文 丨 闌夕

上個月「麻省理工科技評論」雜志發了一篇報道，大意是一家美國機器人數據公司雇傭了大批第三世界工人頭戴攝像頭進行作業，為AI提供訓練數據。

我們當然可以把這個畫面解讀成時代的諷刺，但它背后更值得追問的，其實是另一件事：

語言模型的爆發已經是三年多前的事了，為什么機器人的訓練數據，還要靠人戴著攝像頭一幀一幀的錄？

更加敏銳的人，可能早就發現事情的不對勁了，2026被普遍視為具身智能行業重要的商業化轉折點，但就目前而言，除了跳舞、拳擊、跑馬拉松這些「猴戲」——姑且用這個詞來形容好了——似乎并沒有見到機器人商用爆發的跡象。

坦白說，這未必是某一家公司的選擇出了問題，而是行業客觀存在的結構化困境，讓各家機器人訓練仍然在重復造輪子，如果真要找出一個根本性的瓶頸，那答案除了數據，還是數據。

這就是我關注到靈御智能的契機，作為一家成立僅一年多、名聲并不算大的創業公司，它提出的「真機數據自由」主張，卻直接指向了整個行業待解的題。

靈御智能的創始人之一，是清華大學自動化系長聘副教授莫一林，也是較早意識到數據會限制具身智能發展上限的那批人，這直接促成了靈御智能要把訓練數據做到標準化外購的念頭。

這里我不得不舊事重提，說一下Anthropic年初那則AI行業的發展報告，無論是理論覆蓋率還是實際利用率，你會發現越是脫離文書類的工作，AI施展拳腳的空間就會愈發受限。

眾所周知，在預訓練階段，語言模型幾乎已經吃完了人類古往今來的所有公開知識，就連Anthropic本身，近些年也因為大量購買實體書進行掃描而頻頻陷入版權風波，這意味著什么？

當然意味著要是不這么干，是真沒有東西可以喂給AI了……

文本化的內容尚且如此，就不難想象對AI來說天然更復雜的物理世界，訓練數據會稀缺到什么地步。

其實早在一年多以前，行業就意識到了物理AI進程緩慢的問題，語言模型的知識量在很多領域已經是專家級別，但對這個世界的常識認知，卻仍然停留在孩童階段。

為什么靠手掌很難捏碎一個雞蛋、怎么把襯衫塞進行李箱才不會有褶皺、推一輛車到坡邊時需要用多大的力才能準確停住……這些存在人類大腦中的經驗無法進行文本化，更遑論被爬取，只能靠一遍遍執行的笨法子，逐漸建立起所謂世界模型的認知。

于是就有了開頭報道的那一幕，很多想做自主機器人的公司，時至今日仍然在雇人演示、錄視頻、一條一條積攢訓練素材，效率低下暫且不論，用人類的行為邏輯直接套用在機器身上，未必是AI真正想要的。

就像Markdown格式的文件一樣，人類理解起來很費力，但作為模型訓練的語料完全就是香餑餑，那些對于人類友好的排版和結構，在AI這里成了冗余的負擔。

再通俗點說，讓機器人跑一萬米，并不能幫助它更好地理解這個世界，甚至會出現反作用，因為不斷喂同質化的數據，不僅對泛化能力幾乎沒有貢獻，還可能會壓縮模型的上限。

所以當行業還在意圖用數據數量換一個Scaling Law的結果時，靈御智能奔著高質量去的「真機數據」路線，才會顯得尤為稀缺。

所謂真機數據，就是由機器人本體采集并加入訓練的原生數據，這并不是由靈御智能率先提出來的概念，但從結果來看，它是極少數能把這條路走到底的玩家。

首先要知道，將現實中的作業流程以視頻的方式喂給AI，本質上是一種視覺方案，它的局限性在于只能觀察、無法感覺。

機器人在完成抓取動作時，同時產生的數據遠不止于視覺畫面——電機的轉矩、末端的力反饋、關節的空間位置——這些信息共同構成了一次完整的物理操作，缺了任何一路，模型學到的都是一個殘缺的世界。

就像人類在徒手擰瓶蓋之所以不會把瓶子捏碎，是因為皮膚、肌腱、關節在同一時刻提供了幾十路觸覺和力覺信號，而視頻能記錄的，只有手的移動軌跡。

這就是真機數據的原生優勢了，機器的感受，也只能在機器之間流通，靈御智能把數據的信息密度做到了行業之最，完整覆蓋著視覺和力控這些維度，由此產生的高復用性，是遠非同質化數據能比的。

能實現這一點，得益于先修路架橋的技術選擇：靈御自研的TA機器人系列，已經在數據采集的質量和效率上走在了行業前列，去年11月舉辦的中關村具身智能機器人應用大賽上，TA機器人在相同場景里的耗時只有同類競品的30%，但凡有點了解的人，應該都清楚這個數字的含金量。

為了解決多路傳感器的時間差問題，TA機器人不僅在電機和攝像頭之間實現了亞微秒級同步，從相機曝光到數據進入內存的整體延遲，最低也控制在40毫秒以內，可以降低多路傳感器時序錯位對訓練數據的污染。

更不用提重復定位精度0.1毫米、絕對精度1毫米這些空間感了，前者保證同一臺設備反復執行中的穩定性，后者保證不同機器人之間采集的數據可以互相對齊、互相復用，這兩個數字對模型訓練來說，差之毫厘，謬以千里。

莫一林自己也曾在采訪中說到，「如果沒有做好時間同步和空間標定，采集到的數據質量和普通第一視角視頻沒有本質差別。」

這很符合AI時代創業公司「做不好不如不做」的技術理念，如果自己的成果不足以對市場產生什么影響，那在百花齊放又殘酷無比的環境里，大概率是很難跑出來的。

不過質量只是一方面，在行業單次數據任務普遍還處于3-5元的成本區間時，靈御智能已經把價格壓到了0.6元。

這當然不是什么以價換量的價格戰邏輯，而是靈御在硬件設計上做了一套系統性重構，比如減速器與傳感器采用了低成本替換方案，又配合500Hz高頻控制實現「減價不減質量」，把數據的經濟賬，從實驗室推到了量產商用階段。

事實上，對于AI產業的發展到底什么是剛需什么是偽需求，市場自會用實際行動投票，就像自打響語言模型爆發的第一槍開始，OpenAI發展撞上的局限性幾乎都是來自產業側而非模型本身。

OpenAI自然不會、也不可能自己養一堆人做數據標注，于是才催生了Scale AI這種扮演著傳導角色的公司，靈御在做的事，用產業分工的視角看，同樣會清晰很多。

AI行業發展至今，已經推翻了很多大大小小曾被視為共識的判斷，這得益于AI公司們敢于質疑舊范式的精神。

靈御也不例外，在機器人小腦發育已經愈發完備的情況下，靈御仍然堅持大腦應該在云端而非本體的主張，多少也有些反直覺。

是的，真說起來，把高功率的芯片塞進機器人本體，追求端側的絕對自主，聽上去顯然是個更性感的技術路線，但它背后，也有繞不開的物理約束。

那就是除了汽車這些大件支持堆積算力之外，泛用性更高的人形和四足機器人乃至機械臂，要如何突破電池容量的瓶頸？又如何提供足夠的算力密度？

忽視現實而一味追求故事，到頭來勢必只能收獲一個不盡如人意的結果。

所以圍繞云端大腦，靈御構建了一套「部署-數據-訓練-進化」的閉環，同一套TA機器人本體，根據不同場景調用云端不同的專家模型，面對運輸、揀選、裝配、服務等不同任務，按需調用對應能力。

這就是「一身多腦」的字面意思，機器人自主運行時，一旦置信度跌破閾值，云端操作員無縫接管，接管全過程數據自動回流，用于訓練下一版模型，下次遇到類似場景，自主能力就往前走了一步。

一旦自主運行中的置信度跌破閾值，云端操作員可以接管，接管過程中的視覺、力控、關節狀態等數據同步回流，成為下一輪模型訓練的高質量樣本。由此形成的飛輪是：部署越多，真實任務數據越多；數據越多，模型越強；模型越強，人工接管成本越低。

在今年4月靈御與英特爾的合作中，雙方在西子智慧產業園完成了云模型操控機器人執行實際任務的能力展示，跑通了從數據采集到模型訓練再到機器人執行的完整鏈路。

事實證明，產業是真的需要像靈御這樣的公司，去探索新技術范式來打破具身智能長久以來無法突破的瓶頸。

要知道，讓LLM騰飛的地基——海量、標準化、可復用的訓練數據——在物理世界里還沒有人認真建過，靈御在做的事，是填補行業一直以來無法忽視的缺口。

至于最后的結果能不能成，取決于基礎設施層能不能在行業真正爆發之前跑通規模化。

可以預見的是，這個時間窗口，不會等太久。