成立一年半累计融资超 20 亿，这个团队想搞定具身智能最难的「数据瓶颈」

51 0 0

文章摘要

2024年底成立的具身智能企业灵初智能首次对外披露融资进展，已完成天使轮、Pre-A轮融资，累计融资规模20亿元，估值一年内翻6-7倍，正向行业独角兽迈进。公司核心团队分工清晰，CEO王启斌负责落地交付，联合创始人陈源培负责技术路线规划，核心方向为具身大脑，采用无本体数采的方式训练具身模型，该路径是VLA之后行业最热的方向之一。团队定位清晰：不自研整机硬件，坚持自研灵巧手和数据采集装置，将落地场景收敛在物流、商超领域，聚焦小范围细分任务打磨数据飞轮，目前已进入真实场景部署阶段，用现场数据反哺模型迭代。

团队认为，具身智能长期未落地的核心问题是未形成技术路径与商业模式相结合的机制，无法实现数据大规模低成本回流，陷入部署难、缺数据的闭环难题。仿真仅适合早期冷启动验证，真实数据规模化后训练主线会向真实数据迁移，灵初核心方向为跨本体数据迁移，自研多模态数据采集手套，以人类多模态数据为基础，大规模采集真实场景长程多模态作业数据，可迁移适配不同机器人本体，仅需补充百小时量级的遥操作数据即可解决具体场景问题。团队认为仅靠夹爪的商业逻辑无法跑通，真实场景不允许存在无法处理的SKU，且夹爪数据会随硬件更新作废，而人类数据长期价值更高，该采集方案成本可低至传统整机遥操作的1/10，今年目标完成百万小时物流、商超领域真实数据采集，后续还计划推出可众包的便携式采集设备进一步降低成本。

灵初选择物流细分场景切入，是因为该区域是当前具身能力边界下，泛化价值与落地难度的交叉区间，既符合商业化需求，也能支撑数据飞轮形成。当前服装供包场景已进入初步商业化，可实现千件以上衣物泛化处理，最高节拍达800UPH，处于国内领先水平，入箱检等场景也已完成现场验证。模型训练采取强化学习为主、模仿学习为辅的路线，采用offline-to-online RL训练流程，强化学习训出的动作速度可超过人类遥操作上限，动作更干净利落，成功率也更高。今年公司核心目标聚焦数据与模型能力，完成三个物流细分场景的规模化交付，暂不扩张场景。针对行业竞争，团队认为具身智能存在数据孤岛，和大语言模型不同，不同细分场景的数据分布差异极大，初创企业可通过提前占住细分场景、跑通数据飞轮建立壁垒，核心追求是跑通商业闭环，而非仅做出演示模型，若牢牢掌握物流场景数据、占住市场，后来者很难在数据质量和采集速度上形成竞争优势。全文约760字。