ntent="t" data-mid="" mpa-from-tpl="t" >01

ntent="t" data-mid="" mpa-from-tpl="t" >华为天少领衔，

ntent="t" data-mid="" mpa-from-tpl="t" >一份覆盖四个方向的名单

公开资料显示，楼燚航2020年以天才少年身份加入华为，曾任2012实验室诺亚方舟实验室技术专家，先后供职于华为云、ICT及大模型部，负责过计算机视觉、研究落地、多模态基座等方向，并管理过百人以上的AI交付与研究创新团队。

据AI科技评论了解，引力蓝移的核心成员名单包括：地平线HSD 1.6端到端团队负责人、Kimi预训练成员、前海思AI芯片架构师，以及字节北美多模态空间理解成员（长期顾问）。

这份名单覆盖大模型预训练、高阶智驾量产、AI芯片架构、多模态空间理解四个方向，明显是为大模型+硬件交付准备的配置。团队的到位情况，我们会持续关注。

ntent="t" data-mid="" mpa-from-tpl="t" >02

ntent="t" data-mid="" mpa-from-tpl="t" >路线选择：

ntent="t" data-mid="" mpa-from-tpl="t" >分层架构，而非端到端

具身智能的技术路线目前没有标准答案。Physical Intelligence的π系列走一体化VLA路线，Figure的Helix则采用S1/S2双系统架构。引力蓝移站在后者一边，且走得更远。

楼燚航团队的判断是：一体化端到端模型受限于机器人的执行频率，参数规模难以做大；而物理世界的复杂度远高于GUI操作，对模型规模的要求只会更高。

基于此，引力蓝移采用System Two与System One分层协同的方案：

System Two：负责复杂场景理解、空间推理、replanning、subgoal生成与长程任务规划。低频运行，参数规模因此可以扩至200B以上；

System One：负责高频动作输出与subgoal跟踪，在端侧以几十Hz运行。

据团队提供的内部实验，仅使用System One时，机械臂执行打开下面抽屉任务容易错开中间抽屉或出现异常行为；加入System Two后，模型可识别错误并通过manual intervention调整机械臂。

楼燚航团队同时认为，语言模型仍是智能主体，视觉模型只能涌现出较低阶智能，纯视觉或WAM类模型难以自主触发self-evolving。这一判断在业内存在不小争议，特斯拉、PI等玩家的一体化路线正是建立在相反的假设上。

ntent="t" data-mid="" mpa-from-tpl="t" >03

ntent="t" data-mid="" mpa-from-tpl="t" >一次基于GUI榜单的Scaling外推

引力蓝移的核心叙事，是具身智能的Scaling拐点已经到来：数据Scaling与模型Scaling可以部分解耦，高阶任务将推动参数呈幂律增长。

支撑这一叙事的是一组基于GUI Agent榜单的推演：7B模型通过数据Scaling，任务完成率可从27.6提升至66.4；相同数据下，模型从7B扩至72B，分数从27提升至62。团队据此估算：

70-80分区间，约需235B参数；

80-90分区间，需500B至1T；

90分以上的拟人水平，需数T级旗舰模型。

这是一套从GUI任务向物理世界的外推，但AI科技评论始终认为，物理具身任务远比简单的UI操作复杂，模型规模的需求只会更加显著，同时，物理具身任务是否服从同样的幂律关系，也还需要行业继续推进。

数据侧，团队规划了海量数据操作、第三视角无感采集、交互监督抽取、跨本体与跨视角数据、互联网视频与3D视频等来源，并强调以体系化的taxonomy和evaluation牵引迭代；本体上倾向低自由度灵巧手，理由是更利于复用裸手数据，在成本、训练难度与易用性之间取平衡。团队还主张在Pre-train阶段引入物理理解与规划能力，而非Post-train阶段打补丁。

这些主张在方向上不算激进，真正的门槛在执行：无感采集与跨本体数据的规模、成本与合规问题，团队尚未给出具体答案。

“交付具身模型，本质是交付具身芯片”

引力蓝移认为，200B以上的模型需要PP、EP、TP等多种并行方式与通算融合能力，当前具身公司常用的实验室级框架难以支撑。因此，尽管对外不谈芯片，团队内部已将芯片级Infra、端侧推理效率、kernel、layout、cache与控制电路适配列为关键能力。

AI科技评论认为，这个提法有野心，但也意味着一笔高昂的算力账单。200B模型的训练与部署成本如何摊薄到机器人上，将是其绕不开的问题。

ntent="t" data-mid="" mpa-from-tpl="t" >04

ntent="t" data-mid="" mpa-from-tpl="t" >商业化：

ntent="t" data-mid="" mpa-from-tpl="t" >绑定国内运控巨头，先做样板

引力蓝移明确表示不卖模型，而是面向终端场景与垂直节拍做真实交付：前期深度参与样板，后期沉淀为标准化能力包复制。

据AI科技评论了解，引力蓝移正寻求与国内工控龙头汇川形成紧密合作，机器人要量产，运动控制是绕不开的环节，汇川可在上游本体零部件与下游落地场景提供支持。据AI科技评论最新消息，目前汇川产投正在推进相关事宜。

按其24个月规划：前6个月组建团队并验证Scaling；6至12个月推出40B至80B模型，形成种子POC；12至18个月扩至120B至200B模型，形成可复制POC；24个月左右形成小规模收入。

据知情人士透露，引力蓝移第一阶段融资的估值约2亿美元，目前已有两家头部资本表达较高投资意愿。此外，与汇川的合作也在立项当中，推进较快。

在AI科技评论看来，引力蓝移的故事建立在三个待验证的判断之上：分层架构优于端到端、参数规模决定具身智能的上限、基础设施构成壁垒。

这三个判断，都面临着大量的共识与非共识。当前的具身行业里，明星履历一定能让引力蓝移缩短融资周期，但产品验证却是所有创业团队必须面临的挑战。未来24个月，POC的质量与复制的速度，会是楼燚航，也是引力蓝移的重大看点。

（：AI科技评论）