文｜邱曉芬

修改｜蘇建勛

一句話介紹

「靈御智能」由清華+卡內基梅隆布景團隊打造，以高質量遙操作技能為中心，推出萬元級、低推遲、高精度、高易用性的遙操作機器人體系，經過“賣本體-賣數據-賣才干”三步走戰略，企圖處理具身智能數據卡點，推進機器人快速落地服務業與工商業。

團隊介紹

創始人&首席科學家莫一林，現任清華大學自動化系長聘副教授，曾任新加坡南洋理工大學EEE系助理教授。其教育布景是清華自動化系學士、卡內基梅隆大學計算機工程系博士、加州理工學院博士后，師從美國工程院院士、機器人操作范疇前驅R. M. Murray教授。

CEO金戈相同結業于清華大學自動化系，兼具高科技范疇創業出資與企業辦理兩層經歷：曾擔任遠鏡創投辦理合伙人、奧量光子副總裁，拿手推進技能從實驗室走向商業化落地。

融資發展

「靈御智能」近期正式完結千萬元級種子+輪融資，本輪由華映資身手投，老股東英諾天使基金、清華水木出資、遠鏡創投跟投。

產品及事務

為處理“機器人難操作、數據難收集”的職業痛點，「靈御智能」構建了一套完好的遙操作具身智能體系，掩蓋“機側-人側-控制渠道”三大中心模塊：

機側硬件：遙操作機器人TeleAvatar，主打輕量化與實用性，可適配多場景作業需求；

人側硬件：CyberBraceletVR設備，下降操作員運用門檻。該公司未來還計劃推出更高性價比的手環產品，代替傳統VR手柄。據介紹，新設備價格或僅為外骨骼、動作捕捉設備的1/10乃至更低，進一步拉低職業操作本錢；

控制渠道：TeleDroid具身智能控制渠道，作為體系中心，支撐低推遲數據傳輸與高精度動作控制。

在產品定價上，「靈御智能」精準定位不同需求：輪式雙臂遙操作機器人本體價格約7萬元，統籌工商業場景的實用性與本錢控制，可快速浸透中小場景或試點項目，完成上手即用。據測驗，操作員僅需20分鐘即可嫻熟操作，大幅下青青草vip視頻播放降職業使用門檻。

《智能出現》制圖

商業模式

「靈御智能」規劃了一條明晰的商業化途徑，經過“硬件鋪量-數據堆集-才干輸出”的三步走戰略，逐漸構建長時間競賽壁壘。

  1.第一步：賣本體，快速占領市場

以“高易用性、高性價比”的機器人硬件為切入點，快速掩蓋服務業（如長途巡檢、無人零售）、工商業（如車間安裝、物流分揀）等場景，經過規劃化落地堆集初始用戶與場景根底。

  2.第二步：賣數據，構成數據壁壘

當機器人市占率到達必定規劃后，各場景發生的“差異化真機數據”將成為中心財物——這些數據不僅能反哺智能模型迭代，還可構成職業稀缺的數據壁壘，防止同質化競賽。

  3.第三步：賣才干，輸出智能處理計劃

跟著數據堆集與模型優化，「靈御智能」將從“硬件廠商”晉級為“智能才干提供商”，向職業輸出標準化的遙操作控制才干、場景化的自主作業算法，終究完成“數據-才干-商業”的飛輪效應。

中心壁壘

在具身智能賽道，“推遲” 與 “本錢” 是約束遙操作落地的要害瓶頸，「靈御智能」經過技能打破完成了兩層打破：

低推遲：挨近“無感知”的操作體會

經實測，其遙操作體系的圖畫推遲低至100毫秒，操作推遲僅50毫秒——這一目標已到達“人類實操無顯著推遲感知”的水平，可滿意精細安裝、長途控制等對實時性要求高的場景。

高性價比：從硬件到收集的全鏈路降本

硬件端，TA Lite機型將價格控制在10萬元以內，遠低于職業同類遙操作設備。在數據收集端，選用VR設備計劃，低至千元級，既防止了動作捕捉設備“百萬級本錢+空間約束”的痛點，又處理了純視覺計劃“遮擋多、規模小”的問題，完成低本錢和高精度的收集平衡。

《智能出現》制圖

Founder考慮

1、遙操作是全自主機器人的“必經之路”

莫一林以為，就像自動駕御從輔佐駕御走向全自主，具身智能機器人也需要以遙操作為起點。而一臺“好駕御、易運用”的機器人，正是獲取高質量數據的條件。

他表明，只要下青青草vip視頻播放降搖操作的操作門檻，才干快速堆集規劃化、一致性的真機數據，而這正是機器人自主才干迭代的中心壁壘。

2、數據是具身智能的卡點，真機數據不行代替

莫一林指出，現在全球機器人范疇的數據量，比自動駕御、大言語模型低3-5個數量級，且面對質量差、功率低、本錢高’的三重問題。具身智能的打破離不開數據，但數據收集需滿意兩個中心條件：一是場景要靠近實在，二是遙操作動作要挨近人類習氣。

在“真機數據與仿真數據”的爭議上，他表明：仿真數據是真機數據的放大器，沒有真機數據這個“1”，再多仿真數據的“0”也沒有含義。他以為，真機數據的中心優勢在于“準確性”，而仿真數據可協助真機數據完成低本錢泛化（如經過光學、物理模仿生成多場景數據）。

3、VR設備將成數據收集的“干流方向”

現在職業干流的真機數據收集方法各有好壞，莫一林經過比照剖析，并指出了未來趨勢：

主從臂/外骨骼：雖易上手，但操作雜亂、易發生推遲數據，影響模型練習；

動作捕捉：數據維度高，但本錢貴重、對空間要求高（需建立專用攝像頭房間）；

純視覺計劃（如Apple Vision Pro）：設備門檻低，但拍照規模小、易遮擋，運動局限性大；

VR設備：人側設備僅千元級、易用性高，且收集精度高，僅有難點在于算法打破。

莫一林以為，職業正在向VR收集方向收斂，特斯拉、英偉達在內的頭部企業都在布局這一道路。VR計劃既能平衡本錢與精度，又契合人類操作習氣，將成為未來機器人數據收集的中心方法。

end

end