名侦探的守则

剖析智元机器人：一场关于人才与资本的博弈_我的网站

一 |     智东西（公众号：zhidxcom）     作者 | 程茜     编辑 | 云鹏          智东西7月22日报道，昨日，阿里千问最新发布的Qwen3.8预览版模型在英伟达评估AI进行算子优化的榜单上登顶，排名超过腾讯混元、人类开发者、Cursor。         榜单中SOL得分指的是GPU的峰值算力与HBM带宽共同决定的理论性能极限。模型这一分数越接近1，代表其生成和优化GPU算子能力越接近理论极限，可以在无需人类标注的情况下，通过与真实硬件环境的交互，自主产生训练信号、评估自身输出质量并持续改进算子。    出品｜科技组          作者｜宋思杭          编辑｜苗正卿          头图｜视觉中国                    10月10日晚，有消息称，智元机器人计划于2026年在香港启动IPO，目标估值区间为400亿至500亿港币。         这一榜单中排名第二的是腾讯混元Hyra、排名第四的是人类开发者Amir M. Mir、排名第六的是美国AI创企doubleAI的全自动GPU内核生成智能体系统、排名第十的是AI编程独角兽Cursor，其他项目暂未找到公开打榜记录。

二 |          SOL-ExecBench榜单是今年3月，英伟达推出的GPU CUDA Kernel内核优化基准评测套件，面向Blackwell B200架构专门用来评测AI智能体、编译器、自动内核生成工具写出的GPU算子性能。对此，第一时间向智元机器人求证，其否认了这一消息。

三 |                    与此同时，还了解到，2024年，智元机器人的营收约1亿元规模。对此，智元方面向透露道，2025年智元的营收将翻几倍。Qwen3.8登顶的FlashInfer-Bench子集，就是专门用于测试和优化大语言模型推理系统中的GPU算子。         7月19日，阿里千问大模型团队宣布将很快发布并开源Qwen3.8。该模型参数2.4T，可能是除了Fable 5外最强大的模型。

四 | 昨晚，Qwen3.8-Max-Preview更新，前端（WebDev）表现更好。就在不久前，智元刚刚发布精灵G2，目前该机器人已锁定数亿元订单。                   而从2025年开始，智元机器人就一直处于风口浪尖。         一、从124个模型中提取，共235项CUDA内核优化任务          随着AI智能体生成与优化GPU内核的能力持续增强，现有基准评测的一大局限暴露，其只看重相对软件基线的加速比，而非内核执行方案本身贴近硬件最优效率的程度。而在现代数据中心中，未能充分利用硬件的kernel意味着算力与能源的双重浪费。         基于此，英伟达提出了SOL-ExecBench基准套件。这一套件共有235项CUDA内核优化任务，提取自124个商用及前沿人工智能模型，覆盖大语言模型、扩散模型、计算机视觉、音频、视频以及混合架构，目标硬件为英伟达Blackwell系列GPU，涵盖BF16、FP8、NVFP4精度下的前向与反向计算负载。                   值得注意的是，9月，在智元机器人官网上还公布了一份合伙人名单：其中前三位均来自华为，而他们也是智元这家公司最重要的三名主舵手，分别手握战略、技术和商业化大权。         与以往基于软件性能来进行评估标准相比，SOL-ExecBench的评估目标有所不同。其通过“Speed-of-Light（SOL）”界限来评估内核性能，即由GPU的峰值算力与HBM带宽共同决定的理论性能极限。                   名单一出，在业内迅速引发关注。         英伟达开发的SOLAR工具能够从FLOP数量、字节数、GPU峰值吞吐量以及带宽等方面，分析出这些基于硬件的SOL界限，然后将这些界限与预先定义的评分基准相结合，从而得出SOL评分。对比这家成立不过两年半的公司今日的估值与体量，很多人第一反应是——“这不就是一家浓厚的华为系公司吗？”                    但若近距离观察，便能发现这家具身智能公司身上的特殊性，它不属于华为，也不像其他任何大厂。

五 |          具体来说，评分为0.5表示与基准值相当，评分为1.0表示达到了硬件上的SOL界限。

六 | 因此，这个评分不仅反映了相对于基准值的改进程度，还体现了与最大可实现硬件性能相比所剩余的优化空间。                   当然，智元的创始团队里，不乏华为及科技大厂出身的高管；其行事风格上，也多少带着那股大公司的作风。在中国科技企业叙事里，华为已经成为某种象征——强大的组织力、长期主义的研发精神，以及敢于在硬科技赛道上“压重注”。而这些特点也同样在智元的身上充分彰显。                   但如果只是简单地把智元等同于“华为特色”，显然低估了这家公司的复杂性。                   2025年对于智元是极为关键的一年，从3月智元机器人法人变更为邓泰华，到9月这份带有浓厚华为色彩的合伙人名单被公之于众，在这半年期间，这家公司还发生了数件震撼行业和资本市场的事件：1）完成多笔巨额融资，包括腾讯、京东在内的多家巨头入股；2）联合高瓴资本设立产业基金，并计划投资多家具身公司；3）收购非产业链上的上市公司，却否认了“借壳上市”的说法。         为保证评分结果的可靠性和可重复性，SOL-ExecBench还包含一个沙盒评估工具。此外基于其开发的智能优化算法，可以在相同的评估协议下改进提供的PyTorch参考实现，这种优化算法可以识别出那些试图操纵评估器的行为，即试图绕过评估机制以获得更快的运算结果。

七 |                    然而，这些还只是表面上的“复杂”。其更深层面的复杂性则体现在这家创业公司的组织管理体系和商业路线规划上。         此次Qwen3.8拿下第一的是FlashInfer-Bench子集，专门用于测试和优化大语言模型推理系统中的GPU算子。         该子集包含26个来源于Llama-3.1-8B、Qwen3-30B-A3B、DeepSeek-V3/R1的问题。         该子集覆盖的精度格式为BF16与FP8，每个问题提供7-48个动态形状的输入配置，覆盖真实生产场景，典型任务包括融合注意力（Fused Attention）、FP8 MoE和RMSNorm等推理关键算子。

八 | 近半年，都在近距离观察这家公司，并分别与智元合伙人、高级副总裁兼具身业务部总裁姚卯青、通用业务部总裁王闯和首席科学家罗剑岚进行了对话，以下我们试图从组织进化与商业路线的双重角度来对这家看似“复杂”的公司抽丝剥茧。                   智元的“双套机制”                    智元目前的一个关键卡点在于，对于一家具身智能领域的创业公司，既要具备创新属性，还要保证商业化落地目标。这就意味着，组织必须做出清晰分工。         根据官方披露，该测试套件中所有提交内容均在真实NVIDIA B200 GPU上隔离执行，GPU时钟锁定在1500 MHz以保证可复现性。                   独家获悉，智元内部正在运行一种“双套机制”，即智元在使用两种机制分别管理不同团队。         二、榜单排名靠前，意味模型具备闭环自我改进潜力          Kernel优化是少数几个可以提供清晰、客观、可量化反馈信号的真实工程任务之一：          反馈明确：运行时间、吞吐量、带宽利用率可以精确测量；     标准客观：距离硬件理论极限还有多远，没有歧义；     迭代自然：每一轮优化都可以作为下一轮的起点。         这意味着模型可以在无需人类标注的情况下，通过与真实硬件环境的交互，自主产生训练信号、评估自身输出质量并持续改进。         在SOL-ExecBench FlashInfer-Bench子集上表现靠前，就意味着模型在下面几项能力上具有优势：          长程因果推理：优化决策之间存在复杂依赖链，局部改动会影响全局性能，模型需要跨越长上下文进行一致性推理。    工具使用与环境交互中的策略规划：现实世界智能体任务面对多轮工具调用，模型需要根据每次执行反馈动态调整策略，而非机械执行预设步骤。    稀疏反馈下的探索能力：性能提升往往不是线性的，模型需要在大量“看似合理但实际无效”的方向中识别真正有价值的优化路径。    系统级抽象与具体实现之间的双向翻译：从高层算法语义映射到底层硬件指令，再从硬件反馈反推优化方向，这种双向能力在科学计算、编译器设计、芯片设计等领域均有直接迁移价值。

九 |          这也意味着，能在SOL-ExecBench上持续进化的模型，具备在客观物理约束下进行闭环自我改进的能力。         三、训练侧搭建真实GPU环境，推理侧引入阿里智能体框架          智东西从千问团队获悉，在训练、推理方面，千问团队均针对Kernel Self-Evolving进行了优化。         首先在训练侧，为了让模型真正具备kernel优化能力，而非仅仅学习表面的代码模式，其构建了一套基于真实GPU环境的大规模强化学习体系。一套机制适用于不设置任何OKR或KPI的“创新团队”，这支团队仅约数十人，专注于从0到1的探索，且他们不背负商业化目标。其领头人也正是联合创始人、总裁兼CTO彭志辉；                    而另一套机制适用于智元内部的大部分团队，包括Genie、通用和灵犀团队。         1、研究人员搭建了基于沙盒的真实GPU训练环境：          为模型提供丰富的硬件文档与可交互的Workspace，使模型能够通过真实编译、执行与性能测量获取来自硬件的奖励信号，而非依赖代理指标或模拟器。这可以确保每一个训练信号都有真实的物理意义。他们专注于从1到N的落地，将前者的成果打磨成产品，推进规模化交付。                   这样的分工是智元在“创新与落地的两难”之间给出的答案。对于一家两年半的初创公司来说，既要守护前沿突破的“高光瞬间”，又要满足商业化节奏的要求，如果没有这样的机制，很可能在两条路线上顾此失彼。也正是在这种背景下，智元在选人逻辑、管理方法乃至文化氛围上，都作出了与大厂截然不同的选择。                   在智元的故事里，组织几乎是和技术并列的关键词。

十 | 相比很多依赖大厂基因或资本光环起家的公司，智元更像是从“人”开始搭建的。                   对于保持创新能力、保证智元站在具身的第一梯队里，姚卯青这样告诉，公司并不热衷于吸收那些在大厂里带过几千人团队的高管，因为那套经验复制到具身智能未必有效。他们真正看重的，是能在一线把技术卷到极致的人。         2、真实Kernel仓库作为训练数据          研究人员系统性收集了大规模真实的工程级kernel优化代码，以这些真实世界的kernel作为训练query。

十一 | 相比合成数据，真实反馈覆盖了更广泛的优化模式、硬件适配策略与工程取舍，为模型提供了更接近生产场景的学习信号。                   于是，智元的人才画像很快清晰起来：一部分是从自动驾驶领域转型而来的算法工程师，他们习惯于和大模型、端到端的感知体系打交道；另一部分则是年轻的博士，刚毕业不久，但在具身智能领域已有研究成果。         3、RL基础设施的针对性优化          Kernel优化任务的一个显著特点是需要超长的工具调用序列，单次优化过程可能涉及数十乃至数百轮的编译-执行-分析循环。智元要的不是简历的光鲜，而是能否把技术真正做出来。                   这种选人的逻辑，也决定了智元在组织架构上的特殊设计。公司虽然把最顶尖的研究人才和工程落地人才分成了两支队伍，但这两支队伍并不是泾渭分明的两座孤岛，而是保持流动与互动。                   在实际工作中，落地团队的人也可能参与到创新环节，而突破团队的想法也会被实践快速验证。这套机制的根本目的，是保护那些关键的“创新高光时刻”，让最有天赋的人免于陷入琐碎执行的泥潭，同时又能保证成果被迅速转化。                   如果说“双套机制”体现了智元在组织层面的实验精神，那么它的管理方式则体现了一种效率至上的创业气质。         为此，研究人员对强化学习训练基础设施进行了专项优化，使其能够高效支持超长多轮工具调用的训练，从而让模型真正学会跨越长序列的持续优化策略。智元内部同样设有OKR，但与大厂不同，它并不是僵化的考核工具，而是对齐目标的框架。真正发挥作用的，是每周的“重点工作指引”：管理层会给出关键方向，却不去规定细节执行。团队成员知道要把力气往哪儿用，但保留了足够的自由度去选择路径。

十二 |                    这种做法在智元看来极大提升了产出效率，以至于他们敢于对外宣称，“团队效率非常高，一个季度能完成大厂一年的成果。”                    而在上述管理哲学背后，还有另一层文化因素。

十三 |          在推理侧，研究人员使用阿里巴巴Atrex Kernel Agent框架来承载算子优化的完整分析迭代流程与经验沉淀机制。                   智元的核心团队普遍是90后、95后，团建常常是玩游戏、打篮球这样轻松的活动，而在更高层的管理层面，公司每个季度会举行一次“务虚会”，挑选一个环境舒适的地方，大家围绕战略、趋势、价值观展开长谈。

十四 |          ▲阿里巴巴Atrex Kernel Agent框架和工作流（图源：GitHub）          在SOL-ExecBench FlashInfer-Bench子集的评测中，该模型完成了平均29354轮工具调用的持续迭代，在每一轮循环中对kernel实现进行编译、执行、性能分析与策略调整，将性能逐步推向硬件理论极限。

十五 |          这意味着，模型在数万轮的迭代过程中可以保持方向一致性、持续产出有效优化、不陷入局部震荡，正是长程持续优化能力区别于普通代码生成能力的核心所在。                   就在两个月前，与姚卯青进行面对面对话前不久，团队刚在西双版纳举办了一场“务虚会”，那一次，他们讨论的重点内容是明确业绩目标。         结语：从手写算子到AI生成、调优，Qwen3.8刷新自动化算子生成能力上限          Qwen3.8此次登顶，意味着其有能力承担底层算力优化的复杂工程任务，并进一步压缩人工介入算子开发的工作环节，其能直接对接真实硬件环境采集运行反馈，形成从算子生成到性能调优的自动化闭环。                   生态版图正在成形                    近期，智元在商业路线规划上正在发生一些关键变量。就在智元结束那场“西双版纳之旅”之后的一个月，这家公司的创始人邓泰华罕见地站到了聚光灯下。         自动化GPU算子生成赛道的长期竞争，未来或取决于大模型理解硬件架构、推演访存瓶颈、自主迭代调参的综合智能水平。

十六 | 在8月中下旬的一场智元伙伴大会上，邓泰华直接亮明了智元的商业路线：先toB再toC。                   他把话讲得很直白，当下，智元重心是服务大客户，“虽然目前大客户以直销为主，但接下来将转为‘伙伴优先’，预计明年伙伴渠道比例将大幅攀升。长远来看，伴随大模型能力升级，模型侧与编译层在算力优化方面将形成持续双向反馈，硬件规格、算子实现、模型架构三者协同演进可能会成为常态。

十七 | ”换句话说，今天智元的销售模式依旧是自己亲自去跑单，但未来要把合作伙伴推到台前。                   这不仅仅是渠道策略的调整，更像是一家“初创公司”向“大公司”切换的标志。

十八 | 不少大公司当年都是这么走过来的：早期靠直销拿下标杆客户，稳住营收和现金流；等产品和供应链逐渐成型，再通过渠道伙伴做放大。                   但区别在于，智元几乎在成立两年半时就把话挑明，甚至还在闭门会上放出“即便没有营收，现金流也能撑三年”的豪言。这也许是来自于曾经的华为副总裁的底气。

十九 |                    这种“大公司范儿”还不仅体现在伙伴战略上，还有其庞大的生态链上。后者也是智元与其他具身智能公司拉开差距的所在。

|                    首先是站在智元背后的股东阵容：腾讯、京东、比亚迪、卧龙电驱、龙旗科技、华发集团、蓝驰创投、软通动力，以及上海、临港等地方国资的加持。这些股东带来的，不只是资金，更是渠道、供应链、场景落地等全链条资源。

| 6月，智元还联合高瓴资本成立了数亿元规模的产业基金，用来投“早头小”——产业链上的小型创新企业。                   智元产业投资方     入股时间          腾讯     2025年3月          京东     2025年5月          比亚迪     2023年          卧龙电驱     2025年3月          龙旗科技     2025年3月          华发集团     2025年3月          北汽产投     2024年7月          软通动力     2024年9月          LG集团     2025年8月          正大集团     2025年7月          TCL创投     2025年5月          上汽投资     2024年3月          数据来源：企查查、天眼查                    在这其中，智元已经与多家产业投资方合作，甚至合资成立具身智能公司。比如，智元机器人与软通动力联手成立了江苏软通天擎机器人科技有限公司，面向 3C 制造、交互服务等场景的落地等相关业务。                   同时，智元也没少用资本手段直接切入产业链。今年7月，收购一家上市公司的操作在行业内炸开了锅。作为具身智能领域的首个收购案例，被视为用资本加速产业整合的典型信号。智元合伙人姚卯青后来回应说：“新生事物是全方位需要创新的，包括资本层面的创新。

| ”                    从这个角度看，智元并不是单纯的机器人创业公司，更像一种平台打法，把上下游都吸纳进来。                   不过，也注意到，智元并非把C端完全搁置。在toB路线之外，它已经开始在toC上做试探。过去半年，智元先后在京东上线了多款机器人，售价从几万元到几十万元不等；9月30日，它又在无锡落地了全球首个机器人体验中心，但馆内暂时没有销售计划。

| 换句话说，这更像是一场面向公众的“品牌教育”，而不是大规模放量的市场开拓。当问及更具体的C端商业化节奏时，智元方面未予回应。                   表面上看，智元把重心押在toB，把野心留给toC；往深处看，它在用大公司式的资源配置和生态打法，给自己搭一条“先跑通现金流、再谋长期市场”的双轨路。                   接下来要观察的，就不仅仅是合作伙伴大会上喊出的口号，而是渠道收入占比会不会真如承诺那样大幅提升。这些细节，才是判断智元能不能撑起“头部公司”位置的关键指标。         文章标题：剖析智元机器人：一场关于人才与资本的博弈          文章链接：https://www.huxiu.com/article/4786863.html          阅读原文：剖析智元机器人：一场关于人才与资本的博弈_网。

|

Current article:http://inrqs.wenwancaomohenenqiongpangshun.bond/list_3ve/88f.html

Published on:17:35:58