5 月 14 日，极客公园获悉，开普勒机器人前 CEO 胡德波已开启具身智能赛道的第二次创业，新公司名为「索塔无界」。
这一次，他选择了一条和开普勒不同的路。
2023 年，人形机器人赛道刚刚升温时，胡德波联合创办开普勒机器人，切入全栈双足人形机器人、底盘双臂和工业场景。两年后，开普勒已成为国内工业场景人形机器人代表公司之一，并在今年 4 月完成亿元级 A++ 轮融资。
但胡德波的新项目没有继续押注整机全栈，也没有选择工业落地场景。索塔无界更关注具身智能「大脑」本身：以世界动作模型、多模态 VLA 和数据采集体系为核心，试图解决机器人真正进入物理世界时最难的一环——不是「看见」世界，而是理解接触、动作、空间和物理变化。
在商业化路径上，索塔无界也选择了一条更「非典型」的路线：从欧美商超后台的分拣切入，向门店补货、货架整理、电商拣货等商业场景延展，并以全球客户、数据闭环和中国硬件供应链协同作为早期壁垒。
在胡德波看来，海外市场对机器人劳动力替代的需求更迫切，但真正能完成交付的方案并不多；而从中国供应链出发，打通海外客户、部署、运维与数据合规链条，本身就是一道不低的门槛。
01
世界动作模型路线，
元股证券:ygzq.hk先期使用 Agent 模式
在胡德波看来，当前具身智能的瓶颈，并不是机器人完全不能干活，而是底层范式还没有收敛。
文本和图像本质上是离散信息，而机器人面对的是连续、非线性的物理空间：瓶子会滚动、柔性物体会变形，抓取会产生接触力，动作和环境之间还存在实时反馈。机器人不仅要识别「这是什么」，还要判断「我应该从哪里抓、用多大力、绕过什么障碍、下一步会发生什么」。
这也是许多现有技术路线在真实场景中遇到的问题。VLA、多模态 VLA 已经能够完成一部分抓取和操作任务，但它更接近于从大量示范中习得动作模式。当场景里的物体姿态、遮挡关系、接触状态发生变化时，模型需要的不只是「模仿过去怎么做」，而是真正理解空间关系、物理规律和动作后果。
因此，索塔无界将核心投入放在世界动作模型上。
模型思考｜图片来源：索塔无界
按照胡德波的判断，世界模型的价值在于，它不只是让机器人「看见」物理世界，而是让机器人在内部形成对物理世界的预测能力：一个物体被推之后会怎么动，柔性物体受力后会怎样变形，不同动作会导致什么结果。进一步到世界动作模型，则是把这种对世界的理解和动作生成结合起来，让机器人能够基于物理状态直接规划和输出动作。
索塔无界希望建立的是一个以统一潜空间世界动作模型为核心的物理智能大脑。它不仅使用视觉、语言和动作数据，也会纳入 Ego 视频、触觉、末端执行器状态、接触过程和任务逻辑等多模态信息。换句话说，模型从训练底座开始，就不是单纯学习「被观看的世界」，而是学习「一个身体如何在世界中行动」。
模型思考｜图片来源：索塔无界
不过，在世界动作模型真正成熟之前，索塔无界不会把所有能力都押在一个端到端模型上。它现阶段采用的是一套 agentic AI 架构，内部称为 Physica-Claw。
这套架构更像一个机器人操作系统：上层负责用户交互、任务理解、调度和编排，下层接入不同 skills。对于规则明确、环境稳定的任务，可以调用传统运动控制、路径规划、抓取放置等模块；对于需要识别、判断和泛化的环节，可以调用多模态 VLA；对于需要空间推理、物理预测和复杂操作的任务，则交给世界模型或世界动作模型。
这种架构的好处是，它能让机器人先「干起来」。真实商业场景不可能等到一个完美的端到端大模型出现后才部署。
胡德波认为，agent 架构只是现阶段解决方案的一部分，不是最终形态。长期看，如果世界动作模型足够强，原本分散在 VLM、VLA、任务拆解、传统规控和多个 skill 中的能力，会逐渐被模型内化。那时，机器人大脑的架构反而会变得更简单，也更容易 scale。因为模块越多，串联越复杂，系统越难通过数据和算力持续提升；而真正能 scale 的智能，往往来自更统一、更简洁的模型结构。
要走到这一步，数据是另一个绕不过去的瓶颈。
现在具身智能行业普遍缺少高质量物理交互数据。互联网视频可以提供丰富的视觉信息，但它无法完整记录动作、力、接触和身体状态；传统机器人遥操作数据更接近任务本身，但成本高、效率低，很难大规模扩展。胡德波并不看好单纯依靠全真机遥操作采集数据的路线，因为这种方式成本太高、采集效率太低，很难成为真正可规模化的数据范式。
因此，索塔无界会自己做数据采集设备，包括头戴式 Ego 视觉采集设备和全模态 UMI 手持式采集设备，希望采集的不只是视觉和动作，还包括触觉、接触状态、末端执行器姿态等全模态信息。
在胡德波的设想中，索塔无界的数据来源会分成几层：第一层是 Ego 视频、公开数据集和视频数据，解决数据规模，用于内化广泛的世界知识与操作多样性；第二层是全模态 UMI 采集，用于尽可能低成本地扩充物理交互数据，解决具身对齐；第三层是机器人进入真实商业场景后的部署数据，用于后训练、强化学习和场景成功率提升。
02
把中国供应链带到海外场景里
如果说索塔无界在技术上押注的是具身智能大脑，那么在商业化上，它押注的则是另一种「全栈」能力：不是从电机、关节模组到底盘、本体全部自研，而是围绕真实场景，把大脑、操作系统、末端执行器、数据采集、硬件集成、海外交付和运维体系串起来。
这也是胡德波这次创业最大的特色之一。
当前，机器人硬件供应链已经发生了变化。关节、底盘、电池、控制板、结构件等零部件越来越成熟，中国供应链的响应速度、成本和工程能力也足以支撑更多场景化机器人方案。
因此，索塔无界没有选择重新做一个完整人形机器人本体，而是采用更开放的生态合作模式：与核心零部件供应链伙伴开放合作，根据不同场景做本体集成和定制。胡德波认为，这样不仅能降低研发成本和周期，也能让公司在不同场景里更灵活地选择最合适的硬件组合。
但这并不意味着索塔无界只做软件。
在胡德波看来，具身智能里的软硬一体仍然重要，只是软硬一体的重点已经发生变化。
因此，索塔无界在硬件侧最重视的，并不是从零自研整机，而是末端执行器和数据采集设备。
索塔无界考虑先从三指末端执行器切入。相比传统两指夹爪，三指能覆盖更多抓取姿态，在稳定性和操作复杂度之间取得平衡；相比五指灵巧手，它又更容易工程化、控制难度更低、成本和可靠性更适合早期商业落地。对索塔无界来说，三指不是一个单独的硬件选择，而是为了让数据采集、模型训练和真实执行尽量对齐。
这也是公司自研全模态 UMI 手持式数据采集设备的原因。它希望采集的不只是视觉轨迹，还包括末端执行器状态、触觉、接触过程、动作约束等信息。只有当采集设备、末端执行器和未来部署形态尽量一致，数据才更可能转化为模型能力，而不是在映射过程中损耗。
数据思考｜图片来源：索塔无界
在机器人形态上，索塔无界早期仍会采用更务实的底盘双臂方案，服务于快速落地。
目前，索塔无界已经与欧美商业巨头、制造和物流集团等达成合作意向。其中，进展最快的是欧洲商超场景。公司已经与欧洲头部商超集团签署长期框架协议，第一阶段将从 POC 开始；若测试通过，对方给出的订单预测近千台。
胡德波判断，海外市场的机器人劳动力缺口更大，但可选方案并不多。尤其是在欧美商超、物流、制造等场景中，很多岗位人工成本高、重复性强、招工困难，却又尚未被传统自动化充分覆盖。对机器人公司来说，这类场景既有明确需求，也更容易算清 ROI。
03
胡德波的二次创业，仍然关注全球化
索塔无界之所以从一开始就把海外商业场景作为主战场，也和胡德波本人的经历有关。
胡德波是一位 70 后创业者，也是一位在全球市场里打过多年硬仗的「老兵」。1999 年，他加入中兴通信进入通信行业，2001 年开始负责欧洲、俄罗斯、亚太等海外业务。2006 年，他成为华为海外国家代表，深度参与华为欧洲高端市场拓展。
这段经历让他很早意识到，中国科技公司真正的全球化，不只是把产品卖到海外，而是要进入当地客户体系，建立销售、交付、服务、合规和长期信任关系。
2015 年，胡德波预判「机器人 + AI」会成为未来数十年的重要技术浪潮，转身进入无人机与水下机器人创业。其间，他曾联手华为海思打造视觉 AI 无人机，产品进入数十个国家，也进一步积累了机器人硬件、AI 能力和全球化渠道经验。
2023 年，人形机器人赛道刚刚升温时，胡德波联合创办开普勒机器人，切入双足人形、底盘双臂和工业场景。此后，开普勒逐渐成长为国内工业场景人形机器人代表公司之一，并在今年 4 月完成亿元级 A++ 轮融资。
在线股票配资
胡德波与纳德拉交流｜图片来源：索塔无界
这一次，胡德波想做的是通过索塔无界把物理原生智能体带入全球各个角落。
在他看来，具身智能真正走向商业化时，中国公司的优势不只在算法，也不只在单一本体，而在于能否把成熟硬件供应链、物理智能大脑、海外真实需求和长期交付体系连接起来。国内机器人硬件供应链足够强，但多数硬件公司并不具备直接进入海外客户体系的能力；而海外客户有明确的劳动力替代需求，却缺少真正成熟、可交付、可维护的方案。
商超场景｜图片来源：索塔无界
索塔无界想扮演的，正是中间的连接者：一端连接中国机器人供应链和具身智能技术，一端连接欧美商超、物流、制造等真实商业场景。它不只是把机器人卖到海外，而是试图围绕客户需求重构方案、完成部署、建立数据闭环，并在合规框架下长期迭代。
这也是胡德波所说的「全球生态」能力。对于一家具身智能公司而言，出海并不只是销售问题，而是系统能力问题：客户在哪里、场景如何定义、硬件如何适配、运维如何覆盖、数据如何回流、隐私和合规如何处理，每一环都会影响机器人能否真正规模化落地。
从这个角度看，索塔无界与其他同行并不是竞争关系。胡德波把物理智能 AGI 比作一座珠峰：不同公司可能从不同山坡攀登，目标相同，但路径并不一样。
按计划，索塔无界将在今年夏天展示完整大脑能力，包括世界模型、多模态 VLA 以及 Physica-Claw 机器人操作系统，并在实验室跑通早期商业场景全流程；年底前，公司计划前往欧洲客户现场进行 POC 测试，重点不只是验证单个场景能否跑通短线如何提高胜率，也包括打通真实部署后的数据、交付和合规闭环。
正规券商极速开户提示：本文来自互联网，不代表本网站观点。
