成立仅一年半的具身智能基础模型研发商亮源新创（Light Origins）宣布完成数亿元Pre-A轮融资，由国科投资领投，招商局创投、襄禾资本参投。这家2024年底成立的公司，把大模型能力从数字空间延伸到真实物理世界，瞄准的正是“让机器人像ChatGPT一样获得通用智能”这一终极命题。
希鸥网观察到，姜旭的履历堪称豪华：2019年起参与OpenAI全栈算法研发，完整经历InstructGPT、ChatGPT到GPT-4的关键演进周期，在GPT-4技术报告中被8次署名提及，与OpenAI联合创始人Greg Brockman并列第一。亮源新创团队规模已超百人，研发占比超九成，算法团队由QS Top 20高校博士组成，硬件团队则来自华为、大疆，具备消费级机器人从设计到量产的全链路经验。
这轮融资的核心看点，是亮源新创提出的“三段范式”。姜旭认为，人工智能的每一次重大突破都源于范式创新，而非单点技术优化。所谓三段范式，即规模化预训练（Scalable Pre-Training）、规模化对齐（Scalable Alignment）、规模化部署（Scalable Deployment）：先用海量数据训练基础能力，再用强化学习对齐人类意图，最后将模型部署到真实机器人中，让真实世界的数据反哺模型迭代。
这套打法的底层逻辑，是具身智能领域的“数据飞轮”效应。当前机器人行业最大的瓶颈不是硬件成本，而是高质量真实世界数据的稀缺。亮源新创选择从基础模型切入，本质上是在争夺数据生态的入口：谁先完成规模化部署，谁就能持续获取真实场景数据，进而形成竞争对手难以追赶的护城河。这也是姜旭敢从大模型跨界到硬件的底气所在。
从资本视角看，三家投资机构的表态高度一致：国科投资强调“底层技术能力决定长期格局”，招商局创投看重“技术研发与产业应用的连接”，襄禾资本则点出“谁理解大模型智能涌现的底层逻辑，谁就有机会把范式复刻到机器人身上”。三句话拼在一起，恰好勾勒出这轮融资的完整逻辑——大模型背景的创始人，正在成为具身智能赛道最稀缺的资产。
希鸥网认为，具身智能的利益格局正在发生微妙位移：具备大模型训练经验的创业者将主导下一代机器人基础模型的竞争，而缺乏数据飞轮能力的传统机器人公司，可能从“整机制造商”退化为“硬件代工厂”。与此同时，规模化部署产生的真实世界数据，将成为比算法本身更值钱的战略资产——谁先跑通数据循环，谁就能定义物理AGI的演进路径。
对创业者而言，亮源新创的故事首先印证了一个朴素原则：低成本试错往往带来超预期的回报。姜旭离开OpenAI创办具身智能公司，在旁人看来是放弃“确定性”拥抱“高风险”，但正如那句老话“多问问总没坏处”——当押错的成本几乎可以忽略，而押对的回报足以改变行业格局时，试一下永远是明智的。创业路上，许多看似不可能的窗口，恰恰藏在“试一下”里。
其次，创业者的决策顺序决定了资源效率。姜旭选择先完成融资和团队搭建这两个“必做之事”，再推进跨本体能力展示这个“想做之事”，这正是善用边际收益与边际成本排序的典型动作。很多创业公司死于“什么都想同时做”：一边打磨产品，一边融资，一边拓展客户，结果每件事都做不透。亮源新创的节奏感值得借鉴——先集中资源打穿一个点，再谈扩张。
最后，姜旭将大模型的训练方法论迁移到物理世界，本质上是一次“类似情境再现”的决策复用。创业者最核心的能力，不是每次面对新问题都从零思考，而是识别出眼前情境与过去经历的相似性，把经过验证的原则直接套用。姜旭在OpenAI积累的规模化训练、RLHF对齐经验，正是他押注具身智能赛道时最值钱的决策资产——这种跨场景复用能力，才是创始人最深的护城河。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。 如需修改或发布文章，请加微信号：sheisceo