對話章魚動力都大龍：拒絕捷徑，抓住不變量，以第一性原理扎根物理AI底層 | 智車星球

“具身智能的競爭終局，本質上是技術判斷力的競爭。”

作者|王蕊

編輯|西子

4月10日，章魚動力官宣獲得新加坡風投機構K3的戰略投資，順為、小米、高瓴、線性等老股東持續加注。

2026年，具身智能行業繼續火熱，資本哄搶理想汽車、地平線背景的創業者。

在章魚動力（SynapX）創始人都大龍看來，具身智能的競爭終局，本質上是技術判斷力的競爭。

章魚動力成立于2026年1月，由前地平線6號員工、鑒智機器人聯合創始人&CTO都大龍領銜，成立僅兩個月，便完成近 5000 萬美元首輪融資，吸引地平線、高瓴創投、小米戰投等頂級機構強勢入局。

其核心創始團隊構成了技術、資本與產業商業化的穩固三角：前鑒智機器人技術副總裁梁柱錦，長期深耕端到端模型與世界模型；前地平線副總裁潘楊家一，負責資本與戰略布局；前地平線副總裁樊慶元，負責業務與商業化。

△從左到右：聯合創始人樊慶元、創始人都大龍、聯合創始人潘楊家一、聯合創始人梁柱錦

這支團隊的核心特質，是兼具底層技術研發、量產交付與公司全周期成長經驗，不被短期行業風向裹挾，始終從本質思考問題。

他們沒有從具象產品或場景切入，而是直指物理 AI 的核心本質 ——接觸式操作任務。

在章魚動力的邏輯里，真正的智能不應只停留在屏幕的交互，而是能感知壓力、理解物理規律、在現實世界完成精準協作的能力。

品牌命名“章魚動力”亦暗含了這層含義。在與「智車星球」的交流中，都大龍表示：

“章魚是最聰明的軟體動物，它有三顆心臟、九個大腦、八條觸手，甚至被認為是一種‘外星生物’——它的智能體系和哺乳動物完全不一樣。”

而章魚的核心能力并非移動，而是操作。“我們認為操作是物理AI領域的明珠。人和動物最大的區別，是能用手去操作、去勞動。”

他們堅信，在行業混沌的當下，誰更早破譯物理世界的底層規律，誰就握住了穿越不確定性的核心鑰匙。

人才與組織，抓牢底層確定性

章魚動力的核心競爭力，來自一支歷經完整硬科技周期、具備統一認知的實戰團隊。

當行業處于技術路線未定、場景紛繁的高度不確定中，頂級人才憑借技術直覺避開算力冗余、減少試錯路徑，所節省的隱性成本，也是穿越周期的核心確定性。

創始人都大龍，作為百度深度學習實驗室創始成員、地平線早期核心員工，深度參與 AI 芯片研發、自動駕駛量產、全球化布局與融資全流程，完整掌握硬科技公司從 0 到 1 的底層搭建邏輯。

離開地平線后，他聯合創辦鑒智機器人，并實現自動駕駛量產交付。2025年底，鑒智被四維圖新收購，成為A股智能駕駛領域規模最大的一筆并購之一，也為其投身具身智能創業，完成了啟動程序。

章魚動力的聯合創始人團隊，構成了技術、資本與產業商業化的“黃金三角”：

聯合創始人梁柱錦：物理AI先行者，長期聚焦端到端AI、世界模型、模仿與強化學習閉環，曾任鑒智機器人技術副總裁；

聯合創始人潘楊家一：曾任職于摩根士丹利、高盛近十年，主導超千億美元跨境并購及資本市場項目，2017年加入地平線，任集團資本運營與戰略副總裁，操盤近30億美元融資；

聯合創始人樊慶元：曾在德州儀器（TI）工作近十年，2016年加入地平線，推動多項業務從0到1突破及規模化商業化。

長期協同的經歷讓團隊形成了高度一致的認知，規避了初創公司常見的決策分歧與內耗。

都大龍直言，“我們不是臨時拼湊的團隊，都是曾經并肩戰斗的戰友。”

目前公司團隊規模已 30 人，年底將擴充至 70-80 人，采用去中心化、扁平化的 AI 化組織模式，不設傳統 COO、CTO 等固化頭銜，以靈活架構適配 AI 快速迭代的特性。

這套組織體系的核心，是對人才杠桿的極致信仰：頂級人才不是成本，而是效率的終極載體。

都大龍認為，當一位頂尖人才能夠調動萬卡級算力，憑借技術直覺減少無效模型訓練次數時，節省的算力與時間成本，遠超過其薪資本身。

在 AI 領域，人才的能力差距并非線性，而是通過算力被指數級放大，這也是團隊在不確定環境中，牢牢抓住的核心確定性。

以第一性原理破局物理 AI

對物理 AI 的本質判斷，決定了章魚動力的技術航向。

“智能的本質在于壓縮，世界的真相，要靠模型去摸索底層規律。”都大龍用第一性原理，概括了團隊的出發點。

智能的核心，是從大量冗余信息中提煉出通用規律。機器人要真正進入現實世界，不能只靠視覺模仿或末端改造，必須通過模型自主學習力、摩擦、重心等物理交互的底層規律，讀懂世界運行的本質。

基于這一洞察，團隊搭建了SYNTH 深思架構，將“理解世界、生成動作、持續學習”鎖進一個自我進化的閉環：

深思·世界（SYNWorld）：不再單一依賴視覺理解環境，而是將視覺、力覺、觸覺統一建模。這讓系統不僅能“看到”物體，更懂得如何通過多模態感知與物體進行交互。

深思·執行（SYNAction）：從任務輸入直接生成連續操作流，而非拆解為離散的多個步驟。這種端到端的處理模式極大地減少了中間誤差，確保了操作的流暢性。

深思·數據（SYNData）：通過持續采集視、力、觸等多模態數據，模型得以不斷修正自身，形成團隊所稱的“AI as a Sensor”體系。

理解世界 → 執行動作 → 數據反饋 → 再修正模型，三層架構形成閉環，成為團隊攻克物理 AI 的底層支撐。

“走捷徑是我們過去學到的最大教訓，捷徑會造成擁堵，而且沒有免費的解決方案。”

在他們看來，具身智能最容易陷入的問題，是在封閉場景中快速做出效果，但一旦換到真實環境，能力就難以遷移。

也因此，章魚動力始終拒絕用捷徑換取短期演示效果，不依托封閉場景的定制化改造做表面突破，而是沉潛至物理交互的底層邏輯，搭建可跨場景遷移、可持續迭代進化的系統能力，在行業技術路線尚不明朗的不確定性中，牢牢守住對物理 AI 本質的判斷。

堅持長期主義，在時間里持續進化

在商業維度的預判上，章魚動力保持著超越行業的長期清醒。

潘楊家一認為，具身智能的鏈條更長、周期更慢，對資金的消耗超過汽車行業。“這個牌桌，就是10億美金起融資。”

背后對應的，是一個更具想象力的市場空間——如果汽車的出貨量以千萬計，機器人面對的是全球70億人的人口乘數，其出貨量級將產生跨代際的飛躍。

但團隊并沒有把“規模”轉化為短期估值敘事，而是將其定義為一個10-20 年的長期工程。

潘楊家一表示，團隊的核心目標是“真正創造價值，讓機器人真的進入生活”。

都大龍坦言，“成立地平線的時候就叫地平線機器人，我們對機器人一直有初心，這是年少時代的初心。”從AI芯片、自動駕駛到具身智能，“我們就是想讓機器真正去理解世界，然后在真實環境里幫人做事。”

當行業還在不斷做更復雜的樣機、證明“能做到什么”時，章魚動力選擇向下扎根，回歸物理世界的底層規律構建核心認知。他們通過 SYNTH 架構從從交互中提煉通用法則，將頂級人才的技術判斷力深度嵌入研發閉環，在算法復利的長周期中，找到一條通往物理AGI的可行道路。

最真誠的智能汽車報道