成立仅3个月，深圳黑马炎曦动力具身模型登顶多项榜单

一家成立刚满三个月的深圳初创公司，明明定位是做具身芯片，交出的第一份公开成果却是一个具身基座模型。

在由 Hugging Face、NVIDIA、清华大学等多家机构共建的 RoboColiseum 榜单中，这款名为 Paimon-0 的模型以 0.7754 分排在首位，在通用操作子榜和扰动适应子榜均处于领跑位置。此外，该模型还在大规模多任务基准 RoboCasa365、开源评测榜单 VLA-Arena 以及启元机器人主办的 IROS Workshop 双臂机器人挑战赛中斩获第一。

这家黑马名为炎曦动力（Primotion）。在成果完全公开前，已有客户将机械臂部件接入其控制方案：在 1kHz 控制节拍下，EtherCAT 控制周期的最差到点误差从纯软件调度的 30 微秒降至 FPGA 硬件模式的 152 纳秒，降幅达 99% 以上。

一家芯片公司为何从做模型起步？炎曦动力团队的核心逻辑是：先理清真实算法运行、数据流转与协同逻辑，跑通软硬件闭环，再用真实任务的计算需求去定义芯片微架构。

以“本地脑＋元脑”定义算控芯片

业内普遍探索端云协同，炎曦动力提出的是“本地脑＋元脑”分工体系：

• 云端元脑：负责开放场景理解、长程任务规划以及失败时的重规划与故障恢复；
• 端侧本地脑：负责基于视觉、触觉和力觉反馈的高频闭环控制与动作执行。

简单而言，“元脑负责第一次规划，本地脑负责稳定重复执行上万次”。在沙拉制作演示中，元脑决定食材搭配，本地脑则完成抓取、挤酱、搅拌等细致操作。

数据与自改进的算法闭环

面对高昂的示教数采成本，炎曦动力押注新任务冷启动能力，搭建了涵盖数据、模型与自我改进（RSI）的闭环。

数据方面，合作方 EgoScale 提供了覆盖全球 160 余座城市、万余真实场景的十数万小时第一视角操作视频。炎曦动力通过自建管线将其转化为结构化动作单元，映射至目标灵巧手。

模型方面，Paimon-0 以世界动作模型（WAM）为核心。为解决完整推演算力高、延迟大的痛点，模型借助 Query Token 蒸馏出物体 3D 位姿、语义及可操作性（Affordance）等核心表征，使单动作块推理耗时从 3000ms 压缩至 300ms。

自我改进方面，团队研发了任务进展评估模型 Paimon-Eval，该模型仅需一条示教上下文即可跨本体、跨操作者判别任务执行阶段并输出进度曲线，使机器人在没有密集人工标注的情况下获得泛化奖励信号。Paimon-Eval 计划于年底前开源。

芯片与 AI 的跨界阵容

炎曦动力的核心团队兼具芯片设计、前沿算法与机器人控制背景。

创始人兼 CEO 任清源曾任头部 RISC-V 芯片企业副总裁，带队实现数亿元营收交付；联合创始人马智恒为深圳理工大学算力微电子学院特聘副教授；常新远此前任大厂具身智能技术负责人；联合创始人张冬军则曾在大疆、固高科技主导运动控制器研发。

团队认为，机器人高频接触式控制与自动驾驶完全不同，对延迟与抖动极度敏感。目前许多延迟瓶颈其实卡在图像预处理、内存搬运与底层时序上。炎曦动力正通过硬件卸载调优链路，并计划将其固化至自研算控一体 SoC 芯片中，预计于 2028 年交付芯片产品。