戴上VR眼鏡，伸出手就能操控1000公里外的機器人在超市貨架前理貨、倉庫里搬運雜物，延遲低到肉眼幾乎察覺不到——這是靈御智能聯(lián)合創(chuàng)始人兼首席科學家莫一林向智客ZhiKer演示的場景。

為了把這個"幾乎察覺不到"落到實處，莫一林帶領(lǐng)團隊把具身智能操作的端到端鏈路拆成20個環(huán)節(jié)，用示波器逐個測量耗時。最終端到端延遲控制在90毫秒以內(nèi)，城內(nèi)公網(wǎng)傳輸約4毫秒，1000公里跨城傳輸僅增加約10毫秒。"讓機器人真正成為人身體延伸的前提，沒有這個前提，遙操作只能做演示；有了這個前提，才能談規(guī)模化商用和全球化人力調(diào)度。"莫一林說。

但比"快"更底層的命題是：具身智能的"大腦"該放哪兒？

當行業(yè)主流把高功率芯片塞進機器人本體、追求端側(cè)自主時，靈御做了一個反直覺的選擇——端側(cè)只保留"小腦"負責實時控制，"大腦"放在云端負責認知、推理、學習、進化。機器人置信度下降時，云端操作員無縫接管，每一次接管都生成高質(zhì)量訓練數(shù)據(jù)，再反哺模型持續(xù)進化。"這不是工程妥協(xié)，是對終局的判斷。"靈御智能創(chuàng)始人兼CEO金戈表示。

這個判斷源于莫一林的學術(shù)與產(chǎn)業(yè)路徑。他是清華大學自動化系長聘副教授，師從美國工程院院士、機器人操作領(lǐng)域先驅(qū)Richard M. Murray，谷歌學術(shù)引用超1萬次，2021-2025連續(xù)五年入選Elsevier中國高被引學者?；貒笏c滴滴、美團、華為合作自動駕駛；2022年在宇樹機器狗上做強化學習時，他意識到算法不能脫離硬件存在，"就像大腦不能脫離身體"。2024年與一家靈巧手公司合作Demo后，他進一步確信只有硬件、軟件、算法深度耦合，才能實現(xiàn)真正的系統(tǒng)級優(yōu)化。2025年2月，靈御智能正式成立。

因為圍繞"云端大腦"設(shè)計架構(gòu)而非本體，靈御的商業(yè)模式也隨之重塑。"我們賣的不是機器人，是機器人即服務(wù)（RaaS）+ 操作即服務(wù)（MaaS）。"金戈解釋，客戶無需一次性投入十幾萬元買設(shè)備，可按任務(wù)付費，云端智能是訂閱服務(wù)，遠程操作員是彈性人力。一家北京商超的理貨需求，可以由成都的操作員在云端完成，人力成本重構(gòu)空間巨大。

硬件設(shè)計的重構(gòu)帶來更底層的成本優(yōu)勢。靈御用行星減速器替代諧波減速器，用電流估算替代六維力傳感器，配合500Hz控制頻率實現(xiàn)同等精度。自研的TeleAvatar本體定價10-20萬元，僅為行業(yè)同類產(chǎn)品的1/3到1/2。

靈御智能的自我定位是具身智能的基礎(chǔ)設(shè)施提供商，為行業(yè)提供高質(zhì)量本體和數(shù)據(jù)服務(wù)。今年3月已完成天使輪融資，華映資本、國海創(chuàng)新資本、天鷹資本、思明科創(chuàng)基金、英諾天使基金、遠鏡創(chuàng)投、銀河創(chuàng)新資本等多家機構(gòu)聯(lián)合投資。據(jù)悉，下一輪融資也已接近到位。

從教授到創(chuàng)業(yè)者，從投資人到聯(lián)合創(chuàng)始人，莫一林與金戈的搭檔源于20多年的相識。金戈是清華大學自動化系學士、清華經(jīng)管學院MBA，曾任遠鏡創(chuàng)投管理合伙人、奧量光子副總裁。2023年下半年莫一林與他聊起創(chuàng)業(yè)想法時，金戈最初只是幫忙物色CEO人選，"面試了幾個人都沒有合適的"。

這個過程中，金戈形成了兩個核心判斷：第一，這不是單純的機器人概念，而是大模型范式在物理世界的延伸，有清晰的技術(shù)演進邏輯和商業(yè)閉環(huán)可能；第二，他與莫一林的能力恰好互補——莫負責本體、算法、控制、數(shù)據(jù)平臺的技術(shù)架構(gòu)，他負責商業(yè)化、生產(chǎn)、融資、人力財務(wù)。最終，金戈將另一家公司的股份全部轉(zhuǎn)讓給合伙人，All in靈御智能。

在具身智能生態(tài)中，靈御既做機器人本體（TeleAvatar），又做數(shù)據(jù)平臺（TeleDroid）。金戈將生態(tài)分為四個層級：最底層是機器人本體，中間層是云邊協(xié)同架構(gòu)和數(shù)據(jù)層，再往上是模型算法層，最上層是應(yīng)用層。"目前大量公司從模型算法層切入，但我們認為本體、數(shù)據(jù)、通訊這些基礎(chǔ)層才是行業(yè)發(fā)展的根基。"

莫一林補充："很多模型公司擅長做算法研發(fā)，不擅長做數(shù)據(jù)，也不擅長做本體。就像OpenAI不會自己養(yǎng)一堆人做數(shù)據(jù)標注，才催生了Scale AI這樣的專業(yè)數(shù)據(jù)服務(wù)公司。"

在莫一林看來，"懂數(shù)據(jù)"不是簡單的會采集，而是理解數(shù)據(jù)的全生命周期管理。真機遙操作采集時，若時間同步和空間標定沒做好，數(shù)據(jù)質(zhì)量和普通第一視角視頻沒有本質(zhì)差異。靈御目前實現(xiàn)電機和攝像頭數(shù)據(jù)的亞微秒級時間同步，機械臂絕對定位精度達1毫米，"這個精度下采集的數(shù)據(jù)信息密度會更高"。

他同時指出行業(yè)數(shù)據(jù)集的隱患：很多場景非常單一，95%的機器人疊衣服視頻都是疊短袖T恤，只是顏色不同。"這類數(shù)據(jù)在模型發(fā)展初期是必要的，長期來看，對于提升模型的泛化能力是有限的，甚至是'有毒的'。"他援引AlphaGo的演進路徑——學習人類棋譜達到一定水平后，繼續(xù)學習反而會限制棋力，AlphaZero通過自我對弈才實現(xiàn)突破，"我們判斷模型發(fā)展到一定階段后，低質(zhì)數(shù)據(jù)會成為負向資產(chǎn)"。

此外，許多公司的數(shù)據(jù)采集、上傳、清洗、標注、索引、模型訓練等環(huán)節(jié)是脫節(jié)的。靈御已跑通從數(shù)據(jù)產(chǎn)生到模型訓練的全流程，北京理工大學、Intel等科研機構(gòu)和企業(yè)已使用其數(shù)據(jù)開展研究并發(fā)表成果。

將高智能算力放在云端而非端側(cè)，金戈給出了三個現(xiàn)實約束：

第一，功耗硬約束。汽車通常搭載十幾度甚至上百度電的電池，機器人電池容量普遍只有半度電左右，"這是物理極限，不是短期工程優(yōu)化能解決的"。

第二，算力硬約束。端側(cè)芯片算力天花板明顯，當前大語言模型的智能涌現(xiàn)主要發(fā)生在云端，"不是因為云端部署更方便，而是只有云端才能提供足夠的算力密度"。機器人要實現(xiàn)接近人類級別的通用智能，端側(cè)算力難以滿足需求。

第三，安全與網(wǎng)絡(luò)環(huán)境的差異。汽車行駛中網(wǎng)絡(luò)環(huán)境不可控，必須具備本地快速決策能力；機器人工作場景相對固定，網(wǎng)絡(luò)環(huán)境基本可控。靈御在端側(cè)部署低功耗芯片，只負責斷網(wǎng)時的本地安全控制（急停、避碰），將復(fù)雜推理、任務(wù)規(guī)劃、多模態(tài)理解等功能全部放在云端。

"我們判斷未來數(shù)年內(nèi)，云端大腦+端側(cè)小腦的架構(gòu)將成為具身智能的主流范式。"金戈說。