搜索引擎网站推广,东莞市招聘信息最新招聘,唐山如何做百度的网站建设,一流的哈尔滨网站建设允中 发自 凹非寺量子位 | 公众号 QbitAI具身智能的胜负手#xff0c;可能并不在机器人本身。这种认知差#xff0c;正在被最敏锐的资本迅速兑现为筹码。近日#xff0c;灵初智能宣布完成总额约20亿元的天使轮及Pre-A轮融资。天使轮由国开金融、国中资本、央视融媒体产业投资…允中 发自 凹非寺量子位 | 公众号 QbitAI具身智能的胜负手可能并不在机器人本身。这种认知差正在被最敏锐的资本迅速兑现为筹码。近日灵初智能宣布完成总额约20亿元的天使轮及Pre-A轮融资。天使轮由国开金融、国中资本、央视融媒体产业投资基金等国家级“国家队”资本某数千亿上市公司旗下战投、长飞光纤旗下基金两大核心产业龙头资本沃德尔等知名产业资本及元生创投、珠海科技产业集团、钧山投资、燕缘创投、大米资本、沃赋资本、彬复资本、泰合资本等多家知名基金共同投资Pre-A轮由上海国资徐汇资本等基金领投梁溪科创产业二期母基金博华资本管理、锡创投等地方国资及普丰资本、钛铭资本等市场化基金跟投多家老股东实现超额跟投。华兴资本担任长期财务顾问。这笔20亿元的资金将加速灵初智能在物流场景的规模化落地与数据采集体系建设。值得注意的是这是灵初智能首次系统披露公司的融资进展。过去很长一段时间这家公司几乎没有在资本层面发声而是把大部分精力放在技术路线与数据体系的打磨上。而之所以能吸引国家级资本与地方国资的大规模重仓也与团队极其互补的底色分不开创始人兼CEO王启斌在手机、智能音箱及机器人领域拥有20年产品操盘经验曾担任黑莓、Sonos及云迹科技高管联合创始人陈源培是00后在北大人工智能研究院读研时师从强化学习RL代表人物杨耀东在斯坦福曾与李飞飞有过深入交流曾拒绝了华为“天才少年”的高薪offer。在具身智能公司纷纷卷Demo、卷参数的当下灵初智能的突围逻辑清晰且冷峻放弃昂贵且低效的机器人遥操All in人类原生数据。从Robot-Centric到Human-Centric重构数据基建长期以来具身智能被三座数据大山死死压住仿真环境数采存在无法逾越的Sim-to-Real差距尤其在处理布料等柔性物体时捉襟见肘机器人遥操数采则像是一场昂贵的人力外包碎片化的试点导致成本居高不下且无法穷尽物理世界的复杂分布而硬件本体与数据的深度耦合则成为了“房间里的大象”。数据与硬件强绑定采集于哪种本体便服务于哪家体系。这种封闭结构使数据难以跨平台流通整个生态将逐渐演变为彼此割裂的孤岛。风头正盛的UMI设备数采在灵初智能看来更像是一个“美丽的陷阱”同样存在结构性问题。在灵初智能看来这并非一场工具之争而是一场数据范式之争。UMI本质上是让人拿着机器人的器官去模拟机器是一种“Robot-Centric”的逻辑。短期内可以降低门槛长期却可能锁死上限。如果数据从一开始就围绕机器人本体采集那么模型的能力边界也会被提前锁定而如果数据源头来自人类本身那么模型学习的将是“任务本质”而非“机器结构”。两种路径决定的是具身智能未来的天花板。“UMI采集的是机器人夹爪的数据。它无法泛化今天用UMI采的数据根本无法直接用到五指灵巧手上。”陈源培指出这种方案强行将人类拥有20多个自由度的五指灵巧手降维成了一个只能“开合”的简易夹爪。为了破解这一冷启动难题灵初智能全栈自研并发布了全球首个具身原生人类数据采集方案——Psi-SynEngine。其核心逻辑只有四个字以人为本。便携式外骨骼触觉手套可精准捕捉人手21个关节自由度及全手触觉信息并不影响工人正常作业系统同步记录头戴与手部视角的视觉、触觉、动作及语言数据为预训练阶段的多模态对齐提供真值支撑。更关键的是成本结构。据王启斌透露通过手套采集数据的综合成本仅为真机遥操方案的10%。真正的护城河则来自跨本体迁移能力。“机器人会迭代夹爪会更换但人手是不变的。”陈源培表示。通过基于世界模型与强化学习的迁移算法灵初能够将人类动作高质量映射到不同构型的灵巧手上弥合Embodiment Gap。当数据源头脱离硬件本体模型的能力上限也会随之被重新打开。不卖铲子卖“会干活的脑”数据基建解决的是“矿从哪来”即“有没有数据”的问题而真正拉开公司之间差距的是“矿炼成什么”也就是把这些数据转化为模型能力的效率。灵初发布数采体系外人看可能觉得就是个“卖铲子”的生意。但在创始团队的逻辑里这只是飞轮的起点。陈源培直言我们不会停留在数据供应商这个角色。数据是用来训练具身大脑的燃料而非终点。真正具备长期价值的是由数据喂养出来的、可迁移的通用操作能力。灵初智能不卖矿石也不卖铲子卖的是“会干活的脑”。在灵初的逻辑里单纯靠人力做数采没什么门槛本质上赚的是劳动力的钱。而模型对数据的消化、泛化与迁移水平才直接划定了这些数据价值的天花板。因此灵初走出了一条在行业中相对少见的路径先通过模型验证能力边界再反过来定义数据体系先通过模型训练与任务实验判断哪些数据真正有价值再围绕这些关键数据构建规模化采集能力。这种“模型驱动数据”的闭环让灵初在持续推进模型落地的过程中能不断修正数据结构、标注体系与采集方式。这就把原本死板堆积的“原材料”给带活了让它们变成了一种紧贴模型目标、不断进化的结构化资产。相比行业里还在兜售“大物流”“全场景泛化”这类宏大叙事灵初表现得有些反直觉的克制。王启斌透露2025年下半年灵初内部曾有过一次关键掉头停止资源投入纯展示型Demo全面转向真实数据采集与细分场景交付。为什么这种转变背后的逻辑其实很务实因为模型进化需要养料而最硬核的养料只有在真实交付中碰撞出的“高密度问题”里才能淘出来。灵初切入的口子极细甚至有些“挑剔”比如专门盯着“衣服供包”或“入箱检”这种高复杂度、强柔性的活儿。以衣服供包为例目前灵初已实现对上千件衣物的泛化抓取节拍提升至800 UPH即Unit Per Hour指每小时产出数量形成从场景部署、数据采集到模型优化的闭环。这套方法在团队内部被沉淀为一种“能力飞轮”每一个新场景的落地都在喂养模型而变强了的模型又成了他们敲开下一个复杂场景的敲门砖。飞轮由此启动。全栈有边界进化能力才是护城河在具身智能这个“软硬耦合”的赛道上全栈几乎是必选题。算法离不开硬件硬件又反过来塑造数据分布两者缺了谁都跑不通系统闭环。但灵初的“全栈”被赋予了某种分寸感他们通过战略筛选将精力高度克制地集中在核心链路走的是一条精准布局、有的放矢的路子。在王启斌看来市场上能买到且够用的灵初绝不碰但凡是卡住核心能力的环节必须紧紧攥在自己手里。之所以费力气自研数据手套和灵巧手是因为市面上现有的方案在规模化数采和底层电流环控制算法上根本达不到高精度操作的要求。假如将这些环节外包出去无异于把数据质量和模型演进节奏的“命门”交给了别人。而对于像轮式底盘这样已经高度成熟的赛道他们则选择通过定制合作来解决因为那已经不构成技术瓶颈强行投入只会分散自身精力。如此取舍背后其实是在重新厘清灵初这家公司的能力边界自研是为了守住核心能力整合是为了调用通用资源。这也让灵初的定位变得愈发清晰——他们本质上是一家通用灵巧操作能力的“大脑驱动公司”核心算法与数据链路自控硬件形态保持开放能够根据不同场景灵活适配。对于具身智能公司来说眼下跟时间赛跑很重要。因为真实场景的数据反馈是有复利效应的那些进场早、碰到的复杂任务多的人才能抢先一步触达那些决定胜负的长尾数据。这种由规模和密度堆叠出来的领先优势是后来者很难用资本直接抹平的。所以灵初的方法论重心在于模型能力的沉淀。随着数据飞轮的启动数据成本在降模型能力在升这种此消彼长会带他们步入一个更高阶的战场——去解决那些更复杂、更广阔的应用场景。值得注意的是灵初智能此次披露的融资信息也释放出一个信号具身智能正在进入资本与产业共振阶段。据行业人士估算在过去一年中灵初估值已提升约6–7倍正在向具身智能领域的独角兽迈进。从国家级产业基金、地方国资平台再到通信与光通信产业链龙头这种资本结构背后其实是产业界对“具身数据基础设施”的提前押注。在这个赛道里大家争夺的筹码早已超出了资金本身时间才是最稀缺的通货。随着数据飞轮转速加快比拼的本质也从聚焦于谁账面上钱多转变成了谁跑在了时间的最前面。而这种领先优势极具排他性一旦时间差形成差距就会以一种极快的速度被放大留给后来者的空间只会越来越窄。