對話臨界點熊坤：五個月估值破十億美金，靈巧手估值憑什么跑這么快？

作為具身智能賽道最快成為獨角獸的公司之一，臨界點怎么看靈巧手行業的下一階段。

作者｜Li Yuan

編輯｜靖宇

具身智能賽道的融資紀錄又刷新了。

6 月 24 日，靈巧手公司臨界點 AGILINK 宣布完成新一輪融資，投后估值超 10 億美元。從公司成立到躋身獨角獸，這一過程用了 5 個月，4 輪融資——是靈巧手賽道至今最快的速度。

本輪投資方陣容包括未來資產、某互聯網大廠、京銘資本等戰略與產業資本，東風資產、國信中數、上海電科基金等產業資源方，清新資本、凱聯資本、普華資本、天季資本、We Venture、箴言投資、明嘉資本等財務投資機構，以及高瓴創投、藍馳創投、C 資本等老股東的持續加注。

臨界點是一家專注于靈巧手硬件與算法的公司，年初從智元機器人拆分出來。

過去幾個月臨界點的進展很快，已經有了多款產品：有尺寸接近鼠標的輕量化靈巧手 OmniHand 3 Lite，也有面向具身場景的夾爪 OmniPicker 3；在高自由度靈巧手上，臨界點也同時推進繩驅和直驅兩條路線。

之前發布的 Ultra-T 采用繩驅方案；6 月 2 日，在維也納 ICRA 現場，臨界點又首次發布了全直驅旗艦靈巧手 OmniHand 3 Ultra-M。

在軟硬件協同層面，臨界點還在 ICRA 現場展示了可以把長條氣球折成小狗形狀。氣球柔軟、易變形，也很容易被捏爆，從個人經驗出發，確實人類都不一定每次都完成好這個任務。靈巧手能夠做到這個 demo，不僅展現了手指運動能力，也展現了很好的觸覺感知、力控和接觸建模能力。

在此次融資之際，極客公園和臨界點熊坤進行了一次對談。

我們聊到：臨界點為什么能在短時間內融到這么多錢；ICRA 現場的氣球 demo 背后，究竟對應怎樣的技術敘事；為什么臨界點要同時布局多種技術路線和不同自由度產品；它如何判斷當前的觸覺路線；以及作為具身智能賽道最快成為獨角獸的公司之一，臨界點怎么看靈巧手行業的下一階段。

01

靈巧手不是一門純硬件生意

極客公園：這次我們想聊「為什么臨界點能融到這么多錢」。你會有一個很直接的答案嗎？

熊坤：如果有一個唯一答案，就是臨界點可以更好地跑通靈巧手，解決機器人最后 10 厘米的問題。

硬件上，我們不是只做一款產品，而是有低、中、高全矩陣投入。靈巧手基模研發也會加大投入，下半年應該會有一定成果。整個軟硬件壁壘會越來越深，助力靈巧操作爆發式增長。

除了旗艦產品以外，我們還有量產能力。我們在不同場景下有不同硬件布局，算法也會針對不同場景做定制化開發。更重要的是量產和供應鏈整合能力，這是我們的不同優勢。

極客公園： 靈巧手公司的估值應該怎么衡量？

熊坤：關鍵在于你把它當成純硬件公司，還是既做硬件又有模型的公司。

一些傳統靈巧手公司可能還是純做硬件，只能按硬件方式估值。但很多新的公司，如果具備很好的靈巧操作模型能力，我覺得硬件加軟件模型的估值體系，才符合對靈巧手公司的評判。未來想活下去，應該都要軟硬件都有。到那個時候，估值方式里軟件比重會越來越多。

極客公園：融資后你們想做基模，這次的擰氣球就是一個模型能力展示。擰氣球展示了哪些模型特點？

熊坤：我們認為，下一階段機器人競爭的核心，不只是讓機器人「看懂世界」，而是讓機器人能夠通過觸覺和力反饋理解物理世界。臨界點把這一能力定義為「接觸智能」（Contact Intelligence），對應的，我們有一套具體的技術架構 DUET(Dual-layer Unified Embodied Tactile Intelligence, 雙層具身觸覺智能)。擰氣球 demo 是我們對 DUET 架構的一次公開完整驗證。

第一層是操作層，會采集人類完成長序列擰氣球的視頻和數據，包括手的數據、雙臂的數據。通過這些數據，我們會獲取運動空間、手和氣球之間的碰撞區域等信息。基于這些數據做訓練，在真實環境中用強化學習不斷調整整個任務規劃和靈巧手軌跡。

第二層是接觸層。手上的觸覺會實時采集擰氣球過程中的數據信息。基于這些信息，我們會在仿真環境里搭建氣球物理模型和靈巧手模型，做接觸和摩擦建模。靈巧手和被操作物體之間的接觸建模，對靈巧操作模型訓練非常關鍵。

擰氣球不同于其他任務，它操作的是軟體物品。捏上氣球的時候，氣球會產生形變，所以接觸建模、力的感知，對手、傳感器和模型建立的要求都非常高。

總的來說，操作層負責手和臂的任務規劃、軌跡計算和運動策略；接觸層實時給運動層提供精細的手類觸覺信息、力的信息，并對抓力做調整，起反饋作用。通過這兩層，可以讓靈巧手穩定完成擰氣球動作，防止脫滑和把氣球捏爆。

據我們了解，很多友商也嘗試過捏氣球任務。有些可能是在力控制、手和接觸模型搭建上有問題，就沒辦法完成這個。

氣球是人打的，很難保證每次打出來的軟硬、長度一致。所以每次捏的氣球，包括形狀，都不是 100% 一致。有些是完整直條，有些有一點彎曲，會有差異。

實際上我們也不是 100% 成功，但成功率已經足夠拿出來展示。我們的展示每隔半小時會有一次，一天大概十幾次，連續展示了四天。

此外，我們的模型泛化能力會做得比較好。對于不同場景需求有不同的原子技能，搭配不同自由度靈巧手執行，技能底層通用。比如我們這次 ICRA 是用了十個主動自由度的 OmniHand 做了擰氣球的展示，而旗艦款的 Ultra M 也能做。

極客公園： 剛才說到運動智能和接觸智能，接觸智能在仿真環境中做。我理解現在觸覺信息在仿真環境里有時沒辦法模擬得很好，是這樣嗎？

熊坤：對，尤其是要搭建非常準確的接觸模型。只有仿真環境里搭了很好的接觸模型，仿真里跑的算法做 sim-to-real 遷移時 gap 才會小。這是行業通病。

基于這個問題，我們也在嘗試搭建自己的仿真平臺，包含觸覺仿真、力和接觸模型仿真等。盡量保證接觸不同物品，不管是硬質材料還是柔性物品時，接觸模型和力仿真都最準確，這樣才能保證訓練出來的模型做真機遷移時質量最好。

這是整個行業的共識，難度非常大。只不過目前解決了運動智能問題之后，遷移到作業智能，大家才把精力花在操作仿真上。

極客公園：這次同期我們還發布了一個 Ultra M 的靈巧手，它的特點之一也是觸覺能力很強，整手超過 300 個三維觸覺感知點？

熊坤：是的，每個指尖是視觸覺，手掌是三維觸覺。視觸覺和三維觸覺還有點不同，視觸覺合下來可以有六維信息。它里面有一個小攝像頭，可以拍到形變、顏色等變化，再通過計算得出更豐富的信息，比三維觸覺還要豐富。

搭載的單個傳感器的精度，也是行業里比較高的。我們用的是三色光觸覺傳感器，不同于行業里很多單色光視觸覺傳感器。它的精度可以達到 5 mN 的要求，指尖至少有 125 個點位，整體來說應該是目前視觸覺傳感器里做得比較好的。

從行業情況看，視觸覺以前更多用在夾爪上，因為要把它做小、做到指尖里很難。目前能做到指尖這么小的公司不多。我們應該是行業里較早用三色光原理做指尖力計算的公司之一。其他家也有標注數據，我沒法直接評估，但我們的數據是基于實測效果標注的，可信度比較高。最主要的是，我們提供了動態三維分布力。

我們的一個特點是，在更小的尺寸里整合了更多傳感器。我們始終堅持產品要和人手一致，因為越小越輕，對客戶來說應用性更強，成本也更低。它只有 630 克，是最接近人手尺寸的 20 個主動自由度直驅靈巧手。目前應該是整個行業做得最小、最接近人手的。這對后面的強化學習和真機強化學習也有幫助，因為目前大家驗證下來，靈巧手越接近人手，后面的數據采集、模型訓練和 replay 效果會最好。

運動速度也很快，可以達到最快 3 赫茲的開合要求。在保證結構強度的同時，用鈦合金、鎂合金減重，也對構型和運動構型做了調整，保證符合運動空間需求。它是一款性能和仿生融合得比較好的產品。

極客公園： 為什么手掌需要傳感器？

熊坤：不同場景需要不同定位的靈巧手。不同靈巧手匹配場景需求時，對觸覺傳感器的要求也不一樣。

所以我們的低、中、高不同手，傳感器使用也不一樣。低端用一維壓阻傳感器，這類沒有太高技術門檻，我們會和友商合作。高端的視觸覺傳感器，核心技術更多掌握在自己手里，同時也會和友商配合。

高端手要完成對標人手的高復雜任務，比如掌內轉魔方，除了指尖最頻繁接觸以外，手掌和指腹也會不停和被操作物體接觸。

比如拿筷子，或者用圓珠筆寫字。大部分人在拿筷子、寫字時，食指指腹，不只是正面，還有側面，會頻繁和筆、筷子接觸。如果這個區域有分布比較好的觸覺傳感器，能感知三維力變化，對圓珠筆和筷子的機械化操作會有很大幫助。它可以幫助做動作微調，讓整體質量上去，提升寫字和操作筷子的精確度。

我們實際測試發現，如果這部分觸覺傳感器的信息也能輸入，模型訓練可以得到更好的結果。

02

用不同的自由度、不同的路線通向未來

極客公園：Ultra T 應該是繩驅，這次新發布的 Ultra M 是直驅。為什么有兩個技術方案？

熊坤：這兩種方案來看，它們上限都非常高，都是最接近人手功能的實現方式。相比連桿、蝸輪蝸桿等方案，它們更接近人手。所以只要做技術突破，很明顯會成為未來高端靈巧手的兩種主流方案。我認為未來兩種方案都會存在，只是時間問題。

直驅手的工藝路線更明確，對做學習的同學非常友好，因為控制非常直接、簡單。對于做真機強化學習、強化學習的同學，它也非常合適。我們驗證下來，從工藝、方案、量產，到硬件做好之后的數據、模型和部署打通，直驅都比較合適，也符合高復雜、高難度、高自由度任務的要求。

繩驅手的優點是抗沖擊、負載自重比非常好；缺點是蠕變問題比較嚴重。繩驅如果把自由度做高，也是很好的一種方案，適合在人居環境里做類似人的操作，和人打交道，或者使用人類工具。

我們同時布局繩驅和直驅，希望在兩種技術上都有積累。當相應核心技術點，比如腱繩問題、基本材料問題解決之后，可以很快把兩款手推到大規模使用和量產。

極客公園：「只是時間問題」怎么理解？

熊坤：我們可以把直驅和繩驅的問題點羅列清楚，分析解決這些問題大概需要多少時間，就能看出兩條技術路線最后實現和爆發的時間點。目前看，直驅可能 3 年左右會解決得好一點；繩驅可能要更長，可能拉到 5 年，甚至更久。

極客公園：在這兩條技術路線之外，臨界點多種自由度都做。行業里也一直爭論，靈巧手到底需要多高的自由度？

熊坤：臨界點的觀點是，一只靈巧手的價值不是取決于有多少自由度，而是取決于它能否真正讓人形機器人進入各類場景。

所以在內部，我們在科學地分析一只靈巧手或夾爪能完成多少任務、一個場景需要多少自由度。我們采集了大量工業端、商業端、C 端消費端的操作場景任務，并把任務劃分成 A、B、C 三類。

C 類任務，夾爪可以完成，靈巧手也可以完成，兩者差別不大。B 類任務，夾爪可以勉強完成，但成功率或完成質量沒有靈巧手高。

A 類任務，只有靈巧手才能完成。比如擰瓶蓋，如果是需要三個手指去做旋擰任務，夾爪比較難滿足。你可能會說兩個夾爪配合腕部也能完成，但我們對任務會有一些限制，因為最后要適配人形機器人，不能用非常規動作完成操作。

剝橘子也是 A 類。它會涉及擰、扣、掰等動作。如果夾爪再配合特定工具，也許可以，但如果以人為第一性角度考慮，按照人怎么操作來要求，夾爪沒法完成。

做完這樣的劃分，就可以清晰知道不同場景更適合夾爪，還是需要多少自由度的靈巧手。為什么要用兩款不同自由度的手完成同一個氣球任務，就是要去分析不同任務對自由度的需求。

基于 A、B、C 類任務分析，我們對場景和不同靈巧手的匹配度理解，應該是行業當中最準確的。

比例還是要和場景掛鉤。比如工業類固定場景，統計下來 C 類可能占 50% 到 60%，也就是說面對工業場景，可能有 50% 到 60% 的場景用夾爪就可以滿足。另有 40% 到 50% 需要不同自由度的靈巧手，其中這 40% 到 50% 里大概一半左右，中等自由度手就可以滿足，也就是 10 到 17 個主動自由度。

我們做這么多款手，本質上是因為我們對場景的理解比較透徹。不同場景需要不同手。

除了旗艦款，Lite 應該是目前行業當中最小、最便宜，而且最抗沖擊的一款手。Lite 的需求來自我們對人形機器人輕作業和交互場景的理解：它需要抗摔，需要適配更小尺寸的人形機器人和更輕量的機械臂。

我們做的 OmniPicker 3 夾爪，也是我們把對具身場景的理解解析出來，發現它需要指尖能夠精確感知力的變化。所以我們做了模塊化觸覺指尖，可以快速更換，也可以精細采集觸覺信息。OmniPicker 3 目前還沒有開始賣，但已經拿到批量訂單。

03

靈巧手明年收斂到人形整機格局，

正在攻克量產和數據的問題

極客公園： 從去年到今年，靈巧手行業一直很熱，你覺得現在競爭格局是什么？

熊坤：靈巧手目前收斂程度在加快，但還沒有到人形整機那樣。人形整機的基本格局，我覺得已經算形成了。

靈巧手的話，我覺得今年、明年也會逐步收斂到類似人形整機的格局，可能前面有 3 到 5 家頭部，其他很多會慢慢被淘汰。靈巧手整體發展速度也非常快。

極客公園： 我們現在累計交付靈巧手 8000 臺，是嗎？主要是哪一款，交付給誰？

熊坤：是。交付的 8000 臺當中，差不多六七千臺是 OmniHand 靈動款。主要客戶包括智元，還有一些具身客戶。也有科研機構、方案解決商等。

極客公園：Ultra-M 預計什么時候量產？

熊坤：直驅預計今年 Q4 會達到量產。繩驅手可能也差不多，或者稍微晚一點。

目前高自由度靈巧手，主流還是出給高校科研機構，以及一些需要做模型訓練、專門做軟件算法的具身公司，用來做數據采集和模型訓練。

未來出貨給做模型訓練的公司可能占 60%，另外 40% 出給高校。量級要等量產后看市場，現在說都是想象。我們在所有高自由度手里應該有相對優勢。量級至少是千臺往上，數千臺。

極客公園： 我看到 GGII 的數據：2025 年中國靈巧手市場銷量約 2 萬只，2026 年可能達到 7 萬只，2030 年可能突破 43 萬只。你認同這個增長節奏嗎？

熊坤：大差不差，基本類似。但我可能會更激進一些。我覺得今年可能會突破 10 萬只，到 2030 年，50 萬甚至 100 萬只都有可能。

這主要來自人形機器人銷量本來就很快，第二是靈巧手自身技術成熟度也在加快。所以會加快人形機器人搭配靈巧手在各類場景中做部署態落地。

極客公園： 從去年到今年，整個靈巧手行業你覺得是什么狀況？

熊坤：很多公司，包括我們，都在攻克量產問題。

大家一直說，2024 年是研發元年，2025 年是量產元年，2026 年是商業化部署元年。我覺得這是對人形整機的評判。靈巧手會比人形整機稍微晚一點。今年對靈巧手來說，應該是量產和初步部署化的年份，更主要還是量產。

Demo 是一塊，但不能只從 demo 角度評估靈巧手行業的發展。很多公司還沒有達到像臨界點這樣比較大規模的靈巧手量產能力。與其純粹做驚艷 demo，不如在底層量產工藝上下功夫。

從核心零部件，比如電機、觸覺傳感器安裝，到基礎的螺釘、膠水使用、裝配工藝、裝配方法、材料應用、涂料和涂層應用等，都要建立一套非常規范的要求。這也是臨界點相比其他友商非常有競爭力的一個點。

極客公園： 這些問題解決之后，成本下降空間還很大嗎？

熊坤：成本下降空間應該很大。它的價格要符合人形機器人 20% 的要求，才能被人形機器人大規模應。

極客公園： 如果按 100 分算，今天靈巧手做到多少分？

熊坤：還是及格分左右，可能 60 分。

極客公園： 再往上突破，哪一塊拖后腿？

熊坤：軟件硬件都需要進步。如果想讓分數快速提上去，我覺得硬件比重會多一些。

極客公園：人形機器人或通用機器人都說缺數據，靈巧手自己有數據問題嗎？操作數據怎么收集？

熊坤：目前行業對數據，包括靈巧手數據，有一個數據金字塔劃分。

最底層是仿真數據。再往上是人手數據，比如通過視覺、視頻采集人手數據。第二層是通過手套形式，或者五指外骨骼采集到的操作數據。最高層是真機遙操數據。

我們目前的數據采集基本也是基于這樣的數據工廠完成。我們在籌備自己的數采廠，也和一些公司合作做數據采集。我們已經有 8000 多只手銷售出去，目前日常有 1000 多只手在做常規數據采集，已經累計了數萬個小時數據。

臨界點的數據類型構型上和其他家類似，但我想強調幾個點。

第一，我們的產品矩陣最全，所以不是用單一一款手做數據采集。這保證了即便是真機遙操的靈巧手采集數據，種類也是最多的。后面做模型訓練時，泛化能力會更好。當用我們的模型訓練人形機器人做任務時，可以很好完成不同靈巧手本體的遷移。

第二，我們在數據采集設備上有一些調整和優化。比如我們有自研數據手套，可以解決觸覺手套常見的應力殘留等問題，保證采集到的觸覺信息準確度更好。

*頭圖來源：臨界點

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO

極客一問

你覺得靈巧手行業亟待解決的問題是什么？