半年融資 20 億的具身智慧獨角獸：至簡動力為什麼要當「六邊形戰士」

本文整理自《晚點聊 LateTalk》2026 年 3 月播出的單集。

{{< spotify "episode/7lvEbP86HQBtdMdglBuf1M" >}}

{{< apple-podcast "tw/podcast/%E8%B4%BE%E9%B9%8F%E5%88%9B%E7%AB%8B%E8%87%B3%E7%AE%80%E5%90%8E%E7%9A%84%E9%A6%96%E6%AC%A1%E8%AE%BF%E8%B0%88-%E4%BB%8E%E8%8B%B1%E4%BC%9F%E8%BE%BE%E5%88%B0%E7%90%86%E6%83%B3-%E5%85%B7%E8%BA%AB%E6%99%BA%E8%83%BD%E7%9A%84%E5%85%AD%E8%BE%B9%E5%BD%A2%E6%88%98%E5%A3%AB/id1564877433?i=1000756652228" >}}

---

2025 年 7 月成立，半年完成五輪融資、累計 20 億人民幣，投後估值突破十億美元。至簡動力（Simplexity Robotics）是目前中國具身智慧賽道上最年輕的獨角獸，背後的創辦團隊幾乎是理想汽車智駕部門的半壁江山：CEO 賈鵬是前智駕研發負責人，董事長王凱是前 CTO，COO 王佳佳是前智駕量產負責人。三個人把在理想汽車打自動駕駛戰爭的經驗，原封不動搬進了機器人領域。

賈鵬把至簡的定位叫做「六邊形戰士」，意思是技術、戰略、產品、品牌、組織、商業六個面向都不能有短板。這個說法背後，是他對具身智慧產業走向的一個核心判斷：行業正在從「展示技術」的階段過渡到「交付產品」的階段。在新階段裡，光靠技術已經不夠，你得真的有東西賣、有客戶用、有資料回來。

為什麼不留在理想做機器人

理想汽車創辦人李想其實很早就有機器人的想法。他把公司命名為「理想」、把願景定義為「服務家庭」，背後的邏輯是：先把車變成一個能自動移動的智慧體，再把同樣的技術帶進家庭。自動駕駛只是第一步，家庭服務機器人才是終局。賈鵬在理想的五年裡，對這個願景並不陌生。

但他最終選擇離開自己創業，原因很直接：他想把所有資源和精力全部投入一件事。在理想，具身智慧是第二曲線，不是公司的核心業務。而賈鵬更想要的是那種「所有東西都 all-in 到一件事情上」的狀態。2025 年 6 月離職後，他透過理想的投資人元璟資本找到了王凱（王凱離開理想後在元璟擔任投資合夥人），兩人一拍即合。8 月，王佳佳在完成理想最新一代 VLA 大模型智駕項目的交付後也加入。三個人在理想共事多年，默契已經建立好了，不需要磨合期。

賈鵬和王佳佳在理想配合了五年。從最早的 Orin 晶片交付、到高速 NOA、到城市 NOA、從有圖到無圖、再到 VLA，幾乎所有關鍵項目都是兩人搭檔完成。王凱則負責戰略、管理和資源整合，在歐洲有將近二十年的產業經驗，創業以來已經跑了好幾趟歐洲拓展海外市場。三個人的分工延續了在理想時期的模式：賈鵬管演算法、模型和基礎架構，王佳佳管硬體、底層軟體和運動控制，王凱管戰略、融資和外部資源。

硬體是被忽略的真相

當被問到具身智慧領域有什麼「非常重要但被忽略的真相」時，賈鵬的回答不是資料，不是演算法，而是硬體。他說：所有人都覺得現在硬體差不多了，缺的是資料和演算法。但他自己做了硬體之後才發現，坑遠比想像中大。

具體來說，硬體的問題出在「一致性」。做真機資料採集的時候，同一批機器人，A 機和 B 機採出來的資料可能完全不一樣。資料的雜訊有時候比資料本身帶來的收益還大，模型根本沒辦法有效學習。另一個問題是可靠性。機器人在工廠裡執行高頻率動作，過熱、故障的機率非常高。這些問題在汽車產業裡基本不存在，因為汽車零件經過上百年的標準化，拿過來就能用。但機器人的零組件完全沒有這種成熟度，構型不統一、標準不統一、製造工藝差異大。

就連特斯拉的 Optimus 人形機器人也面臨類似困境。賈鵬提到，特斯拉之前在硬體上用了某些零組件導致壽命很低，而且每次壞掉不能只修局部，必須整隻手臂換掉。他認為整個行業離真正的標準化、規模化生產，可能還需要一兩年時間。至簡動力的穿戴式資料採集手套也碰到了電磁干擾問題，早期大約三分之一的資料不可用，經過多次迭代才把可用率拉到九成。

不追人形，先把硬體做簡單

在機器人的外型上，至簡沒有跟風做雙足人形。他們目前的產品是「上半身雙臂、下半身輪式」的半人形構型，賈鵬認為這是現階段效率最高、最適合商業落地的形態。他的邏輯是：此刻模型的能力還有限，你給它一個過於複雜的硬體，根本用不起來。硬體團隊自己狂奔、追求愈複雜愈好，跟演算法團隊的實際需求脫節，這正是特斯拉 Optimus 團隊內部矛盾的根源之一。

至簡把這個產品線叫做 CPUI 系列，核心原則是根據模型當前的能力來定義硬體需求，而不是讓硬體先跑、再等軟體追上來。賈鵬說他們成立不到 45 天就推出了第一代本體，目前已經迭代到第二代，進入小批量驗證階段。速度快的代價是很多東西要自己摸索。王佳佳現在花最多時間的就是硬體：看零組件、看整體結構、跟供應商反覆來回。蘇州的研發據點就設在機器人供應鏈旁邊，有問題當天就能解決。

那馬斯克為什麼堅持做人形？賈鵬的判斷是，馬斯克看的是終局。他相信人形是最通用的構型，所以直接從最複雜的硬體做起，順便倒逼整個供應鏈進步。對至簡來說，這反而是好事：有特斯拉這樣的大玩家衝在前面拉動供應鏈成熟，後來者可以直接受益。比如某些戰略供應商已經有現成的單臂關節，至簡可以直接拿來用。

端到端任務：至簡的商業化邏輯

商業化場景的選擇，賈鵬有非常明確的標準。他不做流水線上替代單一工人的事。理由有四個：第一，工廠作業員的速度極快，一個動作幾秒就完成，機器人的硬體和演算法目前達不到；第二，流水線的容錯率極低，機器人一出錯整條線就停了；第三，高頻動作下硬體的故障率非常高；第四，這種場景本質上是定製化的，跟中國七千多家傳統工業自動化公司沒有差別。

至簡要做的是「端到端任務」。舉例來說：從倉庫取料、搬運、上料、下料、品質檢查、去毛刺，再回到倉庫，整個流程都交給機器人處理。這種場景的好處是，機器人可以重新定義整個工作流程，不需要嵌入既有的流水線；同一個模型可以串起多種技能，容易標準化；換到另一家工廠只要補一些資料做領域適配就能落地，不需要重新定製。

在時間軸上，賈鵬把具身智慧的發展分成三個階段。第一階段是通用移動加上簡單操作和物品辨識，這是現在就能做到的事。第二階段是精密操作的泛化，這需要靈巧手跟高自由度機械臂的成熟，大概還要兩三年。第三階段是安全互動的泛化，也就是機器人能安全地跟人類共處，這是進入家庭的前提條件。他對家庭場景非常謹慎，因為做車的人對安全問題是有敬畏心的：現在的機器人動輒幾十公斤，隨便碰一下就可能傷人。他估計進入家庭可能要到 2028 到 2030 年。

歐洲市場是至簡目前積極開拓的方向。王凱創業以來已經跑了多趟歐洲，發現需求非常高。歐洲工廠面臨的問題是：經濟不好導致產能不滿，很多工廠開始接散單、頻繁切換產品線，傳統的固定式工業機器人根本應付不了。加上歐洲的人力成本動輒每月三千歐元，超市裡八九成的員工在做貨架整理和補貨這類工作，對能夠辨識各種物品、靈活移動的機器人來說，替代空間很大。

2028 年的生死線

賈鵬對行業時間表有一個相當具體的判斷：具身智慧的 PMF（Product-Market Fit）大約會在 2028 年出現。標誌性事件是精密操作能力的成熟，讓機器人能做更多實際有價值的事。到了那個時間點，大公司就會正式入局。

他用新能源車的發展類比：小米和華為之所以在新能源車市場成熟後才進場，是因為大公司最強的武器是生態、品牌和供應鏈的規模優勢。他們等的就是供應鏈成熟、市場被驗證，然後靠資源碾壓。蔚來、小鵬、理想這些公司則是在早期從零開始，在 PMF 出現之前就把能力建起來了。至簡也必須在這個窗口期內完成轉型，從一個小型創業團隊長成至少中型規模的公司。

賈鵬特別強調，在具身智慧領域，模型和演算法是沒有壁壘的。他的原話是：真正做過的人都知道，這個東西很容易被模仿。真正的護城河在別的地方。要活過泡沫期，你必須是六邊形戰士：融資能力不能弱，因為這個賽道燒錢（GPU 費用占了研發支出的三分之一以上）；要有全棧能力，軟體硬體都得自己做；組織要有戰鬥力，該衝鋒的時候能衝上去；最關鍵的是，必須有自我造血的能力。一旦行業從展示階段過渡到商業階段，光靠融資活不下去。

泡沫會來嗎？賈鵬的判斷是一定會。他說，無論是智慧型手機、新能源車還是自動駕駛，只要你聽到「百家爭鳴」這個詞，離泡沫和淘汰賽就不遠了。具身智慧現在差不多就在這個位置。第一批公司即將上市，這會給行業帶來資本繁榮，但同時也會對後來者形成融資和人才的擠壓效應。

他對至簡的期待是：至少在 PMF 出現的那一刻，這個團隊不能落後。保底是跟上，最好是成為那個技術範式的發現者和 PMF 的創造者。這聽起來很像他在理想汽車做的事：加入的時候是菜雞，但比別人更快找到正確的路線。

我的觀察

至簡動力的故事，本質上是一群自動駕駛老將把十年的戰場經驗搬到新領域的嘗試。他們帶過來的不只是技術（VLA 模型、端到端架構），更是一整套方法論：認知統一、項目制組織、快速迭代、不怕推翻重來。這套方法論在理想汽車被驗證過一次，能不能在機器人領域再驗證一次，是這家公司最大的賭注。

對臺灣讀者來說，賈鵬反覆強調的「硬體被忽略」這件事特別值得注意。當中國的 AI 人才和資本大量湧入具身智慧，大家搶的是演算法、模型和資料，真正卡脖子的卻是硬體的一致性、可靠性和供應鏈成熟度。這恰好是臺灣的強項。臺灣在精密機械、感測器、馬達驅動、散熱模組等領域的製造能力是全球頂尖的。如果具身智慧真的在未來兩三年走向規模化，臺灣供應鏈很可能迎來一波新的需求，就像當年自動駕駛浪潮帶動了車用晶片和感測器一樣。問題只是，臺灣的供應商有沒有提前布局。