36氪专访丨华为诺亚生成式大模型负责人创业家庭具身，一年融了超10亿
图片出处/企业
全文约6900字，建议阅读时长17分钟
作者丨欧雪
编辑丨袁斯来
在华为系具身智能创业公司中，诺因智能属于融资进程较顺畅的一个。
硬氪获悉，这家2025年8月成立的企业，近日宣布完成单笔数亿元人民币天使+++轮融资。本轮融资由京东相关基金领投，正心谷资本、南山战新投和华登投资跟投。距离上一轮5亿元融资，仅相隔一个多月。
在创立诺因智能之前，李银川积累了具身智能、大模型和自动驾驶三方面的研发与落地经验。25岁时，他从北理工和哥大联培博士毕业后加入华为，27岁担任诺亚方舟实验室生成式大模型方向负责人。30岁那年，他离职创办诺因智能。在他看来，家庭机器人是将大模型能力转化为实际产品的关键机遇。
2025年春晚之后，具身智能吸引了资本市场的大量关注。机器人叠衣服、倒咖啡、收拾桌子的视频频繁出现在公众视野中，让外界看到了机器人进入家庭的可能性。然而，从演示迈向日常使用，仍需面对更复杂的挑战：换一个房间、换一套杯碟、换一种家务，机器人能否始终稳定完成任务？
这正是诺因智能希望攻克的问题。李银川回忆，创业初期，行业主要聚焦于工业场景和模仿学习，而他选择了一条以泛化能力为核心、面向家庭场景的技术路线。在他看来，机器人进入家庭需要同时解决适应性和成本问题：模型必须能应对不同家庭中的任务，产品价格也要落在普通消费者可接受范围内。
为此，他们开发了技术底座GLOW，这是一套生成式具身大模型架构。它由多个模块协同，使机器人从“复现训练过的动作”逐步走向“解决未完全见过的任务”。数据方面，诺因90%采用合成数据，整体成本可降低10到100倍；训练方面，世界模型无需生成完整视频画面，也能推演动作后果；执行方面，模型单次推理可输出完整动作序列，降低调用频率。
同时，诺因智能推出了首款消费级家庭具身机器人KNOWIN-X1。它采用全折叠双臂构型，折叠后高度控制在40厘米以内，可适配桌面、地面、沙发、洗衣机等家庭空间。
KNOWIN-X1（图片出处/企业）
当然，这些产品距离大规模落地仍有相当距离。而资本持续注入，部分原因在于诺因智能的人才密度。公司在不到一年内扩展至200人以上。其中，算法团队博士及以上学历人才占比超过三分之二，半数成员毕业于QS世界大学排名前30的院校。团队已聚集多位华为“天才少年”。
对于行业前景，李银川仍持乐观态度。他认为，整个赛道近期可能会有波动，但远未到泡沫彻底破灭的阶段，关键仍在于具身大模型何时出现能力涌现。
对此，业内尚未达成共识。有人认为，机器人行业不会出现类似“ChatGPT时刻”的节点，但李银川认为，智能涌现只是时间问题。
“如果具身模型有一天真正出现能力涌现，机器人的商业价值毫无疑问会远超大语言模型，我认为可能是其10倍以上。”他告诉硬氪。
我们与李银川探讨了创业以来的思考，以及他对家庭具身智能的观察。以下是硬氪与诺因智能创始人李银川的对话。
从华为出来创业
硬氪：当初决定从华为诺亚出来创业时，你是怎么想的？决定性因素是什么？
李银川：我出来创业，主要是想打造一个全球最泛化的具身大模型，真正孵化出商业价值，因此选择了To C具身智能。在华为诺亚时，我觉得如果回去做To B、To G，对具身大模型研发的支持力度会比较有限。华为的战略仍是把昇腾做好，做好“黑土地”，让大家用昇腾，而不是把所有上层应用都自己做。所以我更希望出来做家庭机器人。
硬氪：你当时就想好了要做家庭方向吗？当时是怎么考虑的？
李银川：我当时应该算是国内较早出来讲家庭机器人的人之一。我有两个非共识。
第一，2025年上半年，大家普遍认为具身智能就是操作、模仿学习、进工厂，这是当时的共识。但我当时就在讲，我们要做能够泛化的技术路线，真正做出可泛化的具身模型，而不是过拟合。只有具备泛化能力，才有机会进入To C家庭场景。这是我们在技术路线选择上的第一个非共识。
第二，在了解了当时市场上的机器人售价后，我们有信心通过新的垂直整合方式，把机器人成本降下来。成本降下来，To C才有机会。不能一台机器人卖几十万元，那普通消费者根本买不起。
因为这两个非共识，我觉得这件事有机会，所以决定出来做。
硬氪：你说有信心把成本降下来，具体的判断依据是什么？
李银川：比如具身数据成本，我们测算过，并不是所有数据都需要通过真机操作采集，这一点现在已经逐渐成为行业共识。我们90%使用合成数据，整体成本可以降低10到100倍。
数据成本降下来之后，就是机器人本体。我们核心团队充分交流后认为，通过完整自研，而不是采购别人的零部件进行组装，同样可以把成本做得比较低。
硬氪：你们一直强调模型的泛化能力。但现在家庭机器人的基础能力还没有特别强，这个阶段强调泛化，会不会有些早？
李银川：家庭机器人现在交互能力不强，很重要的原因就是它不够泛化，所以我们才更需要做泛化模型。目前行业里很多架构并没有真正朝泛化去做，而是在比谁能把单点任务做到更好。
大部分具身公司都在发布很酷炫的Demo，但对真正落地考虑得还不够。现在的家庭机器人有点像早期自动驾驶，做出一段特定道路上的效果，就觉得L4、L5时代马上要来了，但实际上中间还有很长的路。
让家庭机器人真正落地，核心是把基础能力做到足够通用。机器人进家最难的，不是完成一次精巧的演示，而是在不同家庭里都能稳定把活干完。这件事最难，所以我们才强调要做最泛化的大模型。
硬氪：那你觉得现在具身智能行业的真实发展水位在哪里？
李银川：整个赛道其实还好。具身大模型还没有到能力涌现的时刻，但一些头部学者判断这个时间不会特别远，有人觉得是一两年，也有人觉得是三五年。
等真正出现能力涌现的时候，我认为机器人赛道的商业价值会比大语言模型更有想象力。现在大语言模型公司的估值普遍比具身公司高一个数量级，平均来看差10倍没有太大问题。它们现在的盈利也没有那么高，只是大家已经看到能力涌现之后比较明确的增长空间。
但如果具身模型有一天真正出现能力涌现，机器人的商业价值毫无疑问会远超大语言模型，我认为可能是其10倍以上。所以回头看，如果具身模型真正涌现，具身公司的估值可能还有非常大的增长空间。
整个赛道近期可能会有波动，但我觉得远没到泡沫彻底破灭的阶段，关键还是看具身大模型什么时候出现能力涌现。
硬氪：为什么你觉得现在整个行业的进展还不够快？
李银川：我觉得现在大部分具身公司，包括整个行业，还不够聚焦。大家一直沿着比酷炫Demo的方向发展，只会把市场预期拉得越来越高，但离真正交付越来越远。
如果行业能更聚焦真正有价值的场景，认真做数据，把数据量做上来，把数据成本降下来，整个行业的发展会顺利很多。
硬氪：这是不是因为大家都觉得，真正落地还很远？
李银川：对，所以这样发展下去，会导致整个行业变得不太健康。
硬氪：现在市场对具身智能的投资逻辑有没有发生变化？投资人会越来越看重什么？
李银川：我觉得很快会发生变化。此前行业处于概念验证和高预期阶段，资本更看重技术前景；但随着产品逐渐走向真实场景，市场逻辑自然会回归本质。
所以未来投资人不会再简单为团队背景买单，而会更看重企业能否真正落地到场景中，并形成可持续的商业闭环和造血能力。
硬氪：具身智能的发展很像在重复自动驾驶的故事。你觉得未来也会走类似的路径吗？
李银川：肯定会有很多相似的地方。自动驾驶公司很多，有坚持做L3的，也有一开始就要做L4的，后来确实出现了很明显的分化。具身公司也会一样。
有些自动驾驶公司一开始就定位做L4、甚至L5，我并不看好。我觉得真正商业价值最大的，反而是早期定位做L3、一步一个脚印往前走的企业。这对我们来说，也有很多可以借鉴的地方。
硬氪：你们是怎么划分机器人智能等级的？
李银川：我们之前定义过L1到L5的智能能力标准。L1更像玩具、遥控和DIY产品，有可玩的商业价值；L2可以完成基础家务，但还是有限、固定场景，比如在固定环境中完成单一任务；L3能够在一个家庭里完成较长链条的任务闭环，人可以处于待命接管状态，让机器人长时间自动运行，把整理、清洁、洗衣等任务做到比较高的成功率，想象空间可以对标一个基础的家庭助手。L4可以进一步对标保姆的大部分能力，L5则是机器人具备更加通用的能力，甚至可以完成很多原本需要人来完成的工作，这就更加遥远。
但机器人并不需要发展到L4、L5，才能产生商业价值。我们重点希望先把L3的商业价值打穿，同时持续向L4探索，验证模型的泛化能力。但现阶段过早孵化L4的商业价值，还是比较困难的。
硬氪：L4的想象空间主要在哪里？
李银川：如果真正做到L4，可能需要充分对标一个保姆的大部分能力。
但实际上，大部分消费者买机器人时，对机器人的期待并不会像对保姆一样高。如果售价不贵，能够稳定帮忙做一些家务，已经可以产生很大价值。
比如扫地机器人，大家的期待其实很明确，它能把地扫干净就可以了，但一样形成了很大的市场。如果机器人能够把很多家务做好，商业价值就已经可以孵化出来。
同时，家庭场景中的能力还可以向外辐射到一些半To C场景，比如迎宾、递水、陪伴，以及其他商业场景，并不一定需要完整达到保姆的能力。
而如果真的要像保姆一样收拾家庭，对速度、成功率，甚至做饭等能力，要求就会高很多。
硬氪：如果先做专用或特定场景，再逐步走向泛化，这条路径会不会更现实？
李银川：从技术路线来看，做专用能力对做泛化能力的帮助其实不大，两者的技术差异非常大。
有些公司可能先做专用模型，把商业价值跑通，赚到钱之后再去孵化泛化模型。从商业路径上看，这当然可以理解，就是先做简单的事情赚钱，再做复杂的事情。但从技术路线演进来看，我觉得它并不是一条自然的路径。
做过拟合的系统和做大模型，本质上是两件事。语言模型十年前就能写诗，很小的LSTM也可以写古诗、背诵内容，但真正到今天的大模型才产生巨大的商业价值。原因是它具备了更强的推理能力，能够理解人的意图，也足够泛化，生产力才真正被释放出来。
具身智能也是一样。如果大家一直拼命做过拟合场景，把所有工程师都投入到单点任务的工程交付里，这些能力不会自然沉淀到通用模型底座里。从技术路线来看，它对最终的泛化模型帮助并不大，只能说可以提前产生一些收入。
硬氪：那诺因怎么在坚持泛化路线的同时，解决商业化和收入问题？
李银川：这也是我们正在持续解决的问题。我们已经找到了一些方法，在坚持泛化大模型长期目标的同时，沿途不断找到商业价值。
并不是一定要卷过拟合场景才能赚钱。同样是在消费级、To C的很多场景里，只要能力做得足够泛化，就会有很多场景可以适配我们的机器人，我们也可以找到中间的盈利点。
只要商业模式能够跑通，我们还是会坚持走最泛化的技术路线。
硬氪：你说的中间盈利点，可以具体举个例子吗？
李银川：比如我们现在主要在做整理、清洁、洗衣这样的家务机器人，同时也可以寻找这些能力在其他场景中的应用。
硬氪：具身智能距离真正大规模商业化，还需要跨过哪些关键难关？
李银川：现在只能说，我们已经把这条路线的可行性初步跑通了。比如数据降本、本体降本，以及模型泛化能力，都得到了一些验证。
但真正做到量产，以及达到非常高的作业成功率和商业化标准，都还需要持续攻坚。
更务实的世界模型
硬氪：业内对合成数据一直存在一些质疑，你们怎么看？
李银川：合成数据关键还是看怎么用。首先，生成的数据质量够不够高；其次，数据有没有真实标签，标签够不够准确，这些都是挑战。
如果这些问题能够解决，我们对基础家务场景做过测算，合成数据的能力是足够覆盖的。
硬氪：用合成数据训练出来的模型，和真实家庭环境之间会不会存在较大差距？
李银川：主要还是看生成引擎和模型架构本身。我们生成的场景和真实家庭已经比较接近，不是传统意义上那种纯仿真数据。更重要的是，不同模型路线对Sim-to-Real的敏感程度并不一样。传统模仿学习更强调拟合人类真实操作轨迹，如果仿真中的动作轨迹、接触和动力学与真实世界存在偏差，模型就容易把这些偏差一起学进去。
我们的路线不是简单复现一条真实轨迹，而是通过统一的自回归模型，把视觉、语言、空间关系和动作统一建模，让模型先理解当前世界状态、任务目标和动作结果，再生成新的动作。因此，合成数据更重要的是提供准确的空间关系、物体状态、动作结果和训练标签，而不是要求每一条轨迹都和真人操作完全一致。最后再通过少量真实数据和真机执行反馈持续对齐，进一步缩小Sim-to-Real的差距。
硬氪：后续会考虑自己采集真实数据吗？
李银川：会考虑，我们现在也在自己采集一些数据，包括Ego-Centric第一人称视角数据等。但比例比较小，我们没有大规模去做需要真人操作的真机数据采集。
硬氪：在诺因的GLOW架构里，你认为哪些能力尤其重要？
李银川：我们在GLOW里面，比较早地把一整套世界模型和具身大模型框架梳理清楚，并完整地组合起来使用。大致可以分成三类。
第一类，是以前做视频生成的公司或者学者在做的世界模型，通过视频生成去生成真实世界。在我们这里对应KnowinDream。我们没有把它直接叫
