2026年8月19日，世界机器人大会开幕当天，一名女记者跨坐在一台红黑配色的四足机器马上，在展馆通道里稳稳穿行，身后跟着一群追着拍照的观众，社交平台上相关话题迅速升温，围观视频被大量转发。三天后，第二届世界人形机器人运动会开幕，天工3.0骑乘大咖机器马担任旗手、高擎会旗稳健绕场，这一幕也成为这一届运动会第一个被广泛传播的落点。许多人第一次听说大咖机器人，就是从这两个爆款视频开始的。
但这匹出圈的机器马，在大咖机器人创始人兼CEO王坤的表述里，却只是个意外的产物：本为解决双足人形机器人易摔倒问题而设计的“超负载关节”（扭矩超2000Nm），因为难以在人形上直接应用，于是选择先落地为机器马的形态。而本为应对特种消防、救援这些极端场景的机器马一经曝光，却发现人们真正想干的事，却只是“骑上它”。
成立于2025年5月的大咖机器人，其实并不是一家专注于四足机器人的公司，其真正的主业是生产力型人形机器人和具身大脑的开发。创始人王坤是京东无人车项目的早期创始团队，拥有12年机器人和智驾行业从业经历，大咖是他的第三次创业。联合创始人兼CTO的徐文强，是中科大少年班出身，上海交大吴文俊人工智能荣誉博士，新加坡国立博士后，Nature子刊共同一作、机器人顶会IROS最佳论文获得者。
成立一年内，大咖机器人共完成四轮总计数亿元的融资，机构含金沙江创投、云时资本、盛世投资、灵心巧手、上市公司CVC等。更是朱啸虎在2025年“批量退出人形机器人公司”风波之后新入局的第一家通用具身智能公司。目前，大咖机器人的第五轮融资也有多家机构完成了尽调，近一两个月正在组织过会。
当年对人形机器人商业化抱有极度悲观态度的朱啸虎与王坤的第一次见面只聊了15分钟，问的全是机器人到底有没有真正的客户价值之类的问题。仅三四天后，朱啸虎就带着团队去了大咖的项目现场，一个细节一个细节地过，最后他给出的评价是：用户在哪儿、场景在哪儿、怎么赚钱，都想得很清楚。
而大咖机器人在订单开拓上的超快进度也印证了朱啸虎的判断。据多家媒体报道，大咖机器人成立6个月内，就在真实场景里完成百台级交付、累计意向订单超1300台。还在与多家头部具身智能厂商的正面PK中，拿下京东项目唯一供货的资格。
在王坤的主动叙事里，模型从来不会单独出场，永远绑在场景、验收和算账后面。这与他的一段经历直接相关：他曾是国内最早一批从事机器人大脑云端部署的团队成员之一，那是云端部署叙事最热闹的几年，而他亲历了最好的技术故事被十几秒的传输延时和数据合规问题无情地拦在商用大门之外。从此他认定：技术本身并不存在绝对壁垒，能越积越厚的只有端侧工程和现场数据。
而其实在CTO徐文强的带队下，大咖机器人在具身大脑的开发上也成果显著。公司自研的DaxBrain-WM（Dualis）两仪具身世界模型（简称：两仪具身世界模型），模型分阴、阳两层，阴模型融合视觉、触觉、力觉及本体感知信息，负责环境感知和动作闭环，阳模型负责任务拆解、异常处理、多机调度及资源分配，系统主要在端侧运行，可减少对云端算力的依赖。无论是公司主推的X7系列人形机器人，还是意外爆火的机器马都是在这套模型体系下驱动的。
与王坤近2个小时的对话中我们发现，他不但对商业订单有着超乎常人的执着和独到的思考，在对技术趋势和行业发展的判断上，也和当下具身行业的主流叙事大相径庭，而这一切似乎都可以在他过去的履历中找到印证的影子。
以下为与王坤的对话全文，略有删减：
不堆数据、不赌涌现
创投家：您介意在公开场合说“只堆数据是一条错误的路径”这个观点吗？
王坤：不介意，这是我们的判断。而且这不是立场，是我们复现出来的结果。
我们把市面上主流的模型几乎全部复现过一遍，测试结果都指向同一个结论：单一模型靠堆数据出技能，但即使数据量堆到千万级，离技术涌现还是差得远。
如果要用数据量填满这个差距，那么100亿的投入也可能远远达不到人们对于AGI的预期。而如果这个数量级需要更高，别说创业公司，那些巨头也投不动。最重要的是，即使投了，“涌现”也只是个概率性的事件，谁也不能保证它一定会出现。
所以技术涌现在我看来，只是一部分人的信仰。我们跟很多模型公司交流过，他们希望出来一个很性感的模型，一下子就完成所有事情，所有场景都可以直接使用了，现在不少具身智能公司讲的全是这套模型故事，其实很多时候他们已经没有办法了，必须得相信这个事儿。
创投家：你说堆数据这条路不对，那什么路径是正确的呢？
王坤：行业里的公司其实在走两条路：
一类喜欢把模型参数往大了做，原来7B、8B，现在十几B甚至更大，追求的是投放到任何一个场景都能干点事。这种模型本地放不下，成立的逻辑前提必须是技术涌现，这个前提达不成就全成了demo。
另一类就是先结合本体，用端侧部署模型驱动，扎到场景里去干活。像我们这种过去被商业化“毒打”了很多年的团队，还是会选择先扎到最终的客户场景里。
作为一家成立仅一年的新公司，我们跟很多主流具身大脑公司都在客户端打过很多次pk，客户那边几乎感受不到模型之间明显差异或领先。
所以模型本身不存在绝对的壁垒，只有时间是壁垒。一旦很强的复购浪潮来袭，两年时间可能上百万台机器就出去了。那个时候，你再说涌现也没有任何意义了，因为你能涌现，其他的模型也可以涌现。
模型这件事在我看来没有那么神秘，如果明天大咖真实场景使用量超过1万台了，那大咖一定就是最好的脑子。
这个问题在自动驾驶时代也有过先验，一旦有了市场占有率，技术话语权就特别高。现在无人车公司谁还讲自己是L4还是L5？都在讲市占率，市占率领先的，技术一定是领先。
创投家：会有人认为你们是在走捷径吗？
王坤：这不是捷径，其实这条路远比大家想象的辛苦。
学术型的团队往往不愿意干现场那种苦活，我们的团队得在客户现场苦哈哈一干几个月，处理各种counter case、补采数据。而counter case的数据是买不到的，让机器人能完成一个动作可能只需要几分钟的数据，但场景扎根的过程中，针对现场counter case的补采可能要上百倍的高质量数据，那些数据只能在一个一个客户现场长出来。
所以大咖不是学术驱动型的公司，是产品交付驱动型，说穿了就是复购驱动型，所有事情都被一个目标牵动：给客户交付一个可靠的结果，让客户算得过账。
创投家：为什么坚持端侧部署模型？这会是一个长期存在的主流方案吗？
王坤：我有一段约三年基于云端大脑交付机器人产品的经历，云端路线的坑我们吃够了：基站覆盖和建筑遮挡就让延时能差出十几秒，用户的交付效率根本上不来；出海更是麻烦，云端服务的法规限制非常多。所以我们从第一天起，就对云端零依赖，本地部署，训练好了直接上岗。
这条路线的核心竞争维度在算力成本上，大咖从成立第一天起就把ROI当作铁律，本体和模型都要计算ROI。我们一直坚持在万元级的算力上完成所有事，每一代模型都控制在2-3B，这是量化到成本上的红线，每一代研发人员都要遵循。成本超了就得查冗余、优化，这种工程经验的积累，也让这项技术壁垒越建越高。
其他产品用高算力在机器人上跑更大的模型，需要数倍的本地算力，产品定价远离用户所承受的范围，这种产品你就没法谈ROI了。
至于端侧部署模型会不会是长期占据市场主流的方案，我的回答是：对，它一定会是主流。
模型分阴阳
创投家：两仪模型到底是个什么样的架构？为什么要取这样的名字？
王坤：两仪模型是我们自研的第三代模型，分阴模型和阳模型。
阴模型就是行业里大家都在做的单一模型，从VLA到VA，本质是个黑盒，靠数据和激励让它输出一个相对收敛的技能结果，中间的过程不可解，所以我们叫“阴”模型。
阳模型包含了很多小模型，通过一个多agent的OS操作系统来调度他们，补充了很多能力：从灵巧手的单独训练、力控模型、局部空间的构建、再到多机协作、多机调度，各种响应层面、交互层面，全在里边。
这套阴阳模型架构给具体任务的执行提供了有非常强的成功率和可靠性的保障。
创投家：从实际效果看来，成功率的差别有多大？
王坤：我们给这套架构定下的交付目标是99%的成功率和99%的可靠性，这个目标光靠阴模型是怎么都达不到稳定作业的。
我们测试下来，开源模型在执行某个具体任务的成功率大部分在40%-60%左右，闭源模型大概能到80%，我们自己的阴模型能做到90%，而从90%到99%的差距就是靠阳模型的能力补出来的。谷歌前阵子发布的VLA+ER（具身推理）两层架构也是为了解决这个问题。
举个例子，模型训练拿可乐罐，90%的成功率意味着每拿100个件，就会有10个拿不到，如果每天要拣1000个件，就会有100个拣不到。阳模型在这个状态下实时监测，实用调用各种Agent能力，把任务成功率补到客户要求的水平。
创投家：那两仪模型也会追求泛化能力吗？
王坤：两仪模型在泛化性上有两个维度的追求。
一个是任务的难度，比如从能分拣，到能打包贴标，再到能做家务，这是任务难度本身的升级。
另一个就是跨场景的数量。我们现在已经跨了六大类场景：医药零售、物流、上下料、汽车生产线、快递等。而这个过程中，跨场景的门槛在不断降低：从物流拣选到外卖药店、门诊药房，再到汽车生产线，模型训练时间在变短，阳模型的能力越来越丰富之后，进新场景要解决的问题也越来越少。
创投家：投资人会对咱们的技术路线选择提出质疑吗？
王坤：资本也有质疑：专门投纯模型公司的投资人会觉得，要么只搞模型、要么只搞本体，你本体和模型都做，怎么做得过那些纯模型的公司？
我的回应是：两仪模型是开放生态，第三方模型可以通过接口接在阳模型上，你觉得哪个模型厉害，把他的模型放在我们阳模型上面，既可以大大缩短模型与商业场景的距离，又可以检验出模型真实的能力。
被毒打出来的商业原则
创投家：大咖在商业化进度上如此之快，有没有什么特别的方法论？
王坤：大咖从第一天起就定下了三条原则线：
第一，交付给任何客户，必须保证客户能够在12到15个月内回本，这是解决用户商业价值和复购的第一个核心点；
第二，机器人上岗的任何一个岗位，必须百分之百把原来人工岗位的工作全干了，而不能只是替代部分功能；
第三，聚焦生产力，只做真正降本增效的事，锦上添花的事情一概不做。
这些原则直接决定了我们机器人的售价，再用售价减去毛利目标就得出了成本红线，从硬件的算力预算到关节方案，我们做的所有工程优化都是以成本红线为最终目标。
创投家：这套原则是怎么来的？
王坤：大咖是我创办的第三家公司，之前的12年里，我从服务机器人做到自动驾驶无人车，量产过多款产品，在市场上的销售总额累计十多亿，某些产品在当时的赛道里出货量第一。
但现在回头看看，其实很多场景做的都很失败。像安保机器人、快递无人车这些产品，最后的复购率都不好。复购也成为困扰了我十多年的问题：机器人在场景中到底能发挥多大的作用，用户的复购意愿才能提上来？最底层的因素还是降本和增效，这两个点必须完成，而且价值必须可以量化。
而过去这些反复的失败和各种场景里的不断尝试，也是大咖目前最宝贵的财富，让我们得以把技术开发-工程化-量产-客户交付-测试闭环整个技术栈都跑通了。虽然大咖机器人是第一代产品，但是在硬件素质和交付能力上，我们已经很有信心了。
创投家：咱们的交付的模式是怎样的？目前合作了哪些客户？
王坤：我们尽可能提供物理服务，按工作量计费，客户相当于雇佣了一个机器人。机器人的所有权留在大咖，对客户来讲是一个零风险的事情，对我们来讲也是长效健康的。有客户想买断也可以。我们现在合作的客户有科捷物流、健麾信息、京东等。
创投家：咱们目前的战略需要大规模的销售团队么？
王坤：其实是不需要的，我们的策略是把场景打透。
拿无人车头部公司举例，从2023年到2025年这三年间，销量翻了近百倍，但销售人员规模并不大，最关键的一点就是他们把场景打透了，复购率自然提升。因此没有复购你就别谈规模化，打透场景本身可以一定程度上替代销售的堆积。
反过来：如果没有形成复购，假如今年卖了两个亿，明年哪怕维持同样的销售额，必须用数倍的销售团队拼命拉新客户，对公司的反噬会非常巨大，其实业内还存在很多这样的现象和风险。
一个意外开创一个新品类
创投家：我们已经知道机器马的诞生其实是一个意外的产物，但为什么当时会想到要去做重载关节呢？
王坤：我们创业第一天就定了两条路径：整机做身体和脑子完成商业化闭环，零部件做第二曲线。
当时轻载关节又趋于成熟，已经没什么可做的。于是我们走访了一线所有双足人形公司，发现双足人形不能大规模商用，除了算法之外还有严重的安全问题：当机器人受外力一只脚离地时，整个身体重量会压在一个髋关节上，力量不足以平衡全身的重量，在台阶、坑洼处很容易摔倒，这里面就存在一个重载关节的缺位。
我们当时测算人类最强大力士的力量极限是不可能超过2000Nm，所以将重载关节的起点就定在2000Nm。研发持续了将近一年，是我们投入时间最久的一个研发。但做完之后我们发现，如果要用在双足人形上，这个关节还要降维出髋、臂、肘三个型号，而如果先用在四足机器人上，一个型号就够了，机器马就这么来的。
但机器马做出来发现能力太夸张了，能负载1吨，以前人们都抠体重，现在可以随便放100多公斤的电池在上面。
创投家：那又是怎么改为骑行款的呢？
王坤：我们4月我们发布的是物资载重款，面向特种消防、灭火、应急编队、救援这些极端场景，消防很感兴趣，但商业周期很长。
这个时候有很多客户找我们，希望能够推出一款骑行款给人们体验，其实是市场在拉着我们走，于是7月我们就发布了骑行款。
机器马的做法与机器人不同，是按新能源汽车、无人车的车规方式来设计的，相当于把无人车的系统塞进一个机器人里。
我们希望机器马能成为未来出行的一个新物种，而路权、保险、车辆规划这些无人车时代积累的经验也正好用得上，至少大家担心的那些问题，我们都轻车熟路。
（本文首发于钛媒体APP，作者｜Terry，编辑｜杨林）
热门跟贴