记者 郑晨烨

经济窥察报记者 郑晨烨

“到2033年，拓展至百万台范围，覆盖工业、物流、家庭服务等多元化场景。”克日，智平方（深圳）科技有限公司（下称“智平方”）首创人兼CEO郭彦东，正在公司新一代通用智能呆板人AlphaBot 2的公布会上掷出了这句豪言。

对于一家成立刚满两年的初创企业而言，正在商业化前景还没有十明白朗的具身智能赛道，立下如此具体的目标，实属罕有。

从履历上看，郭彦东曾是微软美国总部焦点AI团队成员，任职时代主导开发了多款 AI 前沿技能和产品，其中Custom Vision服务是全球局限内首次将“预锻炼模子+场景微调”商业化的理论尝试，为AI技能的大范围运用翻开了新思路。

他还正在小鹏汽车和OPPO担当过首席迷信家和研发高管，这名技能和家当“老兵”，选择正在人工智能大模子爆发的节点时候切入呆板人赛道，其焦点思索逻辑是“将AGI（通用人工智能）从数字世界拓展到物理世界”。

睁开盈余 94 %

郭彦东夸大，智平方坚持“软硬一体垂直整合”，以自研的Alpha Brain为焦点，定义并驱动AlphaBot等一系列“AGI终端”，率先从汽车制作、半导体、生物科技等高门槛的工业场景寻求商业化冲破。

但是，正在“豪言壮语”的背后，实际的拷问也随之而来：一家年轻的创业公司，何以支持如此“重”的计谋投入和如此久远的产出预期？其宣称领先的GOVLA大模子，正在全球巨头林立、技能加快迭代的背景下，能否修建起真实的护城河，并转化为可连续的商业乐成？从“能演示”到“真能用”，再到“大范围用好”，这条路上的“坑”，智平方能否逐一趟过？

另外，郭彦东也展望通用呆板人的“iPhone时候”将正在5至7年后到来。这一展望和百万台产能目标，是基于苏醒的行业洞察，还是正在资源与舆论裹挟下的理想化宣言？

克日，带着这些问题，经济窥察报记者与郭彦东睁开了一场间接对话。

以下是对话实录：

最难啃的三块“硬骨头”

经济窥察报：你从微软、小鹏、OPPO等大厂高位转身，创立智平方，投身具身智能赛道，是什么驱策你做出如许的选择？要实现智平方的“AGI终端”普及的愿景，你以为最难啃的“硬骨头”是什么？

郭彦东：我正在微软、小鹏、OPPO的经历，让我深刻体会到AI技能如何一步步渗透并重塑各个智能终端形状。

从PC到智妙手机，再到智能汽车，每一次变革的焦点都是让人与智能终端的交互更便捷，让终端能正在更多场景完成更多样的工作，这是一个很清晰的脉络。

今天，我们正站正在又一个变革的门槛上，通用人工智能（AGI）与物理实体的结合——也就是具身智能呆板人——将是第四代革命性的智能终端。

这不是简朴的线性延伸，而大概是一个数量级的飞跃。

我看到的机会，就是将AGI的能力真正给予物理世界的呆板人，让它们从只能实行预设程序的“呆板”，退化成能够理解环境、自主决策、并与人天然协作的“智能体”。这片“无人区”，恰是通用智能呆板人能够像今天的智妙手机和汽车一样普及的庞大空间。

我们的愿景和使命，就是推进这一天的到来。但这条路无疑是艰难的。以后最难啃的“硬骨头”，我以为有三块：

首先是技能的通用性与鲁棒性（指零碎、模子或算法正在面临异常输入、干扰、噪声或环境变化时连结正常功能和功能的能力）。如何让呆板人真正具备跨行业、跨场景、跨任务的泛化实行能力，而不是每换一个场景就要重新大量编程和锻炼？这必要多模态感知、快速进修、自主决策与精准实行能力的深度融合与冲破。许多时间，实行室里表现完满的呆板人，到真实、复杂、动态的工厂或家庭环境里就“水土不服”，这就是鲁棒性不够。

其次是本钱与价值的平衡。目前高功能呆板人的硬件本钱依然奋发，虽然我们推断将来2—3年硬件本钱会随着范围化量产而显著下降，但现阶段，如何正在特定场景下让客户明确感知到呆板人带来的价值，好比，服从提拔、本钱低落、安全性提高，能够覆盖甚至远超其推销和部署本钱，这是商业化的枢纽。

最后是运用处景的深度挖掘与标准化难题，工业场景需求绝对明确，好比我们合作的晶圆搬运、汽车拆卸。但即便是工业场景，不同工厂的工艺流程、环境布局也千差万别。

如何从中提炼出个性需求，形成绝对标准化的解决计划，再针对特定需求做少许定制，这对我们的技能能力和行业理解都是庞大磨练。而服务呆板人、家庭呆板人面临的场景则更为开放和非标，挑衅更大。

“软硬一体”自建产线

经济窥察报：智平方坚持“软硬一体”并自建产线，走的是重投入的“呆板人服务商”形式，正外行业有多种轻资产形式的背景下，你为何认定这条重投入之路是必要的？如何平衡高投入与报答周期的不确定性？

郭彦东：这确实是一条“重路”，但我们以为这是具身智能，尤其是通用智能呆板人这个赛道特征决意的，甚至是唯一能走通的路。为何这么说？

第一，我们的商业形式焦点是交付能解决实际问题的最终产品，而不是一个单一的技能模块或零部件。客户买的是一个醒目活的呆板人，一个完整的解决计划，而不是一堆必要本身集成的技能。这就要求我们对最终产品的功能、靠得住性、本钱负全责。

第二，从技能层面讲，呆板人的“大脑”（AI模子）与“身体”（硬件本体）是高度耦合、深度绑定的，很难割裂开来独立发展和销售。这非常像自动驾驶零碎，甚至可以说自动驾驶是呆板人大脑的一个简化版。

你看看行业里的经验，一些已经做得非常好的自动驾驶零碎，换一个车型，往往必要几百个工程师耗费十几个月的时间驻场进行适配开发。这个例子从一个侧面反映出，一旦进入具身大模子这个赛道，切换硬件的代价和本钱是绝对比较高的。这就意味着，你很难用一个所谓“通用”的大脑，简朴地卖给各种不同的呆板人硬件公司，让他们本身去适配。更高效、更靠得住的形式，是用一个全新的、壮大的大脑，去正向计划和定义你的整个呆板人零碎，然后以软硬一体的方式进行销售和交付。

汽车行业喊了许多年“软件定义汽车”“智能定义汽车”，但实际上受到了许多现有临盆供给链的限制、行业惯例的制约，以及各种车规、行规和产品惯性的束缚，使得软件并不克不及够真正意义上地彻底定义硬件。但呆板人是一个全新的赛道，它没有那末多汗青包袱。只要你有如许的认知，有如许的能力，你完全可以用一个全新的软件和AI能力，去定义一套全新的硬件架构，然后软硬一体地交付给客户，提供最佳体验。

固然，这要求首创团队和焦点团队必须是“全能型选手”，既要懂模子算法，也要懂硬件本体，还要懂临盆制作、供给链经管，把这些要素协同起来，作为一个整体产品去打造和运营。

关于高投入与报答周期的平衡，我们有清晰的融资计划和阶段性的商业化目标。经过率先正在高价值、需求明确的工业场景落地，好比半导体、汽车制作、生物科技等，我们可以较早地获得现金流，考证商业形式，并为后续更大范围的研发和市场拓展提供支持。同时，自建产线也是为了更好地操纵产品质量、迭代速度和最终本钱，为将来的大范围量产做筹备。

我以为一个壮大的、定义清晰的软硬一体化产品平台，反而能更有效地吸收和赋能生态伙伴。我们并非所有东西都本身做，好比一些通用的零部件、末端实行器等，我们会选择成熟的供给商。

大模子研发必须“重投入”

经济窥察报：智平方宣称Alpha Brain的GOVLA大模子是“全球首款”全域满身VLA（视觉-说话-行动）模子，这个“全球首款”具体“新”正在哪里，对比业界已有的VLA，其焦点的、可被感知的“领先性”体现正在哪些方面？

郭彦东：称GOVLA是“全球首款”全域满身VLA大模子，我们是有底气的。它的“新”和“领先性”，主要体现正在对呆板人“智能”和“行动”边境的根赋性拓展上。

传统的VLA模子，许多时间更着重于“视觉到单臂操作”的映射，呆板人像一个流动正在原地的“桌面操作员”。而我们的GOVLA，这里的“G”代表Global（全局），意味着呆板人具备对广阔、动态、非结构化环境的理解与适应能力，不再局限于眼前的一亩三分地；“O”代表Omni-body（满身协同），这是焦点冲破之一，意味着我们的大模子首次能够输出呆板人满身的操纵指令和完整的挪动轨迹，而不但仅是机器臂的动作。

我举一个“做早餐”的例子，它很能说明问题：一个搭载常规VLA的呆板人，你让它做早餐，大概必要人把鸡蛋、面包都放到它眼前的桌子上，它正在桌面上操作完成后，你还得去把它做的早餐端走。由于它大概“看”不见桌子之外的东西，也无法自主挪动到冰箱取食材。但搭载GOVLA大模子的AlphaBot 2，就能做到360度无逝世角地感知周围环境，听懂你的指令后，自主计划路径去冰箱取食材，完成制作，甚至把早餐送到你的餐桌上。

这才是从“自动化工具”到“智能管家”的跨越。我们GOVLA的内部架构，经过空间交互底子模子、负责复杂逻辑推理与任务拆解的“慢零碎”（System2），以及负责输出满身操纵动作与挪动轨迹并兼顾及时响应的“快零碎”（System1）的协同工作，来实现这种复杂的全链条服务能力。

就我所知，正在目前中国这么多做呆板人的创业公司里面，我们是唯逐一家已经把本身的模子版本开源，且有能力将自研的大模子能力商业化输出的公司，这本身就说明白我们的技能是有实际运用价值和市场竞争力的。

我们的GOVLA大模子，其焦点框架——包含空间智能的构建、多模态信息的融合机制，以及呆板人满身运动操纵和挪动轨迹生成等枢纽模块——是100%全栈自研的。这是我们技能系统的基石，也是我们知识产权的焦点。

正在这个坚实的自研底子上，我们敏锐地窥察到，以后大说话模子正在长程复杂任务的理解、阐明和高级逻辑推理方面，确实显现出了非常壮大的能力。为了进一步强化我们GOVLA模子正在这一特定维度的表现，让呆板人不但“手巧”，更能“心灵”（具备深度思索和计划能力），我们选择性地将DeepSeek正在推理大模子方面的枢纽锻炼技能引入GOVLA的锻炼过程中，目的是正在连结整体技能架构自主可控的前提下，更快地打造出整体功能更强、更智能、更具竞争力的国产可控VLA模子。

经济窥察报：大模子研发无疑是一场高投入的“马拉松”，你们宣称拥有“搜索引擎级”数据，并正在研发上投入庞大。对这种高投入，你如何向市场和投资人证明其商业上的合理性与必要性？

郭彦东：大模子的研发是“重投入”，而且必须是连续的“重投入”。

关于商业合理性和投入产出，我的看法是，正在以后具身智能发展的早期阶段，尤其是对于我们这种致力于构建底层焦点技能壁垒的公司，不克不及简朴地用传统的、短期的财政投资报答率去权衡。

我们更看重的是，这些投入能否为我们构建起足够深、足够宽的技能护城河，能否让我们正在枢纽的焦点能力上，好比，模子泛化能力、端侧部署服从等，做到全球领先，以及这些焦点能力最终能否转化为产品正在特定场景下不可替代的竞争力，并博得客户的真金白银的定单。 这就像修高速公路，后期投入庞大，但一旦建成，其长时间的社会和经济效益是不可估量的。

那末，我们如何确保这些投入是高效的，而不是盲目烧钱呢？主要有几个层面：

第一，我们的投入是创建正在清晰的计谋认知和深厚的技能积存之上的，不是跟风，也不是“鼎力大举出事业”那末简朴。

正在算法层面，我们的焦点团队正在AI范畴有近20年的“内功”修为，我们具备计划和实现全球领先的、非基于现有开源框架的全新神经收集结构的能力。这是我们最焦点的Know-how之一，它决意了我们模子的上限和奇特征。

正在数据层面，我们说用的是“搜索引擎级别”的数据，这个“级别”不但仅指范围大，更紧张的是数据的多样性和高质量融合。我们有来自公然互联网的海量数据，好比YouTube上每秒钟都正在上传新的视频，这些能让模子具备遍及的知识和底子泛化能力；我们也有高质量的仿真数据，我们用仿真数据锻炼的模子正在全球相关角逐中也拿过冠军，仿真环境能提供正确的3D空间信息和大范围、低本钱的交互锻炼；但最宝贵也最能提拔模子应对真实世界能力的，还是我们经过实际部署的呆板人收罗到的真实世界交互数据。

我早正在2017年正在华盛顿大学给博士生上课的时间，就提出要把这三种数据（互联网、仿真、真实物理交互）结合起来，由于每种数据都有其奇特的优势和不可替代的价值。

正在算力层面，我们确实投入了大量的计算资源和底子设施建设，但我们更夸大“好钢用正在刀刃上”，非常注重锻炼服从的提拔。

好比，我们正在锻炼加快、增量进修（Incremental Learning）等范畴都有非常深入的研究和理论——我之前写的一篇关于端到端增量进修的论文，是目前全球正在这个细分范畴被援用次数最多的。这意味着我们不但勇于投入，更知道如何智慧地、高效天时用这些宝贵的算力资源。

第二，我们经过一些计谋性的办法，来放大我们研发投入的价值，之前跟北大合作的RoboMamba（一款高效端到端VLA具身大模子）开源就是一个例子。

开源对我们来说，至少有三重意义。

其一，这是技能自信的体现，也是一种“以打促练”。我们把模子放正活着界舞台上，与全球最顶尖的模子和团队去实测PK，我们的具身大模子正在运转速度、任务实行的乐成率上都远远领先，这本身就是对我们技能最好的检验和提拔。我也很不服气Figure AI首创人说中国公司只会搞硬件，我们就是要证明中国正在AI智能化这个高毛利、高附加值的范畴，异样可以做到世界一流。

其二，开源是吸收顶尖人才、增进技能交流、构建开发者生态的紧张路子。一个活泼的开源社区，能为我们带来宝贵的内部反馈，加快模子的迭代和优化，甚至大概发明一些我们本身都没想到的新运用处景。

其三，这对于我们商业模子的快速成熟和数据生态的构建，有着间接但非常紧张的计谋助益。

我们坚决避免陷入不计本钱的“烧钱比赛”，我们的焦点理念是“实干创造价值”。我们是“实干派”，不是“炫技派”。

评价一项技能、一个产品好不好，我们的标准不是看它的演示有多酷炫，呆板人能不克不及舞蹈、翻跟头，而是看它能不克不及真正正在工厂里、正在实际运用处景中，波动、高效地完成有价值的工作，能不克不及为客户创造可量化、可感知的效益。

我们毫不会为了追求某个单一的技能指标的极致，而捐躯产品的整体实用性、靠得住性和经济性。

为此，我们正在技能路线上有许多非常务实的选择，好比，我们鼎力大举发展端侧智能，提拔模子紧缩的能力。我们的技能可以让大模子正在端侧部署后，推理运转速度提拔8倍以上，这意味着什么？意味着可以大幅低落对云端昂贵算力的依赖，低落呆板人的功耗和本钱，提拔响应速度和数据安全性。

这背后，是我们团队许多焦点成员过去正在OPPO、小鹏等企业，积存的将AI模子正在数以亿计的智能终端（手机、汽车）上进行当地化部署和优化的宝贵经验。纯粹的迷信家团队，大概正在这方面经验会绝对欠缺一些。

我们的目标是做出真正有效、好用，而且最终让客户用得起的呆板人。

高端工业场景“痛点清晰”

经济窥察报：智平方主攻汽车、半导体、生物科技等高端工业场景，为何选择这些场景先行落地？

郭彦东：我们选择汽车制作、半导体、生物科技这些高端工业场景作为商业化的首批切入点，主要是基于几点思量：

第一，这些行业对自动化、智能化、柔性化的需求非常迫切，痛点清晰，好比招工难、人力本钱高、临盆环境要求严苛（如无尘、无菌）、重复性劳动强度大等；第二，这些场景对呆板人的任务乐成率、波动性、靠得住性要求极高，能够充分检验和打磨我们的焦点技能；第三，这些行业的客户通常有较强的付费能力和意愿，能够为我们带来绝对可观的早期支出，形成正向的商业循环。

这些场景的定制化需求比较高，这也是为何许多传统呆板人公司或零碎集成商正在这些范畴做得比较“重”的原因。

但我们的思路不太一样。我们的焦点是通器具身大模子Alpha Brain和通用智能呆板人AlphaBot，而AlphaBot的计划理念是用一个绝对通用的本体形状，经过合理地更换部分模组，实现对较多场景任务的适配性。

正在具体项目落地时，我们会首先深入理解客户的焦点工艺流程和痛点，然后基于AlphaBot正在有限局限内的通用性，结合场景特点进行适配和优化。这种适配更多的是正在软件层面，好比针对特定任务的技能进修、与客户现有临盆经管零碎（MES）的对接等，而不是对呆板人硬件本体做大范围的定制化改革。经过对一个个扎实场景的攻坚，我们的Alpha Brain会积存越来越丰富的行业知识和技能，其泛化能力也会越来越强。如许，当碰到类似行业或类似任务时，我们就能大大收缩部署周期，低落实施本钱，从而实现解决计划的可范围化复制。

例如，我们与吉祥科技旗下的晶能微电子合作，正在杭州的半导体临盆基地部署AlphaBot，实行晶圆正在无尘车间的搬运和装载任务，能有效低落因人工操作大概引入的“人源污染”，提高产品良率。

最新的计谋合作方是全球生物科技龙头华熙生物，我们的呆板人将正在其工厂内实行物料协同转运、智能拆包消毒、成品智能视觉检验，以及多种物料协同的智能供料等操作，特别是正在无菌产品灌装、微生物培养监控等高风险、高洁净度要求的环节，替代人工操作，避免交叉污染，保证产品质量。

我们是从工业场景切入，逐步向公共服务、家庭服务等范畴拓展，构建起“技能-场景-数据”闭环。本年第三季度，智平方的呆板人将上线国内一线乡村的机场，为游客提供贴心服务。本年第四季度，智平方的呆板人将正在国内示范小区落地运用，为业主提供有智慧、有温度的服务。

从实际的定单范围和商业报答来说，我们客岁（2024年）已经实现了数万万元群众币的回款。

这正在国内通用智能呆板人创业公司中，算是比较早实现商业化营收的。这证明白我们的产品和服务是能够被市场担当并产生实际价值的。固然，目前我们还处于商业化的早期阶段，单个项目的金额和利润孝敬大概还无法与成熟的工业自动化装备比拟，但紧张的是我们考证了技能的可行性和商业形式的闭环。

随着我们解决计划的成熟度越来越高，可复制性越来越强，以及客户对我们产品信任度的提拔，将来的定单范围和商业报答是值得等候的。我们不是简朴地卖几台呆板人，而是经过“呆板人即服务”的形式，为客户提供连续的价值。

通用呆板人的“iPhone时候”

经济窥察报：你展望通用呆板人的“iPhone时候”正在5—7年后到来。回顾智能装备史，许多技能从工业运用到消耗普及的路径远比预期盘曲。支持你这一推断的枢纽前提是什么？

郭彦东：我对人形呆板人，更广义地说是通用智能呆板人，进入大众消耗市场的“iPhone时候”的展望，是基于对技能发展趋势、本钱下降曲线以及市场需求演变的综合推断。这里面有几个枢纽前提：

第一，焦点技能的成熟与冲破，特别是“智能的通用性”。呆板人必要具备跨行业、跨场景、跨任务的泛化实行能力，能够像人一样适应不同的环境和需求，而无需针对每个新任务进行大量的重新编程。这依赖于具身大模子的连续退化，包含更强的感知理解能力、更高效的进修能力、更安全的决策与交互能力。我们正正在努力的方向，就是让Alpha Brain驱动的呆板人，能做到“无需锻炼即可完成多种任务，而且能快速掌握新任务，波动适应各种变化”。

第二，硬件本钱的显著下降，目前高功能呆板人的焦点零部件，如传感器、驱动器、操纵器以及AI计算单位等，本钱依然不菲。但我坚信，随着呆板人家当范围的扩展，供给链的成熟（尤其是正在中国，许多呆板人零部件可以借鉴和转化新能源汽车的供给链系统），以及枢纽技能的国产化替代，呆板人的整体硬件本钱正在将来5—7年内无望低落到一个普通消耗者可以担当的程度，也许就像今天一辆经济型汽车的代价。我们推断，呆板人硬件本体的研发已趋于成熟，正处于量产爬坡阶段，将来2—3年内将迎来安稳的范围化增进时间。

第三，“杀手级运用”的涌现，就像智妙手机的App Store和各种挪动运用引爆了市场，通用智能呆板人也必要正在某些枢纽场景中显现出不可替代的价值，解决用户的焦点痛点，才能真正引发大范围的采办需求。正在工业范畴，这个价值点大概体现正在服从提拔、本钱低落、替代高危或重复劳动；正在家庭范畴，大概体现正在陪伴、护理、家政服务等方面。

我们相信，这些索求对于理解用户需求、打磨产品体验，以及最终找到通往“iPhone时候”的路径至关紧张。这切合我们“技能-场景-数据”闭环的计谋。

具身智能的“中国优势”

经济窥察报：百万台产能目标（2033年），对初创公司而言极具挑衅。正在焦点零部件国产化、整体本钱、高端人才等实际制约下，智平方的“软硬一体的呆板人服务商”形式如何避免重蹈“新权势”造车早期正在产能和供给链上碰到的问题？

郭彦东：我们计划到2028年实现万台级别的场景运用，到2033年公司成立十周年之际，将呆板人部署范围拓展至百万台级别，覆盖工业、物流、家庭服务等多元化场景。这绝非易事，尤其对于一家初创公司而言。

你提到的焦点零部件国产化、本钱操纵、高端人才等问题，都是我们必须正面应对的枢纽挑衅。关于“产能天堂”和“供给链掣肘”，我正在小鹏汽车时亲身经历了从零到年产十万台的快速爬坡过程，深知其中的艰辛与枢纽节点。我们选择自建产线，恰是为了从一最先就将临盆制作的主动权掌握正在本身手中，确保产品质量、迭代速度和长时间的本钱操纵能力。

对于供给链，呆板人家当与新能源汽车家当有许多类似之处，尤其是正在“三电”（电机、电驱、电控）、电池、传感器等范畴。中国正在这些范畴已经创建了绝对美满且富有弹性的供给链系统。许多呆板人零部件并非从零最先，而是可以从新能源汽车的成熟供给链中进行转化和升级，这个过程的速度和服从大概比外界设想得要快。

至于一些特定的、技能含量非常高、目前大概还必要依赖入口的焦点部件，首先，并非每一款呆板人都必须使用这类特定的高端部件，有许多不同的技能计划可以实现雷同的驱动功能；其次，即便某些部件短期内存正在瓶颈，我相信随着国内需求的增进和技能的前进，国产替代的速度也会加快。我们也正在积极布局焦点硬件的自研能力，好比正在机器臂、底盘等枢纽部件上，我们都有本身的自研技能，目标是逐步提拔焦点部件的自研比例和可控性。

人才方面，我们采用“南北协同”的形式，正在北京设立AI团队，依托那里的人才洼地进行焦点算法和模子的研发，许多同事都来自北大、清华等顶尖学府，且多是经验丰富的“行业老炮”，可以“老带新”；同时将硬件研发、家当化和供给链经管扎根于深圳这个硬件创新之都。我们对人才的要求非常高，宁缺毋滥。

百万台目标虽然道阻且长，但我们有计谋、有技能、有团队，也有对家当发展规律的敬畏和对挑衅的充分筹备。

经济窥察报：你如何理解中国发展具身智能家当的优势？你以为中国具身智能企业正在全球牌桌上突围的枢纽是什么？智平方如何证明本身是焦点智能的创造者，而非仅仅是硬件集成商？

郭彦东：中国为发展具身智能家当提供了可以说是得天独厚的环境：

第一，我们拥有全球最美满、响应速度最快的呆板人硬件供给链，这植根于我们国家蓬勃的消耗电子和新能源汽车家当底子，使得硬件迭代更快、本钱操纵更有优势；

第二，我们有极为丰富的运用处景，从庞大的制作业底子到多样化的社会服务需求，这为呆板人提供了海量的真实世界锻炼数据和商业化机会；

第三，我们有活泼的创业公司、积极的投资者以及各级政府的鼎力大举支持，配合组成了一个充满活力的家当生态零碎。

我甚至有一个推断：“任何国家的迷信家要做具身智能，都得去中国，不然技能很难走出实行室。”

固然，“卡脖子”的风险也确实存正在，尤其是正在一些高端AI芯片、焦点传感器、精密制作工艺等范畴。美国等国家也正在加快布局，试图构建技能壁垒。

中国企业要想正在全球竞争中突围，枢纽正在于两点：一是坚持焦点技能的自主研发与创新，尤其是正在“大脑”层面，也就是正在具身大模子、空间智能、自主决策等焦点算法上，必须有本身的东西，不克不及满足于做简朴的集成和运用；二是深度理解并快速响应市场需求，将技能优势转化为实实正在正在的商业价值。

智平方从创立之初，就立志成为一家技能驱动的、世界领先的具身智能呆板人企业。我们不但要做出好的“身体”，更要打造出最智慧的“大脑”。

我们全栈自研Alpha Brain及其底层的GOVLA大模子，就是为了掌握焦点智能。我们之前开源RoboMamba模子，也是希望正活着界舞台上与顶级模子同场竞技，证明中国企业正在AI软件和焦点算法层面异样可以做到世界一流。

公布于：北京市