作者｜Hayward

原創(chuàng)首發(fā)｜藍字計劃

華為具身智能" 1號員工"出來創(chuàng)業(yè)，僅僅兩個月，就融了數(shù)億元。

最近，剛成立兩個月的家庭具身智能公司歐拉萬象宣布完成數(shù)億元Pre-A輪融資，由招商局創(chuàng)投領(lǐng)投，賽富投資、九合創(chuàng)投、拙樸投資、BV百度風投、聚合投資等聯(lián)合注資。

而就在4月22日，這家公司剛剛完成數(shù)千萬元種子輪融資，投資方是高瓴創(chuàng)投和五源資本。

從高瓴、五源，到招商局創(chuàng)投、賽富、九合、百度風投，一眾機構(gòu)快速入局，歐拉萬象幾乎是一開場，就拿到了具身智能賽道里相當搶眼的一張船票。

但拿到這張船票之后，它們要做的第一款產(chǎn)品，竟然是一臺"不聰明"的機器人。

各家都在爭著證明自己的機器人更智能、更通用、更像人，而歐拉萬象的這個選擇，顯然是這個賽道中的另類。

一個另類，憑什么能讓這么多頂級機構(gòu)在兩個月內(nèi)搶著下注？

資本買的，不只是“華為”光環(huán)

要解釋這個問題，首先還是得回到歐拉萬象的創(chuàng)始團隊。

公開資料顯示，歐拉萬象的創(chuàng)始人周順波曾是華為機器人方向的"天才少年"，也是華為唯一一位以"智能機器人"作為課題入選的"天才少年"。

在華為期間，他還有一個更關(guān)鍵的身份：華為具身智能領(lǐng)域的" 1號員工"。

身為“1號員工”，他從早期階段就參與了華為具身智能體系的搭建——從團隊組建、技術(shù)路線，到平臺產(chǎn)品和場景落地，都深度介入。

此外，周順波還曾擔任華為云物理智能創(chuàng)新Lab負責人、首席技術(shù)專家，連續(xù)多年負責華為云具身智能戰(zhàn)略規(guī)劃，并主導研發(fā)了華為云具身平臺CloudRobo。

但這段經(jīng)歷的含金量，不止"華為背景"四個字。

對一家家庭具身智能公司來說，比造出一臺機器人更難的，是搞定機器人背后的數(shù)據(jù)采集、模型訓練、仿真驗證、任務(wù)部署，最終在真實場景中跑成閉環(huán)。

而周順波過去在華為做的，剛好就是這件事——把具身智能從技術(shù)方案推到平臺產(chǎn)品，再從平臺產(chǎn)品推進真實場景，串起整條鏈路。

這也解釋了為什么歐拉萬象剛成立不久，就能拿到這么多機構(gòu)的關(guān)注。

值得一提的是，歐拉萬象的另一位聯(lián)合創(chuàng)始人張靖，補上了產(chǎn)品和商業(yè)化的一環(huán)。

張靖本科畢業(yè)于清華大學，后獲得達特茅斯工商管理碩士學位，曾任亞馬遜AWS產(chǎn)品經(jīng)理，在華為期間擔任創(chuàng)新云服務(wù)產(chǎn)品總監(jiān)，參與CloudRobo、Talk2Video等產(chǎn)品孵化。

公開資料顯示，她曾主導定義國內(nèi)首個自主可控的具身智能云平臺，并做出過單一產(chǎn)品年營收破億的商業(yè)成績。

因此，歐拉萬象雖然成立時間短，但整個高管團隊已經(jīng)相當成熟。

周順波管的是技術(shù)體系、工程路徑和具身智能底層判斷；張靖補的是產(chǎn)品定義、商業(yè)節(jié)奏和客戶理解。對早期具身智能公司來說，這兩條腿缺一不可。

正是這樣的公司底色，為歐拉萬象后面的產(chǎn)品選擇埋下了伏筆。

它沒有一上來就承諾一臺開箱即用的全能機器人，把重心放在"學習"和"養(yǎng)成"上。這個路線選擇，更像是周順波過去幾年在具身智能工程化中積累下來的一個基本判斷：

機器人真正變聰明，必須持續(xù)進入真實環(huán)境、持續(xù)拿到數(shù)據(jù)、再持續(xù)把能力迭代起來。

也就是說，歐拉萬象真正想賣的，不是一臺"不聰明"的機器人。

它想先做出來的，是一套讓機器人變聰明的路徑。

要做第二個大疆？

如果只看表面，歐拉萬象這條產(chǎn)品路線很容易讓人困惑。

家庭機器人是一個高度依賴想象力的賽道。用戶期待的是端茶倒水、整理房間、照看老人孩子，最好買回家就能立刻干活。

在這樣的預期下，一家公司主動說自己要先做一臺“不那么聰明”的機器人，聽起來并不討巧。

而歐拉萬象，推出的第一款產(chǎn)品甚至沒有直接面向大眾家庭。

按照目前公開信息，歐拉萬象的首款產(chǎn)品采用“移動底盤+雙機械臂”的形態(tài)，具備自主移動和操作能力，同時配套工具鏈，面向的是Maker和開發(fā)者群體，一批更愿意折騰、更愿意訓練、更能接受早期產(chǎn)品形態(tài)的人。

這條路的核心是，第一代機器人不需要立刻成為成熟家政工具，而是先讓它走進真實環(huán)境里，讓早期用戶通過數(shù)據(jù)采集、簡單交互和任務(wù)示教，幫助機器人學習新技能、完成部署。

換句話說，歐拉萬象的第一批“客戶”，實則是愿意和機器人一起成長的“共創(chuàng)者”。

這種路徑聽起來新鮮，但并不是第一次出現(xiàn)在硬科技消費品里。

當前無人機領(lǐng)域的領(lǐng)頭羊大疆，就走過這樣的一段路。

大疆在創(chuàng)業(yè)之初，同樣沒有選擇去造一臺買回家就飛的消費級無人機，更多的瞄準了飛控系統(tǒng)和更偏專業(yè)化的產(chǎn)品，客戶群體都是航模愛好者、專業(yè)玩家和極客。

這批早期用戶的價值，不只是貢獻了最初的銷量，更重要的是，他們愿意折騰，也能在真實使用中不斷暴露問題。

大疆正是在這個過程中，持續(xù)打磨飛控、穩(wěn)定性和使用體驗，最終把原本高門檻的航模產(chǎn)品，做成了“到手即飛”的消費級無人機。

從大體上看，歐拉萬象和大疆的路線是相似的：

同樣沒有一開始就沖向最大的大眾市場，選擇先進入一個更小、更懂技術(shù)、更愿意參與迭代的人群。

歐拉萬象Maker版產(chǎn)品承擔的角色，正是進入家庭場景前的第一塊試驗田。當完成了服務(wù)高門檻用戶，在小圈層里打磨核心能力之后，把復雜能力封裝成更簡單的產(chǎn)品，推向更廣泛的人群就水到渠成了。

只是大疆的成功，并不意味著這條路能在家庭機器人賽道直接復現(xiàn)。

無人機的核心任務(wù)相對清晰：飛得穩(wěn)、拍得清、用得簡單；而家庭機器人面對的卻是一個更復雜、更開放的世界。

它不僅要處理識別、移動、抓取、交互等場景的任務(wù)理解，還要適應(yīng)不同家庭環(huán)境里的大量長尾變化。

這也構(gòu)成了歐拉萬象當前路徑的最大疑問。

是“彎道超車”，還是“走進彎路”？

歐拉萬象的“養(yǎng)成式機器人”要真正成立，還要回答一個更底層的問題：

靠一批Maker和開發(fā)者在真實家庭里訓練機器人，究竟能帶來多少不可替代的價值？

家庭場景的復雜性，既是這條路線的出發(fā)點，也是它最大的難點。

既然每個家庭都是非標環(huán)境，不同的戶型、光線、家具、桌面高度、物品擺放和生活習慣都會影響機器人的判斷和動作，那一個開發(fā)者在自己家里教會機器人完成某個任務(wù)、某項能力，也可以自然遷移到更多家庭嗎？

這也意味著，歐拉萬象需要證明的，不只是“有人愿意訓練機器人”，還是這些分散在真實家庭里的訓練，能不能沉淀成更通用的能力。

否則，養(yǎng)成式機器人很容易停留在單點場景里：在某個開發(fā)者家中有效，換一個家庭又要重新適配。

創(chuàng)客數(shù)量同樣是一個現(xiàn)實變量。

家庭場景足夠復雜，也就意味著數(shù)據(jù)覆蓋需要足夠豐富。Maker和開發(fā)者能提供多少真實家庭環(huán)境、多少類任務(wù)、多少種長尾情況，決定了這條路線能走到多遠。

但更核心的問題，是它和過去更常見的機器人訓練方式相比，到底有什么優(yōu)勢。

過去，機器人訓練往往依賴仿真環(huán)境、世界模型和大規(guī)模數(shù)據(jù)，讓機器人先在虛擬世界里完成大量試錯，再遷移到真實世界。

歐拉萬象現(xiàn)在選擇更早進入真實家庭，通過Maker版產(chǎn)品和開發(fā)者社區(qū)獲取真實物理交互數(shù)據(jù)，本質(zhì)上是在嘗試另一種數(shù)據(jù)來源。

這條新路徑最需要回答的，正是它相比傳統(tǒng)訓練范式是否有獨特價值：

真實家庭里的開發(fā)者訓練，究竟能提供什么是世界模型和仿真環(huán)境難以提供的？

它得到的是真正可遷移的家庭任務(wù)能力，還是一批分散在不同開發(fā)者家庭里的局部經(jīng)驗？

這些真實數(shù)據(jù)，能不能從“某個家庭里跑通”，進一步沉淀為“更多家庭都能受益”的模型能力？

這些問題的答案，才是決定歐拉萬象未來能走多遠的關(guān)鍵。

這也是“不聰明但能養(yǎng)成”背后，真正需要被驗證的命題。