导航|地址|刷新
独家对话灵御智能：百万小时真机数据，喂出具身智能的“云端大脑”_手机网易网




















网易网易号



0







独家对话灵御智能：百万小时真机数据，喂出具身智能的“云端大脑”


钛媒体APP
2026-05-08 20:33·北京·独立财经科技媒体

0




打开网易新闻 查看精彩图片

戴上VR眼镜，伸出手就操控1000公里外的机器人，让它在七鲜超市的货架前理货、仓库内搬运杂物，延迟水平基本达到肉眼无感。

肉眼无感意味着什么？“让机器人真正成为人身体延伸的前提，没有这个前提，遥操作只能做演示；有了这个前提，才能谈规模化商用和全球化人力调度。”灵御智能联合创始人兼首席科学家莫一林告诉智客ZhiKer。

为了“抢”时间，他带领团队把具身智能操作的端到端链路拆成20个环节，用示波器精确测量每个环节的耗时。最终把端到端延迟控制90毫秒以内，城内公网传输延迟约4毫秒，1000公里跨城传输延迟增加约10毫秒。

但比"快"更底层的命题是，具身智能的“大脑”放哪儿？

当行业主流把高功率的端侧芯片塞进本体、追求端侧自主时，灵御做了一个反直觉的选择，端侧只保留"小脑"负责实时控制，"大脑"放在云端负责认知、推理、学习、进化。当机器人置信度下降，云端操作员无缝接管，每一次接管都生成高质量训练数据，然后反哺模型持续进化。

"这不是工程妥协，是对终局的判断。"灵御智能创始人兼CEO金戈表示。

这个判断来自莫一林的学术路径。他是清华大学自动化系长聘副教授，师从美国工程院院士、机器人操作领域先驱Richard M. Murray，谷歌学术引用超1万次，2021-2025连续五年入选Elsevier中国高被引学者。

回国后他跟滴滴、美团、华为合作自动驾驶；2022年团队在宇树机器狗上做强化学习，他隐约感觉，算法不能脱离硬件而存在，就像大脑不能脱离身体。2024年与一家灵巧手公司合作Demo，进一步坚定只有把硬件、软件、算法深度耦合，才能实现真正的系统级优化。于是在2025年2月，创立了灵御智能。

因为围绕"云端大脑"设计架构而非本体，灵御的商业模式也随之重塑。"我们卖的不是机器人，是机器人即服务（RaaS）+ 操作即服务（MaaS）。"客户不需要一次性投入十几万买设备，可以按任务付费，云端智能是订阅服务，远程操作员是弹性人力。这意味着一家北京商超的理货需求，可以由成都的操作员在云端完成，人力成本重构的空间巨大。

更底层的成本优势来自硬件设计的重构。灵御用行星减速器替代谐波减速器，用电流估算替代六维力传感器，配合500Hz控制频率实现同等精度。这让自研的TeleAvatar本体定价10-20万元，仅为行业同类产品的1/3到1/2。

灵御智能的定位是做具身智能的基础设施提供商，为行业提供高质量的本体和数据服务。今年3月，已完成天使轮融资，华映资本、国海创新资本、天鹰资本、思明科创基金、英诺天使基金、远镜创投、银河创新资本等多家知名投资机构联合投资。

据悉，下一轮融资也已接近到位，预计于近日宣布。

以下为与莫一林、金戈的对话全文，略有删减：智客ZhiKer：莫老师从教授到创业者，金总从投资人到联合创始人，是什么让你们决定一起创办灵御智能？


莫一林：我回国后在清华大学任教期间，曾与滴滴、美团、华为合作过自动驾驶相关项目。2022年，带领学生在宇树机器狗上做强化学习，深刻感受到算法不能脱离硬件独立存在，就像大脑不能脱离身体运行。但高校缺乏足够资源开展硬件、软件、算法的全链条研发。

于是在2024年，我开始与上海一家做灵巧手的公司合作，基于节卡六轴机械臂开发抓取Demo，这个过程中，进一步坚定了软硬件深度耦合的判断，必须自研硬件才能实现系统级优化。2025年2月，成立了灵御智能。

金戈：我和莫老师相识20多年，也是清华大学自动化系学士、清华大学经济管理学院MBA，曾任远镜创投管理合伙人、奥量光子副总裁，在高科技领域有着多年的创业投资和企业管理经验。

2023年下半年他和我聊到具身智能的创业想法，最初我只是帮他物色合适的CEO人选，面试了几个人都没有找到合适的。

这个过程中我对这个方向有了更深入的理解：第一，这不是一个单纯的机器人概念，而是大模型范式在物理世界的延伸，有清晰的技术演进逻辑和商业闭环可能；第二，我和莫老师的能力也恰好互补，他负责本体、算法、控制、数据平台的技术架构，我负责商业化、生产、融资、人力财务。

最终我把另一家公司的股份全部转让给合伙人，Allin 灵御智能。

智客ZhiKer：既做机器人本体（TeleAvatar），又做数据平台（TeleDroid），你们在具身智能生态中的定位是什么？


金戈：我们的定位是做具身智能的基础设施提供商，为行业提供高质量的本体和数据服务，成为连接硬件与上层应用的中间层。

具身智能生态可以大致分为几个层级，最底层是机器人本体，中间层是云边协同架构和数据层，再往上是模型算法层，最上层是应用层。

目前大量公司从模型算法层切入，但我们认为本体、数据、通讯这些基础层才是行业发展的根基，把这些基础设施做好，才能更好地服务上层生态伙伴。

莫一林：很多模型公司擅长做算法研发，不擅长做数据，也不擅长做本体。就像OpenAI不会自己养一堆人做数据标注，才催生了Scale AI这样的专业数据服务公司。

智客ZhiKer：您提到"懂数据"是核心能力之一，怎么理解具身智能领域的“懂数据”？


莫一林：懂数据不是简单的会采集数据，而是理解数据的全生命周期管理。

举个例子，真机遥操作数据采集时，如果没有做好时间同步和空间标定，采集到的数据质量和普通第一视角视频没有本质差异。

我们目前能够实现电机和摄像头数据的亚微秒级时间同步，机械臂绝对定位精度达到1毫米，这个精度下采集的数据信息密度会更高。

现在行业内很多数据集的场景非常单一，95%的机器人叠衣服视频都是叠短袖T恤，只是颜色不同。这类数据在模型发展初期是必要的，长期来看，对于提升模型的泛化能力是有限的，甚至是“有毒的”。

AlphaGo学习人类棋谱达到一定水平后，继续学习人类棋谱反而会限制棋力提升，AlphaZero通过自我对弈才能实现能力突破。我们判断模型发展到一定阶段后，低质数据会成为负向资产。

此外，很多公司的数据采集、上传、清洗、标注、索引、模型训练等环节是脱节的。我们已经跑通了从数据产生到模型训练的全流程，目前已有北京理工大学、Intel等科研机构和企业使用我们的数据开展研究并发表相关成果。

智客ZhiKer：你们提出把具身的高智能算力应该放在云端而非端侧，背后的核心判断是什么？


金戈：端侧只保留"小脑"负责基础控制，"大脑"应该放在云端，是基于三个现实方面的约束：

第一，功耗硬约束。汽车通常搭载十几度甚至上百度电的电池，而机器人的电池容量普遍只有半度电左右。这是物理极限，不是短期工程优化能解决的。

第二，算力硬约束。端侧芯片的算力天花板明显。当前大语言模型的智能涌现主要发生在云端，不是因为云端部署更方便，而是只有云端才能提供足够的算力密度。机器人要实现接近人类级别的通用智能，端侧算力难以满足需求。

第三，安全与网络环境的差异。汽车行驶中网络环境不可控，必须具备本地快速决策能力以规避碰撞风险；而机器人的工作场景相对固定，网络环境基本可控。我们可以在端侧部署一个低功耗芯片，只负责解决断网时的本地安全控制，比如急停、避碰，将复杂推理、任务规划、多模态理解等功能全部放在云端实现。

我们判断未来数年甚至十年内，高智能算力部署在云端会是更优的技术路线。

当然这并不否定端侧的价值，端侧和云端有明确的分工：端侧负责实时性要求极高的闭环控制，云端负责认知、推理、学习、进化。

智客ZhiKer：这个技术判断对你们的产品设计有哪些具体影响？


莫一林：我们的整个技术栈都是围绕"云端大脑"的架构设计和优化的，和先做端侧自主机器人再对接云端的思路有本质差异。

通讯层，做了大量低延迟优化。目前端到端延迟在90毫秒以内，城内公网传输延迟约4毫秒，1000公里跨城传输延迟增加约10毫秒，这个延迟水平基本打达到肉眼无感。

数据层，机器人采集的数据实时上云，云端模型持续训练迭代，新版本模型再下发到端侧。为了保证闭环顺畅，我们对数据格式、传输协议、模型接口都做了标准化设计。

本体设计层面，我们专门做了适合云端控制的架构，包括视觉回传、力控反馈、运动指令下发的全链路，都是围绕"远程大脑"的需求设计的。

智客ZhiKer：如果云端是终局，你们的商业模式是否也围绕云服务设计？


金戈：长期看，机器人即服务（RaaS）+ 操作即服务（MaaS）是更健康的模式。客户不需要买机器人，按需调用机器人的作业能力，按任务付费。

但现阶段行业还在早期，客户需要测试、验证、建立信任，所以我们也卖本体。本体是业务入口，数据平台和远程操作服务是持续收入。

我们设想的最终形态是，客户现场部署我们的机器人，云端运行智能调度系统，操作员可以在人力成本较低的地区提供远程支持，模型在云端持续进化，形成三层飞轮。

莫一林：机器人部署不是服务的终点，而是模型持续进化的起点。

机器人自主运行时，当置信度低于阈值就触发人工接管，操作员介入完成任务的过程数据会自动回流，下次遇到类似场景时模型的自主能力就会提升。这就是操作即服务的核心，每一次人工接管都是对模型的优化。

智客ZhiKer：你们的数据平台未来会向开发者开放吗？目前的进展和规划是怎样的？


金戈：我们希望做成存训推一体的开发者平台，让机器人开发者专注于算法，数据清洗、标注、训练流程、部署推理、测试验证等基础设施层的工作我们都做好，降低开发者的准入门槛。

目前平台MVP核心能力已经完成，支持多源数据采集、ROS2兼容、一键训练部署。按照规划，2026年Q3将推出开发者公测版，开放数据要素市场，支持多机器人协同仿真。

2027年计划推出商业化正式版，提供私有化部署、企业级集群调度、全场景解决方案模板库等功能。

智客ZhiKer：数据平台具体能做什么？


金戈：具体功能上分为三层：数据层提供多源异构数据统一管理，AI辅助清洗标注，可以把传统需要2周的人工标注流程压缩到2小时，大幅降低数据处理成本；训练层支持3行代码启动分布式训练，内置DiffusionPolicy、ACT、π0等主流具身智能算法架构，也支持自研模型注册；部署层支持一键云端推理或本地下载离线运行，原生兼容ROS2生态。

莫一林：我们还内置了Weights& Biases和HuggingFace Hub对接能力，开发者不需要额外搭建工具链环境。

智客ZhiKer：把端到端延迟压到90毫秒以内，你们在工程上做了哪些优化？


莫一林：延迟是看短板的系统问题，不是某一个单点突破。我们把端到端拆了20个环节，每一个环节消耗多少时间在示波器上精确测量，找到每个环节的优化空间和现有技术的极限。

我举几个关键优化点。比如相机曝光，很多公司使用通用USB摄像头，里面有一堆预处理芯片，延时根本说不清楚。我们从CMOS选型阶段就和供应商联合开发，根据需求定制曝光时间等参数。

编码解码方面，我们有专门的团队优化H.265编解码算法，在极低延迟下保证画面不卡顿、不撕裂。硬件方面，5月份我们要换一块新电路板，能再抢回7毫秒，每前进一点都是细节堆出来的。



打开网易新闻 查看精彩图片

智客ZhiKer：你们强调"人臂同构"设计，这一设计主要解决什么问题？具体体现在哪些方面？


莫一林：同构是开箱即用的必要条件，但不是充分条件。 它的核心逻辑是利用人对自己身体的先天控制能力，降低遥操作的学习成本。

人伸手拿杯子不需要刻意计算关节角度和轨迹，大脑直接映射到动作。如果机器人结构和人体差异很大，遥操作时就需要大量的刻意练习，还容易出错。

我们的同构设计主要体现在四个维度：

第一是臂展比例。参照一米八标准人体的上臂、前臂长度比例设计机械臂。工业协作臂为了追求伸展距离，往往把手臂做得很长，操作员操作时就像拿着一双长筷子夹东西，精准度和操控感都会下降。我们测试发现臂长增加两三厘米，操作员的疲劳感就会明显上升。

第二是手腕结构。人类手腕的三个旋转轴需要交于一点，否则转动手腕时末端位置会漂移，操作员需要适应一套非自然的运动逻辑。

第三是手长。人手从掌根到指尖大约10-15厘米，我们的夹爪尽量向这个长度靠拢，避免远端操控的剥离感。

第四是活动空间。机械臂安装方式类似人类结构，活动范围和人类手臂接近。很多工业臂的正装或倒装方案限制了活动方向，导致想够某个位置的时候够不到，操作过程中会产生频繁的挫败感。

金戈：我们的设计理念不是追求机器人长得像人，而是运动逻辑尽可能接近人。

目前已经有六七百名普通用户体验过我们的机器人的遥操了，戴上VR眼镜后，在1分钟内就能掌握基本操作。

智客ZhiKer：市面上很多轮式机器人采用传统底盘方案，你们为什么选择三全向轮设计？


金戈：主要是为了提升操作的机动性。传统差速底盘只能前进和转弯，比如扫地机器人要先转向、再移动、再转回朝向；舵轮底盘从直走切换到平移需要先旋转轮子，响应速度较慢。

我们的三轮全向轮设计可以实现直走、平移、旋转的瞬时响应，更符合人类干活时的移动习惯，操作更流畅自然。

智客ZhiKer：TeleAvatar本体定价在10万到20万元之间，据你们介绍仅为行业同类产品平均水平的三分之一到一半，你们是怎么实现成本控制的？


金戈：算法替代昂贵硬件，产品定义剔除冗余设计。

算法替代硬件方面。业内通常给每个关节配谐波减速器和六维力传感器，我们采用低减速比的行星减速器，通过监测电机电流变化估算受力。虽然电流反馈的物理精度确实不如专属传感器，但配合500赫兹控制频率，系统每两毫秒获取一次受力数据，实时调整刚度。加上高精度标定和全局逆解算法，用成本更低的硬件实现了全柔性力控下的毫米级绝对定位精度。

齿轮背隙优化也是同样的思路，做到极小背隙的机械方案成本很高，且受热变形影响容易出现故障，我们用廉价传感器监测齿轮相对位置，通过算法实时补偿背隙，等效精度反而更高。这类似SpaceX用不锈钢替代钛合金的思路，从产品定义层面重构成本结构，而不是在原有方案上挤成本。

莫一林：设计方面，我们砍掉了传统机器人的脖子关节，用广角摄像头提供接近人眼的大视野，操作员想看侧边内容不需要控制机器人扭头，视野本身就能覆盖。

我们还采用了模块化设计，最容易磕碰损坏的小臂和手腕部分可以快速拆卸更换，几个螺丝就能完成替换，不需要整机返厂大修，大幅降低了客户的维护成本和停机时间。这对商业客户来说，不能因为一个小零件坏了，就让整台机器停摆三天。

智客ZhiKer：单台机器人的续航能力是多久？


金戈：目前主要使用500瓦时的电池，续航时间约为半天。如果选配更大容量的电池，续航时间可以达到一天。

我们也在开发快速换电方案，进一步提升机器人的连续作业能力。

智客ZhiKer：目前商业化进展如何？有哪些类型的客户？


金戈：目前已经获得了几十台订单并交付客户，意向订单超过1000 台。

客户主要包括机器人数据采集中心、模型和大脑研发机构、科研机构、大学以及零售、酒店、物流、工厂等行业用户。

智客ZhiKer：团队目前规模如何？人员结构是怎样的？


金戈：目前团队约80人，其中 70% - 80%为研发人员，硬件研发人员占比20%，其余为软件研发人员。招聘重点偏向底层控制、通讯、硬件工程等方向的人才。

智客ZhiKer：2026年你们的核心目标是什么？


金戈：有三个核心目标。

第一，全年出货量突破800台机器人，不是Demo样机，是稳定可靠、在客户现场干活的机器。

第二，完成商业闭环验证，在1-2个真实的工作场景中证明机器人可以为客户带来正ROI。

第二，构建数据资产。一年内为行业提供至少百万小时的高质量真机数据集。这些数据不是简单的数量堆叠，每条数据都经过标准化处理，可以直接用于模型训练。

这三件事是相互关联的，机器部署规模上去才能产生足够的场景数据，场景验证跑通才能证明商业价值，数据飞轮转起来才能体现基础设施的网络效应。2026年是灵御从"产品公司"变成"基础设施服务商"的关键年。（作者｜郭虹妘，编辑｜杨林）








特别声明：本文为网易自媒体平台“网易号”作者上传并发布，仅代表该作者观点。网易仅提供信息发布平台。






打开网易新闻体验更佳




热搜

男孩被奶奶责怪负气离家5天后被找到

宇树科技IPO时间定了 8月10日申购

《蜘蛛侠：崭新之日》好看吗

微软股价涨幅扩大至15%

视频丨国防部：菲方非法图谋不可能得逞

国防部回应解放军打造台湾建筑模型





热门跟贴




打开APP发贴

0条跟贴








相关推荐




索尼研发乒乓球机器人打败日本顶尖选手

每日经济新闻1212跟贴









机器人大厨做扬州炒饭，你想品尝一下吗？

装甲铲史官









人形机器人“拐点”已至：产量只是下限，模型决定天花板

经济观察报2跟贴









人形机器人半马跑姿大赏 ，有的比人快多了！有的“状况百出”

每日经济新闻









万帧照片级仿真2

机器之心Pro









100多万人围观！没头没腿，神似充电宝的机器人全网走红？

机器之心Pro









朗极智能面向构建智能机器人系统发力2

36氪









动易科技PhyAgents无遥控 无预设双足人形自主对打羽毛球

量子位









机器人进家还差几步？京东：商业化场景是快车道，未来会有更多消费级产品出现

每日经济新闻









AI队友正在进入公司，腾讯云想重构下一代研发工作流

智东西









520，人类如何回应AI的告白

虎嗅APP









持续领跑世界模型驱动物理AGI，极佳视界再获10亿元B2轮融资

36氪









搬货、烤面包、摆桌牌……每一个动作，都是从零开始的“第一课”

每日经济新闻









亦庄机器人马拉松现场名场面合集

量子位









阿里达摩院开源具身大脑基础模型

机器之心Pro









AI应用的“最后一公里”，模型再强也绕不开数据困境丨ToB产业观察

钛媒体APP








OpenAI总裁放出狠话：ChatGPT桌面端要消灭标签页，年底前大变天





智东西






中国造记录机器人，手写体笔记加精准绘图

装甲铲史官









WRC前瞻：机器人自己办大会，整机厂告别翻跟头，比WAIC精彩十倍

雷科技









在「想象」中练就真机能力1

机器之心Pro











回到顶部回到首页



------
导航页 打开网址