昆仑行90天融三轮估值破10亿美元：当自动驾驶工程经验外溢，具身智能赛道进入“为团队定价”的疯狂时刻

成立不到90天，连续完成三轮融资，累计金额数十亿元，估值迅速突破10亿美元——北京昆仑行机器人科技有限公司的诞生与崛起，像一剂强心针，也像一面镜子，照出了2026年具身智能赛道的狂热与隐忧。当自动驾驶领域的顶级人才开始大规模“降维”进入人形机器人赛道，资本的逻辑正在发生微妙变化：他们不再仅仅为产品和数据买单，而是开始为“顶级团队的工程化迁移能力”提前支付估值。这背后，既是自动驾驶人才溢出效应的集中爆发，也是具身智能商业化落地困境的一次集中映射——Demo易得，场景难寻，商业闭环尚在迷雾之中。

当“大厂高管+自动驾驶CTO”成为融资密码

昆仑行的故事，本质上是一场关于“人”的估值实验。创始人任庚的履历堪称“大厂高管标准模板”：华为海外体系出身，曾任泰国分公司副总经理、缅甸分公司总经理；2015年加入阿里后，历任B2B跨境事业部总经理、阿里云中国区总裁、阿里云总参谋长；后又出任新奥集团总裁，涉足行业大模型与具身智能。而他的核心搭档郎咸朋，则是理想汽车智能驾驶体系的核心人物，曾任理想汽车高级副总裁、自动驾驶总裁，主导了理想辅助驾驶、城市NOA、端到端模型等技术路线的推进。

这组“云计算+AI商业化+大型组织管理”与“自动驾驶系统工程”的搭配，在资本眼中几乎等同于“确定性”。相比那些从机械本体、电机控制或单一场景设备切入的机器人公司，昆仑行从一开始就带着浓厚的“工程经验外溢”色彩。投资人的逻辑很直接：自动驾驶团队已经证明了他们能让机器在复杂动态环境中完成感知、决策、执行的全链路闭环，这套方法论迁移到人形机器人，至少在系统搭建的早期阶段，是降维打击。

首轮投资人连续三轮加码，这并非单纯的财务行为，而是一种“锁定优质团队”的防御性策略。在具身智能赛道尚未跑出明确产品定义和商业模式的当下，押注团队成为最理性的选择——毕竟，如果连自动驾驶的顶级人才都无法在机器人领域做出成绩，那这个赛道可能真的需要重新审视。

经验迁移的“甜区”与“盲区”：从道路到工厂，规则消失后的系统重构

自动驾驶人才进入具身智能，确实存在天然的“甜区”。自动驾驶系统的核心逻辑——感知环境、预测目标、规划动作、执行控制——与人形机器人需要解决的任务高度同构。从传感器融合、仿真测试、数据采集到模型训练、工程部署，自动驾驶团队过去几年积累的工程化方法论，可以直接复用到机器人系统搭建的早期阶段。这也是为何昆仑行能在90天内连续融资的核心原因：投资人相信，这支团队能在短期内搭出可展示、可运行的Demo，从而降低资本对执行力的疑虑。

但经验迁移的“盲区”同样致命。自动驾驶面对的是道路场景——有交通规则、相对稳定的空间结构、清晰的任务目标（从A点到B点）。而人形机器人要应对的是工厂、仓储、商业服务乃至家庭等高度非标、碎片化的空间。它不仅要识别环境，还要完成拿取、搬运、协作、避障、交互等动作；任务目标不再是单一的“到达”，而是多变的“完成”。这种场景的非标性，意味着产品定义本身就是一个巨大的难题：到底先进入哪个场景？客户愿意为什么样的能力付费？成本结构能否支撑规模化？

昆仑行提出的“本体+大脑”双轮驱动路线，虽然符合行业从“能动”走向“能干活”的趋势，但本质上仍是一个技术路线的宣言，而非产品定义的答案。对于一家成立仅3个月的公司而言，技术路线只是起点，真正的考验在于：能否在短时间内收敛产品形态，找到第一个可落地的商业化场景，并跑通付费逻辑。

自动驾驶的“遗产”与具身智能的“暗礁”：经验复用的天花板与供应链的软肋

昆仑行所处的具身智能赛道，当前呈现“三国杀”格局：一类是传统机器人公司，如优必选、傅利叶智能，从机械本体和运动控制切入，拥有硬件积累和量产经验；另一类是AI+机器人初创公司，如星动纪元、智元机器人，强调算法和模型能力；第三类则是以昆仑行为代表的“自动驾驶外溢”派，核心优势在于系统工程和AI工程化能力。

昆仑行的护城河，短期看是团队的经验迁移能力，中期看是“本体+大脑”双轮驱动的技术路线能否形成数据飞轮——即通过早期场景部署积累真实数据，反哺模型迭代，形成正循环。但这条护城河并不稳固：自动驾驶人才向机器人领域迁移的趋势正在加速，类似背景的团队会越来越多；而硬件层面的本体设计、关节电机、灵巧手等核心零部件，昆仑行并不具备天然优势，需要依赖供应链整合。

高估值下的“达摩克利斯之剑”：组织惯性错位与场景定义的真空

昆仑行面临的核心风险，并非技术能力不足，而是“组织惯性”与“产品定义”之间的错位。任庚和郎咸朋的背景决定了团队擅长“大系统搭建”和“工程化推进”，但具身智能真正的瓶颈在于“场景定义”——即找到那个既足够大、又足够具体、且付费意愿明确的场景。自动驾驶的商业模式相对清晰（卖车或卖方案），而人形机器人的商业模式仍处于“所有场景都在验证，没有一个场景被验证”的尴尬阶段。

此外，成立仅3个月就估值破10亿美元，意味着昆仑行从一开始就被架在了“高预期”的火炉上。一旦产品落地节奏低于预期，或者场景验证受阻，资本市场的反噬将极为猛烈。更现实的问题是：数十亿元融资如何高效转化为产品能力？在团队规模迅速膨胀、组织复杂度急剧上升的背景下，任庚的管理经验能否驾驭一个“从0到1”的硬科技公司，而非他熟悉的“从1到10”的平台型组织，仍是一个未知数。

RecodeX 极客视点：昆仑行的故事，是具身智能赛道“资本提前为顶级团队支付估值”的典型样本。自动驾驶人才向机器人领域迁移，本质上是AI工程化能力的横向溢出，这确实能加速行业早期系统搭建，但无法解决具身智能最核心的“场景定义”难题。当前的资本市场似乎陷入了一种“路径依赖”——认为自动驾驶的成功经验可以自然复用到机器人领域，却忽视了道路场景与工厂/家庭场景在规则复杂度、任务碎片化、付费意愿上的本质差异。昆仑行接下来需要回答的不是“能不能做出机器人”，而是“什么样的机器人、在哪个场景、以什么成本，真正替代人的劳动”。答案越具体，估值才越有支撑。

分类与标签 分类: 机器人 标签: 昆仑行, 具身智能, 自动驾驶, 人形机器人, 高瓴资本, 任庚, 郎咸朋, 独角兽, 工程化迁移, 场景验证