作者丨薛皓皓
编辑丨关雎
图源丨章鱼动力
“我们目前最重要的事，是给具身智能提供‘九年制义务教育’。”都大龙说。
2026年最热的创业赛道依然是具身智能，而具身大脑的Scaling是一些2026年出发的具身创业者从Day 0就在做的头号任务。拥有地平线背景的连续创业者都大龙就是其中之一。
都大龙于2026年1月创办章鱼动力，希望通过基于真实数据Scaling，完成机器人“九年制义务教育”。“2027年，我们可以把机器人送进早餐店。”都大龙说。
章鱼动力创始人 都大龙
与那些高节拍、高精度和高重复的工业场景相比，早餐店里的机器人首先处理的是食材、烹饪、包装、环境的持续变化，更能显示具身大脑的泛化和通用能力。而且，这一场景更能被公众理解和感知。
为了让机器人完成“九年制义务教育”，都大龙自研了集身大脑、腱驱灵巧手、数据采集设备于一体的产品矩阵。
作为章鱼动力的投资方，北极光表示，Physical AI下一程竞争的赛点在有限数据下模型泛化能力的快速实现，核心为多源异构数据的最高效利用，这一底层逻辑决定了公司在模型架构、数据采集及配比、跨本体策略上的每一个具体选择。
2026年成立以来，章鱼动力已累计融资近10亿元，估值达到独角兽级别，投资方包括地平线、高瓴创投、K3 Venture、锦秋基金、北极光创投等。
地平线创始人余凯亦师亦兄
创业邦：你早期在百度做深度学习，后来进入地平线做芯片研发。回看这两段经历，有哪些问题当时没有解决，最终促使你今天再次创业做章鱼动力？
都大龙：百度和地平线的经历，本质上都发生在AI 1.0时代。自动驾驶有自动驾驶模型，人脸识别有人脸识别模型，机器翻译有机器翻译模型。
AI 2.0带来了不同的可能性。大模型出现后，大家看到自然语言领域可以用一个模型解决大量任务。对具身智能而言，我们也希望看到同样的事情：一个模型能够解决很多场景，或者随着模型能力不断提升，逐步解锁更多场景。
创业邦：地平线以自动驾驶芯片闻名，但你当时负责的更多是 AIoT 相关业务。这两部分业务在当时是怎么结合的？
都大龙：地平线成立得比较早，2015年就开始创业。当时公司同时布局了智能家居、安防和自动驾驶三个方向。后来，智能家居和安防业务逐步合并，也延展到智慧零售等场景。
2020年公司进行战略聚焦，AIoT业务收缩并逐步分拆，今天的地瓜机器人团队与这部分业务有延续关系。
创业邦：你2020年离开地平线后作为CTO参与创办鉴智科技，2025年9月被四维图新合计斥资18亿元并购，四维图新获得鉴智母公司39.14%的股份。能否讲讲当时为什么选择自动驾驶，以及团队当时做成了什么？
都大龙：鉴智主要做自动驾驶。
当时我们判断，自动驾驶感知正在从多传感器后融合走向多传感器前融合。
鉴智当时就是押注多传感器前融合BEV方向，相关能力后来在岚图、奇瑞等车型上完成落地，后续在广汽、广汽丰田、上汽等项目上也有量产进展。
创业邦：你从自动驾驶转到具身智能。自动驾驶的技术积累，哪些可以直接迁移？哪些又不能直接复用？
都大龙：首先，自动驾驶和具身智能都属于物理AI，二者都不是纯模型问题。
无论是车还是机器人，都要真正动起来，并且与周边环境形成闭环交互，涉及模型、算法、数据、传感器、硬件等多个环节。只要有任何一项有短板，都会限制整个系统。
数据层面，两者也有共性。自动驾驶和具身智能都涉及多传感器、多摄像头，以及多模态数据的处理，最后形成模型可以使用的数据。
最大的不同在于优化目标。
自动驾驶只有一个核心任务：开车。要把安全性不断从99%提升到更多个“9”。因此，自动驾驶公司大量精力会投入在解决最后1%、2%的边界问题上。
具身智能面对的场景则多得多。它首先要解决的目标，是模型能否覆盖100 个、1000个甚至更多场景和任务，一个模型能不能解决很多场景的问题。
此外，两者在极端安全标准（自动驾驶不允许一次事故，机器人允许偶尔失败）、运动空间维度（自动驾驶运动发生在二维平面，机器人运动发生在三维空间）、物理交互属性（自动驾驶避免碰撞，机器人必须接触）、处理数据类型（自动驾驶处理车与车，车与环境，机器人要处理更多种数据）等方面也有明显区别。
因此，具身模型要引入力和相关策略建模，这也使得它比自动驾驶更复杂。
创业邦：余凯是你在百度、地平线时期的领导。鉴智做自动驾驶时，你们和地平线在某些层面存在竞争；为什么到了章鱼动力阶段，余凯又参与了早期投资。
都大龙：现在并不存在竞争关系。章鱼动力使用地平线的芯片，我们本身也是地平线生态的一部分。
凯哥对我来说，亦师亦兄。我们从百度时期就开始一起工作，做过很多具有代表性的项目。
凯哥对我的评价，大概有两点：第一，我对AI这件事非常有热情；第二，我能够把一件事端到端地做下来——从研究、工程化到上线。
创业邦：在鉴智阶段，你是CTO二号位；章鱼动力阶段，你变成CEO一号位。余凯给你的建议有什么变化？
都大龙：鉴智阶段，我更多是技术负责人，所以和凯哥讨论得更多的是方向、技术和产品。
章鱼动力阶段，我成为一号位，除了技术，更重要的是公司一开始的重大选择：融资、法律、战略、投资人选择等。
他给我很中肯的建议是：法律的一些关键条款，若处理不好，后续很难改。
比如第一轮融资时，如果条款设计得不合理，可能短期看不出影响，长期却会变成很大的风险。包括对赌、回购等过于严苛的要求，都可能给未来埋雷。
因此章鱼动力在融资条款上做得相对合理，我们避免了一些投资方过于苛刻的要求。
创业邦：2024年被很多人称为人形机器人元年，2025年开始出现更多做具身大脑的公司。章鱼动力在2026年1月成立，算是相对靠后进入。你当时看到了什么变化，认为具身智能值得再次创业？
都大龙：之所以没有更早出来做，是因为鉴智当时正面临投资并购，交易没有完成前，很难有足够的空间和精力考虑新的创业方向。
我理解具身行业正从“本体加运控”，走向“基础操作”，再走向“时序模型加灵巧手”的阶段。章鱼动力的判断，就是聚焦于第三阶段，希望机器人像人一样工作。
创业邦：你是在什么时候真正决定创业的？
都大龙：我在2025年12月提出离职。那之后开始认真思考机器人方向。创业最本质的目标一直没有变，就是解决通用生产力的问题，但具体路径确实迭代过。
最初我们一度高估了技术进展。后来在2026年1月做了大约一个月的场景调研，发现大脑的通用程度和执行末端能力距离真正进入复杂场景，可能还需要两三年。
我们也意识到，夹爪不是最终选择。夹爪能做一些事情，但很多任务做不了；即便能做，效率也可能比手低很多。我们最初已经确定要做脑和手，但一开始还没有完全想清楚执行端到底是夹爪还是灵巧手。到2月，我们把这件事想得更明确。
创业邦：章鱼动力成立后，很快聚集了不同技术背景的人，分别负责数据、模型、硬件等方向。为什么其中的核心人才愿意加入一家刚成立的公司？
都大龙：最核心的还是理念和愿景。优秀的人会判断，你要解决的事情够不够大。
我们和硬件联创第一次交流就有很强的认同，之后几乎每隔两三周都会深入交流。对方当时也有其他机会，包括加入估值较高的机器人创业公司，或者自己创业；最后还是选择和我们一起做。
基础模型方向的预训练一号位加入得也很快。对方最关心的一个问题是：我们是不是真的做模型？因为市场上有很多公司都在讲“大脑”，但未必真正投入基础模型、算力、训练和长期研发。我们在这个问题上给了非常明确的答复，也在投入上做了相应安排。
创业邦：从外部看，怎样判断一家具身公司是不是在真正做具身大脑？
都大龙：一个比较直接的观察维度，是看它已经租用了多少算力。
创业邦：你们怎么看待成立时间和市场窗口？是否觉得错过了更早的融资或创业窗口？
都大龙：如果单纯从融资角度看，早点成立也许会更容易拿到某些资金。但从整个时间结构看，我们也比较幸运：公司在春节前成立，并完成了早期融资；春节后，具身智能市场的热度明显提升。
更重要的是，行业正在从“只看团队”转向“开始看产品”。去年年初，很多投资人看团队就愿意投；现在优秀团队越来越多，市场开始更关注产品和可验证能力。
我们在世界机器人大会这个节点完成产品发布，对我们很关键。
WRC上，章鱼动力SYNWorld具身原生世界基础模型正在搭建积木
如果没有在这个节点展示和发布，下一次大型行业窗口可能要等很久，很多事情都难以预测。因此，我们是通过倒推展会时间，来倒逼技术和产品研发。
创业邦：你会给那次发布打多少分？
都大龙：如果满分是10分，我会给8.5分。
扣掉的1.5分，是因为有一些本来想展示的内容最终没有放到展台上。不是完全做不出来，而是时间太紧，我们判断现场效果和稳定性仍有风险，所以选择不上。
先给机器人上“九年制义务教育”
创业邦：章鱼动力对外提出要做“物理世界通用生产力的基础设施”。这个说法比较宏观。如果具体一点，章鱼动力今天到底想解决什么问题，向谁提供什么价值？
都大龙：如果用更通俗的方式表达，我们希望做的是给机器人提供“九年义务教育”。现实世界的场景非常多。一个中学生毕业之后，未来可以从事很多不同职业；但在进入某个具体职业前，他先完成了九年义务教育，获得通识能力和基础动手能力。之后再接受针对某一职业的二次培训，就可以胜任不同岗位。
我们希望提供的，是完成了这种“九年义务教育”的机器人劳动力。
创业邦：章鱼动力既做模型，又做数据，也做灵巧手。对一家初创公司而言，这意味着较多产品线和研发投入。为什么要把这三件事统一纳入？它们之间如何协同？
都大龙：因为我们的目标是构建生产力。
只有大脑，没有手，智能无法触达物理世界；只有手，没有大脑，它仍然只是自动化。只有脑和手连接起来，才能形成真正的生产力。
很多人会问：为什么不用别人的手？原因是，今天的大脑到底需要一双怎样的手，行业里其实还没有标准答案。生产力变革早期，标准和分工往往尚未形成，因此很难先把边界划死。
很多关键环节必须一起探索。
创业邦：具身大脑技术的主要探索是在世界模型，而世界模型已经出现多种技术路线。章鱼动力采用的是怎样的世界模型路线？
都大龙：我们更关注隐式的理解与生成一体模型，介于英伟达Cosmos和杨立昆之间。
创业邦：为什么要选择这种路线？
都大龙：首先是时序。
我们认为，这一技术路线在时序层面，可天然支持持续Scaling，而且具身任务天然是连续的。因果关系最本质的部分就是前因后果，它发生在时间维度上，前面的状态和动作会影响后面的状态，后面的状态又决定下一步应该做什么。
第二是多模态。
这一技术路线在多模态纬度支持Scaling。具身智能会涉及很多模态，不只是视觉和语言，还可能包括触觉、力等。我们希望模型能够不断接入不同模态的数据，并且通过增加数据实现不同模态间的对齐，从而在多模态纬度上支持Scaling。
创业邦：你们和世界模型中的视频生成派的区别是什么？
都大龙：虽然视频生成派也满足上述两个要求，但是两者目的不同。
面向人看的视频生成模型，需要把视频清楚地显示出来。它通常要保证一定的帧率，例如每秒生成15 帧、20帧或更高，核心是让人看到连续、自然的画面。
但机器人做任务时，不需要把脑内的每一个连续状态都显式地以视频形式展示给人。我们更关注的是：模型能否在内部理解和建模状态的变化，并据此完成操作。所以，我想表达的时候是显式的，不想表达是隐式的。
创业邦：你们所说的“通用”，目前的阶段主要是跨物体，还是跨任务？
都大龙：目前更强调跨任务。
在一些任务上，基础模型可以明显降低后训练所需的数据量。在基础模型支持下，约百条数据就可能达到一个比较不错的效果；如果没有基础模型，可能需要1000到2000条数据，才能达到相近效果。
创业邦：能否举一个你们在世界机器人大会上展示的例子，具体说明跨任务如何体现的？
都大龙：具体任务是搭积木。它是一套面向三岁儿童的积木游戏。桌面上的积木可以被任意摆放，有正有反，朝向也是随机的。机器人首先要判断积木当前的方向；如果方向不对，就要先把它翻过来；之后还要根据拼盘的方位和位置调整积木方向，最终严丝合缝地拼进去。
现场有一位外国观众把积木像洗牌一样重新打乱，我们的系统仍然完成了任务。
创业邦：这个任务大概用了多少数据？
都大龙：这个任务的后训练数据大约是百十条量级。
创业邦：目前这个积木任务是用灵巧手完成的吗？
都大龙：目前还是通过夹爪完成。接下来我们希望用自己的灵巧手完成这类任务。
创业邦：现在不少灵巧手公司也开始做具身大脑。它们可能从灵巧手出发，再向模型、数据和通用任务扩展。章鱼动力同时布局大脑与灵巧手，最终目标看起来也可能是通用操作能力。你怎么看两种路线的差异？
都大龙：我认为目标可能并不完全一样。
我们希望提供的是通用生产力，并不是通过大脑去卖手。两种路线最关键的区别，可能在于到底是从模型、数据出发定义手，还是从手出发再寻找模型和数据。出发点不同，最后做出来的系统也会不一样。
此外，我们在手的技术路线选择上也不是“全都做”。有些专门做灵巧手的公司，会同时覆盖腱驱动、直驱、连杆等不同路线；章鱼动力则更坚定地选择腱驱动。
章鱼动力高自由度仿生灵巧手
创业邦：为什么只选择做腱驱动？
都大龙：因为我们希望选择通用性上限更高的技术路线。腱驱动的仿生上限更高，极致仿生意味着它更有机会承载更通用、更复杂的操作。
创业邦：一些灵巧手公司成立更早，已经有更多出货量，也开始推出自己的具身大脑或开发平台。你是否担心它们会凭借更大的出货规模获得更多数据，再反哺自己的大脑？
都大龙：我不太担心。因为出货本身不等于数据。
一辆车如果不能成为智能车，它其实收集不回来有价值的数据。传统汽车已经存在一百多年，但并没有因为车很多，就自动形成自动驾驶所需要的数据闭环。
手也是一样。如果这只手不是智能的，没有接入系统、没有传感器，也没有被放到真实场景里使用，它就收集不到有价值的数据。它只是一个硬件，不会因为卖出去就自然产生可以训练大脑的数据。
创业邦：也就是说，手即便被客户买走，如果只是用于研发，或者没有联网、没有进入统一的数据平台，也未必能形成对模型有价值的反馈？
都大龙：对。而且它不能只停留在科研和研发用途。如果没有真正量产部署到生产力场景里，很多真实世界的操作数据就不会产生。
创业邦：市场上也有公司同时做大脑和手，其中一家公司Sharpa近期拿到了超45亿元融资。
都大龙：我认为那类公司中，确实有一些是在认真做大脑和手，这本身是好事。我们和它们的一个差异是灵巧手路线。他们做直驱路线，章鱼动力则选择腱驱动。
融资额这么大，也是一件好事，也会帮助市场理解这件事的价值。
创业邦：为什么对方融资额大，对你们是一件好事？
都大龙：当你的“邻居”更值钱时，你当然更开心了，说明市场更愿意理解和认可这个方向。
不追工业订单，率先落地早餐铺
创业邦：现在不少具身智能公司已经在物流分拣、搬运等具体场景推进落地，也开始为客户计算 ROI。它们可能先把一个场景做透、算清经济账，再逐步扩展到其他场景。你怎么看这条路径？
都大龙：我觉得这也挺好，大家都有不同的选择。
但章鱼动力的判断是，当前模型、灵巧手和数据都还没有收敛。既然没有收敛，我们更希望把精力放在铲子上，也就是模型、数据和灵巧手这些底层能力上。
创业邦：对章鱼动力而言，最先希望落地的场景需要满足什么条件？会是什么样的场景？
都大龙：我们希望做一些能够让公众理解和感知的标杆场景。
例如做早餐、做西餐。相比中餐，早餐和西餐对火候、经验和“感觉”的依赖相对更低，因此可以先把一些任务边界定义清楚。即便还没有达到人类熟练工的水平，只是接近人类完成任务的水平，公众也会很直观地感受到。
设想一下，你走进一家早餐店，发现为你服务的是机器人。这个冲击是很直接的。
创业邦：在早餐场景中，机器人具体希望完成哪些事情？例如，是否包括切面包等操作？
都大龙：人能做的这些事情，我们都希望机器人能够做。核心是让机器人能够完成连续的真实操作。
创业邦：这类能力明年有机会展示吗？
都大龙：对，我们对此比较有信心。手包水饺也是一样的。
创业邦：是否可以理解为，工业场景公众感知度比较低，因此章鱼动力暂时不把工业作为主打方向？
都大龙：不能简单这样理解。我们可能会把我们的技术方案提供给合作方，再由合作方去工业场景落地。但我认为，现在很多具身公司正在尝试的工业任务，很难界定哪些真的适合具身。
工业场景中有很多问题，本质上仍然更接近自动化，或者是“自动化加 AI”。比如，一项对节拍、绝对精度要求非常高的精密机床切削工作，并不是每个人都能完成；即使用人手完成，也可能需要“大国工匠”式的能力。让当前机器人去做这类任务，能力并不匹配。
我认为，现阶段更适合具身智能的工业任务，应该是绝对节拍和精度要求没有那么极端，但对通用性、适应性和泛化能力要求很高的任务。
创业邦：如果从商业模式看，章鱼动力最先面向的客户是谁？例如具身本体厂，还是其他类型企业？
都大龙：首先是物理AI方向的开发者。
这里所说的开发者，不只是科研院所。它可以是拥有智能化团队的制造企业，也可以是面向具体场景开发产品的具身公司，还可以是更多不同类型的开发者。
物理世界的场景太多，每一个场景都可能有开发者去做相应开发。我们希望提供脑、手、数据一体的能力和平台，让不同开发者基于自己的任务、场景和数据开展开发。
创业邦：这个开发者市场本身会不会比较小？
都大龙：如果灵巧手最终只能用于科研和研发，市场规模确实不会很大。
我们非常坚定地相信：手必须真正形成生产力，能够帮助人干活，市场才会打开。以全球人口和大量工业、服务业场景简单类比，未来需要的并不只是几万只研发用手，而是可能达到非常大的数量级。
但这个规模有一个前提：它必须真正能解决生产力问题。
创业邦：目前你们正在接洽哪些类型的客户？可以更具体一些吗？
都大龙：都有，具身智能相关公司，有大型制造业企业，也有大型互联网公司。
创业邦：制造业企业或互联网公司，分别希望用这些产品和能力做什么？
都大龙：互联网公司更多是购买我们的数据采集设备，用于研发和探索。目前有一些客户已经下单，正在等待我们量产。
制造业客户则来自不同细分行业，比如家电也，具体行业比较多。
章鱼动力数采产品系列
创业邦：意向订单的金额规模是多少？
都大龙：目前的意向情况超出我们的预期。
创业邦：到今年年底，章鱼动力最关键的验证节点是什么？
都大龙：是把脑、手、数据打通，形成一个具身大脑开发平台。
目前，我们的大脑还没有完全驱动自己的手，自己的手也刚出来。因此，到今年年底最重要的事，是先把章鱼动力自己的脑、手、数据在同一个平台上打通，形成闭环。
创业邦：那么再往后看，什么市场指标能证明章鱼动力真正跑通了？
都大龙：我认为有两个标志。
第一，有很多人使用我们的手和平台做开发；第二，我们的手真正形成生产力，出货不只是用于研发，而是已经进入实际生产力建设中。
《Signals》往期精彩内容：
Deepseek研究员联手谷歌工程师创业，这家公司正在做Token时代的“智能电网”
商汤国香资本余俊：具身机器人进入全栈竞争阶段，下一步是让客户算得过账
绕不开英伟达，也不能被它困住：英伟达架构师辞职做物理AI芯片
瞄准餐厅后厨场景，前美团外卖技术负责人，让AI餐饮机器人落地干活