近日，理格万物（北京）科技有限公司完成首轮融资。本轮以 "亲友轮" 形式落地，投资方包括红杉中国、砺思资本（Monolith）以及 DeepSeek。公司由逐际动力前人形机器人基础模型负责人俞涛创办，官方定位 "大语言模型＋具身智能"。

据雷峰网・鲸犀披露，这轮 "亲友轮" 的发起人是梁文锋本人：俞涛经引荐与梁文锋聊过，后者迅速决定 "支持一下后辈"，随后拉来红杉，红杉又引荐砺思资本创始人曹曦跟进。市场消息称首轮估值约 7000 万美元、第二轮约 2 亿美元，公司尚未官宣。

所有报道都把这家公司写成 "通用具身大脑"。但我们翻完俞涛全部公开履历和论文列表后，有个不一样的判断：媒体写错了品类。理格万物做的不是大脑，是基础模型 —— 一种俞涛自己参与命名的基础模型：行为基础模型。它是什么？为什么值这个钱？这篇讲透。

一、范式变化：VLA 把动作当翻译，行为要成为母语

先看清楚旧范式的问题出在哪。

过去三年，具身智能的模型叙事属于 VLA：视觉语言模型做主干，最后接一个 "动作头"，把语义翻译成动作。这个架构里，动作是附属品 —— 它和图文共用一个预训练，充当输出层。圈子里所有关于 "大脑" 的争论，争的都是主干够不够大、数据够不够多，没有人问过一个更底层的问题：行为本身，值不值得一个独立的基座模型？

文字有自己的 GPT，图像有自己的扩散模型。行为呢？

行为是有自己 "语法" 的：动力学约束、平衡、接触、时序耦合。弯腰捡一个箱子，不是伸出手臂那么简单 —— 双足支撑、腰部扭矩、手臂负载要实时协同，重心失衡就是倾覆。这套语法的复杂程度不输自然语言，但在 VLA 范式里，它被压缩成了一个输出头。

新范式的赌注是：行为是物理世界的母语，不是视觉语言的翻译件。它应该有自己的预训练、自己的 scaling law、自己的基座模型。2026 年的一篇学界综述给这个品类正式命了名 —— 行为基础模型（Behavior Foundation Model），定义是 "人形机器人的下一代全身控制系统"。这篇综述的作者名单里，就有俞涛。

巨头已经投了票。Figure 在 Helix 02 里把 S0 拆成独立一层：基于 1000+ 小时人类动作数据的学习模型，以 1kHz 频率处理全身平衡、接触与协调。Skild AI 不造一个电机，靠通用运动基座把估值做到 140 亿美元。

一句话：VLA 教机器人 "看懂世界"，行为基模教机器人 "支配身体"。上半场争论谁的大脑聪明，下半场比谁的身体听话。

二、读人

想知道一家没有官网、没有产品的公司要做什么，别读报道，读创始人的论文列表。俞涛的论文按时间排开，几乎是一部 "行为基础模型" 的编年史。

第一段，绝悟（2022–2025）：在虚拟世界里给动作 "立法"

俞涛 2022 年在腾讯魔方工作室实习、2023 年博士毕业后进入腾讯 AI Lab 绝悟团队任高级研究员，做强化学习与游戏 AI。绝悟做的事，是在王者荣耀这类超复杂博弈环境里用 self-play 烧出策略 —— 同一时期他参与的一篇论文叫《Agents Play Thousands of 3D Video Games》：一个智能体，玩几千个 3D 游戏。

这句话翻译到机器人领域，就是一个模型控制所有身体 —— 跨本体泛化。他在绝悟学会的是这门手艺的源头：动作策略可以在虚拟世界里烧出来，而且一个策略可以泛化到几千个环境。这段经历他拿到腾讯技术大咖认证和 2024 年腾讯知识奖。

第二段，学术底座（2018–2023）：省数据、做生成、调多模态，三门手艺同时攒

中科大博士，师从陈志波、李卫平；博士期间在微软亚研实习近两年（导师兰翠玲、曾文军），又去新加坡国立大学师从王鑫超访学一年。

这三站分别给了他三样东西：

一是数据高效强化学习。PlayVirtual 用虚拟轨迹增强 RL 样本，NeurIPS 2022 的 MLR 把掩码重建这套生成式预训练的打法搬进强化学习表征 —— 核心命题只有一个：数据贵，就要省着用。动作数据是全世界最贵的数据，数据效率是这门生意的生死线。

二是生成式建模。图像修复的 Region Normalization 发在 AAAI 2020、拿过 ICME 2019 冠军；Inpaint Anything 在 GitHub 上有 7600 多颗星 ——SAM 加扩散模型的点选修复，是他开源时代最出圈的作品。动作生成，恰恰吃的是生成式建模的底子。

三是多模态接口。CVPR 2023 的 TaskRes，研究的是怎么高效微调视觉语言模型 —— 给大模型接新模态的活，他三年前就干过。

2023 年他拿到 KAUST 评选的 Rising Star in AI，全球入选率不到 20%。

第三段，逐际动力（2025.03–2026.02）：在真机上做到行业第一，然后给品类命名

进逐际一年，从 Member of Technical Staff 升到人形基础模型团队的 Head & Tech Lead，拿了 2025 年度优秀员工。一年里做了四件事：

从零搭建 motion mimic 动作模仿系统和全身运动跟踪系统 System 0（LimX WBT）—— 约千万参数的 Transformer 策略，1000Hz 跑在机器人本体上，全身位置误差 12.85mm，压过行业公开最强的 SONIC（13.75mm）；带队拿下广州塔机器人登楼赛冠军（FastStair，人形机器人跑楼梯）；以 Project Co-Lead 身份发布 COSA 0.5 与 VLA 模型 V³-0 的技术报告 —— 快慢 VLA 生成全身运动，WBT 负责执行并保持平衡，真机人在环强化学习持续迭代。

但真正的重点，是他 2026 年以 Project Lead 身份连发的三篇论文 —— 连起来读，就是理格万物的技术路线图：

第一篇，《行为基础模型综述》，副标题直接把它定义为 "人形机器人下一代全身控制系统"。一个准备创业的人，先给品类命名。这就是 "到底是什么基础模型" 的答案：不是 VLA，不是世界模型，是行为基础模型。

第二篇，Any2Any：人形全身跟踪的高效跨本体迁移。一个行为模型，适配不同身高、不同关节构型的身体 —— 这是行为基模的泛化目标，也是它作为 "基础设施" 成立的前提。

第三篇，PvP：发在 CVPR 2026，用本体感知与特权信息的对比表征做数据高效的人形学习。把博士期间 "省数据" 的手艺，直接焊在人形机器人上。

品类定义（综述）→ 泛化目标（跨本体）→ 工程生死线（数据高效）→ 上层接口（COSA 里 VLA 生成、WBT 执行的分工）—— 四块拼图齐了。再回头看那句官方定位 "LLM＋具身智能"，从俞涛手里翻译出来只有一层意思：给大语言模型接上 "行为" 这个模态。他个人主页上还留着一个没有任何公开资料对应的信号：System 0 的上层应用写着 "VLA、LAM 等"——Large Action Model。

一个判断：国内把 "行为" 当成独立基础模型来做、写综述给品类命名、又在真机上把全身运控做到行业第一的人，目前只有俞涛一个。当然，论文不等于产品，命名权不等于壁垒 —— 这是判断，不是尽调结论。

三、Why Now

第一，大模型撞上了文本的天花板。Coding 能力见顶、文本数据红利见底，下一代基础模型必须拿到物理世界的入场券。这是 DeepSeek 三个月连下三城的底层动因：宇树的战略配售、胡瀚的世界模型、俞涛的行为模型 —— 三笔投资刚好买齐 "身体、感知、动作" 三层。

第二，身体足够多了，行为第一次有了规模化的训练场。智元累计下线破万台、宇树 IPO 获受理，本体出货量过万意味着两件事：真实行为数据的入口打开了，行为基模有了可以批量部署的宿主。没有万台级的身体，行为基础模型就是空中楼阁。

第三，窗口开着，但不会一直开。国家队 25 亿投了银河通用，2026 年开年至今具身智能已披露融资约 200 亿元、超 20 家公司排队上市。资本给这个赛道的耐心，是按窗口期计的。

why now 不是单点突破，而是三条曲线同时交汇：模型能力外溢、本体规模到位、资本窗口打开。

四、赛道格局

这条赛道真正的分类轴，是每家公司把行为放在模型的什么位置。

大脑系统派：行为是系统里的一层。逐际的 COSA、Figure 的 Helix，把认知、技能、运控做成三层系统，行为服从调度。强在系统工程，但大脑长在自家身体上，出不了厂门。

VLA 派：行为是输出头。银河通用（合成数据路线，国家队背书）、星海图（VLA 开源）、自变量（两个月三轮、四家大厂分别领投）、智平方都在此列；它石智航公开称主流 VLA 是 "外来和尚"，押的是另一条路。

世界模型派：先想象世界，再生成行为。胡瀚的 Winverse AI、蚂蚁灵波、英伟达 Cosmos，赌的是 "能预测未来才能行动"。

行为基模派：行为本身是一等公民。海外有 Skild AI、英伟达 GR00T 的全身基模、Figure 的 S0；国内，把 "行为" 当独立模态做预训练基座的创业公司，目前只有理格万物一家。

这四派不是替代关系，但迟早要在同一层相遇：大脑系统派需要更好的行为底座，VLA 派的动作头会越来越厚，世界模型派最终要落到可执行的行为上。谁先让 "别人的身体离不开自己的行为模型"，谁就拿走这层的基础设施位。对理格万物来说，最锋利的切口也最危险 —— 它的潜在客户（本体厂）同时都在自己养运控团队。

五、投资人为什么此时下注

范式切换的确定性。海外已经完成定价：不造电机的 Skild 值 140 亿美元，Figure 把 S0 做成独立产品层，英伟达把全身基模做进 GR00T 开源。行为基模成层这件事，不再是猜想。

主场与窗口的确定性。全球机器人本体的产能、数据和场景都在中国，行为基模吃真机数据，必须贴着产线迭代 —— 这是天然主场。而 DeepSeek 亲自下场，等于最懂模型的公司用真金白银给 "LLM 需要行为模态" 这个命题做了产业确认。

期权的定价锚是人。诚实地讲，行为基模的商业化还没被验证，现在投的是命题和人的期权。这个命题的中国答案，需要一个在虚拟世界烧过几十亿步动作策略、又在真机上把全身运控做到行业第一、还顺手给品类写了综述命名的人 —— 翻遍履历库，坐在这个位置上的目前只有俞涛。

风险明牌：行为基模没有公开产品验证；跨本体泛化仍是学术级难题；本体厂自研行为底座会直接挤压独立供应商；俞涛此前带团队规模不大，创业者身份待验证。

2 亿美元的估值，买的不是收入，是 "行为也有自己的 scaling law" 这个命题。

结语

当所有人都在争论 VLA 和世界模型谁是终局，梁文锋把钱投给了第三个答案：行为本身。

文字有了 GPT，图像有了扩散模型，行为的基座模型还空着。这个位置，大概率是留给亲手把全身运控做到行业第一、又懂得用强化学习给行为 "立法" 的人的。

（来源：：理格万物）