如果把过去十年的 AI 落地情况简单概括为一句话，那大概是：AI 学会了“看”和“判断”，却还没真正学会“动手”。
在这段演进过程中，算法被装进摄像头、产线和各类终端设备，AI 在真实世界中承担起感知与决策的角色，成功完成了从实验室到产业化的跨越。
但在范浩强看来，这条路径始终存在一个边界——智能还停留在系统里，很少真正介入物理世界本身。
从某种程度上来说，范浩强的职业路径，正是沿着这条 AI 落地的主线一路走来的。
2025 年初，范浩强做出了一个在外界看来有点“不走寻常路”的选择：
作为旷视科技的第一位算法研究员，在 AI 1.0 时代经历了计算机视觉与 AIoT（AI 技术 + 物联网设备）的规模化落地之后，范浩强选择转身进入具身智能，一个技术门槛更高、研发周期更长的赛道。
他参与创办的这家公司，名为 Dexmal 原力灵机(下文简称原力灵机)。与他并肩创业的汪天才、周而进，同样来自于“AI 四小龙”之一的旷视。
围绕这次转身，AI 前线与范浩强展开了一次深度访谈，聊到了他的创业选择、具身智能的技术演进以及产业趋势等话题。谈及为何要去做机器人，范浩强表示：
“在 AI 的道路上，机器人是一个绕不过去的点。”
至于为何选择在 2025 年初这个时间点入局具身智能，范浩强的给出了一个冷静而务实的理由：
“之前没做，是因为我觉得还不成熟；现在这个时间点，硬件和算法的拼图终于开始拼起来了。”
“硬件和算法的拼图终于拼起来了”
在 2024 年，具身智能可谓是“火出圈”的——随着大模型能力外溢、真机效果显著提升，以及头部厂商集体入场，这一方向首次从学术讨论走向产业共识，成为 AI 领域最受关注的新热点之一。
到了 2025 年，更多变化已明显发生，首先是硬件侧。
在过去两年里，机器人关键零部件——尤其是关节的国产化率出现了明显提升。
相比早期高度依赖进口方案，如今国内供应链在性能、稳定性和交付节奏上都逐步可用，这使得机器人在成本控制、系统集成和快速迭代上的不确定性大幅下降。
范浩强提到，这种变化并不意味着硬件问题已经被彻底解决，但至少从“不可控”，走向了“可工程化”：
“当供应链能跟得上研发节奏时，很多事情才有可能往前推进。”
与硬件变化几乎同步发生的，是算法侧出现的拐点。
Diffusion、Transformer 等模型开始进入机器人动作生成与控制领域，机器人不再只依赖规则或手工调参，而是可以通过数据学习复杂行为。在范浩强看来，这意味着具身智能不再只是“能演示”，而是开始具备系统性提升能力的基础。
也正是在这样的背景下，他判断：硬件和算法这两块长期错位的拼图，终于开始对齐了。
再往前看，范浩强对下一阶段算法能力的期待，并不止于“动作更像人”。他认为，更关键的是机器人能否真正理解人的意图，并在交互过程中持续修正自身行为。
比如通过对话澄清不明确的指令，或在操作被打断、纠正后继续完成任务。这些能力，将决定具身智能能否从“可用”，走向“好用”。
具身智能研发，算法先行还是硬件先行？
近两年，机器人从动作到形态的进步都“肉眼可见”：能跑能跳已经不稀奇了，有的还能丝滑跳舞、打太极；而且过去只能在科幻片里看见的人形机器人也越来越多，甚至已经有不少进入了量产阶段。
伴随着这些变化，围绕机器人形态、硬件、整机能力的讨论也逐渐升温。
硬件之外，算法对于机器人的能力泛化和长期演进也很关键。那么算法与硬件在具身智能领域如何协同推进，在各家公司的具身智能早期研发中，是算法先行还是硬件先行？
对此，范浩强直言道：
“在我们看来，其实都是算法先行。”
他认为，即便是在外界看来以硬件能力见长的公司，其关键突破往往仍然来自算法层面。不同之处在于，这些算法未必是通用意义上的大模型，而可能是更偏底层的能力，例如运动控制（locomotion）相关算法。
他指出，当运动控制等核心算法成熟到一定阶段后，原本难以实现的动作能力会自然被解锁，硬件形态也随之发生变化。从这个意义上看，硬件能力的提升更像是算法突破之后的结果，而非起点。
基于这一判断，原力灵机内部在反复强调一条方法论：“模型解锁场景，场景定义硬件。”
模型能力决定了哪些任务和场景可以被真正解决，而具体场景的需求，才反过来塑造硬件的结构、配置与形态。
同时，范浩强也强调，硬件研发本身有其客观周期，无法被简单压缩；真正需要持续保持高节奏竞争的，是算法能力的演进速度。
在他看来，具身智能是一场长期竞争，不同环节在不同阶段承担的角色并不相同，但算法能力的迭代效率，始终是决定整体进展速度的重要因素之一。
原力灵机的路线：多模态、真机数据，先把规矩立住
那么，要如何保证算法能力的高节奏演进速度？
原力灵机作出的选择，是一条更贴近落地需求、也更耐磨的路线。
首先，他们是从一开始就做多模态。
在范浩强看来，传统的 VLA（Vision–Language–Action）框架，如果过度依赖视觉信息，在真实场景里很快就会撞上天花板。比如机器人真正“干活”时，面对的不是干净的画面，而是接触、摩擦、受力和空间约束，这些信息单靠“看”是远远不够的。
因此，原力灵机并没有把 Vision 当作默认前提，而是从模型训练阶段就引入 Multimodality：除了视觉，还包括深度信息、力觉、触觉，必要时甚至加入声音信号。
这样做并不是为了把系统搞复杂，而是出于一个非常现实的判断——如果机器人要稳定、安全地完成任务，这些感知维度缺一不可。
第二点，是在数据上选择“慢一点，但更真”。
在数据策略上，原力灵机把重点放在真机遥操数据上，并且明确坚持“质量优先”。范浩强多次提到，机器人做的往往是“细活”：一个抓取动作是否成功，差别可能只在几毫米、几牛顿的力控误差。
这也意味着，数据采集本身就不能是“顺手一录”，而必须被当作一项工程来设计——包括传感器的同步方式、遥操流程的规范程度，以及操作行为本身的可复现性。
只有在这样的基础上，算法训练出来的能力，才有可能在真实场景中稳定复现。
此外还有一个重点，就是得赶紧先把“怎么比”这件事说清楚。
在范浩强看来，具身智能仍处在早期阶段，行业里一个明显的缺口是：缺少统一、可信的评测体系。如果没有清晰的 Benchmark，不同方案之间很难进行有效比较，也很难形成真正的技术共识。
因此，原力灵机选择在早期就投入精力，联合 Hugging Face 共同推出真机评测平台 RoboChallenge 以及相关开源工具的建设，比如一站式 VLA 工具箱 Dexbotic 和公司首个开源硬件产品 DOS-W1。
用范浩强的话说，就是先把规矩立住，再谈模型强不强：
“我们希望先把比较的方法拿出来，让大家在同一套标准下形成共识。之后再在这些已被认可的方法上，去验证和证明我们模型的表现，这样也更利于外界准确理解我们的能力。”
从多模态感知，到真机数据，再到评测体系，每一步都指向同一个目标：让算法能力能够被验证、被复现、被长期积累。
