TL;DR:
优理奇CEO杨丰瑜，一位“00后”的耶鲁博士辍学生，以其反直觉的创业路径，在具身智能的VLA热潮中选择“特斯拉路线”，坚持硬件自研并让机器人先在酒店“干活”积累数据，展现出务实、坚韧且极富前瞻性的新一代科技创业者特质。
在2025年那个具身智能浪潮席卷全球的夏末，一个意料之外的名字在机器人界悄然掀起波澜——优理奇（Unix AI）及其“00后”创始人兼CEO杨丰瑜。世界人形机器人运动会闭幕不久，当同行们还在热议VLA（Vision-Language-Action）模型的无限潜力时，优理奇的400咨询电话却响个不停，酒店客户组团登门参观。他们的机器人，Wanda，刚刚在酒店清洁与迎宾服务项目中斩获两金一银，不是凭借华丽的“大模型”，而是靠着在酒店客房里，一间间“关起门来慢慢干”的真实积累。这不禁让人好奇，这位年轻的掌舵者，究竟有着怎样的思维模式，能够在这股“智造”洪流中，走出一条独特而坚定的路径？
从象牙塔到真实世界：一位耶鲁博士的抉择
杨丰瑜，生于千禧年，本科毕业于密歇根大学计算机专业，随后在耶鲁大学攻读计算机博士学位。他的履历光鲜，却并未选择传统精英的学术或大厂之路。2024年，当具身智能的窗口期初现端倪，他毅然暂停博士学业，回国创立了优理奇。这一举动，本身就带着一股破釜沉舟的决绝。
“我觉得在学术界是‘为了解决问题而创造问题’，我更想解决真实世界的问题。”杨丰瑜的这句话，道出了他内心深处的驱动力。这并非对学术的否定，而是一种更深层次的务实追求。在耶鲁的理论象牙塔中，他看到了广袤物理世界对智能解决方案的渴求，而不再满足于纯粹的理论推演。这种对“落地”的执着，成了他创业基因中最重要的部分。
更深层次的信念，源于他对中国制造业的洞察。他坚信：“过去20年中，凡是跟硬件相关的领域，最终都是中国公司的天下。”1 这份对国家工业实力的自信，与具身智能这种高度依赖硬件制造和供应链的赛道天然契合。在他眼中，眼前具身智能的爆发，正是中国力量崛起的绝佳契机，不容错过。
反其道而行之：不押注VLA的“特斯拉路线”
在当前具身智能领域，VLA（Vision-Language-Action，视觉-语言-动作）模型无疑是炙手可热的“新范式”，被视为机器人“即知即行”的终极进化方向。从谷歌的RT-2到中国智平方的RoboMamba，再到OpenVLA、HybridVLA等，全球顶尖机构和企业正竞相押注VLA，将其视为实现机器人通用智能的关键路径。2 然而，杨丰瑜和优理奇却选择了一条“反向”的道路。
“我们短期内在落地场景中不使用VLA。” 杨丰瑜的回答，直截了当。他并非不看好VLA的长期前景，但以他技术出身的严谨判断，当前行业“缺乏海量机器人数据”，端到端VLA的“时机还不成熟”。他将优理奇的商业策略概括为“特斯拉路线”：
“优理奇是走特斯拉路线的机器人公司，就是先在实际场景铺足够量的机器人，然后再通过‘数据飞轮’积累足够的数据。”
这种先铺量、再迭代的策略，旨在解决具身智能领域最核心的“数据饥渴”问题。杨丰瑜指出，一个优秀的具身智能模型，需要“至少一个跟自动驾驶相近的数量级”的数据，这意味着“没有几十万台机器人在路上跑，不要想说做出一个非常好的模型。” 他宁愿要符合“自然分布”的一亿条数据，也不要在人为分布里的“一小撮”数据。
为此，优理奇将酒店清洁视为其机器人落地的“类C端”场景。在客房中，Wanda机器人可以完成清洁、整理、收垃圾等原子动作。这个场景的优势在于：数据可回传且保密性不高、容错率高（“可以让机器人关门慢慢干”）、人机交互隐患小。更重要的是，在酒店场景中锻炼的技能，未来可以高效迁移到家庭、养老院、餐厅等更广泛的B端和C端任务中。
优理奇的技术路径也与此相辅相成。他们没有采用“黑盒”式的端到端VLA，而是选择了基于关键点的“模仿学习”模型UniFlex。这套感知操作解耦模型能够将复杂动作分解成关键点和运动轨迹，通过“5到10次的数据采集就能学会一个新的任务”，极大地提高了数据利用效率。这种务实的技术选择，正是为了在数据量尚不充裕的当下，最大限度地实现机器人技能的泛化和落地。
“苦行僧”式的硬件自研与对成本的极致追求
当谈到硬件，杨丰瑜的语调变得更加坚定：“今年是机器人的量产元年，我认为硬件稳定具有压倒一切的重要性。” 这句话，不仅是对行业趋势的判断，更是优理奇全栈自研硬件策略的根本出发点。
全栈自研，在机器人领域是一块难啃的“硬骨头”，它意味着要同时应对技术研发、供应链管理和生产制造等多重挑战。但杨丰瑜对此抱有极致的信念，因为其背后的价值是深远的：
- 时间与透明度： “机器人没有标品，找上游供应商开发的时间很慢，自己做在时间上更好控制；而且找供应商做的话技术上会存在黑盒，出了错都不知道是哪里的问题。”
- 成本控制： “没有中间商赚差价，成本可控。全栈自研让我们能极致地控制成本。比如，别人用谐波减速器，一个就要一两千，我们用自己的方案，整个关节加起来都没它贵。二代机8万8的定价，仍有非常可观的毛利。” 这种对成本的把控，无疑是其“特斯拉路线”——大规模铺设的基础。
- 数据一致性与模型迁移： “如果硬件不是自研，第二代、第三代机器人的数据可能无法复用，模型就废了。” 这点揭示了杨丰瑜在短期务实与长期战略之间的精妙平衡——今天的自研硬件，是为了未来数据飞轮的无缝运转。
在视触觉传感器上，优理奇也展现了同样的理性。尽管承认触觉的重要性，但杨丰瑜认为当前实体高精度视触觉传感器“性价比不高”，存在“信号密度、耐久性、价格”三大挑战。他选择了一条更经济高效的路径：通过预训练模型建立视觉和触觉的数据关系，让机器人“看到物体就能想象出‘接触’的感受，从而再由此来判断抓取的力和方式。”这是一种用算法智慧弥补硬件短板的巧妙策略。
在机器人运动会上，优理奇采取了双机并行的策略，量产的Wanda二代机稳定可靠，而尚未发布的三代机Wanda则作为“性能担当”亮相。杨丰瑜形容三代机是“完全为干活而生，长得没那么像人，但性能更强”，这再次印证了他“不求好看，但求能干”的实用主义。
“00后”的破局者：年轻驱动力与老兵智慧的融合
“00后”的标签，无疑为杨丰瑜增添了几分传奇色彩，但他本人却显得有些淡然：“我只是正好在2000年出生，这一波有很多非常年轻的具身创业者，‘00后’和他们没有本质的不同。” 他更强调年轻创业者的共性优势——没有历史包袱，不受传统观念束缚，能够敏锐捕捉技术前沿。
作为一位“一线技术出身，代码自己敲的”CEO，杨丰瑜对技术的理解和判断，构成了优理奇快速决策、快速迭代的基础。他相信：“年轻人是驱动这波具身智能发展的核心力量。” 这份自信，不仅吸引了许多志同道合的年轻才俊，也成功吸引了像优理奇首席科学家王贺升教授这样的资深专家。
王贺升教授，一位在机器人领域深耕多年的“老兵”，选择与年轻的杨丰瑜团队并肩作战，其背后是智慧的互补。正如杨丰瑜所言：“大家找的是互补。一群老炮在一起还是老炮的打法。我们年轻团队有冲劲和技术前沿的敏锐度，老兵们有丰富的产业经验和资源，两者结合能产生巨大的化学反应。” 这种跨代际的融合，正是优理奇在创新与落地之间取得平衡的关键。
在具身智能的宏大叙事中，杨丰瑜和优理奇的故事，是一个关于务实、坚韧和前瞻性的脚注。在一个热点频出的科技浪潮里，他们没有选择追逐最闪耀的光环，而是甘愿做一位“苦行僧”，从最基础的数据积累、最稳定的硬件自研、最实际的场景落地做起。他的选择，不仅揭示了00后创业者独特的思维模式与价值观念，也为整个具身智能行业，描绘了一幅可能实现“数据飞轮”与规模化应用的清晰蓝图。