地平线前高管牛建伟下场：叮当动力要给机器人补上“空间大脑”

具身智能这条赛道又来了一个熟面孔。

据AI科技评论消息，前地平线智能座舱产品线总经理牛建伟已正式创立通用具身智能公司「叮当动力」。这家公司把方向押在空间大模型与机器人通用大脑上，并已完成数千万元种子轮融资。本轮融资由智驾科技公司地平线领投，正景基金跟投。

这笔融资的看点不只在金额。更关键的是，叮当动力创始团队来自地平线、阿里、头部车企以及顶尖科研机构，创始人牛建伟又是地平线早期核心成员之一。地平线亲自领投，多少带着一点“老战友再创业”的意味，也说明汽车智能化链条里的算法、芯片、量产经验，正在向机器人与具身智能外溢。

牛建伟是谁：从GPU训练深度学习，到国产AI芯片量产

牛建伟在国内AI圈并不是突然冒出来的新名字。他长期深耕算法与芯片交叉地带，是国内较早使用GPU训练深度学习模型的算法专家，也被业内称为“国产AI芯片量产第一人”。

时间拉回到2012年前后，牛建伟在百度IDL工作。当时国内深度学习还处在早期探索阶段，他率先实现了基于GPU的深度学习模型训练，并把深度学习技术引入语音识别，相关能力后来应用到百度语音搜索、语音输入法等核心产品里。

也正是在百度IDL时期，牛建伟与地平线创始人余凯结识。余凯后来创立地平线机器人，牛建伟随之加入，负责AIoT、多模态交互等方向。此后，他长期担任地平线智能座舱研发负责人和业务总经理，参与了地平线从算法公司走向车规级芯片量产的关键阶段。

在地平线期间，牛建伟主导过多个量产项目。一个标志性案例是2020年长安UNI-T车型智能座舱软硬件方案量产。这不仅是地平线首个前装量产项目，也让国产AI芯片第一次以较大规模进入汽车前装体系。

据公开信息，牛建伟带领团队累计实现了超百万级车规级芯片量产出货，以及超千万级智能语音、图像解决方案交付。这种从算法研发、芯片适配、工程落地到量产交付的完整经验，在具身智能创业公司里并不常见。很多机器人公司擅长演示，但真正碰到供应链、成本、车规或准车规可靠性、长期运行稳定性，才会发现工程化才是硬骨头。

叮当动力押注的不是“机器手更灵巧”，而是机器人会不会想

现在的具身智能创业，很多项目还卡在操作层数据上。机器人叠衣服、搬箱子、拧螺丝、开抽屉，每一项技能都要采集数据、训练模型、调参优化。演示视频看起来越来越顺，但换个环境、换个物品、换个任务描述，泛化能力马上露出短板。

牛建伟对这个问题的判断很直接：如果只是不断教机器人做孤立动作，本质上是在做行为模仿，而不是让机器人获得智能。他用一个比喻解释这件事——“你无法通过让小学生搬箱子，搬出一个具备逻辑思维的大学生”。

叮当动力的核心观点是，具身智能不应该只从“感知到动作”这条链路往下钻，而应该先把“思考”补上。数字世界里，大模型已经展现出接近大学生水平的语言理解、推理、工具调用和多模态处理能力。机器人行业如果完全绕开这套能力，重新从底层操作数据开始摸索，效率并不高。

所以，叮当动力提出的路线并不是再造一个会做单项技能的机器人，而是做“机器人通用大脑”。它希望把空间智能大模型作为中枢，再通过物理Agent连接真实世界中的本体、传感器和工具，让机器人能理解环境、拆解任务、调用技能，并在真实场景里不断积累经验。

“空间智能大模型 + 物理Agent”：叮当动力的技术架构

叮当动力给出的技术框架可以概括为三层：空间智能大模型、物理Agent、本体Skills/工具集。

如果用更接地气的方式理解，空间智能大模型负责“看懂和想明白”，物理Agent负责“规划和调度”，Skills/工具集负责“把动作做出来”。这套架构的重点，是把大模型的推理能力和机器人本体的执行能力拆开，再通过工具调用方式连接起来。

空间智能大模型：作为具身智能系统的大脑，负责场景理解、任务推理、主动决策以及人与环境的语义关联。
物理Agent：负责把用户意图转化为可执行计划，在真实环境中根据反馈调整策略。
本体Skills/工具集：对应四足机器人、轮臂机器人、人形机器人等不同硬件的具体动作能力和工具能力。

这背后有一个很现实的行业判断：直接训练端到端机器人模型，往往需要大量真实世界数据，而真实世界数据昂贵、难采、难标注、长尾场景极多。相比之下，LLM与工具解耦的架构可以更直接地继承大模型的Scaling Law，让模型能力随着基础模型演进而继续增长。

叮当动力还强调在线学习能力。传统机器人训练更多依赖离线数据，一次训练后部署到现场，遇到新情况就容易发懵。Agent架构则有机会在应用过程中持续接收环境和用户反馈，形成新的经验积累。比如同一台社区服务机器人，跑得越久，越了解小区路线、用户习惯、常见异常和物业流程，这就是物理世界里的数据飞轮。

牛建伟此前在大模型方向也有积累。2023年，他曾提出Post-training理念，在仅增加1%预训练数据的情况下，明显提升模型在垂直领域的理解能力与工具调用能力。这一点与叮当动力现在强调的“通用大脑 + 工具调用”路线有延续关系。

为什么是空间智能，而不是再造一个人形机器人？

叮当动力没有把自己限定在某一种机器人形态上，这是一个很耐人寻味的选择。

当下市场热度最高的是人形机器人。资本喜欢，媒体喜欢，短视频也容易传播。但从真实落地看，人形并不一定适合所有场景。社区巡检、商业配送、家庭辅助、园区服务，可能分别更适合轮式、轮臂、四足或其他复合形态。硬件形态会变，真正能跨场景迁移的，是理解环境和调度能力。

叮当动力的产品规划因此锚定“机器人通用大脑”。它希望打造一个具备强通用理解力和跨形态适配能力的智能底座，让同一套大脑模型能适配四足机器人、轮臂机器人、人形机器人等多种本体。

这个路线的好处是商业化弹性更大。公司不必在早期重压某一类硬件形态，也能与不同机器人本体厂商、场景方合作，把核心能力嵌入对方系统。对一家种子轮公司来说，先守住“智能底座”这个位置，比一上来就烧钱造完整机器人，风险更可控。

落地场景先看家庭、社区和商业

叮当动力目前重点关注三类场景：家庭、社区和商业。这三个场景看起来都离普通用户很近，但难度并不低。

家庭场景高度非标。每个家庭的空间布局、物品位置、用户习惯都不同，机器人必须具备长期记忆和个性化适应能力。社区场景则考验路径规划、巡检、交互、异常识别和物业流程衔接。商业场景更看重稳定性、效率和成本，客户不会为“会聊天”买单，只会为可量化的服务能力付费。

据原文信息，叮当动力已与某头部产业方达成合作意向，双方计划基于真实社区场景推进POC项目验证。POC不会直接证明一家公司已经跑通商业化，但它能暴露真实问题：机器人能不能在开放环境里稳定运行，能不能处理人类含糊的指令，能不能把任务结果交付到业务系统里，运维成本会不会吞掉价值。

这也是具身智能从演示走向产品时绕不开的一关。实验室里完成一次任务，和在真实社区连续跑三个月，是两件事。

地平线领投背后的信号

地平线投叮当动力，有人会把它看作单纯的前员工创业支持。但从产业链角度看，这个动作也有更深一层的指向。

地平线过去几年一直围绕智能驾驶和智能座舱构建芯片、算法与工具链能力。汽车是目前AI芯片和边缘智能最成熟的大规模落地场景之一，而机器人很可能成为下一个需要“感知、决策、执行”闭环的硬件平台。两者底层能力并不完全相同，却有不少共通之处：多传感器融合、实时推理、低功耗计算、边缘部署、量产可靠性，以及对场景数据的持续迭代。

牛建伟的经历正好横跨这些环节。他既做过深度学习算法，也做过车规级芯片量产，还负责过智能座舱这种强交互产品。叮当动力如果要做机器人通用大脑，这些经验会比单纯的模型训练背景更贴近落地。

当然，空间智能大模型能否真正变成机器人行业的基础设施，还要看几个硬指标：复杂场景泛化能力、工具调用可靠性、真实世界数据闭环效率、硬件适配成本，以及客户是否愿意为“通用大脑”持续付费。概念已经不缺，缺的是能长期运行、能规模复制、能把成本压下来的产品。

叮当动力选择从社区POC切入，是一个相对务实的开端。这个场景足够复杂，又比完全开放城市环境可控；有真实业务需求，也容易沉淀重复任务。接下来要看的，是这套“空间智能大模型 + 物理Agent”架构能不能在真实世界里跑出稳定的任务闭环，而不是只停留在漂亮的架构图上。