專訪靈御智能：商業(yè)化是先手棋 ROI 是第一準(zhǔn)則 數(shù)據(jù)是終極護(hù)城河

作者：呂鑫燚

出品：具身研習(xí)社

具身智能走哪條路才能真正跨過“技術(shù)--商品”的鴻溝？

靠技術(shù)的極致發(fā)展嗎？

答案顯然不是，歷史的長河中有太多前沿技術(shù)找不到合適場景承接，久久困于實驗室中。例如，激光技術(shù)從問世到在通信、醫(yī)療、工業(yè)加工等領(lǐng)域找到大規(guī)模商業(yè)化的落腳點，走了20年。技術(shù)本身從來不是商業(yè)化的充分條件，甚至不是必要條件，很多改變世界的產(chǎn)品，用的都不是當(dāng)時最頂尖的技術(shù)。

靠產(chǎn)品本身足夠好嗎？

答案或許也不是。用汽車舉例，雖然它在 19 世紀(jì)初就已經(jīng)成為商品，但高昂的價格始終讓其成為 1% 人才能擁有的稀罕物。真正讓汽車走向大眾成為實打?qū)嵣唐返?，并不是產(chǎn)品所有維度都很完美，而是福特把價格壓得足夠低。同樣的故事在特斯拉 Model 3 身上重演，在 Model 3 之前，搭載完整自動駕駛傳感器套件的電動車售價普遍在 80 萬元以上，Model 3 將價格拉到 20 萬元級別，開始規(guī)?；涞睾?，通過數(shù)百萬臺的出貨量積累了海量駕駛數(shù)據(jù)，才真正讓新能源汽車、自動駕駛從少數(shù)人的擁有走向了千千萬條馬路。

所有跨越了 “技術(shù) - 商品” 鴻溝的偉大產(chǎn)品，都遵循同一個底層邏輯：先成為能創(chuàng)造可量化價值的工具，再同步成為承載更前沿技術(shù)的載體。換句話說，商業(yè)化的進(jìn)度決定了技術(shù)發(fā)展的壽命，盡早商業(yè)化是加快技術(shù)進(jìn)步和延長應(yīng)用周期的唯一解。

反觀今天的具身智能行業(yè)，絕大多數(shù)公司都走反了方向。他們先預(yù)設(shè)了 “通用” 的終局，然后為了這個終局去造機(jī)器人。太多人去追求是 “技術(shù)上的完美”，但忽略了一個最基本的問題：這個產(chǎn)品能為客戶創(chuàng)造什么價值？客戶愿意為這個價值付多少錢？

結(jié)果就是，今天大部分具身智能機(jī)器人，要么是實驗室里只能做特定 demo 的 “展品”，要么是售價幾十萬甚至上百萬的 “少數(shù)派的玩具”。難以創(chuàng)造可量化的商業(yè)價值。這正是具身智能行業(yè)最大的危機(jī)，如果不能盡快跨過 “技術(shù) - 商品” 的鴻溝，整個行業(yè)將重演泡沫破裂。正如靈御智能CEO金戈對具身研習(xí)社表示：夢醒之后，只有能創(chuàng)造真實價值的公司才能活下來。

這對企業(yè)提出了三重不可偏廢的核心要求：它不能只做技術(shù)演進(jìn)的單向主導(dǎo)者，也不能只做真實場景的被動傾聽者，更要成為技術(shù)與場景耦合點的精準(zhǔn)挖掘者。用與當(dāng)前技術(shù)能力精準(zhǔn)匹配的產(chǎn)品，切入真正具備規(guī)?；瘎傂璧膱鼍埃诳捎纳虡I(yè)閉環(huán)中沉淀數(shù)據(jù)、反哺技術(shù)，最終完成從工具到智能的長期進(jìn)化。

當(dāng)我們在討論 “通用具身智能” 的終局時，一個最樸素也最尖銳的問題被懸置了：具身智能的價值到底該如何體現(xiàn)？企業(yè)又該去哪里找到第一個能讓產(chǎn)業(yè)活下去的價值錨點？

靈御智能給出的答案依舊遵循被反復(fù)驗證的產(chǎn)業(yè)邏輯，先讓產(chǎn)品真正用起來，且是符合客戶所有真實需求的用起來。換句話說，先走到 “福特 T 型車” 階段，把機(jī)器人從有錢人的玩具和實驗室的展品，變成大眾買得起、用得好、能賺錢的商品。

金戈進(jìn)一步對具身研習(xí)社解釋道，價值不是抽象概念，是寫在客戶財務(wù)報表上的數(shù)字。對于 B 端客戶來說，ROI（投資回報率）是唯一的決策標(biāo)準(zhǔn)。如果一個機(jī)器人能在 1 年內(nèi)收回成本，客戶會毫不猶豫地購買；如果需要 5 年甚至 10 年才能收回成本，無論技術(shù)多么先進(jìn)，客戶都不會買單。

這是具身智能規(guī)模化落地的必要前置因素，摸清這條邏輯后，靈御智能將目光投向了服務(wù)業(yè)。在金戈的判斷中，這是一個剛需強烈的場域，服務(wù)業(yè)容錯率相對較高、長尾場景豐富，發(fā)生邊緣case的試錯成本遠(yuǎn)低于工業(yè)制造，這更契合現(xiàn)階段具身智能的技術(shù)邊界。

于是圍繞場景，靈御智能做了一系列“重構(gòu)”。

最重要的就是成本，幾十萬的產(chǎn)品顯然不是場景想下單的標(biāo)的，只有滿足ROI的價格才能寫在采購單上。而靈御智能給出的價格足夠讓客戶心動“十萬起”，但這并不表示靈御智能交付的是一個為了價格讓渡質(zhì)量的產(chǎn)品，也不是在供應(yīng)商中摳出利潤的短視制造方式，而是用算法替代昂貴硬件，造出好用又成本可控的生產(chǎn)力。

靈御智能CTO莫一林說道，“具身智能這個詞很有迷惑性，英文直譯是賦予智能以身體，聽起來意思像智能是第一位的，身體不重要，但其實不是。”

在靈御智能看來，本體有很多值得優(yōu)化的空間。例如，靈御智能用低減速比的行星減速器，通過監(jiān)測電機(jī)電流變化估算受力，加上高精度標(biāo)定和全局逆解算法，實現(xiàn)了更低硬件成本。這套方案最終應(yīng)用時和業(yè)內(nèi)主流采用昂貴硬件的方案效果不相上下，都能達(dá)到毫米級的定位精度。再比如，靈御智能利用廣角攝像頭實現(xiàn)接近人眼的大視野，以此替代昂貴的頸部多自由度關(guān)節(jié)，在降低成本的同時確保了廣域視野覆蓋。

啃下成本問題后，靈御智能又圍繞技術(shù)開始重構(gòu)。

靈御智能選擇端側(cè)保留"小腦"負(fù)責(zé)基礎(chǔ)控制，"大腦"放置在云端，為此，本體也配備了適合云端控制的架構(gòu)，視覺回傳、力控反饋、運動指令下發(fā)的全鏈路。

這種路線能讓機(jī)器人共享云端無限的算力和知識，快速迭代能力，但它的致命短板就是通訊延遲。如果延遲問題不解決，整個架構(gòu)就會從 "智能協(xié)同" 變成 "盲人騎瞎馬"，不僅無法完成復(fù)雜任務(wù)，還會帶來嚴(yán)重的安全風(fēng)險。通過底層通信協(xié)議的重構(gòu)與專網(wǎng)級優(yōu)化，靈御智能給出的答案是端到端延遲在90毫秒以內(nèi)，城內(nèi)公網(wǎng)傳輸延遲約4毫秒，1000公里跨城傳輸延遲增加約10毫秒。低延遲的優(yōu)化讓云端大腦不會“活在過去”，而是“實時理解”。

在數(shù)據(jù)層，機(jī)器人采集的數(shù)據(jù)實時上云后云端模型持續(xù)訓(xùn)練迭代，然后新版本模型再下發(fā)到端側(cè)。這條鏈路中，靈御智能對數(shù)據(jù)格式、傳輸協(xié)議、模型接口都做了標(biāo)準(zhǔn)化設(shè)計，以保證閉環(huán)流暢。

至此，極致的成本控制加上好用的智能表現(xiàn)，為靈御鋪平了通往真實商業(yè)場景的路。目前，靈御TA機(jī)器人在京東七鮮超市面向真實零售門店環(huán)境，在無踩點演練的情況下，完成商品遞送、試吃服務(wù)、貨架取放等多類任務(wù)。此外，靈御也在酒店、物流等場景推進(jìn)樣機(jī)驗證。意向訂單約3億元，在手訂單約1億元，今年預(yù)計出貨約1000臺左右。

不為技術(shù)造產(chǎn)品，而為價值造產(chǎn)品，靈御智能讓具身智能先成為能賺錢的商品，先用起來，再在真實場景中沉淀數(shù)據(jù)、迭代智能，這才是跨越 “技術(shù) - 商品” 鴻溝的正道。畢竟，歷史已經(jīng)無數(shù)次告訴我們：最終改變世界的，從來不是最先進(jìn)的技術(shù)，而是最能滿足普通人需求的商品。

本體在真實場景用起來，為靈御創(chuàng)造了更高的護(hù)城河，其核心并不是短期的商業(yè)化提振，而是長期的數(shù)據(jù)來源。這是一條別人抄不走的路：別人為了采數(shù)據(jù)而燒錢，靈御在賺錢的過程中自然沉淀數(shù)據(jù)。

當(dāng)前行業(yè)的數(shù)據(jù)采集，本質(zhì)上是為 demo 服務(wù)的。為了在發(fā)布會上展示出完美的效果，模型廠商對數(shù)據(jù)提出了極其苛刻的 “標(biāo)準(zhǔn)化要求”：背景必須干凈無干擾，動作必須嚴(yán)格遵循固定SOP，甚至連操作員的動作速度都要被限制，因為動作太快，攝像頭和模型就捕捉不到。

莫一林舉了一個極具諷刺性的例子：“有人要求疊衣服必須先疊左袖子，再疊右袖子，每一步的時間都要精確到秒。但現(xiàn)實中，誰會這么疊衣服？有人先疊左袖，有人先疊右袖，有人鋪平了直接對折。你用這種標(biāo)準(zhǔn)化數(shù)據(jù)訓(xùn)練出來的機(jī)器人，只會疊‘實驗室里的衣服’，到了真實場景，連一件皺巴巴的 T 恤都拿不起來。”

這種為了 demo 而生的 “表演型數(shù)據(jù)”，本質(zhì)上是在閹割數(shù)據(jù)的多樣性和真實性。它只能訓(xùn)練出 “過擬合的演示機(jī)器人”，永遠(yuǎn)無法具備應(yīng)對真實世界復(fù)雜情況的泛化能力。

靈御智能對數(shù)據(jù)質(zhì)量的定義，與整個行業(yè)截然相反：數(shù)據(jù)質(zhì)量的第一標(biāo)準(zhǔn)，是 “活干得好不好”而不是 “模型好不好用”。

在靈御智能，操作員是以最快速度、最高質(zhì)量完成真實任務(wù)，不會為了適配模型放慢動作，不會為了標(biāo)準(zhǔn)化強制改變工作流程，更不會為了數(shù)據(jù)好看去擺拍任何一個動作。“如果一個機(jī)器人干活比人慢 5 倍，就算它能自主完成，也沒有任何商業(yè)意義?！?莫一林說，“用慢數(shù)據(jù)訓(xùn)練出來的模型，永遠(yuǎn)達(dá)不到人類的生產(chǎn)效率。”

這種對效率的極致追求，在 2025 年中關(guān)村具身智能機(jī)器人應(yīng)用大賽中得到了驗證：靈御機(jī)器人的任務(wù)完成速度是第二名的 5 倍。

如果說 “活干得好” 是數(shù)據(jù)的靈魂，那么極致的時空一致性就是數(shù)據(jù)可復(fù)用的基礎(chǔ)。當(dāng)前行業(yè)最大的痛點之一，而靈御智能則用兩個方式化解了上述問題。

首先是亞微秒級時間雙同步。同時記錄兩個關(guān)鍵時間戳，一個動作流本身的時間，用于訓(xùn)練需要還原真實物理規(guī)律的世界模型；另一個是數(shù)據(jù)到達(dá) CPU 的系統(tǒng)處理時間，用于訓(xùn)練需要實時響應(yīng)的 VLA 模型。這種雙時間戳設(shè)計，是行業(yè)內(nèi)獨有的。

此外還有，1 毫米級空間絕對精度。所有出廠機(jī)器人都經(jīng)過統(tǒng)一的高精度標(biāo)定，保證任意兩臺同型號機(jī)器人的關(guān)節(jié)誤差、末端執(zhí)行器誤差都控制在 1 毫米以內(nèi)。這意味著 A 機(jī)器人在上海采集的理貨數(shù)據(jù)，可以直接用于訓(xùn)練 B 機(jī)器人在北京的理貨能力，徹底實現(xiàn)了數(shù)據(jù)的跨本體復(fù)用。

而每一條數(shù)據(jù)都誕生于真實場景工作，機(jī)器人每天的長程任務(wù)都會被完整記錄下來。這些數(shù)據(jù)不是實驗室里被剪輯過的單一動作片段，而是包含了從任務(wù)開始到結(jié)束的完整流程，包含了真實世界中所有的 “不完美”：顧客的走動、貨物的雜亂擺放、光線的變化、突發(fā)的意外情況。

這些別人眼中的噪音，恰恰是訓(xùn)練通用具身智能最寶貴的素材。你不可能在干凈的實驗室里，訓(xùn)練出能在混亂的超市里干活的機(jī)器人。就像你不可能在沒有車的空地上，訓(xùn)練出能在城市道路上開車的司機(jī)。

為了讓這些高質(zhì)量數(shù)據(jù)真正成為可復(fù)用的生產(chǎn)資料，而不是堆積在云盤里的 “數(shù)字垃圾”，靈御智能花了近一年時間，打磨了一套覆蓋數(shù)據(jù) “采集 - 上傳 - 清洗 - 標(biāo)注 - 訓(xùn)練 - 部署” 全生命周期的自動化平臺，徹底解決了行業(yè) “數(shù)據(jù)全鏈路脫節(jié)” 的痛點。

這套平臺的核心是 “端云一體、全流程自動化”。提供多源異構(gòu)數(shù)據(jù)統(tǒng)一管理，AI輔助清洗標(biāo)注，把2周的人工標(biāo)注流程壓縮到2小時，訓(xùn)練層支持3行代碼啟動分布式訓(xùn)練，內(nèi)置DiffusionPolicy、ACT、π0等主流具身智能算法架構(gòu)，也支持自研模型注冊，部署層支持一鍵云端推理或本地下載離線運行，原生兼容ROS2生態(tài)。

也就是說，靈御智能是在做可直接用于訓(xùn)練的標(biāo)準(zhǔn)化數(shù)據(jù)服務(wù)。 金戈說，“我們的定位是具身智能的基礎(chǔ)設(shè)施提供商。未來，所有的模型廠商都可以基于我們的數(shù)據(jù)平臺，快速開發(fā)自己的具身智能應(yīng)用，而不用再從零開始搭建數(shù)據(jù)體系?！?/p>

從更長遠(yuǎn)來看，靈御智能對數(shù)據(jù)的規(guī)劃，戳中了當(dāng)前行業(yè)的核心誤區(qū)：沒有通用標(biāo)準(zhǔn)化的數(shù)據(jù)底座，所有的定制化都是空中樓閣；沒有高質(zhì)量要求的數(shù)據(jù)，帶來的只會是模型的過擬合。

整個行業(yè)現(xiàn)在都在奉行 “模型驅(qū)動數(shù)據(jù)” 的邏輯：模型廠商說需要什么樣的數(shù)據(jù)，數(shù)據(jù)廠商就按要求去采什么樣的數(shù)據(jù)。數(shù)據(jù)不再是客觀記錄真實世界的標(biāo)準(zhǔn)，而是變成了適配特定模型的定制化配件。但靈御智能認(rèn)為，這種邏輯從根本上就是錯的。

“好的數(shù)據(jù)應(yīng)該是客觀的、中立的，它不應(yīng)該為任何一個特定的模型服務(wù)。” 莫一林說，“當(dāng)一個行業(yè)積累了足夠多的高質(zhì)量標(biāo)準(zhǔn)化數(shù)據(jù)時，數(shù)據(jù)本身就會成為行業(yè)標(biāo)準(zhǔn)。如果我手里有 100 萬小時的真實場景數(shù)據(jù)，那我的數(shù)據(jù)就是標(biāo)準(zhǔn)。如果你的模型不能用這些數(shù)據(jù)訓(xùn)練，那不是我的數(shù)據(jù)有問題，是你的模型有問題。就像今天如果有人說他的圖像識別模型不能用 ImageNet 訓(xùn)練，所有人都會覺得是他的模型不行，而不是 ImageNet 不行?！?/p>

在靈御智能看來，數(shù)據(jù)先于模型存在，模型應(yīng)該去適應(yīng)數(shù)據(jù)，而不是反過來。就像當(dāng)年 ImageNet 的出現(xiàn)，統(tǒng)一了計算機(jī)視覺行業(yè)的數(shù)據(jù)標(biāo)準(zhǔn)，才催生了后來的深度學(xué)習(xí)革命。今天的具身智能行業(yè)，也需要一個屬于自己的 “ImageNet 時刻”—— 而這，正是靈御正在做的事情。

在具身智能的泡沫期，數(shù)據(jù)是最容易被包裝成故事的概念。靈御智能用自己的實踐證明，真正有價值的數(shù)據(jù)，從來不是燒錢燒出來的，而是在真實的商業(yè)場景中干出來的。靈御智能已經(jīng)建立了 “商業(yè)化→數(shù)據(jù)→模型→更好的商業(yè)化” 的正向循環(huán)：越多的機(jī)器人在真實場景中干活，積累的數(shù)據(jù)就越多；數(shù)據(jù)越多，模型的能力就越強；模型越強，機(jī)器人的效率就越高，就能拿下更多的商業(yè)訂單，進(jìn)而積累更多的數(shù)據(jù)。

這個循環(huán)一旦轉(zhuǎn)起來，就會形成一個自我強化的護(hù)城河。

在靈御智能的基因中，求真占據(jù)著舉足輕重的位置。這是靈御智能的核心價值觀，也是金戈和莫一林 20多年交情沉淀下來的共同信條。

金戈是投資人出身，摸爬滾打了 10多年，親眼見證了無數(shù)泡沫的升起與破滅。"我見過太多公司，靠一個漂亮的 PPT 融到幾億美金，然后燒光錢倒閉。" 金戈說，"2000 年的互聯(lián)網(wǎng)泡沫，2018 年的自動駕駛泡沫，歷史總是在重復(fù)。那些只會造夢的公司，最終都會被周期淘汰。"

這段經(jīng)歷讓金戈對商業(yè)有著近乎苛刻的本質(zhì)主義認(rèn)知："任何生意，最終都要回歸到 ' 能不能賺錢 ' 這個最樸素的問題上。不能創(chuàng)造真實價值的東西，無論故事講得多么好聽，最終都會煙消云散。"

而 CTO 莫一林，則是典型的技術(shù)實干派。他畢業(yè)于卡內(nèi)基梅隆大學(xué)，親身經(jīng)歷了 2007 年 DARPA 城市挑戰(zhàn)賽的狂熱。"當(dāng)時 CMU 拿了冠軍，所有人都覺得自動駕駛 5 年內(nèi)就能普及。" 莫一林說，"結(jié)果 18 年過去了，我們還在為 L2 + 的穩(wěn)定性頭疼。

20多年，從校園結(jié)識，在魔獸世界征戰(zhàn)到各自分別再重聚，一個見過太多商業(yè)的虛妄，一個深知技術(shù)的艱難。兩種視角的結(jié)合，讓靈御從一開始就避開了行業(yè)的大多數(shù)陷阱：他們不追風(fēng)口，不炒概念，不做只能看不能用的 demo，只專注于解決最本質(zhì)的問題，如何造出一臺能賺錢的機(jī)器人。

但這份務(wù)實并不代表，靈御智能的未來只能從一臺臺機(jī)器人手中尋找。"人類是夢想驅(qū)動的，我們做具身智能，當(dāng)然也是因為相信它能改變世界。" 金戈說，"我們同樣期待通用智能到來的那一天，期待機(jī)器人能走進(jìn)千家萬戶，解放人類的體力勞動。但我們更清楚，在終局到來之前，必須先活下來。"

"造夢和腳踏實地并不沖突。" 金戈表示"我們不能去講自己都不相信的故事"。

這份務(wù)實和對抵達(dá)終局極其清晰的路徑，也讓靈御智能收獲了更多回響。時隔兩個月，靈御智能又宣布完成近億元人民幣天使+輪融資。由福田資本領(lǐng)投，力合創(chuàng)投、金沙江聯(lián)合資本、復(fù)利多、楹輝創(chuàng)投、華倉資本跟投，老股東英諾基金、天鷹資本持續(xù)加注。本輪融資將主要用于靈御TA機(jī)器人產(chǎn)品迭代、供應(yīng)鏈與交付能力建設(shè)、以及高質(zhì)量真機(jī)數(shù)據(jù)和云端協(xié)同系統(tǒng)的持續(xù)研發(fā)。

資本的加持和商業(yè)化的落地，各路都在用真金白銀 buy in 靈御智能。

我們無法預(yù)判未來的模樣，也不知道拐點會在哪個不經(jīng)意的瞬間悄然將至。但透過靈御智能的路線我們能看到，與其思考終局長什么樣，不如先動身用起來，去主動把終局變成現(xiàn)實。