當具身智能賽道仍在追逐“軟硬一體”的全棧模式時，北京大學計算機學院副教授盧宗青選擇了一條逆行之路。他創辦的“智在無界”專注機器人大腦模型研發，近日宣布完成數千萬元天使輪融資，由拉卡拉旗下考拉基金領投，領航新界、靈心巧手跟投，老股東聯想之星和星連資本持續加注。這家成立不足一年的公司，正試圖用“純軟”方案打破行業固有認知。

在北京鼎好大廈的AI機構集群中，盧宗青的“軟硬分化”論調顯得格格不入。當前估值超390億美元的Figure與估值56億美元的Physical Intelligence形成鮮明對比，前者憑借軟硬一體策略獲得資本青睞，后者專注模型研發卻估值懸殊。但2026年初美國機器人圈的14億美元C輪融資事件，為模型公司價值重估埋下伏筆——Skild AI憑借跨本體通用大腦模型，估值三個月內飆升至140億美元，成為行業首個千億級純模型企業。

“自研模型年成本超億元，外采大腦僅需數萬元。”盧宗青用經濟賬揭示行業悖論。他帶領團隊開發的Being-H0.5模型已實現跨30種機器人本體的控制能力，在英偉達Orin-NX芯片上達到實時運行標準。與PND合作的Adam-U Ultra機器人演示顯示，接入模型后設備可立即獲得整理桌面、掃碼分揀等通用技能，通過增值服務Being-Dex進行數小時后訓練，即可掌握新任務。這種“開箱即用+快速迭代”的模式，正在動搖傳統全棧方案的技術壁壘。

支撐模型泛化能力的核心，是超過3萬小時的預訓練數據集。區別于行業普遍采用的遙操作采集模式，智在無界獨創的“人類動作視頻”方案通過頭戴攝像頭記錄第一視角操作，在保持自然工作狀態的同時實現低成本大規模數據獲取。盧宗青透露，該數據集已覆蓋4.5萬小時真實操作視頻，包含不同場景下的復雜任務流程，相較傳統動捕數據成本降低90%以上。

技術路線爭議背后，是具身智能商業化路徑的深層博弈。全棧企業面臨的技術棧過長問題逐漸顯現，2025年涌現的“套殼Demo”現象引發投資界警惕——部分企業通過包裝現有模型獲取融資，卻無法在真實工業場景落地。盧宗青指出：“當技術尚未收斂時，分散資源投入硬件制造會削弱模型研發深度，這解釋了為何特斯拉Optimus等頭部項目在2025年后開始轉向人類視頻數據方案。”

在靈巧手操作模型Being-H系列基礎上，智在無界正在研發雙足機器人移動操作模型Being-M。該模型采用多模態對齊技術，將1500萬個“文本+動作”配對與第一視角視頻融合，實現三維空間動作生成與機器人控制的無縫銜接。實驗室測試顯示，基于宇樹G1采集的快遞分揀數據訓練的模型，首次部署即成功控制PND機器人完成相同任務，驗證了跨本體遷移學習的可行性。

行業對模型泛化能力的評估標準仍在完善中，LIBERO、RoboCasa等基準測試框架持續迭代。盧宗青坦言，當前模型能力仍處于0.5階段，但Being-H0.5的跨本體部署速度已實現質的突破。他特別強調原創性：“市面上存在套殼Physical Intelligence 0.5模型的偽研發企業，我們的模型從視覺基座到控制算法均為自主開發。”

對于備受關注的“世界模型”技術，盧宗青保持審慎態度。他認為將該技術作為數據生成器具有現實意義，但若試圖直接用于機器人控制，將面臨算力消耗與軌跡預測的雙重挑戰。“在機器人每步行動中生成可行軌跡并預測所有可能性，這種復雜度遠超當前技術能力邊界。”這種技術判斷，折射出模型公司對實用主義路線的堅持。