原力灵机×Atomix合并，搬箱子才是具身智能的成人礼

文 | 智能相对论

作者 | 叶远风

6月5日，由原旷视联合创始人、前CTO唐文斌创办的具身智能公司原力灵机官宣了两件事：通过股权并购方式完成与物流机器人公司Atomix的合并，同步关掉一轮阵容夸张的战略融资——阿里巴巴、智谱、阶跃星辰、商汤，加上华勤、上汽恒旭等产业资本，数十家机构集体入局。

行业公关稿的写法相信很多业内人士已经看过了——"国内首个模型公司与场景公司的双向奔赴""顶尖大模型厂商集体押注""率先拿到具身智能规模化落地的入场券"。唐文斌本人的原话也被整齐地排在了每一篇通稿里，"模型与场景从来不是孤立存在的"。

但这些话术掩盖了一个更有趣的事实。

原力灵机CEO兼创始人唐文斌

Atomix这个东西，本来就姓唐。

它的业务根基就是唐文斌当年在旷视亲手搭起来的"河图"智慧物流体系，2024年从旷视体系独立拆分出去，现在又通过并购回到了唐文斌的新公司里。与其说这是一场浪漫的产业联姻，不如说这是一个创始人把自己之前做过的业务换了个壳重新组装了一遍，然后用"具身大模型×真实场景"的新叙事，撬动了阿里、智谱、商汤的钱包。

必须说明的是，这没什么不光彩的。

事实上，恰恰是这种"不装"的操作方式，比满大街"颠覆物理世界"的Demo更接近具身智能真正的破局路径。

但也正因为它太务实，你反而能看清这个赛道里绝大多数玩家正在回避的几个问题。

"数据死结"是真的，"合并破局"是半真半假

具身智能圈子里有个共识性抱怨——训练具身大模型需要海量真实交互数据，可你没有好模型就铺不了足够多的机器人，铺不了机器人就没有数据，于是陷入鸡生蛋的循环。这就是俗称的"数据死结"。

原力灵机给出的答案是用并购跳过这个循环。

Atomix那边有什么？托盘四向车销量全球第二、落地20余国近百个品牌、客户名单里有优衣库/可口可乐/蜜雪冰城、日均出货60万件以上的真实仓库网络。把这些已经跑着的硬件变成"数据采集终端"，DM0的2.4B参数模型就有源源不断的真机数据喂进去，飞轮就转起来了。

听起来完美。

但如果你在行业里待过，就会知道"有了硬件网络"和"能从中榨出可用的具身训练数据"之间，隔着一座山。

仓库里的托盘四向车干的是相对结构化的搬运调度任务，它的传感器流、故障日志、运行轨迹数据当然有价值——但对训练一个需要"亚毫米级精细操控"的具身大模型来说，这些数据大概率得重新定义采集策略、加装传感套件、改写嵌入式数据管道。

换句话说，Atomix的数据金矿目前更多是已存在的数据原料，要把它变成原力灵机需要的训练语料，还得投入一大笔工程成本和现场协调成本。

所以合并解决的核心问题，与其说是数据死结，不如说是准入资格——它让一家成立仅一年出头（2025年3月成立）的模型公司，跳过"求别人让我部署"的阶段，直接拥有了在自己控制的硬件网络上做实验的法理地位和运维通道。

这才是关键。数据死结是技术叙事，控制权才是商业叙事。

阿里、智谱、阶跃星辰、商汤为什么同框了

这轮融资名单值得单独拎出来说。

智谱和商汤，在纯软件大模型的战场上，关系不需要我来描述。阶跃星辰背后是StepFun系的新锐势力。阿里巴巴则是另一个量级的存在。这四家出现在同一张term sheet上，不管deal structure里每个人占多少，它本身就是一个罕见的政治事件。

它们在押什么？

答案藏在唐文斌这个人身上，也藏在Atomix的客户网络里。

具身原生大模型DM0执行亚毫米级工装上料任务

原力灵机对外讲的是"具身原生大模型DM0""亚毫米级操控""开源框架Dexbotic服务全球千名开发者""与HuggingFace联合发起RoboChallenge平台支持全球超8万次测试"。但这些技术资产对阿里/智谱/商汤来说，核心价值可能不在"谁的模型更强"——毕竟这四家里任何一家都有能力自己做具身方向的研发。

它们的真实诉求更像是买一张实物世界的期权。

具身智能走到2026年中，所有人都看明白了，下一阶段的胜负手不在benchmark曲线上，而在谁能把模型权重塞进真实运转的产线和仓库里。阿里有云和渠道但没有自己的物理终端网络。智谱有模型能力和政企关系但缺物理场景抓手。商汤做SenseRobot做了很多年但始终没有一个"日均出货60万件"的规模化流量入口。

原力灵机×Atomix给了它们一个共同的东西——一个已经在优衣库和可口可乐仓库里跑着的、可控的实验床。

你甚至不需要把这笔投资理解为"它们相信原力灵机的模型天下第一"。理解为"它们在竞品之前抢到了一张进入物理AI基础设施层的联票"，更符合大厂的行为逻辑。

顺便说一句，这种"竞品同框投一家"的现象，在历史上往往标志着一个赛道的叙事已经从"谁的技术牛逼"切换到"谁能先跑通商业闭环"——而这个阶段，通常紧接着一轮洗牌。

同一季里，Skild AI干了同一道题

如果你想判断原力灵机×Atomix到底是天才手笔还是精心包装的叙事，最好的参照物不在国内，在匹兹堡。

2026年4月15日，估值超140亿美元的具身AI明星Skild AI宣布收购Zebra Technologies的机器人自动化业务——也就是曾经的Fetch Robotics，那个在美国仓库里摸爬滚打了近十年的AMR老兵。Zebra当年花2.9亿美元买下Fetch，折腾几年后发现硬件利润率撑不住研发burn，在2025年末SEC文件里把这块标记为disposal，最终被Skild接走。

交易条款没披露，但Skild CEO Deepak Pathak的话说得直白——他们要的是Fetch/ Zebra留下的车队、调度平台Symmetry、客户关系、和多年现场部署经验，用来给Skild Brain这个"omni-bodied"通用大脑提供一个真实仓库作为操场。

这个镜像关系其实很清晰：

两边的底层判断完全一致：通用具身智能缺的不是算力或参数规模，缺的是"已被授权进入真实物理场景并能持续采数据"的组织形态。纯模型公司买不到这个（客户不会让你随便摸），纯硬件公司长不出这个（基因不对）。所以要么你自己早年埋了个硬件业务然后把它并购回来，要么你等一个工业巨头对硬件业务失去耐心时抄底。

Skild那边的讽刺意味甚至更浓——Zebra花2.9亿买Fetch想做"仓储生态王者"，四年后发现赚不到钱，甩给了一家AI公司当"数据飞轮素材"。

这说明另一件事：硬件本身在具身智能时代未必值钱，值钱的是硬件背后的"场景通道权"——而且这个通道权的有效期，取决于客户续约合同，不取决于你有多少台车停在仓库里。

"可复制性"是这个行业最大的幻觉

每次出一个标志性的deal，就会有一批自媒体和人写"XX模式将重塑行业"。冷静点。

原力灵机×Atomix这条路径，全球范围内能被有效复制的次数大概是个位数。

原因很实——你得同时满足（1）有一个成规模的、可合法采数据的物理场景网络；（2）有一个能写具身大模型且团队足够硬的算法组；（3）这两个东西能被放进同一家公司而不互相拖死；（4）客户愿意让你在它的仓库里做"模型迭代实验"而不掀桌子。

这四个条件里，第（1）条就把99%的玩家筛掉了。

物流机器人赛道里能达到Atomix这种"20余国/近百品牌/年营收近十亿"量级的独立公司，两只手数得过来，而且大多数已经被ABB、极智嘉、海康、快仓这些大厂/准大厂体系吸纳或深度绑定。剩下那些中小集成商？有场景但没规模，有规模但数据架构一团糟，有数据架构的——客户合同里写了不允许第三方拿数据训练竞品模型。

更要命的是第（3）条，这是大多数人低估的部分。模型公司的人和硬件/交付公司的人，进了同一家之后的头六个月，不是在搞AGI，是在搞谁有权限改PLC参数、谁来决定明天凌晨三点能不能推一个新模型版本到产线上。这类冲突在并购整合中属于"结构性摩擦力"，你不经历一次不知道有多磨人。

原力灵机这边有个天然优势——两边本来就是同一拨人的前后世，从河图到Atomix再到原力灵机，说白了是分久必合，换了别的纯AI团队去并购一个陌生硬件公司，文化裂缝能把数据飞轮磨成粉末。

所以你看到的结果会是——接下来半年一定会有follow-on deal，有人喊"我们也做模型×场景合并"，但真正能把飞轮转起来的，可能就那么两三起。其余的会变成"我们并购后战略调整中"的新闻。

结语

原力灵机吞掉Atomix这件事，值得认真对待，但它值得认真对待的原因跟公关稿说的恰恰相反。

它的重要性不在于证明了"模型×场景"多么浪漫，而在于它用一次不装蒜的实操把一个事实拍在了桌面上——具身智能这个赛道里，真正稀缺的资源早就不叫GPU了，是能在别人的仓库里合法地、持续地、大规模地犯错并记录下来的权力。谁拿到这个权力，谁就跳过了一个需要用钱直接砸但砸不到的关卡。

而拿到这个权力的方式，你看，既可以是像Skild那样等一个工业巨头对硬件业务心灰意冷后抄底Fetch的残骸，也可以是像唐文斌这样，把当年自己在旷视种下的河图业务等它拆分出去转一圈，再以"具身大模型公司并购场景公司"的崭新叙事收回来。

两种方式都不性感，但都管用。

具身智能的下半场，赢的可能真的既不靠最漂亮的Demo，也不靠最多的参数，而靠谁先把物理世界的实验许可证握在自己手里，然后把嘴闭上，让仓库替它说话。

*本文图片均来源于网络