頂尖科學家坐鎮，優理奇拿到了具身智能最重要的一張牌
作者｜向欣
很多人都把具身智能視作十年前的自動駕駛，但這個判斷不一定準確。
十年前，自動駕駛更多是在成熟技術體系上推進智能化，而具身智能面對的，是一個更加依賴基礎研究、周期更長、技術跨度更大的領域。
這個行業最難的部分，目前仍然集中在前沿技術本身：機器人如何理解環境，如何完成精細操作，如何在復雜場景中穩定運行。
在這樣的階段，高校和實驗室的學術力量，往往會成為行業早期最重要的驅動之一。
優理奇在成立后引入上海交通大學教授王賀升擔任首席科學家，也折射出這一階段具身智能公司的人才配置思路。
創始人結構，塑造機器人公司的技術氣質
一家機器人公司的創始人結構，通常決定了它會走向怎樣的技術路線、影響著產品節奏和公司氣質。
在具身智能行業，這種差異尤為明顯。
從創始人結構來看，目前的公司大致可以分為兩類：
一類由高校教授、青年學者或實驗室團隊主導，為學術派；
另一類則由產業工程背景出身的團隊推動，屬于產業派。
兩種路徑在技術選擇和發展方式上呈現出明顯不同。
學術派公司的特點是更關注底層能力，更愿意投入具身大模型、多模態理解、靈巧操作、泛化能力、數據體系等基礎問題，偏好通用、前沿、端到端的技術路線。
對這類團隊來說，創業往往源于實驗室研究的延伸，在提高技術上限的同時建立長期話語權，因此對商業化節奏的要求相對更寬松。
學術派的典型代表包括星海圖、銀河通用、星動紀元、跨維智能等。這些公司背后普遍可以看到清華、北大、上海交大、西湖大學等高校科研體系的深度參與。
在技術選擇上，這些公司的方向也更接近前沿研究。星海圖押注 VLA 具身大模型，銀河通用圍繞合成數據和端到端模型構建訓練體系，這些路線都帶有明顯的學術研究導向。
優理奇同樣屬于這一類。公司圍繞具身智能底層能力搭建了較完整的模型體系。
與之相對，產業派公司更重視落地速度、產品穩定性、成本控制和供應鏈成熟度。
它們通常優先解決機械結構、電機驅動、整機集成和供應鏈問題，傾向于采用成熟方案和模塊化設計，希望盡快做出可以部署和交付的機器人產品。
這一類公司又可以分為兩種來源。一類來自機器人產業本身，另一類來自 AI、互聯網或自動駕駛體系。
它們的創始團隊往往有大廠管理經驗、硬件量產經驗或系統工程背景，因此更擅長把復雜技術快速組織成產品，并推進商業落地。
例如智元機器人與宇樹科技，其人形機器人在去年均實現超 5000 臺的量產交付規模，顯著領先于行業內絕大多數具身智能企業。
在行業早期，這兩條路徑都成立，也各自承擔不同角色。學術派更容易把技術邊界向前推進，產業派更擅長把能力轉化為真實產品。
而具身智能明顯對學術力量依賴更深，原因在于行業仍處在基礎問題尚未完全解決的階段。
機器人如何穩定理解真實環境、實現可靠的多模態感知、完成高精度操作，這些核心能力仍需要長期研究積累，很難完全依靠工程經驗快速推進。
因此，在這一賽道中，頂級科學家帶來的價值不僅體現在論文或頭銜上，還體現在技術路線判斷、關鍵問題定義，以及幫助公司建立更高的能力上限。
優理奇在成立后引入上海交通大學教授王賀升擔任首席科學家，正是在這一行業邏輯下做出的選擇。
優理奇的選擇：年輕團隊與頂級教授的技術互補
在當前具身智能公司中，創始團隊普遍偏年輕，優理奇形成的人才組合則更為完整：年輕創業者負責推進方向，頂級教授參與技術路線的把握。
優理奇創始人楊豐瑜雖然是 00 后，但學術背景很強。他是耶魯大學博士，長期從事機器人視觸覺方向研究，是 UniTouch 視觸覺融合多模態大模型的第一作者，在機器人視觸覺領域發表過多篇頂會論文。
公司早期的技術路線，也圍繞多模態感知、模仿學習和具身模型展開。
年輕團隊的優勢在于對新技術接受度高，決策速度快，愿意嘗試尚未被驗證的路線。
不過，當公司逐漸進入產品化和場景落地階段，對技術路線的穩定判斷、復雜系統的控制能力以及長期研發方向的選擇，就變得更加重要。
王賀升的加入，正是在這一階段形成補充。
王賀升是上海交通大學教授、國家杰出青年基金獲得者，同時擔任 IROS 2025 大會主席，在機器人控制與視覺伺服領域長期深耕。
他的研究方向與當前具身智能領域主流教授群體相比，側重點更集中在感知與控制的結合，以及真實環境中的高精度執行能力，這類積累在機器人進入實際應用階段時價值會更加突出。
從核心研究方向去看，當前具身智能公司的學術路線大致可以分為三類：
一類偏底層運動控制，重點解決機器人如何穩定運動；
一類偏視覺感知與靈巧操作，重點解決機器人如何看懂世界、學會動手；
一類偏世界模型與長序列規劃，重點解決機器人如何理解任務、提前預演并完成復雜決策。
優理奇更接近視覺感知與精細操作這一方向。王賀升長期研究的核心領域，是視覺伺服控制。
簡單說，視覺伺服就是讓機器人一邊「看」，一邊根據看到的結果實時修正動作，相當于給機器人裝上一套持續閉環的眼—手協調系統。它直接關系到機器人在真實環境中的精度、穩定性和連續運行能力。
這個方向的價值，在具身智能進入落地階段之后會變得尤其突出。
在實驗室環境中，機器人通常依賴固定標定和標準姿態完成任務，而進入真實場景之后，光照變化、物體位置偏移、空間誤差和長時間運行都會影響執行精度。
例如，機器人在酒店、零售、安保和養老等非結構化的服務場景中長期運行時，酒店環境中的燈光條件會不斷變化，貨架上的物品擺放位置也難以保持一致，遞送、抓取和整理任務都存在持續擾動，這些因素都會放大控制誤差。
王賀升長期研究未標定環境下的視覺伺服、自適應控制、復雜動態場景中的機器人高精度控制，提出了「深度獨立交互矩陣」等方法。
對應到優理奇的產品上，可以讓 Wanda、Panther 這樣的機器人，在執行抓取、遞送、整理、服務等任務時，更少依賴反復重標定，更好適應照明變化、物體位姿變化和空間擾動，讓機器人更穩定地干活。
而且，王賀升的方向和楊豐瑜的技術積累天然互補。
楊豐瑜擅長的是視觸覺融合、多模態感知和具身模型，解決的是機器人怎么更好地理解物體、材料和接觸信息。
王賀升擅長的是視覺伺服和高精度控制，解決的是機器人怎么把感知真正轉化成穩定動作。
一個更偏感知和理解，一個更偏控制和執行，兩條技術路徑結合后，機器人在理解環境和執行動作之間形成更完整的閉環。
王賀升的加入，讓優理奇在保持探索速度的同時，擁有更穩固的技術判斷基礎。
對于希望把機器人真正推向真實場景的公司來說，這種「年輕團隊 + 頂級教授」的結構，提供了一種更適合當前階段的組織方式。
具身智能進入產研深度耦合階段
公司需要科學家之外，另一個同樣值得注意的變化是，頂級學者也開始越來越依賴產業平臺來繼續推進研究。
在過去，學術界與產業界的分工相對清晰。高校負責前沿理論，公司負責工程實現，雙方通過合作項目或技術轉化發生聯系。
但在具身智能這樣的領域，這種松散協作已經越來越難支撐技術推進。
機器人系統涉及本體結構、控制算法、環境感知、模型訓練和真實場景部署，很多關鍵問題只有在完整系統長期運行之后才會暴露出來，技術路線也必須在真實環境中不斷修正才能逐漸穩定。
在王賀升看來，具身智能的發展正在進入一個階段：沒有真實場景的數據循環，很多研究很難繼續向前推進。
他長期從事視覺伺服與復雜環境下的機器人控制研究，這類技術對真實系統依賴極強。機器人需要在真實部署環境中持續運行，才能發現真正的瓶頸，從而推動算法和系統共同進化。
優理奇能夠吸引王賀升加入，一個重要原因在于公司從一開始就把研發放在真實應用場景中推進。
其輪式雙臂機器人 Wanda 系列和 Panther 系列已經在酒店、零售、安保、服務等場景實現常態化運行，需要面對復雜光照、動態人流、物體位置變化等長期運行條件。
這種持續運行帶來的數據和問題，是最寶貴的研究資源，為視覺伺服、多模態感知和精細操作提供了真實驗證平臺。
另一方面，具身智能正在進入系統化階段，對研發平臺的要求也越來越高。
機器人涉及的變量遠多于自動駕駛，不同本體結構、不同傳感器配置和不同控制方式都會影響最終效果。
單個實驗室很難長期維持跨本體、跨場景和跨模型的系統級研究，而公司可以提供穩定團隊、持續硬件迭代和長期運行環境，使研究能夠不斷積累并逐步放大成果。
優理奇所在的蘇州，也為這種產研結合提供了現實基礎。
吳中區已經形成覆蓋核心零部件、本體制造和系統集成的完整產業鏈，伺服、電機、減速器和傳感器等關鍵環節可以在本地快速配套，形成高效率的協同體系。
同時，當地集聚了多所高校研究院和機器人實驗室，在運動控制、視覺伺服、強化學習和靈巧操作等方向都有長期積累。
政府層面，蘇州也將具身智能列為重點發展的未來產業，通過專項基金和產業政策推動企業與高校深度合作。
王賀升選擇優理奇，既是對公司自身技術方向與真實場景能力的認可，也是對蘇州產研生態的判斷。
回過頭看具身智能這一輪創業潮，創始人結構的變化，反映出行業所處階段的特殊性。
目前技術仍處在基礎能力尚未完全收斂的階段，學術研究、工程體系和真實場景必須同時推進，任何一方單獨向前，都很難支撐系統級突破。
前沿研究需要真實系統驗證，工程落地也離不開對底層問題的長期理解。
優理奇的這種創始人結構，正是這種行業階段的縮影。
隨著機器人開始走進真實而復雜的環境，技術的推進也不再局限于實驗室或工廠，而是在兩者之間反復迭代、逐漸成熟。
原文標題 : 頂尖科學家坐鎮，優理奇拿到了具身智能最重要的一張牌
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
