近日，具身智能領(lǐng)域迎來一筆重磅融資——靈初智能宣布完成天使輪及Pre-A輪共計20億元融資，投資方涵蓋國家級國資資本與核心產(chǎn)業(yè)資本。其中，天使輪由國開金融、國中資本、央視融媒體產(chǎn)業(yè)投資基金等“國家隊”資本，以及某數(shù)千億上市公司旗下戰(zhàn)投、長飛光纖旗下基金等產(chǎn)業(yè)龍頭，聯(lián)合元生創(chuàng)投、珠?？萍籍a(chǎn)業(yè)集團等知名基金共同參與；Pre-A輪則由上海國資徐匯資本領(lǐng)投，梁溪科創(chuàng)產(chǎn)業(yè)二期母基金、錫創(chuàng)投等地方國資，及普豐資本、鈦銘資本等市場化基金跟投，多家老股東超額追加投資，華興資本擔(dān)任長期財務(wù)顧問。本輪資金將主要用于物流場景的規(guī)模化落地與數(shù)據(jù)采集體系建設(shè)。

與傳統(tǒng)機器人企業(yè)聚焦硬件不同，靈初智能從成立之初便明確“模型公司”的定位。其創(chuàng)始人團隊來自云跡科技、京東算法核心部門，卻選擇了一條反常識路徑：不涉足核心零部件研發(fā)，不碰移動底盤，甚至不急于推出完整雙足人形機器人，而是將重心放在“通用靈巧操作”這一被行業(yè)長期忽視的領(lǐng)域。公司CEO王啟斌指出：“自2015年配送機器人興起以來，‘手’的操作難題始終未解，這恰恰是具身智能突破的關(guān)鍵?！?/p>

在王啟斌看來，當(dāng)前具身智能行業(yè)正陷入“冷啟動”困境：由于缺乏真實操作數(shù)據(jù)，模型無法泛化，導(dǎo)致機器人難以大規(guī)模部署；而部署不足又反過來限制了低成本數(shù)據(jù)的獲取。這種“雞生蛋”的循環(huán)與特斯拉FSD的成長路徑形成鮮明對比——特斯拉通過百萬級Model 3銷量積累底層數(shù)據(jù)，實現(xiàn)FSD快速迭代，但具身智能領(lǐng)域尚無類似的數(shù)據(jù)源頭。為此，靈初智能將戰(zhàn)略重心轉(zhuǎn)向數(shù)據(jù)基建，試圖通過構(gòu)建低成本、高質(zhì)量的人類操作數(shù)據(jù)體系破解僵局。

去年，UC Berkeley提出的UMI范式試圖通過低成本夾爪采集數(shù)據(jù)，但靈初智能認為其存在根本局限：UMI采集的是“人戴夾爪”的數(shù)據(jù)，而非人類自然操作數(shù)據(jù)，導(dǎo)致模型難以泛化至五指靈巧手等復(fù)雜結(jié)構(gòu)。靈初智能的解決方案是“人類多模態(tài)數(shù)據(jù)采集引擎”——該系統(tǒng)整合視覺（多視角）、觸覺（壓阻/電容）及21個關(guān)節(jié)角信息，可完整記錄人類操作時的底層邏輯。通過“重定向”技術(shù)，模型能將人類意圖映射至不同構(gòu)型的機器人本體，實現(xiàn)“一次學(xué)習(xí)，多形態(tài)適配”。

成本優(yōu)勢是該方案的核心競爭力。據(jù)透露，靈初數(shù)據(jù)采集設(shè)備的硬件投入僅為真機遙操作方案的十分之一，且計劃于今年3月推出便攜式版本，進一步將成本降低一個量級。未來，公司甚至考慮通過“眾包”模式，讓普通人在日常工作中佩戴設(shè)備采集數(shù)據(jù)，構(gòu)建去中心化的數(shù)據(jù)回流網(wǎng)絡(luò)。王啟斌強調(diào)：“低成本只是基礎(chǔ)，如何將高信噪比數(shù)據(jù)有效訓(xùn)練進模型，才是靈初的核心壁壘?！?/p>

在商業(yè)化落地場景的選擇上，靈初智能避開了“抓取-放置”等簡單任務(wù)，轉(zhuǎn)而深耕衣服供包、入箱揀選、分撥墻等復(fù)雜物流場景。以商超補貨為例，機器人需完成拆箱、取物、推車、上架、理貨等一系列動作，涉及視覺識別、柔性抓取、軌跡規(guī)劃、力控等多重挑戰(zhàn)。目前，靈初智能已在衣服供包場景實現(xiàn)800 UPH（每小時單位數(shù)）的節(jié)拍，達到國內(nèi)最高水平，并進入客戶現(xiàn)場陪產(chǎn)階段。

針對模型碎片化與場景泛化的質(zhì)疑，靈初智能技術(shù)負責(zé)人Viktor詳細拆解了其技術(shù)管線：首先通過數(shù)據(jù)手套采集長程、多任務(wù)人類操作數(shù)據(jù)完成預(yù)訓(xùn)練，培養(yǎng)具備廣泛泛化能力的“基礎(chǔ)模型”；隨后在選定機型上進行少量遙操作數(shù)據(jù)采集，實現(xiàn)模型與硬件的適配；再通過強化學(xué)習(xí)提升任務(wù)成功率與節(jié)拍；最終在真實部署中，由人工糾錯異常案例，并將數(shù)據(jù)回流迭代模型。這種分層訓(xùn)練體系既保證了通用性，又兼顧了場景性能。

對于具身智能的長期發(fā)展，靈初智能認為這是一個十年周期的賽道，當(dāng)前正從硬件創(chuàng)新轉(zhuǎn)向數(shù)據(jù)驅(qū)動的第二波浪潮。公司計劃到2026年將真實世界人類操作數(shù)據(jù)規(guī)模提升至百萬小時級別，并基于此訓(xùn)練出高度泛化的預(yù)訓(xùn)練模型。屆時，其商業(yè)模式將涵蓋數(shù)據(jù)采集設(shè)備銷售、數(shù)據(jù)資產(chǎn)變現(xiàn)及場景解決方案交付，形成多元化收入結(jié)構(gòu)。在行業(yè)熱衷于討論人形機器人形態(tài)時，靈初智能選擇回歸數(shù)據(jù)本質(zhì)，試圖通過降低“教機器人操作”的成本，掌握通往通用具身智能的關(guān)鍵鑰匙。