文｜富充

編輯｜蘇建勛

“95后”朱慶旭是前騰訊Robotics X實驗室研究員，2025年6月，他從Robotics X離開并創(chuàng)立了具身智能算法公司靈啟萬物。

《智能涌現(xiàn)》獨家獲悉，靈啟萬物成立4個月，已完成3輪融資，總?cè)谫Y額近億元。第一輪由元禾原點獨投；第二輪由和玉資本領(lǐng)投，英諾天使，元生創(chuàng)投，錦秋基金跟投，老股東元禾原點超額跟投；第三輪由錦秋基金領(lǐng)投，梅花創(chuàng)投，卓源亞洲跟投，老股東英諾天使超額跟投，和玉資本跟投。

近日，靈啟萬物采用自己的算法結(jié)合宇樹機器人本體，推出一組Demo。

從趴在床上除螨，到踩著板凳給花棚架高處的植物澆水等，在未經(jīng)加速的視頻中，機器人以接近真人的流暢度執(zhí)行一系列家務(wù)。

任務(wù)靈感來自朱慶旭看到的小紅書主題：“獨自帶娃媽媽的一天”。他從中選擇了人完成起來最麻煩的幾個任務(wù)，因為這些動作幾乎都需要“手腳并用”，所以十分考驗具身智能算法對機器人的控制能力。

視頻發(fā)出后，轉(zhuǎn)發(fā)量就破了4000，有留言稱“硅基保姆具象化了”。

△視頻demo，圖片：采訪人提供

訪談中，朱慶旭提出了不少“反共識”的觀點。

“我認為真正勝任家務(wù)場景的機器人構(gòu)型，還是雙足人形，而且應(yīng)該在3-5年之內(nèi)就可以達到，”朱慶旭說。

家庭場景以多樣的非標任務(wù)、環(huán)境構(gòu)成，這增加了具身智能在學(xué)習(xí)和泛化上的難度。加之雙足構(gòu)型本身在運動控制、平衡性和工程復(fù)雜度上存在挑戰(zhàn)，因此業(yè)內(nèi)更傾向認為，雙足人形機器人進家干活是5至10年后才會實現(xiàn)的“終極場景”。

朱慶旭堅信，雙足人形機器人能更好完成家庭任務(wù)。原因是人類世界是為人體結(jié)構(gòu)設(shè)計的，人形才能最好地復(fù)用人類數(shù)據(jù)并適應(yīng)復(fù)雜家庭環(huán)境，尤其是登高、跨越、俯身等動作，輪式很難覆蓋這些姿態(tài)組合。

關(guān)于為何在“機器人做家務(wù)”的時間預(yù)測上明顯早于業(yè)界，朱慶旭也給出了直接的理由。

“為什么現(xiàn)在人形機器人訓(xùn)練的進展那么慢，很多Demo視頻里的動作完成速度也那么慢，基于遙操作數(shù)據(jù)訓(xùn)練的主流方案，有著原理性缺陷。”他說。

在他看來，遙操時，操作人員需要手持遙控裝置操作機器人完成任務(wù)。人邊思考邊控制，導(dǎo)致本應(yīng)依賴本能完成的動作變得緩慢、卡頓，用這樣的數(shù)據(jù)訓(xùn)練機器人，結(jié)果必然是不流暢的。

這些觀點的提出，來源于朱慶旭過往在學(xué)術(shù)和工作中的積累。

朱慶旭擁有機器人控制與研究的專業(yè)背景，2021年畢業(yè)自瑞士蘇黎世聯(lián)邦理工學(xué)院和德國亞琛工業(yè)大學(xué)的聯(lián)合培養(yǎng)項目。

2021年，他進入騰訊Robotics X。在隨后的四年中，他與團隊通過多種途徑采集數(shù)據(jù)，對具身智能模型進行系統(tǒng)訓(xùn)練，并發(fā)現(xiàn)基于遙操作數(shù)據(jù)訓(xùn)練的模型在執(zhí)行效率方面表現(xiàn)相對較低。

今年5月，美國機器人公司波士頓動力也提出對遙操的質(zhì)疑，認為遙操是在用人的“System 2”（慢系統(tǒng)）采數(shù)據(jù)，所以會導(dǎo)致行為低效，缺乏動態(tài)性，有非常不必要的動作。這對朱慶旭的技術(shù)路線形成啟發(fā)。

在靈啟萬物的算法中，朱慶旭采取“小腦”+“大腦”的架構(gòu)，前者實現(xiàn)運動控制，后者實現(xiàn)規(guī)劃和泛化能力。

其中，靈啟萬物目前重點突破業(yè)內(nèi)聚焦較少的小腦部分，通過構(gòu)建完整的“人類動作庫”，快速采集動作數(shù)據(jù)，并讓機器人高效學(xué)會多數(shù)基礎(chǔ)動作（元動作）。

在真機數(shù)據(jù)采集上，靈啟萬物放棄業(yè)內(nèi)普遍使用的“遙操作”，改為采取“光學(xué)動捕+UMI”方案。

該方案首先通過光學(xué)動捕技術(shù)，由操作員穿戴設(shè)備在采集空間中真實做出動作，并使用多機位攝像頭同步記錄。此舉不僅能更精準地復(fù)現(xiàn)人類流暢、本能的行為模式，還極大提升了實驗室環(huán)境下的數(shù)據(jù)采集效率。

隨后，在真實環(huán)境中由操作員手持UMI夾爪直接操作物體，可大規(guī)模獲取手與物體的真實交互數(shù)據(jù)。與前一步的動捕數(shù)據(jù)結(jié)合后，形成既高質(zhì)量又可規(guī)模化的訓(xùn)練數(shù)據(jù)底座。

△操作人員身穿的動作捕捉會記錄下其身體姿態(tài)，圖源：采訪人提供

談及融資關(guān)鍵，靈啟萬物朱慶旭指出，其公司與當前主流方案的技術(shù)差異化，是能快速獲得主流機構(gòu)投資的主要原因。他表示，這些投資人廣泛布局具身智能領(lǐng)域卻仍選擇靈啟萬物，是看重其技術(shù)與其它被投企業(yè)的協(xié)同價值。

朱慶旭進一步推測，該技術(shù)提升效率后，雙足人形機器人進入家庭的時間將縮短至3-5年。

而更近的未來中，雙足人形可能先在1-2年內(nèi)進入零售、快餐等無人商店。因為此類場景任務(wù)固定、環(huán)境可控，能快速驗證并產(chǎn)生商業(yè)價值。

提及靈啟萬物的壁壘，朱慶旭總結(jié)道：“在大家都看好遙操作的時候，我們能判斷出它有原理性缺陷并找到新思路；我們能堅守家庭、服務(wù)的終局，把一個不成熟的想法一步步做成現(xiàn)實的能力，才是真正的壁壘。”

這也是朱慶旭創(chuàng)業(yè)后的首次對外公開發(fā)聲。以下對話來自專訪，內(nèi)容經(jīng)作者整理：

△圖源：采訪人提供

“遙操作”有原理性缺陷

智能涌現(xiàn)：為什么您認為“遙操作”存在原理性缺陷？

朱慶旭： 核心在于，遙操作是人使用大腦的“慢系統(tǒng)”在控制機器人。操作者需要觀察、思考、然后執(zhí)行，這個過程本質(zhì)上是緩慢、卡頓、充滿不必要停頓的。

用這種“慢系統(tǒng)”數(shù)據(jù)去訓(xùn)練機器人，等于讓機器人模仿一個動作本來就不流暢的老師，其性能上限被鎖死了。你看到的所有需要加速播放的機器人視頻，根源都在于此。

而且，對于需要觸覺反饋的靈巧操作，比如擰瓶蓋，遙操作因為沒有真實的力反饋，操作員可能不知道機器人的手有沒有擰到瓶蓋最合適的位置，也會降低動作效率。

智能涌現(xiàn)：既然遙操作存在你說的問題，那它當初為什么會成為現(xiàn)階段普及較高的一種方案？

朱慶旭： 我想大家最開始的想法，是讓機器人直接操作物體，并獲得機器人真機數(shù)據(jù)。遙操是第一個實現(xiàn)這個目標的方案。

智能涌現(xiàn)：你們的替代方案“動捕+UMI”具體是如何工作的？優(yōu)勢在哪？朱慶旭： 這是一個追求數(shù)據(jù)質(zhì)量和規(guī)模平衡的方案。

光學(xué)動捕：在實驗室里，人穿上動捕服，自然地（使用“快系統(tǒng)”）完成各種動作。它能高精度、高保真地記錄下人類全身協(xié)調(diào)的、流暢的運動軌跡。

UMI：可以理解為一種手持的夾爪設(shè)備，操作員用UMI設(shè)備實際操作物體。這可以大規(guī)模采集到手與物體的交互數(shù)據(jù)。

將兩者結(jié)合，我們得到的數(shù)據(jù)集，既具備了動捕的高質(zhì)量，又擁有了UMI的大規(guī)模。它記錄的是人類的下意識動作，是機器人真正應(yīng)該學(xué)習(xí)的“本能”。

在數(shù)據(jù)的金字塔中，頂層的數(shù)據(jù)是遙操，雖然真機采集，但數(shù)量稀少。底層是視頻數(shù)據(jù)，雖然量大，但是視角、視頻質(zhì)量等問題，未必能高效用于訓(xùn)練。我們的方案恰好是提供金字塔中間層的數(shù)據(jù)——比視頻質(zhì)量好，比遙操又在量上多很多。

智能涌現(xiàn)：數(shù)據(jù)采集來以后，你的算法中，“小腦”和“大腦”具體是如何分工與協(xié)作的？

朱慶旭： 我們采用分層的架構(gòu)，這更符合智能形成的邏輯。

小腦（元動作庫）：它的目標是掌握所有人類的基礎(chǔ)動作，比如走、跑、蹲、抓、拉。我們通過動捕數(shù)據(jù)，在仿真環(huán)境中對它進行無實物訓(xùn)練。一旦這個“元動作庫”構(gòu)建完成，它就是通用的，可以跨所有場景調(diào)用。

大腦（任務(wù)規(guī)劃與泛化）：它負責(zé)通過攝像頭感知環(huán)境，理解語言指令，進行任務(wù)規(guī)劃，并精準地調(diào)用“小腦”技能庫中的動作來完成任務(wù)。

它們不是先后關(guān)系，而是耦合迭代的。小腦的技能越豐富，大腦能調(diào)用的工具就越多；大腦越聰明，調(diào)用技能就越精準。

△Demo中機器人趴在床上除螨，圖源：采訪人提供

3-5年間，從無人店到進家庭

智能涌現(xiàn)：您提到1-2年內(nèi)，人形機器人先落地?zé)o人店，具體如何實現(xiàn)？學(xué)習(xí)速度能有多快？

朱慶旭： 像無人肯德基或無人超市這樣的場景，任務(wù)和動作是有限的、可窮舉的。

我們可以在動捕實驗室里，把所有炸薯條、包漢堡、上貨的動作都表演和采集一遍。因為我們的數(shù)據(jù)質(zhì)量高，機器人學(xué)習(xí)這些原子動作的效率非常高。以肯德基場景為例，學(xué)會所有崗位的動作只需要2到3天。

之后，再到實地采數(shù)據(jù)，來幫助大腦訓(xùn)練泛化能力即可。這種效率是遙操作無法比擬的。

智能涌現(xiàn)：動捕需要搭建一個類似“影棚“的布滿攝像頭的環(huán)境，如果我要完成特定場景的工作，比如教會機器人在肯德基炸薯條，應(yīng)該不會真的到肯德基廚房里搭攝像頭架子。所以要如何實現(xiàn)？

朱慶旭： 確實不需要。

動作可以在實驗室里采全。人類動作是“有限集”，比如炸薯條，分解下來就是手持、放置、提起、把油抖掉這樣的動作集，可以在動捕設(shè)備中采集即可。

然后，到實際場景中只需補UMI動作（手持夾爪與物體交互），以及環(huán)境數(shù)據(jù)即可。

智能涌現(xiàn)：從封閉場景到形成泛化，最大的挑戰(zhàn)是什么？

朱慶旭： 最大的挑戰(zhàn)是泛化能力。家庭環(huán)境是千差萬別的。我們需要攻克三類泛化：

1、物體泛化：面對不同形狀、材質(zhì)、大小的物體都能正確操作。

2、位置泛化：物體在任何角落、任何高度都能找到并處理。

3、場景泛化：適應(yīng)不同家庭的布局、光照、家具風(fēng)格。

這需要我們?yōu)椤按竽X”模型采集大量、多樣化的場景數(shù)據(jù)。我們相信Scaling Law，但前提是數(shù)據(jù)質(zhì)量必須足夠高，數(shù)量也要夠大。

△Demo中機器人與小朋友玩飛盤，圖源：采訪人提供

批判、壁壘與未來

智能涌現(xiàn)：你為什么覺得未來真正走入家庭并實現(xiàn)干活的具身智能，會是雙足人形？

朱慶旭： 雙足也確實存在問題和難點，比如重心較高穩(wěn)定性不如輪式，控制更難等，這也是人形和非人形的主要爭議點。但總體而言我認為是優(yōu)點大于缺點的。

我們希望機器人能夠在不改造家庭生活環(huán)境的情況下為人服務(wù)，從這個最終的目標逆推，人形是最容易適應(yīng)人類生活環(huán)境的。

家里面有一些地形，可能并不是很適合輪式，比如陽臺或者廚房有個小臺階，或者家里有錯層、樓梯。從軟裝的層面，如果地面鋪了厚一些的地毯，也不適合輪子來行進。

而且像有一些需要高度變化的任務(wù)，比如踩著梯子去拿東西、給花架上的植物澆水，或者俯下身子找東西、撿垃圾等等，這些輪足會比較難做到，都還是人形更合適，而且，如果提出非人形的構(gòu)型，又要不斷窮舉非人形的問題并解決。

比如從當下來看，訓(xùn)練機器人需要動作數(shù)據(jù)，但沒有機器人在家里做家務(wù)的數(shù)據(jù)可以被采集，所以還是采集的人類動作數(shù)據(jù)，用大量人類的數(shù)據(jù)來教機器人來學(xué)習(xí)。但如果是非人形的方案，我們沒有一個這樣的數(shù)據(jù)集了。

智能涌現(xiàn)：機器人進入家庭后，用戶如何教它新任務(wù)？

朱慶旭： 在終極狀態(tài)下，我們希望機器人出廠時就具備完成大部分常見家務(wù)的能力，不需要用戶再訓(xùn)練。

對于全新的任務(wù)，我們遠期會考慮開發(fā)一套簡易的示教設(shè)備，讓用戶可以“手把手”教機器人一次，它就能通過觀察和少量練習(xí)學(xué)會。

智能涌現(xiàn)：有一種說法是，算法本身產(chǎn)品性較弱，如果硬件公司開始做算法，那將取代算法公司。你怎么看這么觀點，靈啟萬物的壁壘在哪里？

朱慶旭： 其實技術(shù)沒有壁壘，只有領(lǐng)先。我們真正的壁壘不是“動捕+UMI”這個方案本身，這個想法可以被復(fù)制。我們的核心壁壘是團隊的技術(shù)判斷力與持續(xù)迭代能力。

在所有人都看好遙操作的時候，我們能判斷出它有原理性缺陷并找到新路，我們能堅守家庭服務(wù)的終局。這種在混沌中看清方向、并把一個不成熟的想法一步步做成現(xiàn)實的能力，才是真正的壁壘。

這就像OpenAI早期堅信GPT道路一樣，“Talk is cheap”，執(zhí)行與迭代才是關(guān)鍵。其實從現(xiàn)在來看，ChatGPT的原理其實很簡單，但在幾年前，在只有一些苗頭的時候，他們依然可以堅持這個方向。而且OpenAI也把工程和細節(jié)做到了極致，這才是他們的核心壁壘。

智能涌現(xiàn)：您對行業(yè)的未來有何判斷？

朱慶旭： 行業(yè)會經(jīng)歷一個大浪淘沙的過程。最終能留下來的，一定是那些在“健身”而不是“化妝”的公司。

我們自身而言，更希望公司在技術(shù)上不斷深耕、有深度、有探索，而不是追逐短期的噪音與表面的繁華。我們希望公司能夠持續(xù)構(gòu)建真正屬于自己的底層能力，不斷累積長期競爭力，在行業(yè)真正成熟到來的那一天依然屹立不倒。