20亿融资！灵初智能All in人类原生数据，破解具身智能数据困局

具身智能的竞争焦点，或许并不在于机器人硬件本身。

这一认知差异，正被敏锐的资本迅速转化为投资行动。

近日，灵初智能宣布完成总额约 20亿元 的 天使轮及Pre-A轮融资。

• 天使轮 由国开金融、国中资本、央视融媒体产业投资基金等国家级资本，某数千亿上市公司旗下战投、长飞光纤旗下基金等产业龙头资本，以及元生创投、珠海科技产业集团、钧山投资等多家知名基金共同投资。
• Pre-A轮 由上海国资徐汇资本等基金领投，梁溪科创产业二期母基金、锡创投等地方国资，以及普丰资本、钛铭资本等市场化基金跟投，多家老股东超额跟投。华兴资本担任长期财务顾问。

这笔资金将主要用于加速灵初智能 在物流场景的规模化落地与数据采集体系建设。

这是灵初智能 首次 系统披露融资进展。此前，公司长期保持低调，将主要精力投入于 技术路线与数据体系的打磨。

创始团队的多元背景是吸引国家级及地方资本重仓的关键因素之一：

• 创始人兼CEO 王启斌 在手机、智能音箱及机器人领域拥有20年产品操盘经验，曾担任黑莓、Sonos及云迹科技高管。
• 联合创始人 陈源培 是00后，在北大人工智能研究院读研时师从强化学习专家杨耀东，在斯坦福曾与李飞飞有过深入交流，并曾拒绝华为“天才少年”的高薪邀请。

在行业普遍聚焦于演示和参数竞赛的当下，灵初智能选择了一条清晰的差异化路径：放弃昂贵低效的机器人遥操， 全力投入人类原生数据。

从“以机器为中心”到“以人为中心”：重构数据基础

长期以来，具身智能面临三大数据难题：

1. 仿真数据 存在难以逾越的“仿真到现实”差距，处理柔性物体时尤为明显。
2. 机器人遥操数据 采集成本高昂，依赖人力外包，且难以覆盖物理世界的复杂多样性。
3. 数据与硬件强耦合，导致数据采集于特定机器人本体，便只能服务于该体系，形成生态孤岛。

即便是当前热门的UMI（通用机械接口）设备采集方案，在灵初智能看来也存在结构性局限。他们认为，这并非简单的工具选择问题，而是一场 数据范式 的根本性竞争。

UMI本质上是让人模拟机器人的动作，属于“以机器为中心”的逻辑。短期看降低了门槛，长期却可能限制能力上限。如果数据围绕机器人本体采集，模型的能力边界也将被锁定；而如果数据源头来自 人类本身，模型学习的将是 “任务本质” 而非“机器结构”。这两种路径，决定了具身智能未来的天花板高度。

“UMI采集的是机器人夹爪的数据，无法泛化。今天用UMI采集的数据，根本无法直接用于五指灵巧手。”陈源培指出，这种方案将人类拥有20多个自由度的灵巧手，降维成了一个只能“开合”的简易夹爪。

为破解这一冷启动难题，灵初智能全栈自研并发布了全球首个具身原生人类数据采集方案—— Psi-SynEngine。

其核心逻辑是 以人为本。方案采用便携式外骨骼触觉手套，精准捕捉人手21个关节自由度及全手触觉信息，且不影响工人正常作业；系统同步记录头戴与手部视角的视觉、触觉、动作及语言数据，为预训练阶段的多模态对齐提供真值支持。

关键的突破在于 成本 与 迁移性。

据王启斌透露，通过手套采集数据的综合成本，仅为真机遥操方案的 10%。而真正的护城河在于 跨本体迁移能力。“机器人会迭代，夹爪会更换，但人手是不变的。”陈源培表示。

通过基于世界模型与强化学习的迁移算法，灵初能够将人类动作高质量映射到不同构型的灵巧手上，弥合“具身鸿沟”。当数据源头脱离特定硬件，模型的能力上限也随之被打开。

不止于数据：构建“会干活的脑”

数据基础解决“矿从哪来”的问题，而真正的竞争力在于如何高效地将这些“矿石”转化为模型能力。

发布数据采集体系，在外界看来或许是“卖铲子”的生意。但在灵初智能的规划中，这只是 飞轮的起点。

陈源培明确表示：

我们不会停留在数据供应商这个角色。

数据是训练具身大脑的燃料，而非终点。具备长期价值的，是 由数据喂养出来的、可迁移的通用操作能力。灵初智能的目标是提供 “会干活的脑”。

在灵初的逻辑里，单纯的人力数据采集门槛不高，本质是赚取劳动力差价。而模型对数据的消化、泛化与迁移水平，才决定了数据的最终价值上限。

因此，公司选择了一条相对少见的路径：

• 先通过模型验证能力边界，再反过来定义所需的数据体系；
• 先通过模型训练与任务实验，判断哪些数据真正有价值，再围绕这些关键数据构建规模化采集能力。

这种 “模型驱动数据” 的闭环，让灵初能在推进模型落地的过程中，不断修正数据结构、标注体系与采集方式，使数据成为紧贴模型目标、不断进化的结构化资产。

相比行业内常见的宏大叙事，灵初表现得颇为克制和务实。王启斌透露，2025年下半年公司进行了一次关键转向：停止资源投入纯展示型演示，全面转向 真实数据采集与细分场景交付。

原因在于，模型进化需要最硬核的养料，而这些养料只有在真实交付中碰撞出的“高密度问题”里才能获得。

灵初选择从极细分的场景切入，例如“衣服供包”或“入箱检”这类高复杂度、强柔性的任务。以衣服供包为例，目前灵初已实现对 上千件衣物 的泛化抓取，节拍提升至800 UPH（每小时产出数量），形成了从场景部署、数据采集到模型优化的完整闭环。

这套方法在内部被沉淀为 “能力飞轮”：每一个新场景的落地都在喂养模型，而变强了的模型，又成为敲开下一个复杂场景的敲门砖。

有边界的全栈：以进化能力构建护城河

在软硬耦合的具身智能赛道，全栈能力几乎是必选项。但灵初智能的“全栈”带有明确的分寸感，他们将精力高度集中于核心链路，进行精准布局。

王启斌的观点是： 市场上能买到且够用的，绝不重复投入；凡是卡住核心能力的环节，必须牢牢掌握。

因此，公司选择 自研数据手套和灵巧手，因为现有市面方案在规模化数据采集精度和底层控制算法上，难以满足高精度操作的要求。将这些核心环节外包，无异于将数据质量和模型演进节奏的“命门”交予他人。

而对于像轮式底盘这类已高度成熟的模块，则通过定制合作解决，避免分散精力。

如此取舍，厘清了灵初的能力边界：自研是为了守住核心，整合是为了调用通用资源。公司的定位也愈发清晰——一家专注于 通用灵巧操作能力的“大脑驱动公司”，核心算法与数据链路自主可控，硬件形态保持开放，能够根据不同场景灵活适配。

对具身智能公司而言，时间至关重要。真实场景的数据反馈具有复利效应，越早进场、处理越多复杂任务，就越能抢先积累决定胜负的长尾数据。这种由场景规模和任务密度堆叠出的领先优势，是后来者难以用资本快速追赶的。

灵初智能的方法论核心在于 模型能力的持续沉淀。随着数据飞轮的加速运转，数据成本逐步降低，模型能力不断提升。这一降一升，将推动其进入更高阶的竞争维度——应对更为复杂与广阔的应用场景。

此次融资信息的披露，也标志着具身智能领域正进入 资本与产业共振 的新阶段。据行业估算，灵初智能在过去一年中估值已增长 约6至7倍，正向该领域的独角兽地位迈进。

从国家级产业基金、地方国资平台，到通信与光通信产业链龙头，此番资本结构背后，实质是产业界对 “具身数据基础设施” 的战略性前瞻布局。

在这一赛道中，竞争的筹码早已超越资金本身， 时间 成为了最稀缺的资源。随着数据飞轮转速加快，竞争的本质也从比拼账面资金，转向了 与时间的赛跑。

这种基于时间建立的领先优势具有强烈的排他性。一旦形成代差，差距便会迅速扩大，留给后来者的窗口将越来越窄。

关注“鲸栖”小程序，掌握最新AI资讯