近日，靈御智能宣布完成近億元天使+輪融資。本輪由福田資本領投，力合創投、金沙江聯合資本等跟投，老股東英諾基金、天鷹資本持續加注。

靈御智能定位具身智能的基礎設施提供商，是一家清華系創業公司，由清華大學自動化系長聘副教授莫一林和前遠鏡創投管理合伙人金戈聯合創立，核心產品TA機器人已經進入商超、酒店、數采、科研等場景驗證和部署。資料顯示，靈御智能目前意向訂單約3億元，在手訂單約1億元。

“具身智能需要好用的機器人本體，需要大量的高質量的數據。現階段整個市場幾乎沒有一個真正為具身智能而生的本體。主流大語言模型的預訓練數據量有數十萬億token，自動駕駛有百億小時數據，但具身智能現在只有幾萬級別小時的數據，沒有好的數據，就很難產生智能。”靈御智能CEO金戈說，基于這個行業現象，靈御智能做具身智能的基礎設施提供商，為行業提供高質量的本體和數據服務，做連接硬件與上層應用的中間層。

為了做成可規模化的生意，靈御智能把TA機器人的定價做到10萬到20萬元區間，并將單次任務數據采集成本壓到約0.6元。金戈預計，2026年，靈御智能將完成100萬小時的數據積累。

01科學家與投資人攜手：錨定具身智能底層剛需

具身智能行業缺少專用本體、高質量數據極度稀缺，這是靈御智能創業的核心初衷。

不過在起初，金戈并未打算加入團隊，僅計劃投資莫一林的具身智能項目。

2023年下半年，專注技術的莫一林需要一位懂市場、善管理的CEO，金戈幫忙物色多日，始終沒有找到滿意人選。

“這里面有些要素，如果兼備是比較困難的。我們希望這個人懂一些技術，完全不懂的話，和技術的溝通是很難的，另外，他要和莫老師之間有一些基礎的信任，還要懂些資本市場，要管財務、管人力、商業化，最好大公司也做過，小公司也做過，另外，對公司的各個發展階段，也不要特別明顯的短板。”金戈說。最終他發現，自己就是最合適的人選，隨即轉讓其他公司股份，選擇Allin靈御智能。

莫一林負責本體、算法、控制、數據平臺的技術架構，金戈則負責商業化、生產、融資、人力與財務，兩人分工明確，目標一致——打造具身智能行業必需的基礎設施。

莫一林曾在美國卡內基梅隆大學攻讀博士、在加州理工學院做博士后，也曾任新加坡南洋理工大學教職。回國后，他與滴滴、美團、華為合作自動駕駛項目，后續又完成機器狗強化學習、機械臂抓取等Demo驗證。這些經歷讓他深刻意識到，做好具身智能，必須實現硬件、軟件、算法深度耦合。

“舉個例子，對于具身智能來說，控制電路100毫秒延遲，和200毫秒延遲的感受是完全不一樣的。在這背后，每一個環節都不能掉鏈子，都要摳得很細，只有軟硬一體的設計才能做到最優。”莫一林說。

基于行業痛點與技術路徑的共識，兩人快速確定公司核心戰略：機器人進入真實世界，必先擁有好用的本體、高質量數據及模型訓練系統，而靈御智能要做的，就是這個行業的基礎設施。

擁有十余年投資經驗的金戈，將“做難而正確、創造真實價值”定為公司基本原則。

靈御智能CEO金戈

“我見過股市突飛猛進漲到6000點，整個市場繁榮瘋狂，也見過后來的一地雞毛。看過很多企業靠概念爆紅，但最終沒穿越周期活下來。因此，靈御智能要務實、長期主義、求真、唯精唯一，不追風口。我們不畫萬米高樓的圖紙，先打地基、建基礎設施。”

這一理念成為靈御智能的底層邏輯，公司也以此為方向，從機器人本體與真實數據切入，推出核心產品TA機器人。

02TA機器人：做到真機數據采集“低成本、高精度”

TA機器人的定位，是靈御智能生產高質量真機數據的主力硬件。

在機器人自主能力還不夠成熟時，人類遠程操作可以先完成真實任務。每一次操作過程又會被記錄下來，成為模型訓練的數據。這樣一來，機器人可以先進入服務、零售、物流、科研數采等場景，也能持續沉淀真實任務數據。

而為了提高數據質量，靈御在TA機器人上做了大量精細化配置。資料顯示，TA機器人能夠記錄視覺、力控、關節狀態、操作指令、遙操作眼動等不同類型的數據。它的電機和攝像頭數據可實現亞微秒級時間同步，機械臂絕對定位精度達到1毫米，重復定位精度達到0.1毫米。

這意味著，當機器人在執行任務時，機械臂所在位置、夾爪施加的力度、關節狀態和操作指令，都能在統一時間軸上被同步記錄。只有這樣，后續模型才知道一項動作是怎么完成的。

但真機要規模化應用，成本問題也非常關鍵。

靈御智能TA機器人定價在10萬到20萬元區間。按照團隊的測算，在一年使用期內，加上人工和雜項成本，TA機器人單任務數據采集成本約0.6元，低于部分高品質真機遙操設備3到5元的單任務數據成本區間。

成本下降來自一系列務實的設計。

比如在機器人的關節模組上，靈御智能采用行星減速器替代更昂貴的諧波減速器，行星減速器電流反饋的物理精度偏低，但系統可以通過監測電機電流變化估算受力，每兩毫秒獲取一次受力數據，根據數據實時調整，同時，通過高精度標定和算法，達到了毫米級的定位精度。

金戈說，基于軟硬一體化的設計，靈御智能用算法重新定義了具身智能設備。

在機器人的整體設計上，基于場景需求，靈御智能也做了務實的取舍。比如砍掉傳統機器人上的脖子關節，用廣角攝像頭提供接近人眼的大視野。操作員想看側邊內容，不需要控制機器人扭頭，視野本身就能覆蓋。靈御智能還把最容易磕碰損壞的小臂和手腕部分做成模塊化結構，幾顆螺絲就能拆卸替換。

TA機器人的另一個關鍵降本設計，是人臂同構。

表面上看，這項設計是解決操作體驗問題，但最終帶來的是成本的降低。遙操作機器人要想持續產出高質量數據，不能只依賴少數熟練操作員。如果一臺機器需要長時間訓練才能上手，采集成本會被人工培訓、誤操作和低效率不斷推高。

莫一林舉了個例子，人伸手拿杯子時，不會刻意計算每個關節的角度，大腦會直接把意圖映射成動作。如果機器人結構和人體差異太大，操作員就需要重新適應一套不自然的運動邏輯，動作容易變慢，也更容易出錯。

“同構的核心邏輯是利用人對自己身體的先天控制能力，降低遙操作的學習成本。”莫一林說。

為此，靈御智能在臂展比例、手腕結構、夾爪長度和活動空間上都參考了真正的人體動作。金戈也提到，“我們的設計理念是追求運動邏輯盡可能接近人。”

這種設計帶來的結果，是大大降低了遙操作員的門檻。目前，已有六七百名普通用戶體驗過靈御的遙操作系統，戴上VR眼鏡后，一分鐘內可以掌握基本操作。對數據采集業務來說，這意味著更低的人員培訓成本、更少的無效操作，以及更高的單日有效數據產出。

現階段，靈御智能的客戶，主要來自機器人數據采集中心、模型和大腦研發機構、科研機構、高校，以及零售、酒店、物流、工廠等行業用戶。前一類客戶更關心數據質量和工具鏈效率，后一類客戶更關心機器人能不能進入真實任務，并把使用過程沉淀成數據。

在真實場景里，靈御TA機器人已經開始驗證。比如在京東七鮮超市，它面向真實零售門店環境，在無踩點演練的情況下完成商品遞送、試吃服務、桌面整理、貨架取放等多類任務。

03夯實硬件與數據底座 云端大腦成最優技術路徑

依托TA機器人筑牢的硬件本體與真機數據底座，靈御智能進一步打通了從數據到模型、能力的關鍵鏈路，即TA機器人解決數據從哪里來，云端大腦則負責讓訓練后的智能能力回流到機器人，這也是基于現有基礎設施的最優技術路徑。

靈御智能以此構建了RaaS（機器人即服務）+MaaS（模型即服務）雙輪驅動模式，MaaS平臺承擔數據整理、清洗、標注與模型訓練，訓練完成的模型可云端部署或本地下載，便捷對接機器人開發者，目前平臺MVP核心能力已完成，支持多源數據采集、系統兼容與一鍵訓練部署。

與行業普遍追求端側AI、堆算力于本地的路徑不同，靈御智能堅定的選擇“端側小腦+云端大腦”的端云協同架構：機器人端只保留基礎實時控制能力，高智能的任務理解、模型推理與進化調度全部放在云端。

“首先是續航問題，機器人不像汽車，汽車的功耗一般是兩千瓦、三千瓦，帶一個幾百瓦的端側芯片，影響不大，而且，智能駕駛不需要解決復雜的交互問題，耗電量不大。但是機器人里高一點的芯片跑起來，20分鐘、15分鐘就沒電了。而且這樣的算力，推理速度也很慢。就像沒有人用手機去跑一個端側大模型一樣，功耗扛不住，模型也太小、太笨。”金戈說。

因此，靈御將機器人本地職責聚焦于安全、避障、急停等最緊急的實時動作控制，復雜判斷、規劃與學習交由云端完成；商超、酒店、工廠等固定場景的可控網絡，也為云端協同落地提供了現實支撐。

在該架構下，機器人現場執行任務遇不確定性時，可由云端操作員接管，全程操作數據回流平臺訓練模型，讓機器人自主完成同類任務的概率持續提升。

靈御智能并未走單一巨型模型路線，而是創新采用多專家模型協同+任務路由機制，實現TA機器人“一身多腦”：同一臺機器人本體無需更換，即可根據商超理貨、酒店服務、物流分揀等不同場景，靈活調用對應的云端專家能力，大幅提升跨場景泛化性。

在與英特爾的合作中，雙方已跑通數據采集、模型訓練、實機執行的全流程，完成云模型操控機器人實操展示，驗證了基礎設施到云端大腦的閉環可行性。

金戈預計，今年公司將交付800-1000臺TA機器人，完成百萬小時數據積累，6月啟動建廠、三季度投產后，機器人成本將進一步下探。

靈御智能的收入模式，除了本體之外，具身智能的數據，以及具身智能的調度管理通訊平臺，都將是收入的重要來源，“最早可能是靠硬件，然后是賣數據，最終是收服務費掙錢。”

“沒有大疆，就沒有今天巨大的四軸飛行器市場，特斯拉Model 3定義了什么是為自動駕駛準備的車，我希望靈御能成為具身智能領域基礎設施的定義者，這是我們的目標。”金戈說。