阅读时间大约10分钟以上（15838字）

2026-08-18 谁在造机器人？全球30+位创始人背景全景，解码具身智能未来十年格局

来源：豆包

从斯坦福博士到华为天才少年，从B站百万粉博主到卖房创业的中年人

作者：GEIA 出品：GEIA全球具身智能观察

引

一张创始人地图铺开的产业真相

2026年春天，我在深圳南山一家咖啡馆等人。隔壁桌两个年轻人在讨论具身智能，一个说"这个赛道现在全是学霸"，另一个接话"也不全是，卖木工机械的也能做"。他们说的都对。

做了二十年产业研究，我见过太多技术浪潮来了又去。这一波不太一样。不一样的地方不在于技术本身——大模型驱动具身智能的逻辑已经讲了三年——而在于站到牌桌前的人。他们中有MIT的博士、斯坦福的博士后、华为的天才少年，也有德国木工机械的销售冠军、从国企下岗的工艺工程师、在B站攒了几百万粉丝的电子博主。

把这些人的履历摊开来看，你会发现一幅比任何商业计划书都更诚实的产业地图。谁在做大脑，谁在做手脚，谁在做关节里那颗螺丝钉，谁从学术界纵身跳入产业，谁在制造业里熬了三十年等到风口——这些选择本身，就是对这个行业最深刻的判断。

这篇文章想做的事情很简单：把全球主要具身智能与人形机器人企业的创始人放到同一张桌子上，从教育、工作、学术、家庭、产业、管理、战略视野、全球视野八个维度拆开来看。不做英雄叙事，也不做投资评级，只是试图回答一个问题——这些造机器人的人，究竟是谁？

美国谱系：从MIT Leg Lab到硅谷连续创业者

1.1 学院派的根与当代的变异

讲美国人形机器人，绕不开Marc Raibert。

1949年出生的Raibert代表了一种正在消逝的创始人原型：学院派科学家。他在东北大学拿了电气工程学士，1977年在MIT拿到博士学位，随后在JPL和Caltech做了三年研究。1981年到CMU当副教授，在那里创立了著名的Leg Lab——腿实验室。1986年回到MIT任教授，继续在动态平衡和足式机器人上深耕。1992年，他从MIT分拆出Boston Dynamics。

Raibert的学术血脉几乎定义了整个美国机器人产业。在CMU和MIT期间培养的学生和博士后，后来散落到Boston Dynamics、Boston Dynamics的AI Institute、以及无数机器人创业公司。2008年他入选美国国家工程院，2022年从CEO位置退下来后创立了Boston Dynamics AI Institute，拿到Hyundai的资金继续做前沿研究。

Raibert的路径——博士、教授、实验室、分拆公司——是上一代美国机器人创业者的标准模板。Agility Robotics的两位联合创始人走的也是学术路线。Damion Shelton在匹兹堡大学拿了生物工程和历史哲学双学位，然后到CMU机器人所拿到硕士和博士，在创立Agility之前还联合创办过一家3D打印公司threeRivers 3D。Jonathan Hurst更纯粹：CMU机械工程本科、机器人学硕士和博士，2008年毕业后去了俄勒冈州立大学当教授，在大学里建了Dynamic Robotics Lab，2015年把实验室成果分拆成Agility。

Hurst在2018年拿到了NSF CAREER Award，这是美国国家科学基金会给青年教授的最高荣誉之一。Agility的Cassie和Digit机器人，直接源自他在CMU和俄勒冈州立大学十几年的学术积累。

Apptronik的创始团队同样出自大学实验室。CTO Nick Paine在UT Austin一路读到电子与计算机工程博士（2014年），在NASA约翰逊航天中心参与了Valkyrie人形机器人项目，还是UT Series Elastic Actuator（串联弹性驱动器）的发明者。CEO Jeff Cardenas也是UT Austin出身，拿了BBA和MSTC学位，在德勤做过咨询，在UT的IC2 Institute工作过。两人2016年联合创立Apptronik。

这条学术脉络有一个共同特征：创始人在机器人核心技术上有十年以上的深度积累，从论文到原型到产品，走的是"实验室—分拆—产业化"的路。他们不追风口，因为他们本身就是风口的技术源头。

1.2 硅谷新物种：连续创业者与跨界闯入者

Brett Adcock代表了一种截然不同的创始人类型。

1986年出生的Adcock在伊利诺伊州的农场长大，本科在佛罗里达大学读的是工商管理，不是工程。2008年毕业后，他没有进入任何科技公司，而是直接开始创业。2012年他创立了人才招聘平台Vettery，2018年以1亿美元被Adecco收购。同年他联合创立了eVTOL飞行器公司Archer Aviation，后来在纽交所上市，市值最高时达到27亿美元。2022年5月，他创立了Figure A。

Figure AI的融资速度和规模改写了人形机器人行业的规则。到2025年，公司累计融资19.15亿美元，估值达到390亿美元，与BMW达成了部署协议。Adcock还在2023年创立了建筑科技公司Cover，2025年创立了AI公司Hark（估值60亿美元）。

Adcock的背景揭示了一个重要趋势：人形机器人正在吸引非机器人领域的连续创业者。他们带来的不是某个具体技术的深度，而是从零到一组建团队、融资、把产品推向市场的系统能力。Figure AI的核心团队来自Boston Dynamics、Apple、Tesla和Google，Adcock的角色更像是一个"人才整合器"和"资本磁铁"。

1X Technologies的Bernt Børnich走的是另一条路。挪威人，在奥斯陆大学读机器人与纳米电子本科，毕业后在Data Respons做嵌入式工程师。2014年，他在挪威创立了Halodi Robotics，后来改名1X。公司拿到了OpenAI Startup Fund的投资，2025年把总部从奥斯陆迁到了旧金山湾区。Børnich不是学术明星，也不是连续创业者，他更像一个有耐心的工程师型创始人，在挪威默默做了近十年人形机器人，等到大模型浪潮来临才被资本发现。

Sanctuary AI的Geordie Rose则是物理学家转型创业者的极端案例。他在UBC拿到理论物理学博士，创立了全球第一家量子计算公司D-Wave，之后又创立了Kindred——第一家在生产环境中使用强化学习的机器人公司。2018年联合创立Sanctuary AI，目标是创造"类人智能"。Rose的CTO Olivia Norton在UBC拿到电气与计算机工程硕士，本科在Calgary读计算机工程（生物医学方向），还在ETH Zurich的生物力学研究所做过研发。

1.3 大厂内部创业：Tesla的特殊样本

Tesla Optimus不是一家独立公司，而是Elon Musk帝国的一部分。这个项目的负责人更迭本身就是一部微型产业史。

Milan Kovac2008年电气工程本科毕业，第一份工作在比利时动作识别公司SoftKinetic（后被索尼收购），辗转几家公司后于2016年4月加入Tesla Autopilot团队，从底层工程师做到软件工程主管。2022年被Musk选中领导Optimus项目，2024年9月升任VP of Optimus。2025年6月，他在Tesla单日市值蒸发1500亿美元的当口宣布离职，理由是"想多陪家人"。

接替他的Ashok Elluswamy是CMU机器人所博士，被称为Tesla自动驾驶的"一号员工"，率先提出了占用网络（Occupancy Network）上车方案，是纯视觉路线的核心架构师。2025年6月接管Optimus，标志着Tesla将FSD的AI能力与人形机器人项目做更紧密的整合。

Tesla的路径与所有独立创业公司都不同。它不需要融资，不需要从外部招募核心团队（Autopilot和SpaceX的人才可以直接调配），甚至不需要外部客户——工厂就是第一个应用场景。到2026年第一季度，Tesla已经在自有工厂内部署了超过1000台Optimus，但明确表示这些机器人处于"学习和数据采集模式"，而非生产性作业[29]。

1.4 美国创始人画像小结

美国阵营呈现出清晰的代际分野。Raibert、Hurst、Shelton这一脉是学术深耕型，平均在机器人核心技术上积累了十五到三十年；Adcock是资本与人才整合型，把人形机器人当作一个需要大规模资源投入的系统工程来推进；Børnich是工程师耐心型，在边缘市场蛰伏近十年；Kovac和Elluswamy则代表了大厂内部的技术官僚型领导力。

一个值得注意的细节：美国核心创始人中，几乎没有人的本科是在中国完成的。这与中国阵营形成了鲜明对比。

中国力量：学霸、野路子与制造业老兵

2.1 学术精英的"回国创业潮"

如果说美国的学院派创始人还在大学里等技术成熟，中国的年轻学者已经等不及了。

王鹤1992年出生，布依族，清华电子系本科毕业后去了斯坦福，师从三院院士Leonidas Guibas。2021年回国到北大任助理教授、博导，创立了EPIC Lab。2023年5月，他还在北大当老师的时候就创立了银河通用。不到两年，公司累计融资超过60亿元，估值超过220亿元，2025年收入超过3亿元。

陈建宇的路径更为传奇。1992年出生，2011年保送清华精仪系，之后去UC Berkeley读博，师从MPC（模型预测控制）奠基人Masayoshi Tomizuka，在Waymo和Denso实习过。2020年，28岁的他受姚期智邀请回清华交叉信息院任助理教授、博导。2023年8月创立星动纪元，是清华唯一持股的具身智能企业，成立两个月就融了25亿元，自研率达到90%。

张巍的学术履历更长。中科大自动化本科，肯塔基大学ECE硕士，普渡大学ECE博士加统计学硕士，UC Berkeley博士后，俄亥俄州立大学长聘教授。2019年回国到南科大任长聘教授，2022年创立逐际动力，Pre-IPO轮估值150亿元。

这三位创始人的共同点是：在美国顶尖高校拿到博士或做过博士后，回国后在顶级高校任教，然后在大模型浪潮中迅速跳进产业。他们不是在实验室里等成果成熟再分拆，而是学术和创业并行，甚至把实验室的研究方向直接对准产业需求。

高继扬走的是工业界路线。1992年出生，清华电子系物理竞赛保送，南加州大学计算机视觉博士，3.5年毕业创下实验室最快纪录。毕业后没有走学术路线，直接去了Waymo，再到Momenta。2023年9月创立星海图，累计融资近30亿元，估值破百亿。

2.2 华为系与大厂出走者

智元机器人的创始团队是中国具身智能领域最引人注目的"大厂出走"案例。

彭志辉（稚晖君）1993年生于江西吉安，电子科技大学生物医学工程本科（2015年）和信通学院硕士（2018年）。毕业后先去OPPO研究院AI实验室，2020年入选华为天才少年。2022年底离开华为，2023年2月创立智元。他在B站有282万粉丝，是科技圈最大的个人IP之一。2025年11月，他出任上纬新材董事长，智元通过入主A股上市公司打通了资本通道。

董事长邓泰华是电子科技大学1995级，在华为工作了二十多年，官至副总裁、计算产品线总裁，主导了鲲鹏和昇腾体系。智元的9位合伙人中，至少5位有华为背景。这种"天才少年做技术偶像+华为老将做产业运营"的搭配，在中国具身智能创业公司中独树一帜。

它石智航的组合更加豪华。CEO陈亦伦是清华电子系物理竞赛国家集训队出身，博士，曾任大疆机器视觉总工程师、华为智驾CTO、清华AIR首席科学家。董事长李震宇是北航硕士，在华为拿过金牌奖，2007年加入百度，做到资深副总裁和智能驾驶事业群总经理，是萝卜快跑的打造者。首席科学家丁文超1993年生，华科本科、港科大博士、华为天才少年首批，主导了华为ADS端到端决策网络。2025年2月创立它石，天使轮就拿了1.2亿美元，创下该领域天使轮融资纪录。

陈亦伦和李震宇的组合，把智能驾驶领域积累的AI能力和工程经验直接迁移到了具身智能。这代表了一个重要的人才流动方向：自动驾驶领域的技术骨干正在成建制地进入人形机器人赛道。

2.3 产品经理型与跨界创业者

程昊的背景在中国创始人中很有代表性。北京人，2006年进清华自动化系，是火神机器人足球队队长，拿过2009和2010年RoboCup季军。2013年清华自动化硕士毕业后去了亚马逊，之后创立朝夕日历（被字节收购），在字节做到飞书产品VP。2023年创立加速进化，2026年4月完成10亿元融资。

程昊不是机器人科学家，也不是硬件工程师，他是一个产品经理型创业者。他的优势在于对用户需求的理解、对团队的管理和对商业化节奏的把握。这种背景在具身智能领域曾经被认为"不够硬核"，但加速进化的融资成绩说明，资本开始认可产品化能力的价值。

赵同阳的路径更"野"。河南南阳人，株洲师范专科学校自动化专业毕业——这是整个具身智能赛道里学历最不起眼的创始人之一。但他是一个连续创业者：先做安信可科技（Wi-Fi模组），再做终极进化科技，然后做多够机器人Dogotix（2020年被小鹏收购），之后在小鹏鹏行当总经理（2021-2023）。2023年10月创立众擎，2026年4月完成2亿美元B轮，估值超过100亿元。

赵同阳没有名校光环，没有大厂高管履历，没有学术论文，但他有硬件创业的实战经验和从0到1把产品做出来的能力。他的存在提醒我们：具身智能不只是大脑的竞赛，也是一场制造和交付的战役。

2.4 产业深耕者与跨界老将

周剑是优必选的创始人，也是中国最早做人形机器人的人之一。1976年生于浙江宁波，南京林业大学木材加工工程专业本科——这个背景让他在一群工科博士中显得格外突出。大学期间他拿到了德国迈克威力的最高奖学金，毕业后进入这家德国木工机械集团，做到了集团最年轻的中国大区经理。2008年在日本展会上看到人形机器人后，他决定自己做。为了攻克伺服舵机，他卖掉了深圳的三套房和三辆车，最困难的时候个人只剩几千元流动资金。2012年优必选成立，2023年12月在港交所上市，成为"人形机器人第一股"。2025年营收20.01亿元，全尺寸人形机器人出货1079台位居全球第一，累计专利2985项。

顾捷的路径是"外企高管→医疗机器人→人形机器人"。1981年生于上海一个编辑家庭，2003年上海交大机械与动力工程学院本科毕业，加入美国国家仪器（NI），五年做到广州区域经理，年薪百万。2009年受汶川地震报道触动开始研发康复机器人，2012年创立璟和机器人（被收购），2015年创立傅利叶智能。2023年发布GR-1人形机器人，2025年发布GR-3 Care-bot。康复机器人已进入40多个国家的2000多家医院。中欧EMBA2022级。公司累计完成11轮融资，投前估值80亿元。

杨华的背景代表了小米生态链的创业基因。1976年生，内蒙古大学2000年毕业，在摩托罗拉工作过，后来成为纯米科技董事长——这是小米生态链里做电饭煲和厨房电器的公司。2023年创立开普勒，从家电跨界到人形机器人。

俞浩则是从扫地机器人延伸到人形机器人。1987年生于江苏南通，清华航空航天学院本硕（物理竞赛保送），2007年就是中国最早的四旋翼开发者之一，2009年创立天空工场。2017年创立追觅，从扫地机器人做到高速马达和智能家居，2025年营收超过450亿元，胡润百富榜身家85亿元。

2.5 中国创始人画像小结

中国阵营的多样性远超美国。从斯坦福博士后到师专毕业生，从华为天才少年到木工机械销售，从产品经理到物理学博士，几乎每一种创业背景都能找到对应。这种多样性本身就是中国制造业体系完整度的体现——你需要聪明人做算法，也需要懂供应链的人做量产，还需要能卖东西的人找客户。

一个突出的趋势是"自动驾驶→具身智能"的人才迁移。陈亦伦、李震宇、丁文超来自华为智驾和百度Apollo，高继扬来自Waymo和Momenta，陈建宇在Waymo实习过。自动驾驶领域积累的感知、决策、控制能力，正在成为人形机器人大脑层的重要技术来源。

另一个趋势是"教授创业"的加速。王鹤、陈建宇、张巍、卢策吾、贾奎都是高校教授在大模型浪潮中直接创业，与上一代学者"先在实验室做十年再分拆"的节奏完全不同。

欧洲与日本：小而美的坚持与产业资本的沉浮

3.1 PAL Robotics：南欧的机器人工匠

Francesco Ferro是意大利人，在都灵理工大学拿到电信工程学士和硕士（2002年），又去法国ISEN Lille读了硕士，2011年在巴塞罗那大学拿了EMBA。2004年联合创立PAL Robotics，总部在巴塞罗那。公司做了TALOS、TIAGo等机器人，在欧洲研究机构中有稳定的客户群。2026年3月，Ferro当选euRobotics主席，这是欧洲机器人领域最有影响力的行业组织职位。

CTO Luca Marchionni是电气工程背景，是TALOS和TIAGo的技术负责人。PAL Robotics没有像美国公司那样融到巨额资金，也没有像中国公司那样快速放量，但它在欧洲研究型机器人市场活了二十多年，靠的是技术口碑和稳健经营。

3.2 Aldebaran/SoftBank Robotics：一个法国理想主义者的遗产

Bruno Maisonnier毕业于巴黎综合理工学院（Ecole Polytechnique）和巴黎电信学院（Telecom Paris），在银行业做过高管。2004年，他启动了"Project Nao"，目标是做一台普通人买得起、能编程的人形机器人。2005年在巴黎创立Aldebaran Robotics，这是法国第一家专注人形机器人的公司。

2007年是关键转折点。NAO被选为RoboCup标准平台联赛的官方机器人，替代了索尼停产的AIBO。这个决定让Aldebaran获得了全球性的学术曝光。2008年首批量产机交付，NAO后来成为全球教育和研究领域使用最广泛的人形机器人，累计出货超过13000台，覆盖70多个国家。

2012年，软银以约1亿美元收购了Aldebaran的多数股权，孙正义希望用机器人应对日本老龄化。2014年Pepper发布，2015年Maisonnier卸任。之后的故事并不美好：欧洲分部2022年被卖给United Robotics Group并改回Aldebaran名字，2025年2月申请破产保护，6月进入破产管理，裁员约106人。7月，中国麦格米特关联公司Maxvision以90万欧元在法国法院拍卖中拿下了NAO和Pepper的全部知识产权。

Maisonnier的故事是一个关于时机的寓言。他在2005年就看到了人形机器人的未来，但早了十五年。NAO在教育和研究市场取得了成功，但始终没有走向大众消费市场。技术成熟度、成本、应用场景——这些在2026年仍然在解决的问题，在2005年更是遥不可及。

3.3 日本的缺席与供应链的在场

一个值得深思的现象是：日本曾经是人形机器人的发源地——早稻田大学的Sugano Lab在1970年代就造出了世界第一台人形机器人，本田的ASIMO在2000年震惊世界，索尼的AIBO和QRIO一度引领消费机器人潮流。但在这一波大模型驱动的具身智能浪潮中，日本几乎没有出现有全球影响力的人形机器人初创企业。

原因很复杂，但至少有一点：日本机器人产业的重心在工业机器人和零部件，不在人形整机。发那科、安川、那智不二越这些企业在工业机器人领域仍然是全球巨头，但它们没有动力去做一台还找不到明确商业场景的人形机器人。本田在2018年停止了ASIMO的开发，索尼的AIBO重启后也只是一个高端玩具。

日本的存在感体现在供应链上。哈默纳科的谐波减速器长期垄断全球市场，直到中国的绿的谐波等企业开始打破垄断。nsk、纳博特斯克、村田等企业在精密零部件领域仍然不可替代。帕西尼感知科技的创始人许晋诚之所以在早稻田大学读博，正是因为那里是人形机器人的学术源头。

关键零部件创始人：隐形冠军们的三十年

人形机器人的故事不只属于整机公司。关节里的减速器、电机、传感器，决定了这台机器人能不能动、动得多好、卖多少钱。在这些领域，创始人的画像与整机公司截然不同。

4.1 减速器：左昱昱与绿的谐波

左昱昱1970年生，南京大学物理系毕业。1999年加入恒加金属，2003年赴日本考察后，决心研发谐波减速器。这东西看起来不大，但长期被日本哈默纳科垄断，技术壁垒极高。左昱昱花了六年，2009年做出首台原型机，2011年创立绿的谐波。他发明的P型齿设计绕开了哈默纳科的专利壁垒。2020年在科创板上市，2025年营收5.71亿元。

左昱昱的哥哥左晶原本是苏州相城区地税局副局长，2014年辞职加入公司负责市场销售。兄弟搭档——一个管技术，一个管市场——在精密制造领域并不罕见[25]。

4.2 电机：常建鸣与鸣志电器

常建鸣1965年生，上海交通大学本科。他的第一份工作是上海一〇一厂的工艺工程师，工厂破产后下岗。之后在上海施乐复印机做采购部经理，在上海福士达电子做副总经理。1994年凑钱创办鸣志科技，先代理松下继电器赚现金流，1998年创立鸣志电器，把方向锁定在混合式步进电机上。

当时这个市场几乎被日本企业全包。常建鸣用了十五年——从1998到2013——才拿下混合步进电机的核心专利，成为近十年唯一打破日本企业长期垄断的中国企业。之后他开始用并购补技术：2014年收购美国AMP，2015年收购Lin Engineering，2019年收购瑞士T Motion。2017年上交所上市。

人形机器人浪潮来临时，鸣志已经在空心杯电机上完成了卡位。2022年φ8-24mm全系列空心杯电机量产，2023年通过Tesla Optimus灵巧手测试，成为核心供应商。2024年8月到2025年2月，公司市值从128亿飙到323亿，峰值突破380亿。常建鸣直接加间接持股50.62%，半年间个人财富增加近百亿元。

常建鸣和左昱昱代表了一种在中国越来越被重视的创始人类型：沉默的制造业老兵。他们不开发布会，不接受采访，不在B站发视频，只是在一个细分领域死磕几十年。当风口来临时，他们已经在那里了。

4.3 触觉传感器：许晋诚与帕西尼

许晋诚在日本早稻田大学拿到工学博士，师从菅野重树教授——Sugano Lab正是世界第一台人形机器人的诞生地。他还在UC San Diego拿了Micro MBA。在日本期间，他的团队与发那科、EPSON等头部企业合作过多个项目，在高精度触觉传感器和灵巧手方向积累了超过8年技术。

2021年创立帕西尼感知科技，拿到了陆奇奇绩创坛的天使轮融资。公司的6D霍尔阵列式触觉传感器打破了海外技术垄断，寿命超过300万次，全球出货量第一。2026年3月完成超10亿元B轮，估值突破100亿元。比亚迪以过亿元入股成为最大外部股东，客户包括京东等企业。

4.4 触觉传感器的另一条路线：戴盟

戴盟机器人的背后是一个跨越四十年的学术传承。首席科学家王煜是西安交大本科，1985年公派留学，在CMU机器人所攻读博士，是"全球机器人灵巧操作之父"Matthew Mason的第一位博士生。毕业后先后在马里兰大学、香港中文大学、新加坡国立大学任教，2015年与李泽湘联合创办港科大机器人研究院并任创始院长。2025年入选斯坦福世界前2%高被引科学家。

CEO段江哗是王煜的学生，中科院-港中文深圳先进院博士、港科大博士后，入选MIT AI100青年科学家和胡润U35。2017年，王煜带着段江哗等博士生开始研究视触觉传感器，走了一条与MIT的GelSight三色光路线不同的单色光路线。2023年底在深圳正式规模化运营，触觉传感器出货量全球第一。2026年8月完成蚂蚁集团领投的数亿元A+轮。

从Mason在CMU建立机器人操作的理论基础，到王煜把这套体系带回中国，再到段江哗等90后博士将其产业化，这条学术脉络用了四十年才走到商业落地。

八维拆解：创始人背景的结构性分析

5.1 教育背景：名校高度集中但非唯一通道

把三十多位创始人的教育背景放在一起看，名校集中度令人印象深刻。

美国阵营中，MIT、CMU、斯坦福、UC Berkeley、UT Austin几乎是标配。Raibert是MIT博士，Shelton和Hurst都是CMU机器人所博士，Paine是UT Austin博士，Elluswamy是CMU博士。

中国阵营中，清华是出现频率最高的本科院校：陈建宇、程昊、陈亦伦、高继扬、俞浩都是清华出身；电子科技大学贡献了彭志辉和邓泰华；上海交大出了顾捷和常建鸣；王鹤和卢策吾在斯坦福做过博士后；陈建宇在UC Berkeley读博；张巍在普渡读博；韩峰涛在华中科大本硕、浙大硕士、华中科大博士。

但学历不是唯一的通行证。周剑是南京林业大学木材加工专业，赵同阳是株洲师范专科学校，常建鸣虽然是上海交大本科但毕业后在下岗和创业中摸爬滚打了三十年。这些人的存在说明：在具身智能这个需要极深技术积累的领域，名校背景是加速器而非入场券。真正决定成败的，是持续学习的能力和把事情做成的韧性。

另一个有趣的发现：跨学科教育在头部创始人中相当普遍。Shelton同时拥有生物工程和历史哲学双学位，Adcock读的是工商管理而非工程，Cardenas的BBA和MSTC是商科背景，韩峰涛横跨自动化、控制工程和机器人学。这种跨学科训练可能有助于在技术和商业之间建立桥梁。

5.2 工作背景：三种路径的分化

创始人的工作履历可以大致分为三类。

第一类是"学术深耕型"：Raibert、Hurst、Shelton、Paine、王鹤、陈建宇、张巍、卢策吾、王煜、贾奎。他们在进入创业之前，在高校或研究机构积累了十年以上的研究经验，公司往往是实验室成果的产业化延伸。

第二类是"大厂历练型"：彭志辉和邓泰华（华为）、陈亦伦（大疆/华为）、李震宇（华为/百度）、丁文超（华为）、高继扬（Waymo/Momenta）、程昊（亚马逊/字节）、Kovac（Tesla）。他们在顶级科技公司工作过，带过团队，做过大规模产品，创业时带着成熟的工程方法论和行业人脉。

第三类是"连续创业型"：Adcock（Vettery/Archer/Figure）、赵同阳（安信可/Dogotix/小鹏鹏行/众擎）、周剑（优铠/优必选）、顾捷（璟和/傅利叶）、Rose（D-Wave/Kindred/Sanctuary）。他们在创立当前公司之前已经有过一次或多次创业经历，有些成功退出，有些被收购，积累了从0到1的完整经验。

这三类路径没有高下之分，但在产业发展的不同阶段，它们的比较优势不同。技术突破期，学术深耕型更有话语权；工程化和量产阶段，大厂历练型的经验更有价值；市场开拓和融资阶段，连续创业型的人脉和叙事能力更胜一筹。

5.3 学术背景：论文、专利与师承

在学术背景这个维度上，中美创始人之间存在一个微妙的差异。

美国的学院派创始人（Raibert、Hurst、Shelton）本身就是学术权威，他们的论文引用量、学术奖项和行业地位构成了公司早期信誉的核心。但他们在创业后通常会减少学术产出，把精力转向公司运营。

中国的"教授创业者"（王鹤、陈建宇、张巍、卢策吾、贾奎）则呈现出学术和创业双轨并行的状态。卢策吾在Nature、TPAMI、CVPR等顶刊顶会发表了200多篇论文，是IROS/ICRA最佳论文获得者、MIT TR35、科学探索奖和吴文俊自然科学一等奖得主[21]。贾奎连续五年入选斯坦福全球Top 2%科学家，在三维视觉和仿真领域有开创性贡献[23]。这些学术声誉不仅为公司带来了技术可信度，也成为吸引顶尖人才的磁石。

师承关系是另一条值得关注的暗线。Raibert在CMU和MIT培养的学生构成了美国机器人产业的骨干；Mason在CMU的学术分支"撑起全球机器人产业半壁江山"（南方周末语），王煜是Mason的第一位博士生，段江哗是王煜的学生[17]；Tomizuka在UC Berkeley的MPC学派通过陈建宇传到了中国；Guibas在斯坦福的几何计算学派通过王鹤传到了北大。这些学术谱系不是八卦，而是技术路线和思维方式的传承。

5.4 家庭背景：被低估的变量

家庭背景是创始人研究中最难获取数据的维度，大部分创始人不会公开谈论。从已知信息来看，有几种模式。

Adcock在伊利诺伊州的农场长大，这种成长环境经常被他自己提及——农场需要动手解决各种机械问题，培养了他对硬件和制造的直觉。顾捷出生在上海的编辑家庭，父亲书房里的《资治通鉴》和《十万个为什么》是他的启蒙读物，小学三年级就能读《三国演义》[10]。卢策吾和王世全都是汕头人，两位潮汕老乡后来在斯坦福相遇并联合创业，地域文化和信任关系在其中扮演了角色[21]。

左晶从地税局副局长任上辞职加入弟弟左昱昱的公司，这种家族信任关系在制造业创业中并不罕见。赵同阳的连续创业背后没有任何官方背景或家族资源，完全是自己一步步摸爬滚打出来的。

家庭背景对创始人的影响往往是隐性的：它塑造了风险偏好、价值观和对"成功"的定义。卖掉三套房去做机器人的周剑，和在斯坦福做完博士后直接拿到数亿元融资的王鹤，他们面对的风险压力完全不同。但两个人都走下来了，这说明在极端不确定的创业环境中，内在驱动力比外在条件更重要。

5.5 产业背景：从哪个行业来，决定了看到什么机会

创始人进入具身智能之前的产业背景，深刻影响了他们对"机器人应该做什么"这个问题的回答。

顾捷从康复机器人切入，因为他在外企工作时看到了康复设备的高昂价格和巨大需求，傅利叶的人形机器人GR-3直接命名为"Care-bot"，锚定康养场景[10]。周剑从伺服舵机做起，因为他是销售出身，最清楚"成本降到十分之一"对市场意味着什么，优必选的策略一直是从核心零部件到整机的垂直整合[9]。常建鸣从步进电机做起，在精密电机领域熬了三十年才等到人形机器人的风口。

陈亦伦和李震宇从自动驾驶来，他们天然地把机器人看成一个"带手脚的自动驾驶系统"，感知—决策—控制的技术栈可以直接迁移。程昊从互联网产品来，他更关注机器人作为"产品"的用户体验和商业化节奏。俞浩从扫地机器人来，追觅在高速电机和供应链上的积累可以复用到人形机器人。

这些不同的产业视角，决定了每家公司选择的技术路线和应用场景。康复出身的做康养，自动驾驶出身的做大脑，电机出身的做关节，互联网出身的做产品。没有对错之分，但最终谁的判断更接近市场真实需求，需要时间检验。

5.6 管理背景：科学家如何学会管公司

一个普遍的挑战是：技术天才不一定是好的管理者。

Raibert在Boston Dynamics做了三十年CEO，直到2019年才把日常运营交给Robert Playter，自己转任董事长。Adcock作为连续创业者，管理能力是他的核心竞争力之一——他能在短时间内从Apple、Tesla、Boston Dynamics挖来顶尖人才，并让他们协同工作。

中国创始人中，邓泰华在华为带过数千人的团队，这种大规模组织管理经验在智元从几十人扩张到上千人的过程中至关重要。李震宇在百度管过IDG事业群，萝卜快跑的运营经验直接适用于机器人的商业化落地。

但对大部分科学家创始人来说，管理是一个需要补课的领域。王鹤、陈建宇、卢策吾、贾奎都是三十岁左右就开始管公司，他们需要在极短时间内学会从管理一个实验室到管理一家企业的跨越。这也是为什么很多公司会搭配一位有产业经验的CEO或COO：银河通用的姚腾洲有ABB和北航机器人所背景，千寻智能的韩峰涛有珞石机器人十年的运营经验，穹彻智能的王世全此前已经把非夕做成了独角兽。

"科学家+产业人"的双核配置，正在成为中国具身智能创业公司的标准治理结构。

5.7 战略与经营视野：做大脑、做身体还是做手脚

创始人的背景直接决定了公司的战略定位。

做"大脑"的，大多是AI和计算机视觉出身：王鹤（银河通用）、卢策吾（穹彻）、贾奎（跨维）、高阳（千寻首席科学家）、陈亦伦（它石）。他们的公司聚焦具身大模型、世界模型和VLA，把硬件本体视为载体而非核心。

做"身体"的，大多是机器人和机械工程出身：王兴兴（宇树）、Hurst（Agility）、Paine（Apptronik）、韩峰涛（千寻）。他们的公司从运动控制和本体设计入手，强调硬件的可靠性和性价比。

做"手脚"和"关节"的，是零部件领域的隐形冠军：左昱昱（绿的谐波/减速器）、常建鸣（鸣志/电机）、许晋诚（帕西尼/触觉传感器）、王煜和段江哗（戴盟/触觉传感器和灵巧手）。他们不做整机，但所有整机公司都离不开他们。

还有一类是"全栈"玩家：周剑（优必选）从伺服舵机做到整机做到AI大模型，彭志辉（智元）试图整合硬件、软件和数据，Figure AI在Adcock的带领下自研执行器、AI和整机组装。全栈的好处是控制力强，坏处是资源分散、对团队能力要求极高。

从战略选择来看，一个逐渐清晰的趋势是：行业正在走向专业化分工。王煜在接受南方周末采访时说得很直白："具身智能行业不会由单一企业整合，而是日益向专业化分工演进。"戴盟把自己定位为"触觉底座"，只做Device（硬件入口）、Data（数据）和Deployment（部署）三个层面[17]。绿的谐波和鸣志只做零部件，不碰整机。穹彻只做具身大脑，兼容各种硬件本体。

5.8 全球与本地视野：出海能力的分层

全球视野在这个行业不是加分项，而是必选项。原因很简单：人形机器人的核心零部件供应链是全球化的，主要客户也是跨国企业，顶尖人才在全球流动。

美国创始人天然具有全球视野——他们本身就在全球创新中心，用美元融资，从全球招人。Adcock的Figure AI团队来自十几个国家，Børnich把公司从挪威搬到了旧金山，Rose在加拿大创业但客户遍布美国。

中国创始人的全球视野呈现分层。有海外留学和工作经历的——王鹤、陈建宇、张巍、高继扬、陈亦伦、卢策吾、王世全、贾奎、许晋诚、段江哗——对全球技术前沿和学术网络有直接感知，他们的公司在融资和人才招聘上也更有国际竞争力。王鹤在斯坦福的导师Guibas是几何计算领域的泰斗，这种学术网络本身就是一种全球化资源。

没有长期海外经历的创始人——王兴兴、周剑、彭志辉、程昊、赵同阳、杨华——也在通过其他方式建立全球视野。宇树的四足机器人已经卖到了全球几十个国家，海外收入占比很高。优必选在2016年春晚之后就开始了国际化。追觅的产品本身就是面向全球市场的消费电子。

欧洲创始人则面临一个结构性困境：本土市场小，风险资本远不如美国和中国充裕。PAL Robotics在巴塞罗那活了二十多年，但规模始终做不大。Aldebaran被软银收购后又被转卖，最终破产被中国企业收购。欧洲的教训是：仅有技术和理想是不够的，你需要一个足够大的统一市场和足够多的耐心资本来支撑一个长周期产业。

多视角审视：六种眼光看这群人

6.1 投资人视角：赌赛道还是赌人？

在具身智能领域，投资人的决策逻辑正在从"赌赛道"转向"赌人"。

原因是赛道已经不需要赌了。到2026年，几乎所有主流投资机构都认可人形机器人是一个长期方向，分歧只在时间节点和落地路径。真正的不确定性在于：谁能执行出来？

从投资回报的角度看，几种创始人类型各有优劣。连续创业者（Adcock型）融资能力强、团队组建快，但估值也高，早期进入的门槛已经被抬高。科学家创始人（王鹤、陈建宇型）技术壁垒深，但商业化能力需要验证，通常需要搭配一位产业型合伙人。制造业老兵（左昱昱、常建鸣型）估值合理、现金流稳定，但增长速度可能不如纯软件公司。跨界闯入者（赵同阳型）最容易被低估，但也最容易带来惊喜。

一个值得关注的信号是：产业资本正在加速入场。比亚迪入股帕西尼，蓝思科技周群飞个人投资跨维，蚂蚁集团领投戴盟，腾讯早年投资优必选，TCL和商汤投资帕西尼。这些产业资本的到来，不仅带来了资金，更重要的是带来了应用场景和供应链资源。它们的投资逻辑与财务投资人不同——它们不追求短期回报，而是在为自己的供应链和未来业务卡位。

6.2 产业专家视角：技术路线的选择与赌注

做了二十年产业研究，我越来越相信一件事：技术路线的选择比技术本身的先进程度更重要。

Raibert在Boston Dynamics坚持了三十年的液压驱动和动态平衡路线，技术上无可挑剔，但成本高昂、难以量产。Hyundai收购后，公司开始转向电动执行器，但这个转身并不轻松。Agility的Hurst选择了"被动动态步行"路线，Digit的行走效率在行业中领先，但双足机器人在商业场景中的可靠性仍然需要验证。

特斯拉走的是视觉为主、垂直整合的路线，Optimus不使用LiDAR，全部依赖摄像头和神经网络，这与FSD的哲学一脉相承。Figure AI和1X都在探索"遥操作数据采集→模仿学习→自主操作"的路径。穹彻智能走的是"以力为中心"的差异化路线，与主流纯视觉路线形成对比[21]。戴盟和帕西尼都在赌触觉的价值——如果没有触觉，机器人在接触类任务中的表现将永远无法接近人类[17][24]。

这些路线之争在2026年还没有答案。可能的结果是：不同的路线适用于不同的场景，不会有一个"赢家通吃"的方案。但对创始人来说，路线选择意味着资源的巨大投入和机会成本，这个赌注一旦下了就很难回头。

6.3 创业者视角：孤独、现金流与生死线

和这些创始人聊得越多，越能感受到一种共同的气质：对"活下来"这件事的执念。

周剑在最困难的时候个人只剩几千元，被称为深圳"四大骗"之一[9]。常建鸣从国企下岗后凑钱创业，用了十五年才拿下第一个核心专利。顾捷放弃百万年薪，带着积蓄和借来的200万元创业，第一代产品出来后找不到客户，靠之前积累的行业资源才敲开三甲医院的门。Kovac在Tesla向Musk汇报PPT时被骂"无聊"，气得准备辞职，被同事拦下来喝了顿酒才留下。

这些故事不是鸡汤，它们揭示了一个事实：在硬科技领域，创业的大部分时间不是在发布会上聚光灯下，而是在车间里调参数、在投资人办公室被质疑、在现金流断裂的边缘找下一笔钱。

对正在考虑进入这个领域的创业者，几个实际的观察。第一，找到一个你比任何人都懂的细分方向，无论是谐波减速器的齿形设计还是触觉传感器的材料工艺，深度比广度重要。第二，在融资容易的时候多拿钱，不要太在意估值稀释——这个行业的研发周期比大多数人想象的长。第三，找一个和你能力互补的联合创始人，科学家找一个懂产业的，工程师找一个懂商业的，不要试图一个人搞定所有事。第四，尊重制造业的规律——软件可以快速迭代，但硬件的量产、良率和供应链管理没有捷径。

6.4 HR专家视角：人才结构与组织能力

从人力资源的角度看，具身智能公司面临一个核心矛盾：它们需要同时雇佣三类完全不同的人——AI研究者、机器人硬件工程师和制造业产业工人，而这三类人的文化、语言和激励机制截然不同。

AI研究者习惯了学术界的自由探索和论文发表，硬件工程师关注的是可靠性和成本，产业工人需要的是标准化流程和质量管理。把这三种文化融合在一家公司里，是对创始人管理能力的巨大考验。

从人才来源看，几个趋势值得关注。一是"自动驾驶→具身智能"的人才迁移正在加速，陈亦伦、李震宇、丁文超、高继扬都是典型代表。二是"华为系"在中国具身智能公司中形成了一个庞大的校友网络，智元至少5位合伙人来自华为，华为在计算产品线和智能驾驶领域积累的人才正在外溢。三是"海归回流"的速度在加快，王鹤、陈建宇、张巍、卢策吾、王世全、贾奎、许晋诚、段江哗都是在海外顶尖高校拿到学位或做过研究后回国创业。

在组织架构上，"科学家+CEO"的双核模式正在成为主流。千寻智能的韩峰涛（产业老兵）和高阳（AI科学家）、穹彻的王世全（产业）和卢策吾（学术）、银河通用的姚腾洲（运营）和王鹤（技术）都是这种搭配。这种模式的关键在于两个人之间的信任和权责划分——如果处理不好，很容易变成"科学家想做前沿、CEO想做收入"的内部撕裂。

6.5 教育家视角：什么样的教育能培养下一代创始人？

观察这批创始人的教育背景，能给工程教育一些启示。

第一个启示是跨学科的价值。Shelton同时学生物工程和哲学，Cardenas先读BBA再读MSTC，韩峰涛横跨自动化、控制和机器人学。在具身智能这个AI、机械、电子、材料、认知科学交叉的领域，单一学科的训练是不够的。

第二个启示是动手能力的重要性。王兴兴在研究生期间就自己做出了XDog四足机器人，程昊在清华踢RoboCup，顾捷在大学时用废旧零件拼出投球机器人拿了全国大奖。这些课外的、非功利的、纯粹出于兴趣的项目实践，比课堂上学到的任何知识都更接近真实创业的状态。

第三个启示是师承的力量。Raibert之于美国机器人，Mason之于灵巧操作，Tomizuka之于MPC，Guibas之于几何计算，李泽湘和王煜之于中国硬科技创业——这些导师不仅传授知识，更传递了一种"把技术从实验室带到现实世界"的信念和方法论。中国的工程教育需要更多这样的导师：他们自己既做学术又做产业，能给学生展示一条从论文到产品的完整路径。

第四个启示是全球化经历的不可替代性。几乎所有在技术上处于前沿的创始人都有海外学习或工作经历，这不是因为国外的教育一定更好，而是因为跨文化体验能拓宽一个人的认知边界，让他知道什么是世界一流水平，也让他建立起一个全球性的同行网络。

6.6 咨询公司视角：麦肯锡/BCG/科尔尼式的战略研判

用顶级咨询公司的框架来审视这个行业，几个判断逐渐清晰。

从市场格局看，人形机器人产业正在形成"金字塔"结构。塔尖是全栈型整机公司（Figure、Tesla、宇树、智元、优必选），它们直面终端客户，品牌和融资能力最强；塔身是"大脑"或"身体"的专精型公司（银河通用、穹彻、跨维、Agility、Apptronik），它们在某一层面有核心技术；塔基是零部件和传感器公司（绿的谐波、鸣志、帕西尼、戴盟），它们不直接面向消费者但掌握着关键的供应链节点。

从竞争壁垒看，不同层面的护城河性质不同。整机层的壁垒在于品牌、渠道和系统集成能力；大脑层的壁垒在于数据规模和模型能力；身体层的壁垒在于运动控制算法和硬件可靠性；零部件层的壁垒在于材料工艺、制造精度和专利。最持久的壁垒可能在零部件层——左昱昱花了六年做谐波减速器，常建鸣花了十五年做步进电机，这种时间积累是资本无法直接买到的。

从全球化战略看，中美两国正在形成两个相对独立但又相互交织的体系。中国在供应链和制造成本上有明显优势，美国在AI基础研究和顶级人才上仍然领先。欧洲和日本在核心零部件和学术研究上有深厚积累，但缺乏将其转化为大规模产业的资本和市场。未来十年，关键的竞争不是中美之间的零和博弈，而是谁能更好地整合全球人才、技术和供应链。

未来研判：2026-2030的五个判断

判断一：行业将经历一次洗牌，时间窗口在2027-2028

到2026年年中，全球具身智能与人形机器人公司已经超过200家，仅中国就有100多家。这个数量不可持续。

洗牌的触发因素有三个。一是资本理性回归——当大部分公司无法在2027年底前展示出有意义的商业收入，后期融资将变得困难。韩峰涛判断具身智能的"ChatGPT时刻"可能在2027年底到2028年初出现[22]，这意味着在这个时间点之前，公司需要证明自己的技术路线是可行的。二是技术路线收敛——当VLA、世界模型、数据采集等方法论逐渐标准化，纯靠"讲故事"的公司将失去差异化。三是量产能力分化——当行业从demo阶段进入交付阶段，没有制造和供应链能力的公司将被淘汰。

这不是说大部分公司会倒闭。更可能的结果是：少数头部公司通过IPO或并购继续做大，一批中层公司被产业资本收购成为大企业的机器人部门，还有一批转向垂直场景做小而美的解决方案提供商。Aldebaran的结局——从独立公司到被收购再到破产清算——是一个值得警惕的先例，但不是必然的宿命。

判断二：数据将成为比硬件更核心的竞争壁垒

2026年，一个越来越明显的共识是：人形机器人的瓶颈不在硬件，而在大脑；大脑的瓶颈不在算法，而在数据。

千寻智能已经在全国100多个城市部署了40多万个数据采集点，1000多名工作人员携带穿戴式设备深入家庭、工厂和酒店采集真实动作数据[22]。帕西尼构建了覆盖五大区域的全模态数据采集工厂集群，形成近百亿级高质量数据产能。戴盟发布了全球最大的含触觉全模态物理世界数据集Daimon-Infinity[17]。穹彻自研了外骨骼式数采设备CoMiner和便携式采集单元RoboPocket。

数据采集正在成为一个重资产、重运营的基础设施业务，这对初创公司构成了很高的门槛。未来的竞争格局可能是：少数几家公司建立起大规模数据网络，通过数据飞轮持续优化模型，其他公司则需要通过合作或购买来获取数据。这与自动驾驶领域的发展轨迹高度相似——Waymo、Tesla和百度等公司靠海量路测数据建立了后来者难以追赶的壁垒。

判断三：触觉和灵巧操作将成为下一个技术突破口

经过2024-2026年的发展，人形机器人在行走、导航和视觉感知方面已经取得了显著进步，但在灵巧操作方面仍然非常初级。一个机器人可以在崎岖地形上保持平衡，却很难可靠地拿起一个鸡蛋而不捏碎或滑落。

这正是触觉的价值所在。王煜和戴盟团队提出的"触觉锚定世界模型"（Tactile-grounded World Model）将触觉从事后反馈推进到事前推演。帕西尼的6D霍尔阵列式触觉传感器可以同步捕捉15种物理信息，采样率达到百万次/秒。穹彻走的是"以力为中心"的路线，认为纯视觉无法解决柔性物体操作和精密装配的问题。

李飞飞团队近期发表的T-Rex研究也表明，触觉是一条独立、高频的物理感知通道，简单地将触觉信号拼接到VLA架构中不一定有效，需要独立的高频触觉通路。这些研究正在把触觉从"锦上添花"推向"必不可少"。

未来两到三年，谁能在触觉传感器、触觉数据和触觉智能三个层面同时建立能力，谁就有可能在灵巧操作这个"最后一公里"上取得决定性优势。

判断四：中国供应链优势将转化为全球市场份额

中国在人形机器人领域的最大优势不是AI算法——虽然这方面也在快速进步——而是完整的制造业供应链。

绿的谐波打破了哈默纳科在谐波减速器上的长期垄断，鸣志在步进电机和空心杯电机上做到了全球第二，帕西尼和戴盟在触觉传感器上实现了全球领先的出货量。这些零部件企业的成长，使得中国整机公司在成本控制和供应链安全上具有天然优势。

王兴兴的宇树把四足机器人的价格打到了全球同类产品的几分之一，G1人形机器人售价9.9万元人民币，这个价格是欧美同行无法想象的。成本优势不是低价竞争的代名词，它意味着更大的潜在市场和更快的迭代速度——你可以卖出更多台机器人，收集更多数据，然后用数据改进下一代产品。

未来五年，中国的人形机器人企业将在全球市场中占据越来越大的份额，尤其是在中小企业和新兴市场。但在高端工业场景和前沿AI研究方面，美国企业仍然保持领先。全球市场很可能形成"中国做量、美国做尖、欧洲和日本做核心零部件"的分工格局——至少在短期内如此。

判断五：创始人的终极考验不是技术，是组织进化能力

最后一个判断回到"人"本身。

观察这些创始人，一个残酷的事实是：把公司从0做到1所需要的能力，和从1做到100所需要的能力，几乎完全不同。

Raibert是伟大的技术先驱，但Boston Dynamics在他任内始终没有找到可持续的商业模式，直到Hyundai收购后才开始认真考虑商业化。Adcock是卓越的融资者和人才整合者，但Figure AI能否从一个研发机构变成一家能大规模交付产品的企业，还有待验证。王兴兴是天才工程师，但宇树从几十人扩张到上千人后的管理挑战，是他从未面对过的。彭志辉是科技偶像和技术天才，但智元的日常运营主要靠邓泰华这样的华为老将。

能够穿越这两个阶段的创始人，通常具备两种特质。一是极度的学习能力——他们能在短时间内补上自己不擅长的领域，不管是财务管理、组织设计还是全球运营。二是知道自己不擅长什么，并找到比自己更强的人来补位——邓泰华之于彭志辉，姚腾洲之于王鹤，韩峰涛之于高阳，王世全之于卢策吾。

未来五年，这个行业最大的风险不是技术失败，而是组织失败。当一家公司从50人扩张到500人再到5000人，当收入从0变成10亿再变成100亿，当产品从demo变成量产交付，创始人需要完成从"超级工程师"到"组织建设者"的蜕变。这个蜕变的成功率，在任何行业都不高。

但总有人能做到。而那些做到的人，将定义下一个十年的机器人产业。