靈初智能王啟斌：花一年把數據成本打下來，比做人形機器人更重要

近日，靈初智能宣布完成天使輪及Pre-A輪融資，合計20億元，由國家級國資資本與核心產業資本共同注資。

天使輪由國開金融、國中資本、央視融媒體產業投資基金等國家級“國家隊”資本，某數千億上市公司旗下戰投、長飛光纖旗下基金，兩大核心產業龍頭資本，沃德爾等知名產業資本，及元生創投、珠?？萍籍a業集團、鈞山投資、燕緣創投、大米資本、沃賦資本、彬復資本、泰合資本等多家知名基金共同投資。

Pre-A輪由上海國資徐匯資本等基金領投，梁溪科創產業二期母基金(博華資本管理)、錫創投等地方國資，及普豐資本、鈦銘資本等市場化基金跟投，多家老股東實現超額跟投。華興資本擔任長期財務顧問。本輪融資將加速靈初智能在物流場景的規?；涞嘏c數據采集體系建設。

在資本熱潮之外，更值得關注的是這家公司對自身戰略的清晰定位?！办`初不是一個典型的做硬件的公司，我們是一個模型公司?！?/p>

這家由前云跡科技、京東算法團隊核心成員創立的公司，從成立之初就選擇了一條略顯“反常識”的路徑：不做核心零部件，不碰移動底盤，甚至不急于打造完整的雙足人形機器人。他們瞄準的方向是“操作”，更準確地說，是通用靈巧操作。

“從2015年前后興起的第一波配送機器人熱潮開始，行業就始終沒能攻克‘手’上的操作難題，”王啟斌說。

在長達一小時的采訪中，王啟斌系統闡述了靈初智能在數據采集、硬件邊界、場景落地與商業化節奏上的核心判斷。在他看來，具身智能正處于一個需要“冷啟動”的關鍵階段，而破局的關鍵，正是高質量、低成本的人類操作數據。

01.

數據的“冷啟動”難題：為什么不能復制特斯拉模式？

談及硬件，王啟斌的回答顯得有些“非典型”。他坦言，目前無論是靈巧手還是關節模組，都遠未達到大規模工業應用（如百萬次壽命）的水平?！按蠹叶荚诏偪竦?，”他說，“硬件到底是多少自由度，其實是由模型的能力和數據的需要在定義的。”

基于此判斷，靈初智能的策略十分清晰：不做核心零部件，只做必須做的硬件——數據采集設備。

王啟斌將當前的具身智能行業困境總結為“冷啟動難題”。他類比了特斯拉的FSD（全自動駕駛）模式：“特斯拉的啟動是因為Model 3在2017年發售后，很快做到了百萬臺的年銷量，底層數據回流，讓FSD快速迭代。但具身智能最大的難題是：數據從哪里來？”

這是一個典型的“雞生蛋”問題：因為缺乏數據，模型無法泛化，導致機器人無法大規模部署；因為無法部署，低成本的真實世界數據又回不來。而仿真數據的Gap（差距）太大，無法直接用于訓練泛化模型。

因此，靈初智能選擇的第一個戰場，既不是雙足 locomotion，也不是關節模組的性能競賽，而是數據基建。

02.

不是UMI，是“人類多模態數據”

去年，UC Berkeley提出的UMI（Universal Manipulation Interface）范式在全球引發關注，其核心思路是用低成本的人持夾爪采集數據。但這條路徑也有其局限性，UMI采集的不是人類數據，是人帶了一個和機器人一模一樣的夾爪，這個數據無法泛化到一個五指靈巧手上。

靈初智能的選擇是回歸“人本”采集人類的操作數據。其推出的“靈初數據采集引擎”并非簡單的數據手套，而是一個集成了視覺（多視角）、觸覺（壓阻/電容）、21個關節角信息的復雜系統。

這種思路的差異決定了后續模型的泛化能力上限。靈初智能的方案首先學習的是人類操作本身的底層邏輯。在此基礎上，模型再通過“重定向”（retargeting）技術，將人類操作意圖映射到不同結構、不同自由度的機器人本體上。這意味著，只要預訓練模型對人類操作的理解足夠深刻，它就能適應多種硬件形態，而非被鎖定在某一種特定的機械構型之中。

這套方案的成本優勢同樣顯著。據透露，這套數據采集設備的硬件投入成本僅為真機遙操作方案的十分之一。今年3月之后，他們還將推出可攜帶的便攜式版本，目標是讓數據采集成本再降一個量級，甚至未來通過“眾包”模式，讓普通人在工作和生活中佩戴手套采集數據，實現去中心化的數據回流。

“成本只能保證數據大規模Scaling，并不能保證模型能訓練出效果。如何把高信噪比的數據訓進模型，這才是靈初的核心競爭力?！?/p>

03.

物流場景的真相：遠比“Pick and Place”復雜

在商業化落地的選擇上，靈初智能扎進了物流場景，但切口極為具體：衣服供包、入箱揀選、分撥墻。這些聽起來并不性感的場景，在靈初智能看來卻是當下模型能力的“試金石”。

“物流遠遠比pick and place復雜，”他舉了商超補貨的例子，“商超補貨，要把一箱東西拆開，拿出來放到容器里，推到貨架，放上去，還要理貨+ 。往掛鉤上掛東西，開冰箱門補飲品，還要把過期的拿出來。這是十幾個動作的序列。”

目前外界對于機器人物流的難度存在嚴重低估。很多人認為物流機器人只需要完成簡單的“抓取-放置”動作，但實際場景中，物品的形態千差萬別：從軟塌塌的衣物、易滾動的瓶罐，到不規則的包裹、堆疊的紙箱，每一種物品都對機器人的感知、規劃和操作精度提出了極高要求。

這個任務背后，是對視覺識別、柔性抓取、軌跡規劃、力控的綜合性挑戰。據透露，靈初智能目前在衣服供包場景的節拍已經做到800 UPH（Units Per Hour），作為國內最高水平已經進入客戶現場陪產階段。

04.

技術管線：從預訓練到后訓練的完整閉環

面對外界對于“模型碎片化”和“場景泛化邊界”的擔憂，Viktor詳細拆解了靈初智能的完整技術管線，將其類比為大語言模型的訓練過程：

預訓練（Pre-training）：利用數據手套大規模采集長程、多任務的人類操作數據。這一步相當于培養一個“中學生”，他的知識面很廣（泛化性強），但在任何具體任務上都不夠精專。

后訓練（Post-training/Teleop）：在選定落地的真機上，進行少量（約100小時級）的遙操作數據采集。這一步讓模型適配特定機型的“身體”結構。

真機強化（RL fine-tuning）：通過強化學習提升任務的成功率和節拍。

端側推理與糾錯（Inference & Correction）：在真實部署中，遇到無法自動恢復的Corner Case，由人工介入糾錯，這些數據再回流到模型中進行迭代。

預訓練數據決定了泛化能力的廣度，后訓練與強化數據決定了具體場景下的性能高度。越往后的數據質量越高，但泛化性越窄。這種分層的數據體系與模型迭代路徑，確保靈初智能既不會因聚焦具體場景而失去通用性，也不會因追求泛化而無法落地。

05.

十年長周期，數據是當前主旋律

對于具身智能的整體發展階段，靈初智能認為這是一個長達十年的長周期賽道，目前仍處于Gartner曲線的早期。硬件百花齊放的第一波浪潮已經過去，當前正迎來第二波——數據浪潮。

他認為，數據本身需要成為一種可持續的商業模式，才能真正推動行業向前發展。在這一階段，靈初智能的目標非常明確：2026年，公司將把真實世界的人類操作數據規模提升至百萬小時級別，并基于此訓練出一個高度泛化的預訓練模型。相應的，公司也將圍繞數據采集設備的銷售、數據資產的變現以及場景解決方案的交付，建立多元化的商業模式。

當外界聚焦于人形機器人的外在形態與雙足運動時，靈初智能選擇了一條更具長期價值的務實路徑：回歸數據源頭，致力于將“教機器人操作”的成本降下來。這或許不是一個性感的敘事，但在通往通用具身智能的路上，誰掌握了數據的低成本供給，誰就可能握有未來的入場券。