安努智能要做“物理AI时代的字节跳动”。
作者｜寇雨然
编辑｜栗子
马斯克有一句名言：如果你在早上醒来，觉得未来充满希望，那你就处在正确的轨道上。
十年前，文宏杰还在清科10强的投资机构做一级市场股权投资。那时的他没想过自己会出来创业，觉得做投资很好。
用他的话说，投资可以投很多企业，即便90%死掉都没关系，只要活下来10%就够了。但创业只能选一个赛道，做一件事，成功率很低，不划算。
但在24年，文宏杰却进入具身智能赛道开始创业，并于去年2月正式注册公司创立安努智能，他没有选择当时具身智能行业中更容易融资的机器人本体、大脑方向，而是带着团队一头扎进工厂，做起了部署落地的脏活累活。
他们被人打上“二次开发商”、“系统集成商”的标签，当时的资本普遍认为这条赛道“不值钱”。
但外界的评价和标签并没有影响文宏杰的判断：“我们从来不在乎别人怎么看，专心做好正确的事就可以了。”聊起去年那段不被资本认同、理解的阶段，文宏杰显得云淡风轻，自信笃定。
选择做“部署+垂类模型”这条路，文宏杰原本做好了坐三年冷板凳的准备。没想到一年后，冷板凳就提前热了起来，部署落地从资本眼中不值钱的生意，变成了研究报告里的关键词。
高盛在今年8月底发布的《Global Physical AI》报告中提到，机器人完成工具使用、柔性物体操作等现实任务，需要来自真实产线、真实场景的部署数据。报告也因此将部署产生的专有数据看作长期护城河。
如今，主动找上门的投资机构多了起来。据文宏杰介绍，在接受「甲子光年」采访前一周，就有十几家投资机构找他，每天都排的很满。与此同时，得益于文宏杰的前瞻性布局，安努智能已经在富临精工的产线上实现常态化部署，并和英特尔、SAP展开了合作。
市场关注的升温并没有让文宏杰冲昏头脑，他反而不时地提醒自己，不要多拿钱，够用就好。
“市场普遍认为要多拿钱好，这其实是把双刃剑，如果融到的钱与商业化能力不匹配，团队的动作就会因为现实而变形，也就很难一直坚持去做那些短期看不见收益但正确的事”。
1.金子藏在“奔向共识的非共识”里
安努智能的成立，来自于投资人时期的文宏杰对未来趋势的判断。
回顾2022年以前的投资市场，文宏杰的感受是，蛋糕不断做大，上市条件相对宽松，投Pre-IPO项目就容易赚钱。但22年以后，市场进入结构化调整。文宏杰曾经投的一些光伏的龙头企业，在上市后由于没有得到足够的支持，最终退市。
“扩大的市场和收缩的市场，投资逻辑不可能是同一套。”这让文宏杰开始调整方向，从投成熟项目转向“投早、投小、投科技”。他认为，要找到一个中美都共振、当前尚未成熟但未来肯定会有大需求的科技赛道，才能有赚取高额收益的机会。
于是在2023年年初，他把目光定格在了人工智能，但AI存在诸多细分领域，该怎么选？
文宏杰看到了中国制造业的优势。而人工智能的制造业也就是走向物理世界的AI——具身智能。文宏杰认为，当时无人车、无人机已经相对成熟，便选择了更早期的人形机器人。
但这个选择在基金管理公司立项表决的时候却遇到了阻碍。
当时到处都是硬科技、卡脖子、国产替代和新能源项目，工厂里也早就有传统自动化机器人了，投决会成员没有人相信具身智能机器人会是一个有前景的赛道。
“人形机器人有什么用？能产生什么价值？别浪费时间了”，文宏杰至今还记得一位投委会核心成员的这句话代表了当时资本市场主流的看法。
在遭到基金管理层的立项否决后，文宏杰并没有放弃，反而更加坚定了自己的看法。“投资人干的事就是要找到奔向共识的非共识项目，如果我们相信未来是属于AI的时代，那么今天还存在分歧的物理AI具身机器人就是最大的非共识进入机会。”
秉持这样的信念，文宏杰决定，既然基金不投，就干脆自己干，毅然进入具身智能行业开始创业。
2024年春天，在其他人都观望、恐惧、犹豫、还看不清人形机器人的前景时，文宏杰却进行了一场坚定的ALL IN押注，从更容易赚钱的传统科技投资赛道转向了当时还前路茫茫的具身智能创业。
2025年，市场环境倒了过来。具身智能一夜之间变成了全球最热的赛道。本体、大脑和基座模型类项目纷纷受到资本追捧，光鲜的团队背景和技术故事能迅速换来高估值。当人群涌向哪里时，文宏杰反而对哪里更加保持警惕。他没有去抢这些在当时看来，资本最热衷，也最容易融资的方向。
创业的目标是高估值吗？是快速融资吗？在文宏杰看来都不是，而是选择去做对行业有长期可持续价值的事。文宏杰常说的一句话是：金子藏在“奔向共识的非共识”里。
文宏杰认为具身智能赛道存在泡沫，也存在太多的投机者。但纵观科技行业的发展历程，任何高速发展的高科技赛道，其实都是在泡沫中振荡上行的。资本与公众情绪大起大落，技术与商业化交替上升。
具身智能4条曲线，图片来源：具身纪元
所以，文宏杰给自己定了几条红线：不蹭热度、不对客户过度承诺、说能做到的事、做能产生持续价值的事、坚决不透支创始人和企业的信用。在具身行业一片人声鼎沸、大干快上的氛围中，最早进入行业的他却保持了足够的冷静。
对于具体路线的选择，文宏杰有一套关于产业分工的判断。他认为，机器人也一定会经历类似手机和汽车的产业分工，本体厂商和基座模型都会逐渐收敛，最终必然只会剩下几家头部企业，而创业公司更有机会从垂直场景的应用生态中长出来。
在文宏杰的规划中，未来的安努智能应该成为一家“物理AI时代的字节跳动”。
在移动互联网时代，字节不造手机，也不做操作系统，专心聚焦做好几款app应用软件，积聚大量用户，就成长为了全球最有价值的科技企业；
安努同样希望先聚焦工业场景下的具体任务做出有大量客户的垂直应用小模型。在数字AI时代，Anthropic已经通过实践证明了垂直应用模型会比通用模型更快实现商业化，文宏杰相信同样的逻辑也会在物理AI时代里再次得到验证。
对于垂直应用先从哪个市场开始，文宏杰也有明确的判断。
他认为，家庭是最大但也最远的市场，眼下还是要先从工业入手。传统基于规则的自动化已经把工业环境约束得非常清晰，物料、动作和流程都已经形成了严格的边界和安全约束。“如果基于模型的自主化端到端具身机器人在工厂的强约束环境下都干不好活，那又凭什么相信它能在高度柔性的家庭环境里干好活呢？”
在工厂里，上层业务系统负责工单、库存和生产安排，机器人本体提供动作能力。安努在中间把业务任务拆成可执行步骤，调用垂类模型和技能，处理异常，再把结果送回业务系统。这些工作需要团队长期投入现场，文宏杰看重的，正是在工厂现场长期投入之后能够留下来的工程化know-how积累。
“模型可以开源，但部署经验无法开源。”要把现场的事干通，就得带着团队长期扎进去。
全球自动化龙头独立研究机构伯恩斯坦在今年6月的报告中也指出，对具身智能行业的护城河是高价值真机数据、跨行业量产的零部件品控和算力底座这三层资产。而这些也正是安努团队在工厂中过去18个月日积月累所沉淀下来的不可复制的know-how资产。
2.模型不是大脑，系统才是
决定做工业场景之后，文宏杰开始寻找本体和基座模型的厂商进行合作。24年他找到了智元，一年里自掏腰包跟着智元技术团队跑遍了大江南北的大小工厂。25年初选择落脚在汽车零部件龙头上市公司富临精工的绵阳工厂。
文宏杰带着团队前前后后在富临精工工厂里累计勘察了399个点位、有27个垂直场景可以落地具身机器人。但等到真正开始现场作业后团队才发现，即便是做最简单的工业搬运和检测场景，实现起来也有很多难点需要攻克。最后，团队将首批目标收敛到3个场景。
真实工厂环境里，存在大量批量小、品种杂、换型频、夹具难做的非标工位，换零件、换工位、换装配顺序等变化是常态。料箱尺寸会变，颜色也不一致，还有更多不确定的背景噪音和灯光干扰，这些都会导致视觉和雷达识别受到干扰，抓取表现也会下降，表现很不稳定。文宏杰在这些产线上也看到了工业客户更加看重的价值——“Demo看的是能力上限，而工业客户看的是能力下限。”
机器人在富临精工工厂搬料箱，图片来源：安努智能
文宏杰回忆，那段时间安努面临着双重压力。一方面是市场把公司理解成估值不高的下游二次开发商，估值起不来；一方面工程师长年驻厂，投入持续增长，公司又坚持不做短线赚快钱业务。
“团队研发资源是有限的，如果投入到短线好赚钱的事情上去，真正有价值的可复制产品开发就会被无限期推迟，而这才是公司最该做的正确的事。”
资源有限，文宏杰就必须作出选择和取舍：有限的钱和人要投入到哪个场景？哪些市场和技术路线要进入？哪些要放弃？最终都需要文宏杰作出判断。
很快，文宏杰就面临了一道选择题。当时，有不少客户找到文宏杰，愿意付费让他把机器人拿去租赁、做表演，先收快钱，等技术成熟再回来做工业。
面对这种诱惑，文宏杰想的是不能让公司陷入到追求短期利益的路径依赖中去。
“如果我们真去做了，团队习惯了赚快钱，做长期产品开发的精气神就会一下子散掉，饮鸩止渴，不值得，这种诱惑越大越不能去做。”
他的解法是进一步收敛队伍和聚焦场景，把股东资源调动起来，安努的产业股东们提供了场景，也分担了研发所需的人力和成本，共同帮助安努度过了难关。
在文宏杰的带领下，安努的技术团队先完成交付，把现场数据和经验做成可复制的模型、Skill和工具，再回到相似工位检验——把同一个问题摸透了，全场景直接复用。
这种“现场采集-后台提炼-前端复用”的闭环，就是安努内部所说的向FDE（前沿部署工程）学习。
部署闭环流程，图片来源：安努智能
一段时间里，他也曾深刻自我审视，怀疑投资人跨界的身份是否适配硬核科技赛道，甚至一度寻找行业资深技术人才接任CEO。具身智能赛道向来推崇科学家、大厂技术背景，他也始终保有清醒顾虑：外界是否会默认投资人创业偏向投机主义，难以沉下心长期深耕产业？
经过一年多的一线实战与产业深耕后，现在文宏杰早已放下这份顾虑。他认为，硬核科技的壁垒从来不只有技术一项，投资人背景反而赋予了他独特的优势和自信。“英特尔的陈立武、OpenAI的奥特曼都是投资人背景出身，正如Figure创始人Brett Adcock所说：创始人能把资金、人才、产业三件事拧成一股绳，才是企业最重要的事。”
放下顾虑后，文宏杰把自己的优势带进了研发管理。他没有给团队设CTO，而是由六位技术负责人分别牵头，形成模块化组合，每周三晚上拿出五个小时与文宏杰讨论技术路线，充分陈述意见后由他做出决策。“我把这六位科学家当成自己投的六家公司。”投资行业的从业经历，让他可以对各个方向进行快速研究，快速学习，快速决断，资源分配最终落到客户需要什么、团队做得了什么，而不是科学家擅长什么。
团队里的一位科学家是长期研究火箭热场和气流仿真的专家，曾经摆在面前的有三个方向：沿着专业特长找热场、焊接等场景；挑战更广泛的sim2real难题，追求真实环境时的Zero-shot泛化能力；解决物流分拣中扫码不准等柔性环节的仿真问题。科学家自己认为三个方向都可以尝试一下。
文宏杰开始与科学家一起逐项算账。热场、焊接等方向科学家更擅长，但可做的场景和替代价值很有限，一些任务也已有了更便宜好用的机器人；更广泛的sim2real难题已有高估值企业大资金长期投入，初创团队难以迅速赶上；物流扫码则有具体客户需求，市场广阔，科学家现有的柔性仿真技术也具备比较优势。最后，他拍板选了物流软包裹分拣这个攻坚场景。
选物流软包裹分拣，不是选一个单点算法，而是选一个能长成系统的入口。文宏杰经常说的一句话是：模型不是大脑，系统才是。
安努近期发布的六项产品能力，就是围绕构建一套可以自主进化的工业端侧具身应用系统而展开的。安努的这层架构图，本质上不是“做了好几个互不相关的产品”，而是在搭一套面向工业产线的“数据-模型-学习-执行-部署”的全栈闭环。
安努智能产品架构，图片来源：安努智能
在数据基座层，安努智能联合北大、字节、Canva团队共同发布了Helios长视频生成模型。 仿真器方面，安努智能自研的ANU SimLab聚焦物流软包裹分拣、面单识别、热视觉检测等场景，为训练和测试补充数据与环境。世界模型层，其推出的ActiWorld让世界模型开始对动作后果负责，核心优势在于它是少数不绑定本体、专精 "动作后果验证" 的轻量中间件。
学习进化层，安努智能在今年发布了两项真机强化学习框架RoHIL和EvoHIL。RoHIL核心攻克了“跨光照、跨背景、工件偏移”的零额外交互部署；EvoHIL实现了流程自进化。这两个成果目前分别申请了抗光照强鲁棒和自主进化专利。端侧执行层，安努智能将世界模型蒸馏成垂类小模型AnuVerse-0.5。部署调度层，推出了Nexus端到端部署系统。
整套闭环架构站在基座通用模型的肩膀上，用富临精工、英特尔这些真实工厂产线回流的真机数据、ANU SimLab仿真器、Helios长视频模型合成的长尾数据训练模型，通过ActiWorld动作世界模型把动作结果校验层钉死，再将经过检验后的结果喂给RoHIL/EvoHIL强化学习系统进行学习进化。随后将模型蒸馏到端侧单卡6B百毫秒响应垂直小模型AnuVerse0.5执行任务，最终由Nexus部署系统一键快速规模化部署到产线。从数据-进化-执行-部署-回流，全栈闭环，不依赖任何第三方拼凑建立自己的数据飞轮。这个飞轮解决了具身智能进厂“部署慢、怕光照、不安全、不能复制和泛化”的致命工程化问题。
安努智能六项产品协作关系，图片来源：安努智能
由此可见，安努的壁垒不是“又做了一个世界模型”，而是在通用基座模型和工业真实产线之间，构建了一座别人拆不掉的“检验-学习-执行-落地”的桥，让机器人真的能在工厂里边学习边干活，而且干得比人稳，进步比人快。
这也是文宏杰敢说“全栈闭环”的底气所在。
3.演示时代结束，部署时代开始
部署不是研究的尾巴，而是研究本身：供应链、安装、集成、维修、流程变更，不在现场就理解不了。
现场积累能否复用，已经可以从富临精工的同类工位上观察。文宏杰透露，这类工位的部署周期从最初约四个月缩短至约一周，部分成熟工位，已经可以3天完成。需要人工介入的问题从每天十次以上降到每周约两三次。
效率方面，一台搬运机器人可以顶0.7个工人，通过换电两班倒，就能达到约1.4名产业工人的产能。成本上，一年就能省超10万元的人力成本，机器人的成本两三年就回来。而且能复制：跑通一个工位，同类成片复制。
这些工位背后，还有更大的潜在需求。
伯恩斯坦8月报告《人形机器人：走向真实世界应用》中提到，城市与工业巡检、工厂物料搬运与检测、仓配拣运、末端配送，是其认为在未来五年内最有可能实现商业化场景。
四类应用潜在保有量，图片来源：伯恩斯坦报告
在五年渗透率达到约8%的假设下，预计到2031年四类场景的年出货量将超过50万台，约占当年全球人形机器人预测出货量的一半。
其中，工厂物料搬运与检测的市场空间最大。据报告估算，中国四类场景的潜在装机总量约1000万台，工厂搬运与检测约600万台，占约60%。安努持续投入的工业搬运，正处在这块潜在需求最为集中的领域。
全球人形机器人长期出货路径，图片来源：伯恩斯坦报告
这个市场有多大呢？文宏杰算了一笔账：按照伯恩斯坦报告里5年后中国市场工业搬运人形机器人出货27万台计算，在传统科技产品赛道，行业第一的龙头供应商市占率普遍高于30%，即便保守按照15%市占率估算，安努可以圈定的当年出货量也有4万台机器人。
若按照软件授权收入占本体价格10%，每台机器人年授权费2-3万计算，仅仅在中国市场工业搬箱子这个垂直应用场景里，安努的年营收就可以达到8-12亿元/年，而且几乎全部都是高毛利的软件授权收入。按照A股人形机器人平均50倍PS，或者130倍PE中位数计算，对应估值可到300亿-600亿元。
什么样的赢家才能吃到如此巨大的市场蛋糕呢？伯恩斯坦报告认为，未来5年人形机器人赛道赢家的三条金标准：真实商业销售与复购、部署数据闭环效率、向产业生态中心靠拢。
这三条正好对应上了安努一直持续在做，并且已经陆续跑出结果的核心能力。
商业销售上，安努以AnuVerse 0.5为核心，已经把工业搬运做成可复制的标准化工位产品，跨本体、跨场景泛化验证已完成，通过软件授权费形成真实复购，不是Demo而是能批量铺工位的营收。
闭环效率上，Nexus部署系统已经打通“数据生成→模型训练→Skill进化→端侧执行→真机回流”全栈数据闭环，18个月驻厂积累的飞轮已转起来——单工位部署从4-6个月压到3-5天，MTBF超300小时，部署成本降80%，越用越便宜、越用越聪明。
生态位建设上，安努是国内唯一已经在上游绑定稀土→电关节→本体→OS→海外全产业链五家股东的部署模型企业，其中，有四家细分龙头上市公司，由此锁死成本与供应链；同时，它也是唯一在下游已经与SAP、IBM、研华共建工业底座，并已在富临精工、Intel工厂跑通“工单→调度→端侧→执行”全链路，接入客户现有生产管理体系的企业。
换句话说，安努不是单点技术公司，而是正在成为具身智能工业部署侧的生态中心节点。
安努卡住的是具身智能机器人规模化落地最缺的那块：世界模型部署侧知识产权IP+产线工单部署数据闭环+部署侧工业生态接入能力。安努不是一家具身零部件或算法团队，而是提前卡位了全球工业具身智能部署侧"安卓层"的未来赢家身位。
4.遵从第一性原理，不做类比，不追热点
从创业第一天开始，文宏杰就希望把商业化产品、部署闭环飞轮和生态中心打造成安努的核心竞争力。他把安努定位在本体厂的上游，开发应用软件，供给本体厂，再随机器人进入工厂，类似Office随电脑进入用户的工作。他希望长期收入来自模型授权、调度软件、Skill包与持续升级服务，让同一份研发投入获得多次复购的机会。
对于商业化，他给出的判断标准是，“当新增一台机器人带来的软件授权收入增长快于交付人力增长时，具身机器人才真正进入到规模化和商业化。”
回看文宏杰的几次选择，2024年，在基金合伙人团队的集体反对声中，文宏杰毅然选择躬身入局，投入到人形机器人行业里来；2025年，当资本狂热追捧本体和通用基座大模型时，他选择的是宁可牺牲短期估值，也要扎进工厂，做出可复制的商业产品、建立真实部署数据闭环系统；到了2026年，当全行业都在激烈角逐商业化时，他又开始提前布局产业链生态中心建设。
文宏杰从来都不是一个在风口里追逐热点的人。采访中，说起这几年创业的起起伏伏，他一直都是那样的从容平静，笃定自信。我问他:最近具身智能市场波动挺大，你一点都不担心吗？他笑了笑说“我选择的这条路叫：奔向共识的非共识。如果你相信明天是属于AI的，而AI又是属于物理AI的，那么今天泡沫后的下行不正应该是跑步进场的时候吗？”
如今，文宏杰当初的坚持已经让安努智能在工厂里交付出了阶段性的成果。在具身机器人走进千家万户的共识到来之前，不惧分歧，摒弃诱惑，把未来真正需要做的事情坚定务实地做好。什么是具身机器人行业难而正确的事？文宏杰用自己的行动也许已经给出了他的答案。
（封面图来源：安努智能）
END.
