搜狐科技出品
郑松毅撰写
人形机器人还能胜任怎样的精密任务？
踏进2026WAIC灵初智能的展位，一台仿生人正独立完成光模块全部加工流程：亚毫米级精准插装、柔性检测、打包等动作一气呵成，这般精妙操作确实让人惊讶。
灵初智能成立于2024年，核心团队星光熠熠：CEO王启斌具备近二十年智能硬件、机器人产业实战经验，首席科学家杨耀东长期专研强化学习在灵巧操作领域应用，联合创始人陈源培更是通过华为天才少年考核的90后才俊。
公司与北大共建联合实验室，自创立起就选定差异化路径——不选择简易夹爪赛道，而是专注长程精密灵巧操作，以人类数据构筑核心壁垒，意图攻克机器人世界级难题。
展位一角，围绕具身智能行业竞争格局演变、技术核心困境、商业落地难题等大众关切，灵初智能CEO王启斌与搜狐科技等媒体代表展开深度对话。
以下为对话精编：
媒体：为何决定让机器人进入光模块生产线，整个技术构思是怎样的？
王启斌：今年有两项重大落地应用：一是替代人工完成光模块制造中的多个工位；二是同步推进物流领域试点项目。
现场展示的是一套全流程解决方案。从人类工作数据采集，到在世界模型中呈现效果，再到具体硬件上执行不同任务，整体训练思路是“用人类数据训出技术模型”。
媒体：目前行业内收集数据的方式存在差异，有真机采集，也有人类示教。灵初智能为何坚持人类示教方式，其核心优势是什么？
王启斌：“最高质量的数据”源自人类在日常工作中的真实操作数据，包含人类自主拆解任务、手眼触觉协同、失误自主纠错等原生能力。真机采集短板明显：单套设备成本四十万到五十万，不同机器人构型下模型迁移难度大。
媒体：现在大量机器人只能展厅表演、跳舞摆动作，难以真正进厂干活，您认为行业当下核心发展挑战是什么？
王启斌：行业现有三个核心发展困境，也是机器人仅能表演无法实际应用的原因。首先是高质量多模态数据严重不足，真机采集成本高昂，仿真数据与真实物理环境之间存在断层，模型稍换工件或产线就失效，泛化能力非常弱。
第二是硬件可靠程度未达标准，展厅短期演示状态平稳，工厂连续数月量产会出现发热、磨损、故障，无法满足耐久性要求。另外缺少完整商业循环体系，多数公司仅生产单个硬件部件或模型，未能实现“数据采集-模型训练-真实设备部署-现场数据反馈”的闭环，难以持续优化。
媒体：如何弥补这些不足，让机器人真正开始发挥作用？
王启斌：首先需要建立低成本、可大规模扩展的人类多模态数据获取渠道，持续向模型提供真实工厂作业样本；二是软硬件深度整合优化，将硬件力量控制、触觉感知与世界模型紧密结合，适应实际作业条件；三是完成商业化拓展验证，实现规模化应用，核算单片机全周期的投资回报率，再让场景数据促进模型优化。
媒体：未来两年机器人赛道是否也会进入淘汰阶段，企业存活需要具备什么能力？
王启斌：具身智能是十年期长线产业，明年行业将呈现明显分化。希望领跑的团队必须能够低成本批量采集数据、快速迭代模型、实现软硬件深度绑定，还需要具备充足资金与复合型研发团队。只能在展厅表演、缺乏实际应用场景的企业将被逐步淘汰。
媒体：灵初智能在年初完成20亿元融资，资金主要投向哪里？
王启斌：投资人看重我们灵巧操作大脑赛道的稀缺价值，资金重点用于完善“数据-模型”正循环系统，力争在百万小时人类多模态数据积累上取得关键进展。
媒体：公司同时部署算法大脑与硬件本体业务，这两方面如何统筹？
王启斌：核心战略仍以模型大脑为主，硬件只负责整体设备集成，关键部件将委托外部专业供应商生产。
从全局视角看，中美具身智能产业各自具备哪些长处，国内企业在发展过程中需要避免哪些错误？
王启斌：中国拥有完整的硬件零部件供应链、广阔的制造业应用场景，数据资源丰富。美国头部模型企业数量更多，但硬件高度依赖中国供应链。
国内企业最易陷入的误区是盲目追逐硬件参数提升，忽视数据积累、模型优化与实际运用结合，最终产品仅能摆放在展厅，却无法有效提升工厂生产效能，这是需要不断改进的关键点。
