刘扬

原力无限联合创始人

当行业兴奋地谈论具身智能时，我们究竟在谈论机器人能力的哪个阶段？2025年，行业见证了单笔数亿美元的巨额融资，也见证了技术路线从VLA到世界模型的快速迭代，但如何让机器真正理解物理世界并作出可靠行动，仍是横亘在理想与现实之间的核心挑战。

最近，原力无限联合创始人刘扬在第六届中国机器人行业年会上，为狂奔的行业提供了一份冷静的能力分级清单与一套聚焦闭环的破局方法论。本篇报道将完整梳理他的分享，看一家融合了顶尖学术研究与资深智驾工程经验的团队，如何尝试为具身智能绘制一幅从现实场景反推的渐进式技术路线图。

▍认知原点：为具身智能厘定L0到L5的能力阶梯

面对快速拓展的从机器人到具身智能的行业概念，刘扬首先回归本质，提出了一个关键框架。他借鉴自动驾驶的分级逻辑，将具身智能也划分为从L0到L5的渐进式能力阶梯。

“从L0到L5也是机器人从具备一些简单的能力，通过在本体、大脑，逐步往前演进，到逐渐接近人”他认为，明确当前技术所处的级，不仅定义了从简单执行到完全自主的终局，更关键的是，它为不同发展阶段的企业指明了“此刻最应攻克什么”的现实坐标。

基于以上框架，原力无限将自身定位为以具身大脑为核心，开发通用与专用两类机器人，并由该系统统一控制，以切入不同场景，推动技术落地。

▍痛点诊断：传统VLA为何难以实现可靠闭环？

在明确了目标阶梯后，刘扬犀利地指出了当前主流路径VLA（视觉-语言-动作模型）的内在局限性。他认为，尽管VLA火热，但其本质上仍是一种数据驱动的、开环的记忆与关联模型，这导致三大核心缺陷。

一是闭环能力缺失。执行动作后缺乏对结果的预测与反馈调整，无法形成“感知-推理-执行”的完整闭环；二是仿真与现实存在鸿沟。在仿真环境中训练的策略，难以直接迁移到复杂多变的真实物理世界；三是缺乏因果推理。模型无法进行“反事实推断”，即理解“如果不这样做，结果会如何”，导致在动态环境中适应性差。

“如果没有打通闭环，后面所有要做的泛化和闭环的能力是很难去实现的。”刘扬总结道。这构成了他们所有技术探索的起点：必须构建一个能持续学习、具备因果理解并能稳定泛化的闭环系统。

▍破局三径：用持续学习与因果推断重构智能内核

基于上述诊断，原力无限规划了三条相互关联的突破路径，旨在为具身智能构建一个更强大的“大脑”。

第一是开发可持续学习的Hyper-VLA。在自有Hyper-VLA基础上，建立“Real2Sim2Real”的持续强化学习机制。其核心是让模型能在真实与仿真世界间持续交互、进化，并防止在学习新任务时遗忘旧技能，实现知识的有效积累与迁移。

第二是做因果世界模型（Causal World Model）。突破纯数据驱动范式，尝试构建能理解因果关系的世界模型。通过语言引导感知与推理，让机器人不仅能看、能做，更能理解为什么要这么做，从而提升在未知场景中的泛化与决策能力。

第三是进行VLA与世界模型的深度融合。这并非二选一，而是寻求将VLA的精确执行能力与世界模型的推理泛化能力强拟合。目标是打造一个“大脑”负责因果推理与规划，“身体”负责精准控制的协同架构，实现闭环自主进化。

刘扬坦诚，这些方向面临巨大挑战，如高保真仿真环境的构建、知识迁移中的遗忘问题等。公司正与学界及产业伙伴合作攻坚，并已走出实验室，在真实场景中验证迭代。

▍场景验证：以专用机器人实现商业闭环，反哺通用智能

所有前沿技术最终需要价值的锚点。目前，原力无限FORCE系列专用机器人（为新能源汽车提供自动充电服务）已在超20城、200多个商业标杆场景落地，效率提升3-4倍，服务于千家万户，形成了健康的商业闭环。与此同时，自研的通用人形机器人AD系列也在稳步推进。原力无限全年获得订单超4亿元人民币，在2025年10月，公司签署单笔2.6亿元人民币具身智能商业订单，创下全球同类赛道最大单笔纪录，此外，多款产品将在明年初陆续发布。

这种“专用与通用并举”的策略，揭示了他们的核心逻辑：聚焦具身大脑研发，助力本体场景落地，定义下一代具身智能——以专用场景的商业化落地，验证技术、积累数据与资本，同时以通用机器人的研发，探索技术边界与未来范式。

▍范式启示：长跑中的耐心与聚焦

刘扬的分享，为行业提供了一种稀缺的系统工程视角：不为追逐单一技术热点，而是为整个理解与执行的黑箱问题，绘制一份需要长期填写的技术清单。

他们的实践表明，在具身智能这场注定漫长的竞赛中，胜利或许属于那些能同时做好两件事的团队：一是以严谨的工程方法论，将宏大的智能愿景分解为可逐个击破的技术模块；二是始终保持对真实场景的敬畏，在解决具体问题的闭环中，让技术获得持续进化的燃料。这不仅是原力无限的路径，也可能是在通往通用智能道路上，一种更为稳健的生存与发展哲学。