北京
出品｜搜狐科技
作者｜鄭松毅
機器人能做上精細活了？
走進2026WAIC靈初智能展臺，一臺人形機器人正獨立完成光模塊全套加工：亞毫米級精密插裝、柔性檢測、打包一氣呵成，這般精細操作屬實令人意外。
成立于2024年的靈初智能，技術團隊聚集一眾“明星”隊員：CEO王啟斌擁有近20年智能硬件、機器人產業落地經驗，首席科學家楊耀東深耕強化學習靈巧操作，聯合創始人陳源培是位通過華為天才少年考核的00后。
團隊與北大共建聯合實驗室，從創立之初便定下差異化路線——放棄簡易夾爪賽道，專注長程精細靈巧操作，以人類數據為核心壁壘，對標馬斯克破解機器人世界級難題。
在展臺，圍繞具身智能行業競爭分化、技術核心挑戰、商業化落地等大眾關切話題，靈初智能CEO王啟斌與搜狐科技等媒體展開深度交流。
以下為對話精編：
媒體：怎么想到的讓機器人上光模塊產線作業，整套技術閉環邏輯是什么？
王啟斌：今年我們有兩大落地場景：一是光模塊制造，整套工序替代多個人工工位；二是物流試點同步推進。
現場展示的是一套全棧式解決方案。從人類數據采集，到在世界模型中呈現效果，再到落地至具體硬件上完成不同任務，整體訓練思路是“用人類數據訓出技術模型”。
媒體：當前行業數據采集方式存在差異，有真機采集，也有人類示教。靈初智能為什么堅持人類示教方式，核心優勢是什么？
王啟斌：“最高質量的數據”是人在日常真實工作中產生的數據，包含了人類自主拆解任務、手眼觸覺協同、失誤自主糾錯等原生能力。真機采集短板明顯：單套設備成本40-50 萬，不同機器人構型下模型遷移難度大。
媒體：現在大量機器人只能展廳表演、跳舞擺動作，很難真正進廠干活，您認為行業當下核心發展挑戰是什么？
王啟斌：行業現在有三重核心瓶頸，也是機器人只能表演無法落地的根源。首先高質量多模態數據缺口巨大，真機采集成本高昂，仿真數據和真實物理環境存在斷層，模型換個工件、換個產線就失效，泛化能力極差。
第二是硬件可靠性不達標，展廳短時間演示穩定，但工廠連續數月量產會出現發熱、磨損、故障，達不到耐久標準。另外缺少完整商業閉環，多數企業只做單點硬件或模型，沒有打通“數據采集-模型訓練 -真機落地-現場數據回流”的循環，無法持續迭代。
媒體：怎樣才能補齊能力，讓機器人真“有用”？
王啟斌：首先需要搭建低成本、規模化人類多模態數據渠道，持續喂給模型真實工廠作業樣本；二是軟硬件深度耦合優化，把硬件力控、觸覺感知和世界模型深度綁定，適配真實環境；三是落地后完成規模化商業化驗證，算清單機全生命周期ROI，再讓場景數據反哺模型。
媒體：未來兩年機器人賽道是否也會進入淘汰階段，企業存活需要具備什么能力？
王啟斌：具身智能是十年長周期產業，明年行業將明顯分化。想領跑的企業需做到低成本批量采集數據、快速迭代模型、讓軟硬件深度耦合，并且需要具備充足資金與復合型研發組織能力。僅能展廳演示，無落地場景的企業會逐步被淘汰。
媒體：靈初智能在年初完成20億元融資，資金主要投向哪里？
王啟斌：投資人看重我們靈巧操作大腦賽道的稀缺性，資金重點完善“數據-模型”飛輪，沖刺百萬小時人類多模態數據儲備。
媒體：公司同時布局算法大腦與硬件本體，兩塊業務如何平衡？
王啟斌：核心定位仍是模型大腦，硬件僅做整機集成，核心零部件外部定制。
媒體：整體來看，中美具身智能產業各自有什么優勢，國內企業需要規避哪些發展誤區？
王啟斌：中國擁有完整硬件零部件產業鏈、龐大制造業場景，數據供給充足。美國頭部模型企業更多，但硬件高度依賴國內供應鏈。
國內企業最大誤區是一味內卷硬件參數，忽略數據、模型與真實場景結合，最終產品只能展廳演示，無法真正提升工廠生產效率，這是需要持續優化的關鍵點。
運營編輯 | 曹倩 審核｜孟莎莎
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
