駕團隊加起來還多，在端到端、VLA、雙系統這些方向上很早就有論文產出。等哪一天時機成熟了，覺得要和對手拉開差距了，就會把 RD 成果轉入 PD 序列。

晚點：最難的仗是哪幾場？

賈鵬：首先是 2021 年自研的第一仗，目標是基于雙 J3（地平線征程 3 芯片），在 100 天內量產高速 NOA（自動輔助導航駕駛），代碼要從零開始寫。當時就是一分鐘掰成三分鐘用，100 天做出 300 天的效果。

另一個印象深刻的是 2023 年從有圖切無圖，這場仗體現了前面提到的 RD 的價值。22 年底交付有圖方案時，預研小團隊已在深圳跑通了無圖 demo。雖然當時性能不如有圖，但能看出 “這事有戲”，于是第一版有圖剛發，我們就立馬開始切無圖研發。

但切換初期，因為數據還不夠多，產品體驗有下降，想哥又對產品瑕疵零容忍，他會高頻試用最新版本，結果那年春季的戰略會直接變成了智能駕駛的批判會。

晚點：壓力這么大，你就沒有想過干脆走了算了。

賈鵬：我心里還是憋著一口氣。我覺得把智駕做成了再走，才是我。

晚點：外界的一種觀察是，理想無圖轉身快，是因為理想有圖的積累不如一些更早自研的公司，比如小鵬。

賈鵬：我覺得更多是認知和做事風格，如果覺得一個新方向好，就敢推翻重來、形成合力。

李想說過，“沒有任何人可以避開坑，就看誰能更快地爬出坑”；“要掉坑一起掉，要錯一起錯”，不要一些人掉坑了，另一些人站在坑外說，“你看吧，我就說這不對”。這種團隊肯定完蛋。

晚點：你說要在理想把智駕做成再走，何時覺得 “成了”？

賈鵬：25 年初端到端雙系統交付時。我衡量 “成” 有三個標準：

一是產品核心指標：日活，智駕里程占比和 NPS（凈推薦值）當時都大幅提升。前兩個反映用戶是否真的在用，第三個是好評度。

二是商業化，理想分 Max 和 Pro 兩個平臺，Max 配備高級智駕能力，多賣 3 萬塊。早期 Max 銷量占比低，現在已突破 70%。說明用戶實打實愿意為智駕掏錢了。

三是行業認可度，現在聊中國智駕誰做得好，大家普遍認為理想是第一梯隊。

越簡單的東西越能規模化，具身智能會形成 “分散壟斷”

晚點：為什么給公司取名至簡動力？

賈鵬：越簡單的東西，越能規模化。我希望模型結構要簡單，減少人為設計，這才能承載大量數據。產品要簡單，開盒即用，不需要大量調試和部署。最后組織也要簡單，規模小、效率高，以項目驅動。

所以公司中文名是至簡動力，英文名是 simplexity robotics，“大道至簡”。

晚點：現在市場對具身公司有不同劃分：有的長于本體，有的側重大腦；有的強調商業落地，有的追求智能突破。至簡想要做一家怎樣的具身智能公司？

賈鵬：我們想做 “六邊形戰士”。具身大腦、本體、產品、品牌、組織、戰略都要強。參考自動駕駛，早年有很多只做算法、模型或數據的供應商，但最后真正活下來的，都是特斯拉、華為這種軟硬結合，甚至有自研芯片的深度集成型玩家。

具身也類似，深度集成背后有兩個機制：一是數據飛輪，模型與產品應用都做才能形成數據閉環，讓二者一起迭代；二是規模效應，銷量能攤薄成本，更重要的是能帶來更多數據。數據、模型、產品這幾個環節層層遞進、環環相扣。

這是從特斯拉學到的一個很好的經驗：最好的技術公司，一定也是商業和產品做得最好的公司。

晚點：除了深度集成，你對具身終局還有哪些判斷？

賈鵬：我覺得具身智能會進入每個家庭，甚至一人一臺。我創業還有一個私人動機：我大女兒 2018 年出生，當時中國一年有 1700 萬新生兒；到 3 年后小女兒出生時，就只有 900 萬新生兒了。等她們長大、老去，社會服務會變得極其昂貴和稀缺。具身智能最大的機會一定是家庭機器人。

但具身和智駕、手機不同的是：它的格局會更分散，可能會形成 “分散壟斷”——人形機器人會占據最大一部分市場。但在各種垂直領域和場景里，也有大量比人形高效的機器人形態，幾十個垂直領域里可能每個都會有幾家頭部公司。

晚點：這個行業未來沒有水平分工的機會嗎？

賈鵬：巨頭可能去做生態底座。具身智能本質是 “Physical Agent（物理智能體）”：底層是大公司做的通用模型，上層則是不同具身智能公司用自有數據、具身模型與硬件去落地。

晚點：你們和阿里、騰訊會有類似合作嗎？兩家公司都投了至簡。

賈鵬：我們確實和 Martin（劉熾平）、吳媽（吳泳銘）都聊過。大公司更希望做底層的多模態生成與理解模型。我們以此為基礎用自有數據訓練出具身基礎模型。

晚點：你怎么看具身模型的獨立性？之前它石智航創始人陳亦倫告訴我們，具身模型肯定不是大模型上長出一個動作的頭，否則這個行業無法獨立存在。

賈鵬：我同意簡單改造 LLM 或 VLM 做不好具身。VLM 缺乏具身需要的空間理解、推理和生成能力。但大公司也都在探索能力更全面的基礎模型，可以為具身行業所用。至于最后的落地應用部分的累活，其實很多巨頭不會去做。這就像現在的一些垂類 Agent 和核心 AI Lab 的關系。

一個很好的范本是 Gemini。Gemini 一開始就是原生多模態模型，陸續整合了推理、代碼等通用能力。它可以支持 Chatbot、NotebookLM、Nano Banana，乃至 Waymo、Robotics 等不同的智能應用。這是大公司在 Physical Agent 里的角色。

追求 “大一統” 模型，AI 的競爭本質是體系效率的競爭

晚點：沿著出發時的核心判斷，至簡成立半年多主要做了哪些事？

賈鵬：我把研發分成了三層：

最底層是 Infra（基礎設施），包括云端世界模型、關鍵零部件、本體，以及訓練和推理框架；

中間層是具身基礎模型；

最上面是應用層，是面向工廠、商超、物流或服務業去滿足需求。

前半年我們主要在做 Infra。我相信 AI 競爭的本質是體系效率的競爭，而關鍵就在于數據處理、訓練、推理優化等 Infra 地基。

同時我們也在以 RD 方式做具身基礎模型。現在行業里有好幾派：雙系統、端到端 VLA、世界模型等等。而我們想做 “一體化” 的模型，把這些能力合在一起。

晚點：這是不是有點像 OpenAI 后來把推理模型 o 系列和主模型 GPT 系列合并了？

賈鵬：沒錯。OpenAI 2022、2023 年時，語言和視覺模態是分開的，有 GPT、也有 CLIP（圖像理解）和 DALL-E（圖像生成），但后來 GPT-4o（2024 年 5 月發布）實現了原生多模態，去年 10 月發 GPT-5 時又融合了 o 系列的思考能力。

更極致的是 Gemini，它從 1.0 （2023 年底發布）開始就是原生多模態，多模態進、多模態出，到去年的 Gemini 3.0，這種架構的后勁顯現了出來。

特斯拉 FSD v14 也是個大一統的模型。它輸入是多模態，輸出包括 3D 生成，這部分偏 3D 世界模型，還有 CoT 和 action（動作）。

去年理想在 i8 的量產方案上也做到了一體化，整合了快慢系統，理想應該算業內第一個在真實物理環境里實現這套東西的團隊。至簡也繼續堅持做大一統的模型。

晚點：你們準備怎么獲得數據？

賈鵬：數據現在逐漸形成共識了。坦白說，25 年夏天剛創業時，我曾擔心數據來源太少。但 25 年 7 月前后，我和 Sunday（一家美國具身智能創業公司）聊完發現，他們已經找到了解決方式，就是通過可穿戴式設備去大規模采集多樣化的半真機數據。

晚點：用可穿戴設備采集數據，我們近期采訪的它石和千尋也都在做這個。

賈鵬：智駕也給我們帶來了不一樣的數據思考，有 “一頭一尾” 兩個經驗。

頭上是數據來源：商業化和數據獲取永遠是一體的。只有把產品賣出去，才能帶來 “真實用戶的真實場景數據”，其它數據都無法取代。做過智駕的人最有體會：最后 90% 精力都是在解決最后 10% 的長尾問題。各種奇葩長尾問題，只在真實世界才有，合成的人根本想不出來。

尾上的問題是評估：就是經歷了這么多數據迭代后，模型到底變沒變好？特斯拉的 “影子模式” 提供了借鑒：不管用戶是否購買自動駕駛，特斯拉都標配 FSD 雙芯片方案，采數據的同時，還能測試新模型——在真實行駛場景中用額外的算力做對比測試，對比新模型、老模型和人類駕駛行為；當規模足夠大時，甚至可以同時在后臺測十個版本。

晚點：你認為真實數據是共識，也有銀河通用、Hillbot 等公司則更側重仿真數據和合成數據。后者現在是少數派了嗎？

賈鵬：至少真正做過量產落地的人都有個共識：合成數據有用，但絕不是主力。它的價值是 “擴增”，比如在真實場景里抓到一個罕見的 corner case 后，可以通過合成 pipeline 構造 100 條相似數據。

晚點：你的老東家，英偉達黃仁勛也非常推崇合成數據在具身智能領域的作用。怎么看他的技術判斷？

賈鵬：英偉達還是一個生態公司，它核心還是聚焦在具身的基座技術，滿足所有用戶的需求。

不做流水線替代，尋找適合具身智能的 “端到端” 任務

晚點：創業之初你判斷，具身智能從 to A 做科研到 to B 商業落地的轉換期會在今年底到明年初結束。判斷依據是什么？

賈鵬：是因為行業已經能看到，基于 60-70 分的具身基礎模型，能把單一任務的成功率做到接近 100%。這是具身智能商業化的條件，因為物理世界任務的容錯率極低。

大致的方法行業也有一定共識：用特定任務和場景的數據，在具身基礎模型上做 SFT（監督微調）和真機 RL（強化學習）。

需要探索的部分是怎么提升這個過程的效率：比如我遷移到另一個任務時，能不能數十分鐘內也實現 100% 的成功率。這考驗具身基礎模型的泛化能力和整套 Infra 的效率。

晚點：至簡會優先選什么任務，什么場景？

賈鵬：有幾個標準：一是標準化，未來可以規模化；二是能拿到多樣化的數據來迭代模型；三是節拍不能太快。

所以很多朋友想讓我們去成熟流水線上替代某個工位，我直接說做不了。因為：一，節拍要求太高，現在的硬件本體抗不住，速度、散熱、壽命都是問題；二，容錯率太低，流水線一個工位就能卡死整條線，損失巨大；三，動作太單一了，數據不夠豐富。

我們想做 “端到端” 的任務。

晚點：什么是端到端的任務？可以舉一些例子。

賈鵬：比如從倉庫取料、上料、下料、質檢、去毛刺，最后再回到倉庫，整個過程都交給機器人干。

這樣，第一，我們不需要強行把機器人塞進已有的流水線；第二，可以拿一個統一模型，從頭到尾迭代自己的 Skill Set（技能集）。第三，更容易標準化，在這家做成后，可以加一點數據在另一個類似場景快速落地。

選任務時，也要和現階段的技術契合。具身的終局是通用和泛化，但要分階段實現。此刻大家能做到的是 “通用的移動”+“物品泛化”+“簡單通用操作”；移動能力已相對成熟；物品泛化 VLM 比較擅長；操作說實話還沒有解決得特別好，但可以做抓拿取放、搬運等簡單動作。怎么把這三種能力串在一起，形成產品，能夠落地，是我們在思考的事。

晚點：這種端到端的任務多嗎？生產場景里，大部分高價值或容易自動化的部分是不是已經自動化了？

賈鵬：遠遠沒有。很多行業的柔性生產、散件生產，傳統機器人根本解決不了，因為它們毫無泛化能力。另外，歐美人工成本很高，如商超里 80%-90% 的人工都在理貨、補貨、整理倉庫，這類任務需要移動能力和物體泛化能力，但不需要高難度的靈巧操作，現階段的具身智能完全可以做。

晚點：你們算過這類端到端任務的市場規模有多大嗎？至簡靠這一類場景能做到什么規模？

賈鵬：一年幾十億收入。

晚點：當單個公司到這個體量時，具身智能行業會不會像智能智能電動車這樣陷入多數公司不盈利的價格戰？

賈鵬：幾十億收入和汽車比還是太小了，也就是賣幾萬臺車。電動車的競爭是整個供應鏈極其成熟和超大規模生產帶來的。不過從終局看，如果每個家庭都需要智能機器人，那也會有價格戰。

晚點：至簡什么時候會考慮進入家庭？或者說，達到什么條件可以開始進入家庭，進入 to C 階段？

賈鵬：一定是找到了解決安全交互的方法。技術上，先解決物品泛化、通用操作、環境泛化、靈巧手操作，最后是和人交互的泛化。場景上，先工業、物流、商業，最后是家庭。我們還是要敬畏家庭場景，因為任何事故都可能傷害到人。

沒有組織架構，全員靈活 “開荒”

晚點：你現在的合伙人是王凱，王佳佳。在元璟、藍馳等投資人眼中，你們這支團隊最核心的資產是 “磨合過、打過硬仗”。你們現在是一個什么樣的組織？當年的一些工作方式哪些能用上，哪些要重新調整？

賈鵬：核心有兩點。一個是共事多年帶來的分工默契，和基于大家各有擅長帶來的分工明確。我們幾個認識超過 10 年，在理想配合了五年，理想智駕從有圖到無圖、再到端到端、VLA 的關鍵交付都是我們一起完成的。我們繼續打配合，我負責算法和軟件，佳佳負責硬件、產品和交付，凱哥則負責戰略管理與資源把控。

需要重新學習的是硬件。智駕領域車是成熟的，做好電子電氣架構即可；但具身硬件遠未定型。這半年我們迭代了兩三版硬件。

晚點：你們現在的硬件形態是怎樣的？

賈鵬：目前是半人形：上半身雙臂，下半身輪式。在我們現有的應用場景里，這是效率最高、最通用的方式。

這也是一個行業經驗，去年 Milan 從 Optimus 離開，也是因為硬件本體團隊和算法團隊配合不好，因為硬件追求全人形的高自由度，而現階段模型用不起來這么高自由度的東西。我們還是堅持 Simplexity（至簡），根據此刻模型需求定義硬件，避免硬件團隊在沒有意義的地方 “自嗨”。（注：Milan Kovac，Optimus 前項目負責人，2025 年 7 月離職，曾在特斯拉工作 10 年。）

晚點：馬斯克還是堅持做人形，你覺得他們的邏輯是什么？

賈鵬：馬斯克看終局，覺得人形最通用，想一步到位。這確實對整個行業有好處：通過極其復雜的硬件構型倒逼供應鏈。比如我們的戰略伙伴綠的諧波，就有一些現成的一體化關節可以直接用。我們在蘇州的創新中心就在綠的諧波邊上，研發和量產的結合效率非常高。

晚點：你們現在的 80 多人是怎么組織的？

賈鵬：就是 3 波人，直接掛在我們 3 個下面，沒有組織架構。我負責算法、基模和推理框架等 Infra，佳佳負責硬件、底層軟件和產品，凱哥負責融資、財務、法務。重大決策由我們三個人組成的 “戰略委員會” 討論，最后由我來拍板。

這種扁平化是因為我們現在還處于 “開荒” 階段。“荒地理論” 是我在理想時 CFO 鐵哥（李鐵）提過的：這里有很多荒地，你可以跳出自己的專業領域去嘗試新東西。這種靈活性不僅能發揮自驅力，還能保持團隊的敏銳度。在至簡，現在沒有一個蘿卜一個坑的嚴密流程，每個人可能要同時 cover 兩三件事。

晚點：這種開荒模式，在早期研發階段之后還能持續嗎？

賈鵬：我覺得其實問題不大，我們過去這么多年一直是這么做的。

晚點：團隊不會搶活干，導致重復投入？

賈鵬：并沒有，工程師的癖好就是嘗試新東西。所以不設固定組織架構就是為了讓人才流轉。我希望在公司創造這種氛圍：你首先在原本專業領域要強，同時要有探索新領域的欲望，這種探索和創新意愿是我們篩選人才的標準。

晚點：那在英偉達這種更大的公司呢？那么大的工程師團隊也能保持靈活的開荒嗎？

賈鵬：這正是英偉達的魅力所在。它本質是一個通用計算平臺，工程師可以持續利用底層計算能力去開拓和支持新領域，從游戲、加密貨幣、數據中心到機器人和自動駕駛，上層應用和新領域的開拓都基于一套知識庫和工具鏈。這是英偉達能持續創新的核心。

晚點：那在智駕和具身智能這種面向具體應用的研發上，你覺得組織形式會有何不同？其實理想從 2020 年開始學華為，就是在更多引入流程和跨研發、產品、商業化的矩陣式配合。當時你們的感受是什么？

賈鵬：最大的變化是溝通成本變多了。以前只需項目內縱向溝通，有共識后直接開干。有了橫向配合后，必須跨部門了解：這件事對產品賣車是否有貢獻？投入產出比（ROI）怎么算？有了拆解和對齊的額外工作。

晚點：你們在有什么對標的組織嗎？

賈鵬：特斯拉的 Auto pilot 團隊和 OpenAI 產品團隊。他們都是以小幾百人體量做出了頂級產品。他們都不講究復雜的流程和組織劃分，每個人 cover 多項任務，快速迭代。這是我初期想要的組織狀態。

“最爽的，是打從 0 到 1 的逆風局”

晚點：在現在的具身智能行業，有哪些重要，但少被討論的問題？

賈鵬：硬件還不成熟。業內常說硬件已經差不多了，缺的是數據和算法，但真正做了兩代硬件迭代后，會發現坑非常大。

最典型的問題是一致性：同一家供應商生產的兩個同型號的本體，把 A 的動作數據錄下來讓 B 運行，行為都不同。其次，可靠性也極低，行業內硬件返修率幾乎是 100%，很少有能持續穩定工作而不出故障的。機器人硬件還處于 “手搓” 階段，缺乏類似車規級那樣的工業化標準。

晚點：這種局面什么時候會改變？

賈鵬：預期到 2026 年底，硬件的一致性和穩定性會提升很多。行業也有很多進展，比如今年春晚上的宇樹機器人表演，已能做到多臺機器人的動作高度一致、節拍精準。

晚點：你覺得具身智能接下來會出現類似自動駕駛那樣的泡沫和低谷嗎？

賈鵬：行業總會經歷 “百家爭鳴” 的階段，而這往往就是泡沫的開始。

晚點：那不就是現在嗎？

賈鵬：可能就是這一兩年。

晚點：至簡要提前做什么準備？

賈鵬：具身的量產落地是個體系化作戰的過程，必須成為 “六邊形戰士”，要建立全棧能力，不能有短板。組織要有戰斗力，能像特種兵一樣打硬仗。

最終還是拼一個體系能力，任何單點長板都不足以支撐一家具身公司持續經營。

晚點：你覺得 2026 年行業或公司比較確定的事情是什么？

賈鵬：確定的是技術范式和數據路徑會逐漸收斂。大家在模型和數據閉環上的思路會趨同，不再有巨大差異。

晚點：那不確定的事呢？

賈鵬：還是硬件。

晚點：創業半年多，從技術 leader 到 CEO，你個人最大的變化是什么？

賈鵬：最大的提升是戰略觀。即思考 “要什么” 和 “不要什么”。初創公司的誘惑很多，我必須想清楚邊界。比如我決定現階段不碰靈巧手、不進家庭，把精力花在刀刃上。

晚點：你覺得至簡和你自己目前需要提升的地方還有哪些？

賈鵬：我們比較謹慎，偏穩健。我目前的想法是先建立扎實的 Infra 能力，然后在幾個小場景實現閉環，收斂方法論再擴張。

但時間不等人，這是一個 bet，我也在持續思考，可能也會調整。

晚點：你現在最擔心什么？

賈鵬：頭部公司上市后的虹吸效應。他們上市后融資效率更高、確定性更強，對部分人才的吸引力會變大，這都帶來競爭壓力。

晚點：感性地總結一下，創業這七八個月是什么體驗？

賈鵬：說實話，蠻爽的。

因為我過去的職業生涯，最爽的是一直是打從 0 到 1 的逆風局，在不被看好時把東西做成，所以這半年多確實 “蠻爽”。

晚點：你希望至簡動力兩三年后達到什么狀態？

賈鵬：像 2020 年的特斯拉。當行業 PMF（產品市場契合點）跑通時，我們的底線是 Infra（基建）和技術儲備能立刻跟上；上限是我們自己就是那個范式的創造者。

題圖來源：至簡