对话郎咸朋：用机器人创业重做一次“百万智驾量产”

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 对话郎咸朋：用机器人创业重做一次“百万智驾量产” 思邈 2026-08-15 12:21:09 来源： 量子位 1.9万字全文实录 邓思邈 发自 凹非寺 量子位 | 公众号 QbitAI 作为理想智能驾驶从0到1、一路做到 150万辆车量产 的核心负责人之一，郎咸朋却把这八年称作自己“探索具身智能的起点”。 他和来自华为的任庚联手创办了昆仑行。 这家具身新势力在成立后的三个月内，就拿下数十亿人民币融资、跻身 独角兽 俱乐部。 但相比融资，他在这次访谈里反复强调的，是另外两件事。 第一， 具身智能真正要解决的是“理解” 。 昆仑行因此选择物理因果世界模型和“数据编译”路线，希望机器人学到的是背后的物理规律。 第二， 具身最终拼的是量产和自我造血 。 在郎咸朋看来，今天的具身智能很像2015、2016年的自动驾驶：路线未定、Demo满天飞，真正的洗牌要等到规模交付开始。 只靠融资，大家都做不到具身智能实现那一天。 本次访谈，我们和郎咸朋详细聊了聊他从百度、理想到昆仑行的三段经历，“理解而非模仿”背后的数据编译与物理因果世界模型，关于具身智能的四种智能与量产节奏，以及这场“百机大战”会在什么时候、因为什么而洗牌。 完整版可以订阅我们的视频播客，你可以在视频号、Bilibili、抖音、小红书、小宇宙、喜马拉雅等全平台收看。 以下为完整对话实录。 AI落地关键是数据 量子位：创办昆仑行之前，是哪些关键的经历塑造了您，把您带到了今天的地方？ 郎咸朋 ：我觉得比较关键的有三段经历。 第一段经历是我读博期间的经历。 我读博所在的实验室是 机器人国家重点实验室 ，后来我又跟着老师转到了其他的研究室，现在我兜兜转转又回来做机器人，我觉得这是冥冥之中的，我感觉有一种宿命在这里面。 读博期间，我觉得是培养了我对学术和研究科研方面的一些基础能力，这对我后边所有的科研工作都打下了一个非常好的基础。 第二个经历我觉得是在百度。 在百度的话我的第一份工作是做街景，就是把街景里边的人脸和车牌儿，这种属于个人隐私的这种信息都需要提取出来，然后模糊掉。 在做这个工作的时候，我们当时用了传统的machine learning，传统的CV的方法，其实表现都不太好。 后来我们用了 深度学习 ，因为百度是最早研究和使用深度学习的公司，当时给我了很大的冲击。 确实是用了深度学习之后，检测识别的准召率（准确率和召回率）都上来了，提升了15个点左右，从原来70%多准召提到了85%。 但是很遗憾，模型本身跟最终的工程落地还是有区别的。 因为你85%的准召就意味着你每标100个框，有15个是漏的，你还要人为去修正这30个框，而且要从100个里边去找，还不如我从头自己标一遍，可能效率更高一些。 所以说从技术的先进性到实际的工程落地，还有很大的gap要做，这是我两个非常大的体感。 第三个，在百度我最大的收获就是，数据对人工智能的应用有决定性的价值。 因为刚才也提到了85%的准召还是不能用，然后我们回来自己做了一些研究，发现在模型不动的基础上，我们能动的就只能是数据了。 把数据整个的规模double了一下，又精标了里边的一些错误，用了当时一个开源框架的模型，配上我们精标的数据之后，它竟然达到了惊人的90%的准召。 我们也是很震惊。哦，原来AI落地的关键，虽然模型很重要，但更关键的是 数据 本身。 第三个我觉得最重要的经历是理想。 我们用8年时间真是从0到1，然后到100的，把自动驾驶从Demo的技术，然后慢慢落地成量产的产品，最终是 150万辆车 的大规模落地。 △图源自理想汽车官网 我觉得是这对我来说，是非常重要的技术拓展。 这里我觉得最核心的还是，如何去打造真正的用于服务于自动驾驶的数据闭环，并且亲手把它从有图到轻图到无图，到端到端再到VLA，进行这样一个范式的逐步迭代。 量子位：你觉得理想这段经历对你最大的收获是什么？ 郎咸朋 ：从技术上来说的话，是一个完整的量产的数据闭环。 大家提到数据闭环，以为这里边只有数据本身，其实并不是，它涵盖了从数据本身的采集，自动化管线的流程，也包括了训练的管线、评测方式的迭代，这是一个完整的量产落地工程。 第二的话我觉得是范式的迭代，我觉得这是非常关键的一点。 就是刚才也提到是从有图到轻图到无图，再到后边的端到端加VLM，再到VLA。 这些范式的切换我也是亲身经历过的，我知道范式切换，它对组织和资源所带来的成本和代价是什么。 其实最关键的还是，你一上来你的方向和认知是否是对的。 虽然说这里边有些具体切换的过程，但是你一上来，如果说你没有想清楚数据驱动的方向的话，那你只能被动地跟着这个行业，跟着别人去走。 那你每次范式切换就意味着你前面所做的所有的工作，基本上都要清零，我觉得这个代价是很大的。 我觉得不管是现在的创业也好，还是过去做自动驾驶也好，我认为最主要的还是第一， 你的方向和认知要想得非常清楚 。 第二， 在走的过程当中，你可以小步地迭代去做 。 还有就是在组织管理上的一些成长。当然理想汽车和李想本人都给我很大的帮助，我也非常感谢，理想给我这样一个平台，能让我用8年时间能把我对自动驾驶的认知，逐步地去落地到实际的工程量产上去，也非常感谢这段经历。 离开理想，具身是新起点 量子位：离开理想的核心的出发点和原因是什么？如果没有具身智能的机遇，还会做出这个决定吗？ 郎咸朋 ：离开理想我觉得最大还是源于我自身对创业的渴望，以及对技术的追求吧，我觉得这两点是最本质的。 第一，我从百度到理想来做自动驾驶，我并不是走了一条非常稳妥的路线，在当时看来。 在外人看起来是稳妥的选择，但是在我看来是唯一的选择。 因为我当时的认知就是——我要做 以数据驱动为基础的自动驾驶 ，我认可的是Tesla的路线，而不是高精地图加规则算法的路线。 所以，我必须要找到有车有数据的地方，并且公司的CEO或者负责人，他的认知是跟我高度一致对齐的，这样我才能做好这件事情，所以我当时从百度来了理想。 当然还有一个原因就是我对自己职业发展的驱动力，是我希望我的技术做到最好，也希望这个技术能被更多人看到。 如果说我只是单纯focus在技术本身的话，我可以留在高校研究所去做研究，也可以留在百度继续去做技术上的一些预研，我觉得这都没有问题。 但对于我个人来说，我更希望 我做的先进技术会被更多人使用，被更多人看到 。所以有这么一个出发点，我从百度来了理想去做自动驾驶。 在做自动驾驶的过程当中，我们做到VLA之后，实际上它是一个更加通用的具身智能的框架，自然而然我们也会从自动驾驶去切换到具身智能来看这个问题。 做完VLA之后，感觉自动驾驶可能触达到了一定的天花板。但是在整个具身智能来看，这才是刚刚开始，而且 VLA也不是最终局的解决方案 ，我们还要去探寻更多的技术解决方案的可能性，这为我打开了新的视野。 在这两方面的加持下，我内心的原动力，以及技术的拓展性的前提下，我选择出来创业也是非常顺理成章的事情。 量子位：有没有什么时刻，让你觉得自