又一位顶尖科学家加入江行。

陈龙，上海交通大学博士、西蒙菲莎大学博士后、字节跳动前高级研究员——他的学术成果曾被加拿大国家主流媒体CBC和MIT SOLVE报道，他的工程经验覆盖火山引擎大模型从架构到落地的全链路。2026年5月，他正式出任江行智能 Foundation Model CTO。

从特聘专家到核心成员，陈龙博士与江行的故事，早在博士后期间就已开始。

一、学术与工业的双重基因，赋能江行智能物理 AI 技术创新

30余篇CCF A类论文、20余篇IEEE/ACM Transactions、学术引用超800次、两次国际旗舰会议最佳论文奖、10余项国家授权发明专利、2项美国专利——这是陈龙博士的学术成绩单。

带着大模型产业化的梦想，离开学术界他进入字节跳动，参与火山引擎大模型架构的设计与落地，积累了超大规模算力集群管理的一线经验。

“学术界更关注理论边界的突破和榜单指标。而当AI进入工业现场，竞争对象不再只是模型参数，而是能否把人工智能稳定、可控、低成本地部署到真实物理世界。”谈及从学术界转向工业界的选择，陈龙博士这样说道。

正是这种“既要学术高度，又要工业落地”的复合视角，让他与江行智能产生了深刻的共鸣。

对陈龙博士而言，从学术研究走向产业一线，并不是离开研究本身，而是把研究问题推向更复杂、更真实的系统环境中验证。

二、从“外脑”到“内脑”，深度绑定江行智能物理 AI 发展路线

陈龙博士与江行的合作并非始于今日。

在SFU博士后研究期间，他就曾以特聘专家身份支持江行的大规模模型训练工作。这段经历让他对江行的技术路线形成了深刻认知：

“在支持江行的大规模模型训练期间，江行基于高密度工业场景构建底层架构的务实路线让我印象深刻。江行没有盲目追求纯算力堆叠，而是通过真实场景、基础设施和效率路线形成组合优势，这与我个人对大规模算力集群落地的技术理念高度契合。”

从“外脑”到“内脑”，这段渊源早已埋下伏笔。

三、技术判断：基础大模型在物理AI中的角色

在陈龙博士看来，基础大模型在物理AI体系中扮演着 “全局大脑” 的角色——负责语义理解、任务拆解和多体任务分配。

当前，AI行业关注点正在从纯参数扩张转向“一脑多体”的协同与多模态感知。他认为，接下来的重点是空间视觉语言模型（S-VLM）与长任务视觉语言动作模型（LT-VLA）的深度融合，解决从“感知+理解”到“感知+执行”的闭环。

“目前的瓶颈在于工业现场的动态性：人员移动、设备遮挡会导致一次性建好的三维模型很快失效。单一模型也很难同时适配不同设备和动力学环境。”陈龙博士指出。

而在底层算力架构方面，高端训练芯片的约束正在倒逼行业走软硬协同和效率优化的路线。对江行而言，核心优势不仅在于云端，更在于通过 JX-AutoEdge 等平台，构建数采、仿真、模型训推的全链路能力，实现高效的云边一体化协同。

四、履职规划：打通三层物理AI架构

出任Foundation Model CTO后，陈龙博士的核心职责是引领全栈工业物理AI模型架构的演进。

他计划重点打通 “三层物理AI架构”：从底层多模态环境数采平台，到中层S-VLM与LT-VLA模型的研发，再到上层多智能体协同引擎的工业Harness封装。

在技术路线上，他将采取 混合与自引导优化路线：“开源与行业模型迭代快，我们会将其作为重要的能力底座。但核心技术壁垒在于自研工业WAM（World Action Model），将泛化模型深度适配到垂类场景，融入我们深耕电力、化工等行业积累的底层知识与规则约束。”

对于业界普遍关注的算力架构问题，陈龙博士提出了清晰的优化方向：“在云边协同架构下，端侧网络资源往往受限。我们将持续推进带宽自适应流式传输等技术，确保边缘节点能够流畅加载和实时推理。”

五、从技术突破到商业落地：仿真先行

谈及从技术突破到商业落地之间的最大挑战，陈龙博士认为：“最大的挑战是真实物理现场差异大、异常样本少，导致真实试错成本极高。”

江行的对策是通过 JX-AutoWorld 仿真平台，让AI在仿真世界推演中把长尾故障和极端工况的错误犯完，再进行Sim-to-Real迁移部署。“把高成本的现场试错，前移到可控的仿真推演中。”陈龙博士解释道。

六、选择江行：深耕物理 AI 与真实工业场景价值闭环

谈及最终选择加入江行的原因，陈龙博士表示：“江行牢牢抓住了高密度工业场景和真实任务数据这一核心优势。公司已经能够通过可控具身终端直接执行真实环境任务，这让物理AI更容易形成‘部署—采集—训练—迭代—再部署’的数据飞轮闭环，这在业内是极度稀缺的。”

对于团队的构建，他有着清晰的愿景：“不仅需要顶尖的算法科学家，同样需要工程化能力极强的实干派。我们需要能为行业确立技术标准、制定工程规范的技术领头人。”

一句期待

采访最后，当被问及对江行智能未来的期待时，陈龙博士用一句话总结：

“以物理AI重塑下一代工业智能，让大模型真正走进并改变真实的工业现场。”

从特聘专家到Foundation Model CTO，陈龙博士的加入标志着江行智能在基础大模型领域的战略布局迈入新阶段。

这不仅是一次高端技术人才的引入，也意味着江行智能正在把基础大模型能力，系统性嵌入物理AI的技术底座之中。

未来，他将全面负责公司基础大模型的技术路线规划、底层算力与架构的持续演进，并推动前沿大模型技术在核心业务场景下的规模化与商业化落地。