曾经负责特斯拉Optimus人工智能研发的阿希什·库马尔（Ashish Kumar），正在组建新的机器人团队。这一次，他选择了非人形路线。

据新浪财经10月7日消息，库马尔联合创办的Intelligent Machines位于旧金山，已经招揽数名Optimus团队前成员，正在推进可能达到约1亿美元的种子轮融资。新公司瞄准制造业、航空航天等领域，希望让机器人承担原本由高级技术工人完成的作业。 

这一创业动向让Optimus前核心成员的去向再次受到关注。与另做一款人形机器人相比，库马尔选择的方向更值得注意：同样把AI用于机器人，却不再以人形作为产品前提。

不过，产品方向不同，并不能直接解释为他与马斯克发生了冲突。现有公开材料没有证实库马尔因技术路线争执离职，也没有证明这些前同事在同一时间集体离开特斯拉。

01｜离开特斯拉后，他曾先去Meta

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，他负责的是Optimus的AI团队，而非整个机器人项目的全部研发。其个人主页至今仍列有“前特斯拉Optimus AI负责人”的经历。 

这一身份意味着，他的工作重点是让机器人学会行动。机器人拥有电机、关节和灵巧手之后，仍然需要解决如何感知环境、控制身体，以及在物体和场景变化时调整动作的问题。

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。他还强调，AI是释放人形机器人能力的关键。当时面对有关薪酬的猜测，他表示，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。 

因此，这次创业不能简单写成“被高薪挖走之后，转身挑战马斯克”。从已知时间线看，他先离开特斯拉、进入Meta，之后才出现新的创业报道。其间如何形成创业决定，目前没有完整的公开说明。

在他之前，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。两人的岗位不同：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一个核心团队同步出走，会混淆时间和职责。 

现在，部分前Optimus成员在新公司重新聚集，提供了另一条观察人才流动的线索：特斯拉机器人项目培养的研发经验，正在被用于不同的产品方向。

02｜转向非人形，仍然押注机器人学习

库马尔的研究经历，可以解释他为何继续围绕机器人AI创业。

在加州大学伯克利分校攻读博士期间，他研究的重要问题是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。研究团队在仿真中训练控制策略，再将其部署到真实四足机器人上，使机器人能够适应不同地面和负载条件。相关论文发表于2021年Robotics: Science and Systems会议。 

这些工作关注的并非某一种外形，而是机器人在环境变化后，能否继续完成任务。从这一研究脉络看，转向非人形产品并不意味着他放弃了此前的技术积累。

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。它能够成为不同形态机器人的训练工具，因此，“人形”与“非人形”不能直接对应两种互斥的AI方法。库马尔此前在Optimus团队的工作，本身就包含强化学习。

目前能够确认的路线差异，首先是产品形态和目标场景。至于新公司在模型、训练数据、控制架构上将如何区别于特斯拉，还需要更具体的技术披露。仅凭“采用强化学习”，不足以判断它已经形成独有优势，更不能据此认定Optimus采用了相反的技术路线。

对新团队而言，过去的研究和工程经历能够缩短探索过程，但最终仍需通过实际产品证明：训练出的能力能否在客户现场稳定复现。

03｜从通用人形，转向明确的工业作业

特斯拉在官方网站上对Optimus的定位很清楚：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。它需要同时解决平衡、导航、感知，以及与物理世界交互等问题。 

人形路线的目标，是让同一种机器人进入多种为人设计的环境。特斯拉的相关招聘介绍也将工厂、家庭等列为应用方向。这样的产品目标，要求机器人具备广泛的移动和操作能力。 

从已披露的应用方向判断，Intelligent Machines更倾向于从工业作业切入。这意味着，新公司有机会围绕明确任务安排硬件和软件，而不必在一开始就满足完整的人形设计。

例如，在固定工作站完成操作的机器人，其结构可以围绕工作范围、负载和工具需求设计；需要跨工位移动的产品，则必须进一步解决移动和现场协同问题。具体采用哪种结构，取决于任务要求。目前的报道尚不足以判断Intelligent Machines最终会选择固定机械臂、移动操作平台，还是其他形态。

这也是非人形路线的实际边界：减少某些设计约束，并不会自动消除工业部署的难度。

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。

因此，从通用机器人转向工业任务，改变的是产品需要先证明什么。通用路线要不断扩展任务范围；工业路线则必须证明，在约定的作业条件下，系统能够持续达到客户要求。

根据这些应用约束，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。外形与Optimus是否相似，无法替代这些验证。

04｜特斯拉旧将创业，已有另一条工业路线

在库马尔之前，另一位参与过特斯拉早期人形机器人项目的负责人，已经选择了工业自动化。

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。根据Mytra的官方介绍，他负责过Model 3物料流自动化，组建并领导过工厂移动机器人团队，也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，而不是开发完整的人形机器人。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，并披露已获得大型食品企业和工业用品分销企业客户。 

Mytra与Intelligent Machines的任务方向不同，前者关注物料流，后者据报道瞄准更复杂的工业作业。但两者体现出相似的创业选择：从特斯拉积累经验后，将机器人能力用于范围更明确的业务问题。

工业自动化本身已有庞大的应用基础。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%。这些是工业机器人统计，并非人形机器人的出货数据。 

这组数字说明，机器人进入工厂并不是一个等待人形产品才会开启的市场。新一代机器人公司的机会，需要落实到现有系统尚不能有效解决的具体任务。

对Intelligent Machines而言，多名Optimus前成员加入，是团队履历上的看点；约1亿美元的潜在种子轮规模，是资本层面的看点。但融资仍在推进，不能写成已经到账，团队背景也不能替代产品和客户验证。 

库马尔此次创业，将机器人行业的一个选择摆到了台前：在追求广泛能力的同时，企业究竟从哪一项工作开始交付价值。

这家新公司的下一步，需要由具体产品回答。首批机器人承担什么作业、达到怎样的质量和效率、客户愿意如何采购，将比“马斯克旧将”这个身份更能说明它能走多远。