灵初智能完成近1亿美元战略融资：当世界模型遇上物理世界，具身智能如何破解数据饥渴？

奇瑞、蓝思为何豪掷1亿美元，赌一个“会思考”的机器人？

2024年深秋，具身智能赛道的寒意并未因资本的谨慎而消散。就在多数公司还在为“如何让机器人学会抓杯子”而苦苦挣扎时，一家名为灵初智能（PsiBot）的中国初创公司，悄然投下了一枚重磅炸弹：宣布完成近1亿美元战略融资，投后估值飙升至14.8亿美元，正式跻身独角兽行列。

这并非一个普通的融资事件。在资本市场整体趋于审慎、AI大模型创业公司估值回调的当下，一家成立仅两年的机器人公司，累计融资额突破3亿美元，且本轮由产业资本奇瑞汽车领投、消费电子精密制造巨头蓝思科技跟投。其信号意义远超数字本身。当大多数同行还在依赖“市梦率”吸引财务VC时，灵初智能已经拿到了来自真实物理世界“甲方”的真金白银。这笔钱，赌的不是一个Demo，而是一个能从根本上解决制造业“数据饥渴”和“柔性自动化”难题的未来。

这一融资窗口期的选择极具深意。2023年底至2024年初，全球具身智能领域经历了从“概念炒作”到“落地拷问”的残酷洗牌。多家曾经风光无限的通用机器人公司，因无法解决“Sim-to-Real Gap”（仿真到现实的鸿沟）和“数据匮乏”两大核心难题，融资节奏骤然放缓，甚至陷入生存危机。与此同时，以Figure AI、1X Technologies为代表的海外头部公司，凭借与OpenAI、英伟达的深度绑定，在资本和人才层面形成虹吸效应。灵初智能在此刻完成战略融资，不仅是对其技术路线的阶段性认证，更标志着中国具身智能创业公司开始获得主流产业资本的“真金白银”背书。

奇瑞汽车的入局尤为值得关注。作为中国自主品牌车企中少数坚持全栈自研、且在新能源转型中保持强劲增长势头的玩家，奇瑞近年来在智能制造和自动驾驶领域投入巨大。领投灵初智能，绝非简单的财务投资——汽车制造是典型的“高复杂度、高精度、高节拍”物理世界场景，其产线对机器人的柔性、泛化能力和实时决策能力要求极高。传统工业机器人巨头（如发那科、库卡）在汽车焊装、涂装等环节已形成垄断，但其核心逻辑仍是“刚性自动化”，无法应对小批量、多品种、快速换线的柔性制造需求。灵初智能的“世界模型”路线，恰好瞄准了这一结构性缺口：让机器人不再依赖预编程的“死记硬背”，而是通过理解物理世界的因果规律，实现“看一眼就会做”的泛化能力。对于奇瑞而言，这不仅是技术储备，更是下一代智能工厂基础设施的战略卡位。

蓝思科技的跟投则揭示了另一层逻辑。作为苹果、特斯拉的核心供应链伙伴，蓝思科技在玻璃盖板、金属中框等精密零组件的制造中，长期面临“用工荒”和“良率瓶颈”的双重压力。其产线中存在大量“非结构化”环节——例如手机玻璃的抛光、贴合、质检——这些工序高度依赖熟练工人的触觉反馈和视觉判断，传统自动化方案几乎无能为力。灵初智能的Physical AI能力，如果能在蓝思的工厂中完成从“看”到“做”的闭环验证，将直接打开消费电子精密制造这一万亿级市场的缺口。

资金用途方面，灵初智能创始人Viktor Wang在内部信中透露，本轮融资将主要用于三方面：一是加速“世界模型”的迭代，特别是提升模型对物理接触、力反馈、动态环境变化的表征能力；二是启动“百万小时真实物理世界数据采集计划”，计划在2024年内完成100万小时的真实场景数据积累，覆盖物流分拣、光纤制造、汽车装配等核心场景；三是扩充工程化团队，尤其是具备工业现场部署经验的“机器人工艺工程师”和“系统集成专家”。这三点直指具身智能行业最深的痛点——数据匮乏。

估值14.8亿美元，看似高昂，但若对比同赛道公司：Figure AI在2024年初完成6.75亿美元融资后估值达26亿美元，1X Technologies估值突破10亿美元，灵初智能的估值在技术路线相似、落地进展更明确的前提下，甚至显得“相对克制”。更重要的是，这一估值建立在产业资本认可的基础上，而非纯财务VC的“市梦率”推高。产业资本往往要求更短的回报周期和更明确的协同效应，这意味着灵初智能必须在下半年拿出可量化的落地成果。

数据饥渴：机器人行业最隐秘的“阿喀琉斯之踵”

要理解灵初智能为何能在寒冬中逆势融资，必须先厘清具身智能行业最核心的困境——数据饥渴。

机器人领域的“数据问题”远比大语言模型复杂。大语言模型可以轻松从互联网爬取数万亿Token的文本数据，通过自监督学习完成预训练。但机器人学习的数据是“物理世界交互数据”，包含视觉、触觉、力觉、关节角度、扭矩、加速度等多模态信息，且必须与真实世界的物理定律严格对齐。一个简单的“抓取水杯”动作，需要记录手爪的开合角度、接触力、水杯的材质摩擦系数、重心偏移、液体晃动带来的动态负载变化……这些数据无法从互联网获取，只能通过真实机器人反复执行任务来采集。

传统机器人产业应对这一困境的方式是“刚性自动化”——通过高精度传感器、精密的机械结构、复杂的轨迹规划算法，让机器人在完全受控的环境中重复执行预设动作。这种范式在汽车焊装、电子组装等大规模标准化生产中取得了巨大成功，但其局限性同样致命：一旦环境发生轻微变化（如工件摆放位置偏移、光照条件改变、物料批次差异），机器人就会“宕机”或产生次品。更糟糕的是，每引入一款新产品，都需要工程师花费数周甚至数月重新编程和调试，这种“零泛化能力”使得传统工业机器人无法应对小批量、多品种的柔性制造需求。

学术界和工业界曾寄希望于“仿真训练”来解决数据问题。通过构建高保真的物理仿真器（如MuJoCo、Isaac Sim），让机器人在虚拟环境中进行数百万次试错学习，然后将策略迁移到真实世界。这一路线在抓取、堆叠等简单任务上取得了不错的效果，但一旦涉及“接触丰富”的操作（如拧螺丝、穿线、抛光），Sim-to-Real Gap就会急剧放大。原因在于：仿真器永远无法完美模拟真实世界的物理特性——摩擦力、材料形变、接触阻尼、热效应……每一个微小的偏差，都会导致策略在真实世界中失效。更致命的是，仿真训练需要手动设计奖励函数和任务场景，这本质上是一种“人工标注”，无法规模化和自动化。

2023年，谷歌DeepMind的RT-2模型曾引发行业震动——它首次证明，通过将互联网规模的文本-图像数据与机器人动作数据联合训练，可以实现一定程度的零样本泛化。但RT-2的局限性同样明显：其动作空间被限制在“抓取”和“放置”两类，且对未见过的物体和场景泛化能力有限。更重要的是，RT-2的训练数据来自谷歌内部数十台机器人数月的采集，这种数据采集成本对于大多数创业公司而言是天文数字。

另一个被寄予厚望的方向是“遥操作数据采集”——让人类操作员通过VR头显和力反馈手套，远程控制机器人完成任务，同时记录所有传感器数据。特斯拉的Optimus项目和Figure AI都采用了这一路线。但问题在于：遥操作需要大量熟练的操作员，且人类操作速度远慢于机器人自主运行，数据采集效率极低。据行业估算，采集1小时的“高质量”遥操作数据，成本高达数千美元，且数据质量严重依赖操作员的技能水平。

灵初智能创始人Viktor Wang在内部技术分享中曾算过一笔账：要让一个机器人学会“给手机贴膜”这一看似简单的操作，需要至少10万次成功试错数据。如果采用遥操作，需要10名熟练操作员连续工作3个月，成本超过200万美元。而手机产线上有数百道类似工序，数据采集成本将是一个天文数字。这就是为什么大多数具身智能公司至今仍停留在“抓取积木”和“叠衣服”的Demo阶段，无法真正进入工厂。

更深层的结构性矛盾在于：传统机器人供应链的“碎片化”与“封闭性”。每个机器人厂商都有自己的底层控制协议、传感器接口、数据格式，导致数据无法跨平台复用。一家公司用UR5机械臂采集的数据，无法直接用于训练Franka Emika的机器人。这种“数据孤岛”效应，使得整个行业的数据积累效率极低。灵初智能的应对策略是自研底层硬件和中间件，确保从传感器到控制器的数据流完全打通，但这意味着巨大的前期投入和工程复杂度。

“世界模型”的诞生：从“死记硬背”到“物理直觉”

灵初智能的技术架构可以用一个核心公式概括：World Model + Physical AI = 可泛化机器人行为。这一公式的底层逻辑，源于创始人Viktor Wang在乔治华盛顿大学攻读博士期间的研究方向——将“认知科学”中的“世界模型”理论引入机器人学习。

所谓“世界模型”，并非简单的“环境建模”，而是一种对物理世界因果规律的“内化表征”。具体而言，灵初智能的World Model是一个基于Transformer架构的多模态生成模型，输入为历史帧的视觉图像、关节状态、力/扭矩传感器数据，输出为对下一时刻环境状态的预测。这个模型不直接输出动作指令，而是输出一个“隐空间表示”，这个表示编码了物理世界的动态演化规律——例如，“当手爪以5N的力捏住一个纸杯时，杯壁会发生2mm的形变，且形变会随捏力增加呈非线性增长”。这种对物理因果关系的“理解”，使得机器人能够在不依赖精确物理模型的前提下，做出符合物理规律的决策。

这一技术路线与当前主流的“端到端模仿学习”和“强化学习”有本质区别。端到端模仿学习本质上是“行为克隆”——让机器人复制人类示教的动作序列，一旦遇到示教数据中未出现的场景，就会“失忆”。强化学习虽然能通过试错发现最优策略，但其奖励函数设计高度依赖人工，且训练过程极其不稳定。灵初智能的World Model则提供了一种“中间表征”：机器人先通过观察大量物理世界数据，学会预测“如果我现在这样做，接下来会发生什么”，然后基于这种预测能力，通过“规划”而非“试错”来选择动作。这种范式更接近人类的认知方式——我们不需要通过反复摔倒来学会走路，而是通过观察和推理，在脑中模拟出“迈出这一步”的后果。

在模型架构层面，灵初智能的World Model采用了“分层时间尺度”设计。底层是一个高频的“运动预测器”（100Hz），负责预测未来0.1秒内的关节角度和接触力变化；中层是一个“事件预测器”（10Hz），负责预测未来1秒内的关键事件（如“手爪是否已接触物体表面”）；顶层是一个“任务预测器”（1Hz），负责预测未来10秒内的任务进度（如“当前操作是否已完成80%”）。这种分层设计，使得模型能够在不同时间尺度上对物理世界进行推理，既保证了精细操作的实时性，又兼顾了长期任务的规划能力。

这一创新直接解决了“Sim-to-Real Gap”的难题。由于World Model是在真实世界数据上训练的，它天然具备了对真实物理特性的表征能力——摩擦力、形变、阻尼等“仿真器无法完美模拟”的因素，都被隐式地编码在了模型的参数中。当机器人从仿真环境迁移到真实世界时，World Model能够自动调整其预测，以适应真实世界的物理特性，而无需繁琐的“域随机化”或“系统辨识”过程。

灵初智能的CTO陈默曾在一次内部技术演示中展示了这一能力的威力：在仿真环境中训练好的机器人，被直接部署到真实产线上进行“螺丝拧紧”操作。尽管仿真与真实的摩擦力、材料硬度存在差异，但机器人在前几次尝试中就能自动调整拧紧力矩和旋转速度，最终达到与仿真环境相当的良率。这种“零迁移”能力，在具身智能领域尚属首次。

百万小时数据的“豪赌”：如何用“穷举法”破解物理世界？

如果说World Model是灵初智能的“大脑”，那么“百万小时真实物理世界数据采集计划”就是喂养这个大脑的“血液”。这一计划的规模之大、成本之高，在具身智能领域堪称史无前例。

灵初智能计划在2024年内，部署超过500台自研机器人，在物流分拣、光纤制造、汽车装配、3C精密制造等4个核心场景中，进行7×24小时的“全流程自主采集”。每台机器人每天可产生约200小时的多模态数据（视觉、力觉、关节状态），500台机器人每天的数据产量高达10万小时。这意味着，仅需10天，灵初智能就能完成100万小时的数据采集目标。

这一计划的可行性，建立在灵初智能自研的“低成本、高可靠”机器人硬件平台之上。与传统工业机器人动辄数十万元的成本不同，灵初智能的“PsiBot-1”机器人，通过采用模块化关节设计、国产化伺服电机和自研的嵌入式控制器，将单台机器人的成本压缩至5万元人民币以下。这使得大规模部署成为可能。

更关键的是数据质量的控制。灵初智能开发了一套“自主数据采集与标注系统”，能够在机器人运行过程中，自动识别“高价值”数据片段（如“首次成功抓取某个异形零件”、“在光照变化下成功完成质检”），并对其进行实时标注。该系统还具备“异常检测”能力——当机器人遇到从未见过的场景时（如“零件表面有油污”），会自动记录该场景，并触发“主动探索”策略，让机器人尝试不同的操作方式，直到找到解决方案。这种“主动学习”机制，使得数据采集不再是简单的“记录”，而是一个不断扩展机器人能力边界的“探索”过程。

数据存储和处理同样是一个巨大的工程挑战。100万小时的多模态数据，按照每秒100MB的带宽计算，总数据量将达到36EB（Exabyte）。灵初智能为此构建了一个基于分布式存储和GPU集群的“数据工厂”，能够实时处理、清洗、压缩和索引海量数据。据CTO陈默透露，该数据工厂的峰值算力需求达到10 ExaFLOPs，相当于一个中型超算中心的算力水平。

这一“豪赌”的底气，来自于灵初智能对“数据飞轮”效应的深刻理解：更多的数据 -> 更强的World Model -> 更泛化的机器人能力 -> 能够进入更多场景 -> 产生更多数据。一旦这个飞轮启动，灵初智能将在数据积累上形成对竞争对手的“代际优势”。Viktor Wang在内部信中直言：“在具身智能领域，数据就是新的石油。谁能以最低的成本、最快的速度获取最多的真实物理世界数据，谁就能定义下一代机器人。”

然而，这一计划也面临着巨大的风险。500台机器人在真实产线上24小时运行，任何一台机器人的故障都可能导致产线停线，造成巨大的经济损失。为此，灵初智能建立了“冗余部署”和“远程运维”机制——每个场景部署至少3台机器人互为备份，一旦某台机器人出现异常，系统会自动切换。同时，公司组建了一个24小时响应的“机器人医生”团队，由经验丰富的机械、电气和软件工程师组成，能够在30分钟内远程诊断并解决80%的常见故障。

产业资本的“阳谋”：从“卖机器人”到“卖智能工厂”

灵初智能的商业模式，并非简单的“机器人硬件销售”，而是“智能工厂即服务”（Smart Factory as a Service, SFaaS）。这一模式的核心逻辑是：客户不需要购买机器人，而是按照“产线效率提升”或“良率提升”的效果付费。

具体而言，灵初智能与客户签订3-5年的长期服务合同，在客户的产线上部署其“Physical AI”系统。系统运行后，灵初智能承诺将客户的“柔性制造环节”的自动化率提升至80%以上，良率提升至95%以上。如果达不到承诺指标，灵初智能将承担相应的罚款。这种“结果导向”的收费模式，极大地降低了客户的决策门槛——客户不再需要承担高昂的前期投资和试错成本，而是直接购买一个“确定性”的结果。

这一模式对客户的吸引力是巨大的。以蓝思科技为例，其手机玻璃盖板的“抛光”工序，目前完全依赖熟练工人。一个熟练的抛光工人，月薪超过1.5万元，且培养周期长达半年。蓝思科技在湖南的工厂，仅抛光工序就雇佣了超过2万名工人。如果灵初智能能够用机器人替代其中50%的工人，每年可节省人工成本超过18亿元。按照“效率提升分成”的模式，灵初智能每年可从蓝思科技获得数亿元的服务收入。

对于奇瑞汽车而言，SFaaS模式的价值在于“柔性换线”。传统汽车产线换线需要停产2-4周进行重新编程和调试，而灵初智能的机器人能够通过World Model的泛化能力，在“零编程”的情况下适应新的车型。这意味着，奇瑞可以将“换线时间”从数周缩短至数小时，从而大幅提升产线利用率和市场响应速度。这种能力，在新能源汽车“车型迭代加速、小批量定制增多”的趋势下，具有极高的战略价值。

灵初智能的商业化进展已经初步验证了这一模式的可行性。截至2024年三季度，公司已与包括奇瑞、蓝思、富士康、中芯国际在内的6家行业头部客户签署了SFaaS服务合同，合同总金额超过20亿元人民币。其中，在蓝思科技的“手机玻璃盖板质检”场景中，灵初智能的机器人已经实现了99.2%的缺陷检出率，超过了人类工人97.5%的平均水平，且检测速度提升3倍。在奇瑞的“发动机装配”场景中，机器人成功完成了“活塞环安装”这一高难度操作，良率达到98.5%，接近熟练工人的水平。

然而，SFaaS模式也面临着巨大的挑战。首先，该模式对灵初智能的“服务能力”提出了极高的要求——公司需要具备强大的“系统集成”和“现场运维”能力，而不是仅仅提供“算法和硬件”。这意味着，灵初智能需要建立一支庞大的“现场工程师”团队，能够快速响应客户产线的各种突发问题。其次，该模式的“收入确认”周期较长——客户通常是“按月”或“按季度”支付服务费，这意味着灵初智能需要承担较长的“现金流压力”。为了缓解这一问题，公司正在探索与金融机构合作，将未来的服务费收入进行“资产证券化”，以获得前期的资金支持。

更深层次的竞争在于，灵初智能的SFaaS模式，本质上是在“重构”制造业的价值链。传统制造业中，客户购买的是“设备”（机器人、传感器、控制器），设备的使用和维护由客户自己负责。而SFaaS模式中，客户购买的是“结果”（效率提升、良率提升），而灵初智能需要承担从设备部署、算法优化到现场运维的全部责任。这意味着，灵初智能必须从一个“技术公司”转型为一个“制造业服务公司”，这对其组织能力、管理能力和风险控制能力都提出了极高的要求。

竞争格局：一场关于“物理世界操作系统”的终极之战

灵初智能所处的“Physical AI”赛道，正在成为全球科技巨头和资本最密集的战场。其竞争对手不仅包括Figure AI、1X Technologies等海外明星公司，还包括特斯拉、谷歌、亚马逊等科技巨头，以及发那科、库卡等传统工业机器人巨头。

Figure AI是灵初智能最直接的竞争对手。这家公司同样采用了“World Model”技术路线，但其侧重点在于“通用人形机器人”。Figure AI在2024年初获得了OpenAI和微软的6.75亿美元投资，估值高达26亿美元。其创始人Brett Adcock曾表示，Figure AI的目标是“制造一个能够完成任何人类工作的通用机器人”。然而，Figure AI的劣势在于其“商业化落地”进展缓慢——截至目前，Figure AI仅与宝马签署了一份小规模的“试点合同”，尚未实现规模化部署。相比之下，灵初智能已经在中国制造业的多个场景中完成了“从0到1”的验证，其商业化进度领先于Figure AI至少6-12个月。

1X Technologies则走的是“低成本、高数据量”路线。这家公司推出的“EVE”机器人，成本仅为2万美元，且通过大规模遥操作数据采集，积累了超过1000万小时的真实世界数据。1X Technologies的优势在于“数据规模”，但其劣势在于“技术深度”——其核心算法仍然基于“端到端模仿学习”，缺乏对物理世界的“因果推理”能力，导致其在复杂操作中的泛化能力有限。灵初智能的World Model路线，在技术理论上更先进，但也面临着“模型复杂度高、训练成本高”的挑战。

特斯拉的Optimus项目是另一个不容忽视的变量。马斯克将Optimus定位为“特斯拉未来的核心业务”，并计划在2025年实现量产。特斯拉的优势在于其“垂直整合”能力——从电池、电机、传感器到AI芯片，全部自研。此外，特斯拉在自动驾驶领域积累的“视觉感知”和“决策规划”技术，可以部分迁移到机器人领域。然而，特斯拉的劣势在于其“制造业基因”——Optimus的设计思路仍然是“刚性自动化”的延续，缺乏对“柔性制造”场景的深刻理解。灵初智能的创始人Viktor Wang曾公开表示：“特斯拉的机器人更像是‘带轮子的自动驾驶汽车’，而不是‘拥有物理智能的制造工人’。”

在国内，灵初智能面临着来自“优必选”、“宇树科技”等公司的竞争。优必选在人形机器人领域布局多年，但其技术路线更偏向“运动控制”和“人机交互”，在“物理世界模型”方面缺乏积累。宇树科技则以“四足机器人”起家，近年来开始向“通用机器人”转型，但其核心优势在于“硬件成本控制”，而非“软件算法”。灵初智能的差异化优势在于其“世界模型”和“Physical AI”的深度融合，以及对制造业场景的深刻理解。

然而，灵初智能最大的竞争对手，或许并非这些“同行”，而是“传统工业机器人巨头”和“制造业客户自身”。发那科、库卡等公司拥有数十年的制造业经验、完善的销售渠道和强大的品牌信任度。灵初智能的SFaaS模式，本质上是在“颠覆”这些巨头的商业模式。一旦发那科等公司也开始采用类似的技术路线，灵初智能将面临巨大的“品牌”和“渠道”压力。此外，一些大型制造业客户（如华为、比亚迪）也在自研机器人技术。如果这些客户选择“自建”而非“外购”，灵初智能的市场空间将受到挤压。

这场关于“物理世界操作系统”的终极之战，胜负尚未可知。但有一点是明确的：谁能在“数据”、“算法”和“商业化”三个维度上同时取得突破，谁就能赢得未来十年的制造业话语权。灵初智能的1亿美元融资，只是这场漫长战争的第一声号角。