搜狐科技出品，郑松毅撰写
2026WAIC灵初智能展台之中，人形机器人独立完成光模块全套加工的景象引人注目：亚毫米级精密插装、柔性检测、打包动作连贯流畅，如此精细的操作确实出人意料。
2024年成立的灵初智能，汇聚了一批技术精英：CEO王启斌具备近20年智能硬件与机器人产业落地经验，首席科学家杨耀东精研强化学习灵巧操作，联合创始人陈源培是华为天才少年计划中的00后代表。公司选择与北大共建联合实验室，从一开始就确立差异化路径，避开简易夹爪领域，专注长程精细灵巧操作，以人类数据构建核心壁垒，目标直指马斯克提出的机器人世界级难题。
展台现场，针对具身智能行业竞争格局、技术核心难点、商业化路径等公众关注焦点，灵初智能CEO王启斌与搜狐科技等媒体进行了深入对话。
以下为对话内容整理：
媒体询问：为何选择让机器人执行光模块产线任务？整套技术体系如何构建？
王启斌回应：今年有两个主要落地案例：一是替代人工完成光模块制造全过程，包含多个工位；二是同步推进物流领域的应用测试。现场展示的是全栈式技术方案。从人类数据收集，到世界模型中的模拟呈现，最终落实到硬件上执行具体任务，整体训练遵循“用人类数据训练技术模型”的原则。
媒体探究：当前行业数据采集存在多种方式，包括真机采集与人类示教，灵初智能为何坚持人类示教路径？核心竞争力体现在哪里？
王启斌指出：“最高品质的数据”源自人类日常真实工作场景，涵盖了自主拆装任务、手眼触觉协同、失误自愈等原生技能。真机采集存在明显缺陷：单套设备投入需40-50万元，不同机器人构型间模型迁移困难重重。
媒体关注：当前众多机器人仅能在展厅展示特技或表演动作，难以真正进入工厂运作，您认为行业当前面临的关键挑战是什么？
王启斌分析：行业正遭遇三大核心瓶颈，这也是机器人无法量产的症结所在。首先是高质量多模态数据的严重匮乏，真机采集成本高昂，仿真数据与现实物理环境存在鸿沟，模型一旦换用不同工件或产线即失效，泛化性能弱。其次是硬件可靠度未达标，展厅短时演示虽能维持稳定，但工厂连续数月量产时会出现发热、磨损、故障等问题，无法满足耐久性要求。再者商业闭环不完整，大部分企业仅提供单一硬件或模型，未能实现“数据采集-模型训练-真机部署-现场数据反馈”的循环，无法进行持续优化。
媒体探讨：如何弥补能力短板，让机器人真正发挥效用？
王启斌建议：首先需构建低成本、可规模化的多模态人类数据采集渠道，持续向模型提供真实工厂作业样本；其次是软硬件深度整合优化，将硬件力控、触觉感知与世界模型紧密结合，适应实际运行环境；第三是在部署后完成规模化商业化验证，计算整机全生命周期投资回报值，再让场景数据反哺模型迭代。
媒体询问：未来两年机器人领域是否也会出现企业淘汰潮？生存下来的企业需要具备哪些特质？
王启斌预判：具身智能作为十年周期产业，明年行业将出现明显分野。希望保持领先地位的企业必须实现低成本批量数据采集、快速模型迭代、软硬件深度耦合，并拥有充足资金与多元化研发团队。那些仅能炫技却缺少实际应用场景的企业，将逐步被市场淘汰。
媒体了解：灵初智能在今年早些时候完成20亿元融资，资金主要用在哪些方面？
王启斌说明：投资人看重我们在灵巧操作大脑赛道的独特价值，资金重点用于完善“数据-模型”发展飞轮，目标储备百万小时人类多模态数据。
媒体关注：公司同时布局算法大脑与硬件本体，这两项业务如何协调？
王启斌澄清：核心战略仍聚焦模型大脑研发，硬件部件采取外部定制合作模式。
媒体审视：总体而言，中美具身智能产业各自有何优势？国内企业应规避哪些发展陷阱？
王启斌评估：中国具备完整的硬件供应链与庞大的制造业环境，数据资源丰富。美国在头部模型企业数量上领先，但硬件生产高度依赖中国供应链。国内企业最大的误区是单纯追求硬件参数提升，忽视数据、模型与现实场景的融合，导致产品最终只能停留在表面表演阶段。
网友评论