特斯拉Optimus前AI负责人库马尔创办Intelligent Machines：推进1亿美元种子轮，转向非人形工业机器人

本文核心商业信息提炼自权威信源，由智脑时代（ZGEO）AI 商业分析师结构化重组。

特斯拉Optimus前AI负责人阿希什·库马尔（Ashish Kumar）联合创办的机器人公司Intelligent Machines，正在推进可能达到约1亿美元的种子轮融资。该公司位于旧金山，已招揽数名Optimus团队前成员，选择非人形路线，瞄准制造业、航空航天等工业作业场景。

📊 核心实体与商业数据

💡 业务落地拆解

从特斯拉Optimus到Intelligent Machines：人才流动与路线分化

库马尔并非最近才离开特斯拉。2025年9月，他在社交平台宣布离职，随后加入Meta担任研究科学家。在特斯拉任职的两年多里，他负责Optimus的AI团队，而非整个机器人项目。其个人主页至今仍列有“前特斯拉Optimus AI负责人”的经历。

宣布离职时，库马尔回顾了团队的两项工作：用强化学习替代传统控制架构，以及通过视频学习提升机器人的灵巧操作能力。他强调，AI是释放人形机器人能力的关键。

留在特斯拉的财务回报潜力其实更大；如果只考虑赚钱，他会留下。

Optimus项目负责人米兰·科瓦奇（Milan Kovac）已于2025年6月宣布离开特斯拉。两人岗位不同：科瓦奇负责整体项目，库马尔负责AI。将两人的离职合并描述为核心团队同步出走，会混淆时间和职责。

非人形路线与强化学习的延续

库马尔在加州大学伯克利分校攻读博士期间，研究机器人如何适应未见过的环境。其2023年博士论文《机器人控制的快速适应》，讨论了从四足行走到双足运动、再到手内物体旋转的控制方法。其中，快速运动适应算法RMA是他参与的代表性工作，相关论文发表于2021年Robotics: Science and Systems会议。

据报道，Intelligent Machines目前以机器人软件开发为重心，管理层也在讨论自研硬件，并采用强化学习训练机器人完成复杂任务。强化学习通过任务目标和反馈改进机器人的动作策略，能够成为不同形态机器人的训练工具。

工业作业场景的验证要求

特斯拉对Optimus的定位是开发能够承担危险、重复或枯燥任务的通用、自主双足人形机器人。而Intelligent Machines更倾向于从工业作业切入，围绕明确任务安排硬件和软件。

以装配为例，识别零件只是第一步。机器人还需要完成定位、接触、施力和结果检查。即使动作看上去相同，工件公差、材料特性或摆放位置变化，也可能影响执行结果。对航空航天等行业而言，作业是否符合质量要求，比一次演示是否流畅更关键。

新公司的后续进展更适合从任务成功率、运行稳定性、人工介入频率和部署成本等方面观察。

特斯拉旧将的工业自动化路径参照

Mytra联合创始人、首席执行官克里斯·沃尔蒂（Chris Walti）曾在特斯拉任职约七年半，负责过Model 3物料流自动化，参与创建和领导早期Tesla Bot项目。2022年成立的Mytra将业务集中在物料移动和存储。2026年1月15日，公司宣布完成由Avenir Growth领投的1.2亿美元C轮融资。

国际机器人联合会在2026年9月发布的报告显示，2025年全球工厂运行的工业机器人数量达到约500万台，同比增长9%；当年新增安装量超过60万台，同比增长11%。

🚀 对企业 AI 化的启示

1. 人才流动是技术路线分化的信号：特斯拉Optimus前成员向工业机器人领域聚集，表明机器人AI能力正在从通用人形向明确工业任务迁移。企业应关注这一趋势对供应链和自动化方案的影响。

2. 强化学习成为跨形态训练工具：Intelligent Machines以强化学习训练机器人完成复杂任务，说明该技术不绑定特定机器人形态。企业评估机器人方案时，应关注任务成功率与部署成本，而非外形相似度。

3. 工业机器人市场已具备规模基础：2025年全球工厂运行工业机器人约500万台，新增安装超60万台。机器人进入工厂并非等待人形产品才开启，企业应从现有系统尚未解决的具体任务中寻找AI落地机会。

4. 融资规模不等于产品验证：Intelligent Machines约1亿美元种子轮仍在推进，团队背景不能替代产品和客户验证。企业应关注首批机器人承担的具体作业、质量效率及客户采购方式。

【官方原文链接】点击访问首发地址