出品｜

作者｜常博碩

編輯｜楊錦

“吃！”“碰！”“胡了！”

前不久，一則機器人與人類同桌打麻將的視頻流傳網(wǎng)絡(luò)。在持續(xù)30分鐘的自主決策中，機器人除了能夠完成翻牌、摸牌等一系列靈巧的操作，還能根據(jù)牌局狀態(tài)自主構(gòu)建出牌策略。

這背后，是靈初智能強化學(xué)習(xí)算法模型Psi R1，在展示開放場景下機器人處理長程復(fù)雜任務(wù)的能力。這也是全球首個支持“動作感知-環(huán)境反饋-動態(tài)決策”全閉環(huán)的端到端具身VLA模型。

具身智能的浪潮席卷全球，機器人逐漸從人類科幻的想象走進(jìn)產(chǎn)業(yè)的黎明。從春晚丟手絹到地庫里騎自行車再到上桌打麻將，這個領(lǐng)域里從不缺少激動人心的瞬間。

在一片“秀肌肉”的喧囂中，有一個聲音吸引了我們的注意?！拔覀儾蛔龊唵蔚?、假把式的東西”，靈初智能創(chuàng)始人兼CEO王啟斌近日與對話時表示：“我們就是要用穩(wěn)定、低價的產(chǎn)品去解決樸實的問題。”

靈初智能創(chuàng)立于2024年，創(chuàng)始人除了有著多年產(chǎn)品操盤經(jīng)驗的王啟斌，還包括斯坦福大學(xué)訪問學(xué)者、李飛飛的學(xué)生陳源培、以及在機器人及無人駕駛領(lǐng)域有著豐富算法經(jīng)驗的柴曉杰博士。靈初智能也與北京大學(xué)成立了北大-靈初智能具身靈巧操作聯(lián)合實驗室，由北京大學(xué)人工智能研究院助理教授楊耀東、梁一韜擔(dān)任聯(lián)合實驗室項目負(fù)責(zé)人。

在具身智能這場科技浪潮的弄潮兒中，靈初似乎是一個“遲到者”。但王啟斌對此卻持不同看法：“我認(rèn)為快與慢是相對的?！彼硎?，靈初早在22年就開始技術(shù)布局，同時就VLA模型與靈巧手操作的定位來說，此時入局并不算晚。

作為一位在硬件領(lǐng)域摸爬滾打了多年的“老兵”，王啟斌曾在京東和云跡機器人等公司積累了產(chǎn)業(yè)經(jīng)驗?！坝部萍紕?chuàng)業(yè)潮并不是第一次發(fā)生，”他談道，這份沉淀下來的對周期的認(rèn)識，讓他為靈初選擇了“雙臂輪式機器人”這一務(wù)實的產(chǎn)品形態(tài)。

他還透露，靈初目前有明確的海外物流客戶并有半年內(nèi)交付歐美倉庫的計劃。

操作二字說來簡單，卻一直是機器人的技術(shù)難點。許多人類輕而易舉完成的動作，對機器人來說卻“難于上青天”。兩年前，具身智能還是VLM（Vision Language Model,視覺語言模型）的時代。VLM讓機器人能夠同時處理和理解視覺和語言，但難以對機器人的物理動作實現(xiàn)直接控制。

隨著人們對機器人賦予更高的期待，除了看得見、聽得懂，我們更希望機器人能夠做得好，VLA就這樣誕生了。VLA(Vison Language Action Model,視覺語言動作模型)不僅可以解析圖像和文本信息，還能通過動作解碼器直接輸出動作路徑，讓機器人實現(xiàn)類人推理和全局理解能力。

王啟斌認(rèn)為，只有具備長程操作的機制和能力，機器人才能真正做到在半開放的，隨時有動態(tài)變化的環(huán)境中觀察、決策、判斷、操作最終達(dá)到人類想要的結(jié)果。

“打麻將也有可能迭代成陪伴型機器人，但本質(zhì)還是為了告訴大家我們有能力去做開放環(huán)境中的長程操作，能夠解決商超、物流中的任務(wù)?！?/p>

談及資本市場的變化，王啟斌坦言，相比去年，當(dāng)下投資人對具身智能有了更明確的商業(yè)化的期待。

以下為與王啟斌對話實錄（經(jīng)編輯）：

：您能分享下目前公司的團(tuán)隊規(guī)模情況嗎？有擴張的計劃嗎？

王啟斌：現(xiàn)在公司是在80人左右，其中靈初和北大聯(lián)合實驗室的實習(xí)生大概有30人左右，目前還在增加新人。

：從22年開始具身產(chǎn)業(yè)已經(jīng)開始火熱，您在24年才入局會不會覺得有點晚了？

王啟斌：我覺得快與慢是相對的，靈初的研發(fā)22年就開始了。大部分公司都是在23年開始做的，但更多做的是偏簡單的操作。我們的戰(zhàn)略定位是不做簡單的、假把式的東西，所以這個時候入局我覺得不算晚。

：您認(rèn)為靈巧手主要的難點目前在哪里？

王啟斌：手真正的能力強弱不僅僅是一個硬件指標(biāo)能衡量的，目前會有幾個維度。第一是從需求層面來說，舉個例子搬重物，實際就是對承載的要求。第二是手的訓(xùn)練數(shù)據(jù)怎么來，用什么方法能從手上取得數(shù)據(jù)，最后是怎么做到量產(chǎn)。

：您之前在京東和云跡機器人的工作經(jīng)驗，有哪些可以直接遷移到靈初上？

王啟斌：有幾個很重要的要素，第一是融資，去年融資還比較順利。第二是我能組到什么樣的團(tuán)隊，第三是我們在生態(tài)中整合資源的能力。從供應(yīng)方來看，會有以前的一些供應(yīng)鏈客戶的資源。

我個人覺得非常有價值的是，大家今天做的是硬科技，這個事情并不是第一次發(fā)生。在18年開始我們做的機器人到智駕，大家一開始都有一個很高的預(yù)期，中間又對長期效果有些低估。這一輪硬件應(yīng)該怎么做和公司目前不碰雙足機器人的定位，包括客戶的需求迭代，這其實是我之前做消費電子沉淀下來的對于周期的認(rèn)識。

：從大模型到具身智能，科學(xué)家創(chuàng)業(yè)的非常多，您是怎么說服大?？茖W(xué)家們加入的？

王啟斌：我覺得還是大家想一起做一件非常有價值的事?？茖W(xué)家們非常缺乏像我這樣在工業(yè)界待了很多年的人。我在23年就開始找合作伙伴了，最后覺得真正能做手的人才非常稀缺。以楊耀東老師為首的國家團(tuán)隊本身做的很好，我們聊了小半年最后組建了一個團(tuán)隊來做這個事。大家對這個事有一個強烈的共同意愿以及合理的利益分配，能夠促成長期穩(wěn)定的合作。

：靈初為什么要做VLA模型，這個模型提升了機器人什么樣的性能？

王啟斌：Psi R1是對之前模型的迭代，針對的是需要操縱大小腦一起去解決挑戰(zhàn)的環(huán)境。機器人依據(jù)簡單規(guī)則執(zhí)行單一任務(wù)并不能解決現(xiàn)在的問題。如果能做到在半開放的，隨時有動態(tài)變化的環(huán)境中觀察、決策、判斷、操作再達(dá)到我們想要的結(jié)果，機器人一定是需要長鏈程操作的機制和能力。

：目前頭部的具身公司例如Figure AI、Physical Intelligence等都在做自己的VLA模型，靈初的Psi R1有什么優(yōu)勢？

王啟斌：第一是手上的操作，F(xiàn)igure AI手上的操作能力很弱，如何訓(xùn)練出操作能力很強的手這個挑戰(zhàn)全世界只有極少的團(tuán)隊能做出來，我們肯定是能做出來的。第二個是整個模態(tài)的協(xié)同能力，一定是經(jīng)過長時間的訓(xùn)練和練習(xí)才能做出來。

：目前靈初訓(xùn)練主要用采集數(shù)據(jù)還是仿真數(shù)據(jù)？

王啟斌：這是兩種學(xué)習(xí)方式。回到數(shù)據(jù)里，模型更重要的是能不能學(xué)出超越人的東西。預(yù)訓(xùn)練我們既有強化也有小部分的模仿，大部分是仿真合成數(shù)據(jù)也有自己采集的少量真實數(shù)據(jù)。真機數(shù)據(jù)一個是成本很高，另一個是天花板太低了，學(xué)不出超越人的東西。

：我們訓(xùn)練機器人打麻將用了多久？目的是什么？

王啟斌：訓(xùn)了大概一個半月。打麻將本身也可以迭代成陪伴型機器人或者其他有娛樂性的東西，但本質(zhì)還是為了告訴大家，我們有能力做開放環(huán)境中長程的操作，這樣的模型基礎(chǔ)能力能夠解決比如商超、物流中非常長鏈程的任務(wù)，同時我們也會進(jìn)行更多商業(yè)化可能的探索。

：從產(chǎn)品上來看，為什么您認(rèn)為目前輪式機器人已經(jīng)足夠了？

王啟斌：這個可能說的不完全。我覺得機器人的發(fā)展是有幾個階段，第一個階段是在相對標(biāo)準(zhǔn)化的一些地面移動環(huán)境里作業(yè)，目前我們都還在這個階段。第二個階段是像人，這個階段雙足很重要，因為現(xiàn)實世界有各種各樣的環(huán)境。第三個階段是類似于更多的生物體，能在空中飛等。目前靈初做雙臂輪式機器人是因為很大程度上對于我們客戶的應(yīng)用環(huán)境來說，輪式已經(jīng)足夠了。

：未來有做人形機器人的計劃嗎？

王啟斌：我覺得這個可能要把第一階段走完再去考慮。我們現(xiàn)在還是聚焦在操作上，我們的產(chǎn)品就是要用穩(wěn)定、低價格的硬件去解決非常樸實的問題。

：靈初是靠什么來達(dá)到穩(wěn)定且低價的呢？

王啟斌：這是一個中國生態(tài)的優(yōu)勢。因為我做了很多年硬件，我很清楚靈初的優(yōu)勢，我們有很強的算法，也找到了最厲害的供應(yīng)商來一起做。

：目前靈初產(chǎn)品的目標(biāo)落地場景是什么樣的？

王啟斌：目前我們處于ToB為主的階段，一個是制造業(yè)加工中的一些工序，包括物料的檢驗、搬運、來料檢查包括后面整個包裝這樣的事情。另外一個是大的物流行業(yè)，會做揀選、分撥的一些工作。我們目前有非常明確的全球倉庫物流的客戶和直接布置到美國和歐洲倉庫的計劃，應(yīng)該會在六個月內(nèi)交付。

：短期內(nèi)我們有整機機器人量產(chǎn)的計劃嗎？預(yù)計產(chǎn)量是多少？

王啟斌：產(chǎn)量其實是根據(jù)我們落地的節(jié)奏來的，到26年底我們銷售額應(yīng)該在幾個億。

：目前產(chǎn)品的定價大概在多少？

王啟斌：價格在各地有差別，在海外基本大家接受的是兩年的人工工資，目前機器人售價如果能低于這個崗位24個月的人工費用，就是一個很好的產(chǎn)品。

：很多人會質(zhì)疑這個行業(yè)充斥著資本炒作出的泡沫，您怎么看？

王啟斌：我覺得新技術(shù)總是有泡沫的。大家能看到非常多的錢進(jìn)來，也能看到各種各樣的人，要看清楚自己做的是什么事。

：今年和去年相比，資本市場有什么變化？

王啟斌：頭部的一些基金已經(jīng)投了一些公司，所以會有更明確的商業(yè)化的期待，同時風(fēng)險投資和產(chǎn)業(yè)投資也都在看更有生命力的技術(shù)路線。

：宇樹和智元最近似乎有一些IPO的動作，具身智能機器人作為近兩年才火起來的行業(yè)，您覺得現(xiàn)在上市，節(jié)奏太快了嗎？

王啟斌：上市是一個很大的節(jié)點但并不是終點。目前技術(shù)迭代快，產(chǎn)品的形態(tài)也還有很多爭議，機器人潛在的市場非常大，在生態(tài)足夠大的前提下不同的公司就會走不同的路。對于我來說，目前技術(shù)的迭代非?？欤匀挥泻芏嗵魬?zhàn)在，上不上市不是我個人特別關(guān)心的點。