导航|地址|刷新
全球看中国，灵初智能用10万小时人类数据写下具身智能的中国答案_手机网易网




















网易网易号



0







全球看中国，灵初智能用10万小时人类数据写下具身智能的中国答案


机器之心Pro
2026-05-14 12:44·河北·《机器之心》官方网易号

0




打开网易新闻 查看精彩图片

机器之心发布

2026 年，“世界模型” 正在成为具身智能行业的高频词。越来越多公司开始将自己的技术路线表述为机器人世界模型，试图用可学习的环境模型提升机器人训练效率。

灵初智能（PsiBot）也常被放入这一叙事中。但在灵初联合创始人陈源培看来，世界模型并不是灵初的核心方向，而是服务于数据迁移的工具。“我觉得做世界模型不算转型。世界模型只是个工具。我们从 Day one 开始，就是在做人类数据。”

灵初真正关注的问题是：真实人类操作数据，能否规模化转化为机器人训练数据？

在灵初成立前，陈源培已经开始探索用人类手部运动数据训练灵巧操作。这项工作后来发表于 CoRL 2024，也成为灵初押注 human data 路线的重要技术来源。如今，灵初在更大规模的数据实践中给出了一个更明确的判断：在 10 万小时量级上，人类数据已经可以大幅替代真机采集数据。

这一路线里，VLA、世界模型、强化学习、外骨骼手套都不是单独的终点。它们共同指向同一件事：构建一套从人类数据到机器人 policy 的转化管线。



打开网易新闻 查看精彩图片

Morgan Stanley Research 统计显示，截至 2026 年 4 月底，2026 年全球人形机器人 VC 融资额已超过 2025 年全年。资本加速进入后，具身智能行业的数据、模型与落地能力正在被重新定价。

一、从 Day One 开始的人类数据路线：从 robot-centric 到 human-centric

具身智能的数据问题，本质上是规模、质量和迁移效率之间的权衡。

过去几年，行业主流路线之一是 teleoperation。通过同构或近似同构的遥操作设备，让人直接控制机器人或影子臂采集数据。这类数据与机器人本体更接近，迁移难度低，训练链路相对直接。

但 teleoperation 的问题也很明显：采集成本高、设备重、场地依赖强、操作员需要训练，很难获得足够大的数据规模。对于试图训练通用机器人能力的公司来说，素材场式的数据生产方式很快会遇到上限。

另一类路线是 ego data，即用摄像头采集人类第一视角操作数据。它的成本更低，也更接近真实人类行为，但新的问题随之出现：人和机器人之间存在天然 gap。人的关节结构、骨骼自由度、动作习惯、视觉视角都与机器人不同。直接把这类数据用于机器人训练，往往会遇到迁移效率低、噪声大、动作不规范等问题。

灵初的判断是：迁移问题可以通过模型和算法管线解决，但数据规模问题必须在采集方式上解决。

“我们当时设计这套手套，一个很核心的原因就是能尽量不影响人的日常工作。比如让一个收银员戴上我们的手套工作，他基本上不会有什么影响。但你让他拿着两个夹爪工作，扫码都扫不了。”

这意味着，灵初想进入的不是专门搭建的机器人素材场，而是真实劳动场景：物流、仓储、收银、工厂等持续产生人类操作行为的场景。

这一路线与 UMI 等 robot-centric 方案形成对比。Robot-centric 方案通过形态更接近机器人夹爪的设备采集数据，迁移效率更高，但操作者动作会受到限制，很难进入真实劳动场景。灵初选择 human-centric，接受更高的迁移难度，换取更大的数据规模上限。

目前，灵初并行采集两类人类数据。

第一类是外骨骼手套数据。它通过机械连接捕捉手部和手臂动作，不依赖 IMU，精度更高，也可以记录更完整的双手双臂自由度。

第二类是纯视觉数据， 也就是英伟达和模型厂商押注的 EGO 路线：通过头部和腕部摄像头记录人类操作过程，不使用手套，成本更低，规模化能力更强，但动作精度相对弱一些。

在灵初的设计里，手套的自由度尽可能做高，并不只是为了适配自家的灵巧手，而是为了提升数据的跨本体迁移能力。换句话说，灵初想采集的不是绑定某一个机器人硬件的数据，而是未来可以迁移到不同机器人本体上的人类操作数据。

二、W0 和 R2：用世界模型完成人类数据到机器人 policy 的迁移

人类数据路线的核心难点，不是采集，而是迁移。

人类动作天然带有噪声和不规范性，人的动力学也不同于机器人。灵初的解决方式是：用强化学习，在世界模型中完成迁移。

灵初的系统主要由两个模块构成：W0 和 R2。

R2 是 policy，最终部署到机器人上，负责实际执行操作。W0 是 world model，更准确地说，是一个 action-conditioned world model：给定当前状态和动作，预测下一帧状态。

在训练阶段，W0 扮演可学习的仿真器。R2 不直接在真实机器人上大量试错，而是在 W0 构建的环境里通过强化学习在线迭代。W0 提供环境反馈，R2 在其中不断探索，把人手动力学迁移到机器人动力学上，并生成新的训练数据，再反哺 R2，形成闭环。

部署阶段，W0 退场，机器人上只运行 R2。

“如果模型训好了，自然就不需要 W0 了。W0 是个仿真器，它是个提升的过程，不是部署的一部分。”

这也是陈源培不愿意把灵初简单定义为 “世界模型公司” 的原因。在他的理解里，世界模型不是单独的方向，而是数据转化管线中的一个中间模块。它的作用不是替代真实世界，而是帮助人类数据完成到机器人 policy 的迁移。

“算法本身没那么重要，哪个好用就用哪个。我们更核心的还是人类数据，以及把这套数据转移成高质量机器人数据的管线。”

在这一体系中，数据质量也不完全依赖人工审核。灵初将判断权交给模型本身：一条数据能不能在世界模型里成功转换，能不能让 policy 跑通，就是筛选标准。能跑通的数据留下，跑不通的数据丢掉。随着模型能力提升，数据筛选边界也会动态变化。

陈源培认为，灵初在人类数据路线上的一个关键阶段性结果，是 10 万小时量级的内部验证。

“我们基本没有真机的素材场，真机数据非常非常少，靠人类数据也能做出来跟那些采了几万小时 teleoperation 数据的公司差不多的效果。”

这指向一个更核心的问题：机器人基础模型是否必须依赖大规模真机 teleoperation 数据？

陈源培的判断是，真机数据仍然重要，但它不一定是唯一燃料。如果人类数据采集足够规模化，迁移管线足够有效，那么大量真机数据可以被人类数据部分替代。真机数据更像是校准、验证和少量 fine-tuning 的补充，而不是全部数据来源。

这并不意味着人类数据天然等同于机器人数据。相反，人类数据要真正可用，必须经过采集系统、世界模型、强化学习、数据筛选和 policy 训练的完整管线。

灵初试图建立的，是这套系统能力。

三、从数据集到落地：SynData、小全栈与路线边界

截至 2026 年 5 月 13 日，灵初智能 SynData 数据集在 Hugging Face 上下载量已达约 1.46 万次。



打开网易新闻 查看精彩图片

Hugging Face链接：https://huggingface.co/datasets/PsiBotAI/SynData

这是基于 R2 和 W0 体系的新一代大规模真实世界多模态数据集，覆盖视觉、语言、动作等维度。依托自研外骨骼手套系统，SynData 能够捕捉双手双臂完整自由度的高精度操作数据，同时结合裸手数据与自然人类交互行为，面向动作建模、操作学习、道具学习及多模态智能研究开放使用。

对灵初而言，SynData 是其技术路线的一次阶段性外化：以真实人类操作数据为底座，通过世界模型和强化学习完成迁移，再训练出可部署到机器人上的 policy。

但从商业化阶段看，陈源培并不认为行业已经进入 “通用基模” 阶段。

他把灵初当前的位置分为几层。

第一层是产能期。现阶段，灵初的收入主体仍然来自硬件，包括外骨骼手套、采集系统以及素材场建设。数据收入预计要到明年才会逐渐成为主体。

第二层是调 policy 期。当前机器人进入具体客户场景，仍然需要针对任务、环境和节拍要求调整 policy。“真正不需要调的通用基模，还要大概三五年左右。”

第三层才是基模期。这是目标，但不是当下。

这也解释了灵初为什么选择做 “小全栈”。陈源培对 “小全栈” 的定义是：以模型为核心往下做，关键环节自己掌握，但做到核心零部件为止。比如触觉传感器、精密减速器这类零部件，灵初选择外采，不会自研。

原因并不是为了展示全栈能力，而是落地需要。“你要做落地，硬件的稳定性、节拍要求，跟硬件高度耦合，现在没办法，只能自己做。” 在现阶段，机器人落地不是单纯的软件问题。一个 policy 能否稳定运行，取决于机器人本体、执行器、传感器、控制系统、任务节拍和场景约束。模型和硬件仍然高度耦合，只做模型很难完成真实交付。

对于行业其他路线，陈源培的判断也比较明确。关于 Genesis 等近期受到关注的机器人 demo，他认为不需要神化，也不应否定。“如果我们拿那套硬件训一下，他们那些 demo 我们也都能做出来。”

关于仿真，他相对悲观。在他看来，仿真是重要工具，但如果期待仿真本身出现巨大突破，并单独解决真实物理世界中的接触、长尾和高精度操作问题，概率并不高。

那么，human data 路线会不会被证伪？

陈源培认为，如果这条路线最终被证伪，大概只有两种可能：第一，仿真出现巨大突破，可以低成本生成足够真实、足够多样、足够可迁移的数据；第二，某家公司拥有足够强的资金和工程能力，把真机数据飞轮真正跑起来。

相比之下，他认为第二种可能性更高。

在他看来，human data 路线真正要证明的，不是人类数据比真机数据更干净，而是在规模、成本、迁移效率和泛化能力之间，是否能形成更优的综合解。

这一路线的护城河也不只是数据量。

“算法其实没有秘密。但数据，包括整个数据梳理的管线、积累和处理的方法，会影响你很长一段时间。有些人踩了三年的数据，你想马上追上来，非常难。”

数据之外，还有组织能力。

“整个组织的文化、结构、价值观，也很重要。”

从论文到公司，陈源培认为灵初做的一直是同一件事：让人类数据能被机器人用起来。VLA、世界模型、强化学习都是工具，真正的方向是通用机器人能力。








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

中央强调及时谋划出台增量政策

科技股“三度探底”

视频丨国防部：菲方非法图谋不可能得逞

今年军校报考热度与生源质量均创历史新高

超强台风“白海豚”最新路径来了

微软股价涨幅扩大至15%





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









李飞飞出手！用世界模型训练机器人，五种真机跑一小时不出错

智东西









这么好的机器人，谁不想拥有一个

影中见影1跟贴









女生得知豆包机器人脖子以下全是腿，结果到了现场看到这一幕

理想之声3跟贴









黄仁勋、马斯克：看好中国大模型

每日经济新闻









美国总统震惊于俄罗斯的机器人军队！吓坏了

芋泥哈波波









自从有了半自动机器人，地里活不用担心，真是省心又省力！

欢趣匣子1跟贴









AI真正的战场，不是工具，而是流程

倪云华洞察6跟贴









机器人大厨做扬州炒饭，你想品尝一下吗？

装甲铲史官









智驾普及后用户购车决策看什么？

和讯网









推荐系统只会「猜你喜欢」，却未必「听你的」？我们用多智能体给黑盒推荐做了一次外部可控性体检

机器之心Pro









赛里木湖自驾每人收75元引争议，景区称相关费用已做备案

界面新闻2.7万跟贴









斯洛伐克总统模仿国产机器人动作 频频感叹“Amazing”

中国网资讯8跟贴









美系自研，欧系合作，韩系吞并，日系还在犹豫？海外车企“造人”在向左还是向右

机器人大讲堂









大模型七年进化不只是参数暴涨

机器之心Pro









合肥迎来定位大跃迁！跃升长三角重要中心城市

悉牛一荞木芷









临界点灵巧手WAIC拧出气球狗 精细接触操作秀出"真手感"

量子位









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









美国限制机器人进口之际，斯洛伐克总统佩列格里尼在京点赞中国机器人

中国青年报









OneReason：当推荐系统学会思考

机器之心Pro











回到顶部回到首页



------
导航页 打开网址