放弃高薪组局，瞄准具身智能的核心矛盾
核心成员合计放弃年薪总包近4000万元，其中创始人李健雄个人放弃的最高年薪总包接近千万元——这是清华AIR首届博士李健雄创立的本溯智能的创始团队“入场券”。李健雄刚从清华大学智能产业研究院（AIR）博士毕业，便创立了具身智能公司本溯智能（BASAL），目前已拿到五源资本领投，常春藤、线性资本、华山资本跟投的融资。团队核心成员包括清华AIR副教授詹仙园（任首席科学家），以及7名长期合作的年轻研究者。这些人组局前，均拿到字节跳动TopSeed、英伟达、小米等企业的高薪offer，还有海外高校的博士录取机会，放弃的年薪总包加起来近4000万，李健雄个人放弃的最高年薪接近千万元。
弃语言押动作，走非主流的具身路线
现在具身智能的主流路线是“预训练基模+后训练部署”，这套在工厂标准化场景能跑通，但只要环境、物体或作业流程变了，机器人就得重新采集数据、重新训练。面对现实世界无穷的长尾场景和任务，这条路的规模化天花板显而易见。本溯智能直接给出判断：主流路线本质是工业自动化的延伸，不是真正的具身智能。他们认为，真实世界中与物理环境交互的动作信息，很难用语言完整准确描述，现有以语言为中心的VLA路线，在精细操作和跨场景泛化上有先天局限。
所以他们选了“动作原生的In-Context具身基础模型”，把动作当模型的核心表达方式，不用语言，模型大部分容量用来生成动作，通过长上下文组织机器人的连续物理交互，让机器人能根据此前的动作结果、失败反馈，持续调整后续决策。支撑这套路线的，是团队的两项核心技术：X-VLA只用不足1000小时预训练数据，就从400多支队伍里突围，拿到了IROS2025智元机器人挑战赛总冠军；ODEWorld是连续物理时间的隐空间建模，为长时序物理信息表达和机器人的In-Context学习提供技术基础。
从竞赛到落地，要闯的关还不少
本溯智能盯着的是行业真痛点：越来越多企业愿意引入机器人，但换一个场景就要重新训练的成本，大部分企业扛不住。如果他们的In-Context具身学习真能落地，部署成本会随机器人学习经验积累持续下降，而非随场景增多线性攀升，这是这门生意最诱人的地方。
现在他们在学术上已经有IROS冠军的成果，但要落地还得闯两关：一是说服客户接受“动作原生”的交互方式——毕竟现在主流叙事是“机器人听懂人话”，客户习惯了语言指令，得证明动作原生模型集成进现有产线并不难；二是把“几分钟现场学习”的能力，在更多真实场景、更多本体、更多任务类型里持续验证。
当具身智能还在为“要听懂人话还是要会做动作”纠结时，本溯智能的非主流路线，会不会是打破规模化瓶颈的钥匙？
素材来源：雷峰网 · AI情报、融资并购、AI应用落地、具身智能
查看报道原文
本文由 WeValue 情报引擎基于公开报道整理改写
发表第一条评论吧