具身智能大讲堂获悉，橡木果机器人近日完成近亿元种子轮融资。融资消息公布的同时，公司首次对外披露了一套此前从未公开讲述的具身智能技术逻辑：本能驱动。

 

橡木果正式注册成立至今不到一年半，但这套技术逻辑背后的积累，已历经九年。

在行业大多数公司仍在押注VLA（视觉－语言－动作）路线的当下，橡木果选择公开表态：操作智能和语言智能，本来就是两类不同的问题。试图用同一套方法论一并解决，方向从一开始就偏了。

PART 01

从电机到神经科学：一次阴差阳错的跨界

要理解橡木果的技术路线，得先从发起人姜峣的经历说起。

2016年之前，他在清华攻读机械工程博士，研究方向是传统机器人的力学与操作。临近毕业时，他觉得这个方向已经相对成熟，“继续做下去没有太强的兴奋感”，于是选择出国做博士后，想接触前沿AI相关的东西。

 

在哈佛，姜峣所在实验室的研究核心是“人的行为”，专门研究视觉、触觉等感知能力对操作行为的影响。实验室会设计各种实验：屏蔽视觉、干扰触觉、人为制造感知偏差，然后观察操作行为如何变化。他慢慢发现，有些行为会随感知条件改变，但还有一些行为，无论怎么干扰，都不会变。

这让他得出一个在机器人领域并不主流的判断：操作能力更像是一种先天本能，背后有固定的物理机制；语言则完全相反——没有人教，就不会说话，环境教什么语言就说什么语言，高度依赖后天输入。两者底层逻辑不同，试图用大模型加大数据一套方案同时解决，就会在操作执行层上卡死。

2018年回国后，姜峣回到清华继续建设实验室，开始系统研究“从本能出发的具身操作”。团队一直在追问几个问题：机器人有没有“本能”？如果有，应以什么形式存在？研究中他们发现，许多本能由触觉驱动，手碰到尖锐物体会立刻缩回，这是触觉刺激触发的行为反射，不依赖视觉，也不依赖训练数据。

PART 02

九位清华博士，八年持续打磨，每年只招1人！

橡木果目前核心技术团队共九人，其中包括发起人姜峣（清华大学博士、哈佛博士后）及另外8位清华大学博士，年龄各差一到两岁，基本覆盖95后到00后区间。姜峣2018年回国后在清华重建实验室，团队核心成员陆续加入，到公司成立时，部分成员共同共事时间已超过数年，整体团队积累超过八年。

在当前具身智能赛道，这种组队方式并不多见。同期成立的多数初创公司拿到融资后迅速扩张，靠高薪从大厂挖人。橡木果的做法完全相反，实验室过去每年只招一名新成员，筛选从学生大二时就开始启动。

筛选标准分两层。第一层看能力：实验室非常看重理论基础，很多成员本科阶段就已发表过论文。第二层更关键，看意愿：姜峣会花很长时间跟候选人聊，判断对方是否真的愿意做一件“可能十年才看到成果”的事。能留下来的人，通常经历了至少一年的观察和磨合。

进组还有一道特殊机制：新成员加入时，实验室原有的博士生必须全体认可。逻辑很简单，大家未来要长期背靠背共事，信任感比能力更难建立。

 

姜峣对此有一句话说得直接：“真正重要的不是招到了多少人，而是这几个人之间已经建立了长期共同工作的信任感。这种东西很难复制。”技术路线可以被模仿，专利可以被绕开，但一支磨合了八年的博士团队，时间无法压缩。

PART 03

首单500万：零数据冷启动的商业化验证

技术路线的争论，最终要落到产品结果上。

2026年橡木果拿到了第一次商业化验证。客户是一家全球头部化妆品ODM厂商。化妆品行业换产频繁，产品规格、包装形式、摆放状态经常变，传统自动化一旦遇到换型就要重新调试。这家工厂此前接触过不少自动化团队和具身智能公司，效果都不理想。

橡木果接手后，任务是让机器人抓取、旋拧、放置形状和材质各异的化妆品瓶罐。实际开发时间只有一个多月：过年签约，三月实施，四月完成POC验证，随后拿到订单，金额突破500万元。

推进这么快，靠的是Natus操作系统的“零数据冷启动”，不需要提前积累场景数据，直接在真实环境里适配操作任务。这针对的正是VLA路线最难绕开的问题：数据依赖。

 

姜峣团队做过一次直接对比。同一个装配任务，他们用VLA和模仿学习的方式在仿真环境里训练了约十万次，再迁移到真实环境。工况稳定时表现不差，某些固定场景里效率甚至更高。但条件一变，孔径稍小一点、换一批零件、装配误差略有偏移，系统就开始不稳定，有时要重新训练，有时直接卡死。橡木果的系统在未使用该场景预训练数据的前提下从零数据出发，在对方训练了十万次的同一任务上，靠自主探索同样完成了操作。

选择工业柔性制造作为首批场景，而不是眼下资本热度更高的人形机器人赛道，姜峣的判断很直接：标准化产线已经被传统自动化优化得很成熟，替代空间有限；柔性制造换产频繁、现有方案薄弱，才是“操作本能”真正能发挥价值的地方。

PART 04

质疑最多的时候，恰恰是最好的入场时机

姜峣花了将近八年才真正开始融资，这件事本身值得琢磨。他认为，一个过早暴露的技术判断，在市场共识形成之前，只会被当成异类。

去年VLA热度最高的时候，站出来说“操作智能和语言智能可能是两种不同的问题”，几乎没有人愿意听，不是因为这个判断错，而是因为资本已经重仓了另一条路，没有人想在中途回头。姜峣自己也说，有些投资人“听懂了，但不太敢接受”。这句话的潜台词是：不是认知问题，是仓位问题。

但现在，timing 到了——VLA在操作执行层上的瓶颈正在被越来越多人看到。数据依赖、场景泛化弱、工况稍变即崩，这些问题在当前工程阶段较难通过简单优化解决，是否属于路线本身的结构性缺陷，业界尚无定论。姜峣选择此时公开，不是在逆势，而是在等一个共识正在松动、但新方向还没有被抢占的窗口期。“这个窗口不会太长”。

真正的问题在于，产业端的接纳逻辑从来不是“哪条路线更优雅”，而是“谁先稳定跑通”。化妆品工厂那个案例说明了什么？说明工业客户其实不关心你的技术哲学，他们只问一件事：能不能7×24小时不出问题，成本比人工低。“零数据冷启动”的价值，不在于它理论上多先进，而在于它把从签约到交付的时间压到了一个多月，这是传统自动化和VLA路线都做不到的事。

这才是橡木果真正的入场券。

但从这里往前走，有一个更大的考验等着他们：单点突破能否变成体系优势。

抓取能力做扎实了，下一个场景怎么迁移？触觉传感器的成本和良率能否支撑规模化部署？当客户从一家变成一百家，系统的稳定性能否保持？这些环节，任何一个掉链子，技术路线再正确也会被工程能力拖累。

具身智能真正的商业化战场，在一条又一条产线上的连续运转。橡木果现在站在门口，已经拿到了第一张入场券。