AI 科技评论独家获悉，前华为 " 天才少年 "、华为 2012 实验室诺亚方舟实验室技术专家楼燚航已于近期离职，创立具身智能大模型与推理系统公司——引力蓝移（Gravity Blueshift）。

引力蓝移的定位是面向具身智能构建 " 具身大脑 "，做开放生态中易集成、可共同交付的平台型合作方，而非垂直整合的终端玩家。这一定位避开了本体制造的重资产竞争，但代价是商业化将高度依赖生态伙伴。

目前，该公司工商信息尚未完全披露，团队也仍处于组建期，据可靠消息，楼燚航曾表示 " 未来 6 个月的主要任务之一就是搭班子。"

公开资料显示，楼燚航 2020 年以 " 天才少年 " 身份加入华为，曾任 2012 实验室诺亚方舟实验室技术专家，先后供职于华为云、ICT 及大模型部，负责过计算机视觉、研究落地、多模态基座等方向，并管理过百人以上的 AI 交付与研究创新团队。

据 AI 科技评论了解，引力蓝移的核心成员名单包括：地平线 HSD 1.6 端到端团队负责人、Kimi 预训练成员、前海思 AI 芯片架构师，以及字节北美多模态空间理解成员（长期顾问）。

这份名单覆盖大模型预训练、高阶智驾量产、AI 芯片架构、多模态空间理解四个方向，明显是为 " 大模型 + 硬件交付 " 准备的配置。团队的到位情况，我们会持续关注。

具身智能的技术路线目前没有标准答案。Physical Intelligence 的 π 系列走一体化 VLA 路线，Figure 的 Helix 则采用 S1/S2 双系统架构。引力蓝移站在后者一边，且走得更远。

楼燚航团队的判断是：一体化端到端模型受限于机器人的执行频率，参数规模难以做大；而物理世界的复杂度远高于 GUI 操作，对模型规模的要求只会更高。

基于此，引力蓝移采用 System Two 与 System One 分层协同的方案：

System Two：负责复杂场景理解、空间推理、replanning、subgoal 生成与长程任务规划。低频运行，参数规模因此可以扩至 200B 以上；

System One：负责高频动作输出与 subgoal 跟踪，在端侧以几十 Hz 运行。

据团队提供的内部实验，仅使用 System One 时，机械臂执行 " 打开下面抽屉 " 任务容易错开中间抽屉或出现异常行为；加入 System Two 后，模型可识别错误并通过 manual intervention 调整机械臂。

楼燚航团队同时认为，语言模型仍是智能主体，视觉模型只能涌现出较低阶智能，纯视觉或 WAM 类模型难以自主触发 self-evolving。这一判断在业内存在不小争议，特斯拉、PI 等玩家的一体化路线正是建立在相反的假设上。

引力蓝移的核心叙事，是 " 具身智能的 Scaling 拐点已经到来 "：数据 Scaling 与模型 Scaling 可以部分解耦，高阶任务将推动参数呈幂律增长。

支撑这一叙事的是一组基于 GUI Agent 榜单的推演：7B 模型通过数据 Scaling，任务完成率可从 27.6 提升至 66.4；相同数据下，模型从 7B 扩至 72B，分数从 27 提升至 62。团队据此估算：

70-80 分区间，约需 235B 参数；

80-90 分区间，需 500B 至 1T；

90 分以上的拟人水平，需数 T 级旗舰模型。

这是一套从 GUI 任务向物理世界的外推，但 AI 科技评论始终认为，物理具身任务远比简单的 UI 操作复杂，模型规模的需求只会更加显著，同时，物理具身任务是否服从同样的幂律关系，也还需要行业继续推进。

数据侧，团队规划了海量数据操作、第三视角无感采集、交互监督抽取、跨本体与跨视角数据、互联网视频与 3D 视频等来源，并强调以体系化的 taxonomy 和 evaluation 牵引迭代；本体上倾向低自由度灵巧手，理由是更利于复用裸手数据，在成本、训练难度与易用性之间取平衡。团队还主张在 Pre-train 阶段引入物理理解与规划能力，而非 Post-train 阶段 " 打补丁 "。

这些主张在方向上不算激进，真正的门槛在执行：无感采集与跨本体数据的规模、成本与合规问题，团队尚未给出具体答案。

" 交付具身模型，本质是交付具身芯片 "

引力蓝移认为，200B 以上的模型需要 PP、EP、TP 等多种并行方式与通算融合能力，当前具身公司常用的实验室级框架难以支撑。因此，尽管对外不谈芯片，团队内部已将芯片级 Infra、端侧推理效率、kernel、layout、cache 与控制电路适配列为关键能力。

AI 科技评论认为，这个提法有野心，但也意味着一笔高昂的算力账单。200B 模型的训练与部署成本如何摊薄到机器人上，将是其绕不开的问题。

引力蓝移明确表示不卖模型，而是面向终端场景与垂直节拍做真实交付：前期深度参与样板，后期沉淀为标准化能力包复制。

据 AI 科技评论了解，引力蓝移正寻求与国内工控龙头汇川形成紧密合作，机器人要量产，运动控制是绕不开的环节，汇川可在上游本体零部件与下游落地场景提供支持。据 AI 科技评论最新消息，目前汇川产投正在推进相关事宜。

按其 24 个月规划：前 6 个月组建团队并验证 Scaling；6 至 12 个月推出 40B 至 80B 模型，形成种子 POC；12 至 18 个月扩至 120B 至 200B 模型，形成可复制 POC；24 个月左右形成小规模收入。

据知情人士透露，引力蓝移第一阶段融资的估值约 2 亿美元，目前已有两家头部资本表达较高投资意愿。此外，与汇川的合作也在立项当中，推进较快。

在 AI 科技评论看来，引力蓝移的故事建立在三个待验证的判断之上：分层架构优于端到端、参数规模决定具身智能的上限、基础设施构成壁垒。

这三个判断，都面临着大量的共识与非共识。当前的具身行业里，明星履历一定能让引力蓝移缩短融资周期，但产品验证却是所有创业团队必须面临的挑战。未来 24 个月，POC 的质量与复制的速度，会是楼燚航，也是引力蓝移的重大看点。

（转载自：AI 科技评论）