近日，具身智能企业灵御智能完成近亿元天使+轮融资，由福田资本领投，力合创投、金沙江联合资本、复利多、楹辉创投、华仓资本等多家知名机构跟投，老股东英诺基金、天鹰资本持续加注。本轮融资将主要用于数据采集系统的大规模部署及云端协同架构的迭代升级。
在热闹非凡的具身智能赛道，这笔融资背后藏着一条更值得关注的逻辑：当大多数团队忙着让机器人“站起来、走起来”，灵御智能选择了一条更底层的路径，把机器人本体本身变成一台高质量真机数据的“生产机器”。
01.
数据的“不可能三角”
根据行业测算，训练一个具备基础泛化能力的具身智能大模型，至少需要数亿条高质量真机数据。而目前全球范围内，可用于训练的公开真机数据集总量，可能还不到这个数字的百分之一。
2024年以来，具身智能赛道热度持续飙升，仅国内就涌现出十几家人形机器人创业公司。但一个现实困境是：大部分机器人在实验室里能丝滑完成抓取、放置等任务，一旦走出实验室，面对光照变化、物体材质不同、桌面高低差异等“微小扰动”，就会频频翻车。
根源在哪里？答案是高质量真机数据的极度匮乏。
要理解这个问题，我们需要先明白一个概念：什么是“真机数据”？简单说，就是机器人本体在真实物理世界中执行任务时，由其传感器采集到的多模态数据。这种数据包含了物理交互的全部信息，接触力、摩擦系数、物体形变、光照反射……这些都是仿真环境里“捏造”不出来的。
但获取真机数据，正面临一个经典的“不可能三角”：高质量、高效率、低成本，三者几乎无法兼得。
质量差：传统遥操作采集依赖人工遥控机器人做动作，数据质量严重受限于操作员的技能水平。同一个动作，不同的人录的轨迹差异巨大；同一个人，状态好和状态差采集的数据也不一样。更麻烦的是，人的生理抖动、反应延迟会混入数据中，形成难以过滤的“人因噪声”。
效率低：一个熟练操作员花一整天，可能只能采集几百条有效数据。因为每次换场景、换物体、换动作，都需要重新调试、校准、反复录制。数据采集的吞吐量，成了模型训练的最大瓶颈。
成本高：高品质机器人本体动辄几十万甚至上百万一台，专业操作员的人力成本也不菲，再加上场地租赁、设备维护、数据标注……有团队算过一笔账，单条高质量真机数据的综合成本可能高达3-5元。按照这个速度，要凑够训练大模型所需的数据量，预算是个天文数字。
这三条边相互掣肘：要质量，就得用高精度传感器加资深操作员，成本飙升、效率拉垮；要效率，就得简化流程、降低精度，质量又没法保证；要低成本，要么牺牲硬件品质，要么压缩人力，结果两头不讨好。
这就是当前整个具身智能行业的最大卡点。而灵御智能给出的回答是：重新设计那台“采集数据的机器人”本身。
02.
本体即“数据工厂”：效率、成本、质量的系统突破
灵御的核心洞察，听起来简单，执行起来却有些“反直觉”：机器人本体不是智能的终点，而是数据的起点。
在绝大多数团队的思路里，机器人是终端产品。先造一个尽可能灵活、拟人的身体，再往里面塞算法，让它学会干活。但在灵御看来，这种思路把因果关系搞反了。正确的顺序应该是：先定义“我需要采集什么样的数据”，然后反向设计一台最适合产生这类数据的机器人本体。
这台机器人不必长得像人，也不必什么都会。它的唯一使命是：以最高效率、最低成本、最好质量，持续不断地“生产”出高质量的真机数据。
基于这一理念，灵御在过去一年里完成了从硬件到底层系统的全面重构，形成了三大核心优势。
优势一：取数效率更高
先讲一个真实场景。
2025年第二届中关村具身智能机器人应用大赛上，有一个环节是考察机器人的数据采集效率。主办方给出的任务很简单：采集一组“从桌面抓取水杯并放置到指定位置”的动作数据。
大多数参赛团队的做法是这样的：先花半小时调试机器人关节参数，再花20分钟校准相机内外参，然后用遥操作设备一步一步“手把手”教机器人做动作——操作员推动摇杆，机器人跟着动，每个任务要反复执行十几遍才能跑的通。一个动作下来，一上午就没了。
而灵御的机器人上场后，却让评委印象深刻：机器人以远超预期的速度连续执行抓取动作，姿态稳定、轨迹平滑，每完成一次抓取放置，自动重置、自动开始下一次。同样的一个任务，灵御的机器人完成花费时间仅为同类竞品的30%甚至更低。
这种效率差的根源，藏在硬件设计里。
绝大多数机器人在做数据采集时，面临一个被忽视的问题：本体响应延迟。从操作员发出指令，到机器人关节真正开始运动，中间要经历“指令传输-运动规划-底层控制-关节响应”多个环节，每个环节几十毫秒的延迟累积起来，就是几百毫秒。这意味着操作员必须放慢动作、等待机器人跟上，采集效率自然上不去。
灵御的解决方案是：在硬件层面将整个控制链路延迟压缩到极致。通过自研的高带宽关节驱动器和高实时性底层通信协议，从接收指令到关节开始运动的端到端延迟控制在90毫秒以内。这带来的直接效果是：操作员可以像控制自己的身体一样控制机器人，无需任何“等待-确认”的停顿。
另一个被忽略的维度是本体的物理稳定性。
很多机器人为了追求“轻量化”，在结构刚性上做了妥协。这导致一个严重问题：当机械臂快速加减速时，本体自身会发生肉眼可见的震颤。这种震颤会直接混入采集的数据中，让轨迹变得毛刺丛生。为了过滤这些噪声，操作员不得不放慢速度、减小加速度，进一步拉低效率。
灵御的设计哲学则完全不同：在重量和刚性之间找到了一个更优的平衡点，确保机器人在高速运动时依然保持结构稳定。这让数据采集可以以更高的动态性能进行，而不用担心引入本体噪声。
优势二：取数成本更低
如果说效率是显性的优势，成本则是灵御构建的另一道隐形护城河。
2026年初，具身智能领域的数据需求正在快速升温。目前，数据需求目前集中在前沿大模型团队、海内外具身智能大厂及初创公司，需求方普遍处于“你有多少我就买多少，你什么时候有，我马上要”的状态。然而，数据成本高企，赛迪智库报告显示，单台设备产出1万小时真机数据需耗费上百万元，且一人一天仅能采集300~500条。
单条数据平均3-5元是业内常态，这还是规模化采集的情况。对于中小型团队来说，单条数据的成本动辄数十元甚至上百元，数据采集直接变成了“氪金游戏”。
灵御是怎么把成本打下来的？答案藏在两个关键层面：
第一层：本体BOM成本的大幅优化。
灵御的机器人没有采用市面上昂贵的“实验室专用”关节模组，而是基于对数据采集任务的深度理解，重新设计了电机、减速器和驱动器的选型方案。在保证数据采集所需精度和动态响应的前提下，将单台本体的硬件成本压缩到了同类产品的三分之一以下。
这不是简单的“减配”，而是精准的“砍冗余”。很多高价机器人身上采用了数据采集根本用不到的高端传感器和昂贵材料。但在数据采集场景下，很多数据完全可以通过算法间接推算，不需要每个维度都用物理传感器测量。灵御的方案是：只采集真正需要的数据维度，用更聪明的标定和滤波算法补全其余信息。
第二层：数据生产效率的提升直接摊薄了单位成本。
前文提到，灵御的单台机器人单位时间数据产出量是同行的3倍以上。这意味着同样投入一台设备和一名操作员，灵御每天产出的数据量是别人的3倍。如果把设备折旧、场地租金、人力成本摊到每一条数据上，灵御的单位成本自然只有别人的三分之一不到。
综合以上优化方向，灵御内部测算的数据是：在同等数据质量要求下，灵御方案的单条数据综合成本，单任务每次数据成本在0.6元左右，和umi数据采集成本相似，因此具有非常明显的成本优势。
优势三：数据质量更好
效率和成本做到极致还不够，如果数据质量不过关，再便宜、再快也是白搭。
这里需要先明确一个概念：什么是“高质量”的真机数据？
通常从三个维度衡量：
时间维度：数据的采样频率是否足够高？能否捕捉到高速动态过程中的细微变化？
信息维度：每条数据包含的信息是否足够丰富？除了位置、姿态，是否包含力、力矩、接触状态等物理交互信息？
空间维度：数据的空间精度如何？能否还原出亚毫米级的操作细节？
灵御的解决方案，是通过本体设计从根本上规避这些问题。
在时间维度上，灵御 TA 机器人在 S100、x86、激光雷达、相机等全套硬件实现了亚微秒级同步，能够从系统底层保证多传感器数据在统一时间轴上的高度一致性。这样的时间精度能力，能够显著提升多模态数据对齐质量，为后续模型训练和数据分析提供更可靠的基础。
在信息维度上，灵御 TA 机器人完整覆盖了力控数据，头部4k双目视觉数据，腕部2k双目视觉数据和遥操作眼动数据，据悉整体数据topic数量做到了行业最多。
在空间维度上，重复定位精度0.1mm，意味着同一台机器人反复执行同一动作，落点偏差小于一根头发丝的直径；绝对精度1mm，则意味着不同机器人之间采集的数据可以互相通用——这对于大规模、多工位的数据生产至关重要。
这三个维度的优势叠加，让灵御产出的数据具有一个关键特性：极强的可复用性。
很多人没意识到，数据采集最大的成本往往不是采集本身，而是“采了但用不上”。很多团队辛苦采了几十万条数据，换一个操作员、换一台机器人、甚至只是改变了相机安装位置，之前的模型就不work了，只能重新采集。
灵御的数据在采集时就通过硬件层面的一致性设计，保证了不同机器、不同操作员、不同时间采集的数据具有高度的一致性。这意味着数据可以像“工业标准件”一样被反复使用、组合、扩增，真正具备了作为基础设施的复用价值。
03.
云端协同：从单机智能到“一身多脑”
有了高质量的数据生产管道，下一个问题是：这些数据用来训练什么？
灵御给出的答案是：一个部署在云端的具身智能大模型——它称之为“云端大脑”。
很多人会问：机器人在执行任务时需要低延迟响应，把大脑放在云端，网络延迟怎么办？
灵御的解释是：端侧留“小脑”，云端放“大脑”。
具体来说，机器人本体上部署的是一个轻量级的“小脑”模型，负责实时控制、运动平稳、安全保护等需要毫秒级响应的底层能力。而更高层次的语义理解、任务规划、场景认知等“认知能力”，则放在云端由大模型处理。
这种分工的合理性在于：具身智能任务中，90%的算力消耗在“我该做什么”的规划层面，只有10%消耗在“怎么做”的控制层面。前者对实时性要求不高，但计算量巨大，放在云端可以充分利用GPU集群的算力；后者对实时性要求极高，但计算量小，放在端侧由专用芯片处理，既快又省电。
基于这一架构，灵御实现了一个很有意思的能力：“一身多脑”。
传统模式下，每一台机器人都有自己的“大脑”（也就是部署在本地的模型）。这意味着每台机器人的能力上限是固定的，模型更新需要逐台升级，效率极低。
而在灵御的架构下，云端有一个持续进化的大脑，它可以同时为成百上千台机器人提供任务规划服务。每一台机器人在执行任务时，都会把场景信息上传到云端，云端大脑实时“思考”出任务序列，下发给机器人的“小脑”去执行。执行过程中采集到的新数据，又会回流到云端，用于大脑的持续训练和进化。
这就形成了一个“部署—数据—训练—进化”的商业闭环：越多的机器人部署，产生越多的真实场景数据；越多的数据，训练出越强的云端大脑；越强的大脑，能够处理更复杂的任务，吸引更多的部署。
这意味着，未来灵御的云端大脑可以赋能任何形态的机器人。一台工业机械臂、一台服务机器人、甚至一台特殊用途的非人形机器人，只要接入了灵御的云端接口，就能获得持续进化的智能能力。
这恰恰契合了灵御对自己的定位，“具身智能数据基础设施提供商”。它不是在做一款机器人产品，而是在搭建一个让机器人变得更智能的基础设施。
04.
结语
回顾灵御智能的整体技术路径，可以发现一条清晰的逻辑主线：
不执着于造出“最像人”的机器人，而是先定义“什么样的数据才能让机器人大脑真正变聪明”，然后以极致的工程化思维，系统性地解决数据生产的质量、效率、成本三角困境。在此基础上，用云端协同的架构实现能力的持续进化和规模化复制。
这套打法最终形成的，是一个自我强化的正向循环：更好的本体 → 更高质量的数据 → 更强的云端大脑 → 更多的场景落地 → 更多的数据回流 → 更好的本体迭代。
随着本轮融资的完成，灵御将加速其数据采集系统的规模化部署。据透露，公司计划在未来一年内建成高质量真机数据采集网络，覆盖工业操作、仓储物流、家庭服务等多个场景。
对于整个行业而言，灵御的存在或许提供了一个更冷静的视角：具身智能的终局，不只是比谁的机器人跳得更高、跑得更快，更是比谁能以更低的成本、更高的效率，持续产出让机器人大脑真正“开窍”的高质量数据。
END
工业机器人企业
埃斯顿自动化 | 埃夫特机器人 | 法奥机器人 | 越疆机器人 | 节卡机器人 | 松灵机器人 | 珞石机器人 | 阿童木机器人 | 极智嘉 | 海康机器人
服务与特种机器人企业
亿嘉和 | 晶品特装 | 七腾机器人 | 史河机器人 | 普渡机器人 | 施罗德机器人 | 库犸科技MAMMOTION
人形机器人企业
优必选科技 | 宇树 | 云深处 | 星动纪元 | 伟景机器人 | 逐际动力 | 乐聚机器人 | 大象机器人 | 魔法原子 | 众擎机器人 | 帕西尼感知 | 赛博格机器人 | 数字华夏 | 傅利叶智能 | 天链机器人 | 开普勒人形机器人 | 灵宝CASBOT | 清宝机器人 | 浙江人形机器人创新中心 | 动易科技 | 智身科技 | PNDbotics | 卓益得机器人 | 鹿明机器人 | 擎朗智能| 伽利略GALILEO | 天机智能 | 卧安机器人
具身智能企业
跨维智能 | 银河通用 | 千寻智能 | 灵心巧手 | 睿尔曼智能 | 微亿智造 | 推行科技 | 中科硅纪 | 枢途科技 | 灵巧智能 | 星尘智能 | 穹彻智能 | 方舟无限 | 科大讯飞 | 北京人形机器人创新中心| 国地共建人形机器人创新中心 | 戴盟机器人| 视比特机器人| 星海图 | 月泉仿生 | 零次方机器人 | 中科深谷 | 智平方 | 大咖机器人 | 灏存科技| 具识智能 | Xynova曦诺未来 | 非夕科技 |未来动力 | 博登智能 | 千诀科技 | 灵生科技 | 集萃智造 | 欣佰特科技 | 晨昏线科技 | Dexmal 原力灵机 | 优理奇
医疗机器人企业
元化智能 | 天智航 | 思哲睿智能医疗 | 精锋医疗 | 佗道医疗 | 真易达 | 术锐®机器人 | 罗森博特 | 水木东方｜康诺思腾 | 迪视医疗
上游产业链企业
绿的谐波 | 因时机器人 | 坤维科技 | 脉塔智能 | 青瞳视觉 | 本末科技 | 蓝点触控 | 鑫精诚传感器 | BrainCo强脑科技 | 宇立仪器 | 极亚精机 | 思岚科技 | 神源生 | 非普导航科技 | 因克斯 | 巨蟹智能驱动 | 凌云光 元客视界 | 璇玑动力| 意优科技| 瑞源精密 | 灵足时代 | HIT华威科 | 星汇传感 | 凌迪科技 | 泉智博| CubeMars机器人动力
