在2026WAIC展会上，灵初智能展台的一台人形机器人吸引了众多目光。这台机器人正有条不紊地完成光模块的全套加工流程，从亚毫米级的精密插装，到柔性检测，再到最后的打包环节，整个过程一气呵成，展现出令人惊叹的精细操作能力。
灵初智能成立于2024年，虽然成立时间不长，但技术团队实力强劲。CEO王启斌在智能硬件和机器人产业落地领域拥有近20年的丰富经验；首席科学家杨耀东专注于强化学习灵巧操作的研究；联合创始人陈源培更是通过华为天才少年考核的00后，潜力无限。团队还与北京大学共建了联合实验室，从创立之初就确定了差异化的发展路线——放弃简易夹爪赛道，专注于长程精细灵巧操作，以人类数据为核心构建壁垒，对标马斯克所提出的机器人世界级难题进行攻关。
在展台现场，围绕具身智能行业的一系列热点问题，灵初智能CEO王启斌与搜狐科技等媒体展开了深入交流。当被问及为何选择让机器人进入光模块产线作业以及整套技术闭环逻辑时，王启斌介绍，今年公司有两大落地场景，光模块制造是其中之一，整套工序可替代多个人工工位，物流试点也在同步推进。现场展示的是一套全栈式解决方案，从采集人类数据，到在世界模型中呈现效果，再到落地到具体硬件上完成不同任务，整体训练思路是“用人类数据训出技术模型”。
对于行业数据采集方式的选择，当前存在真机采集和人类示教两种方式，灵初智能坚持采用人类示教方式。王启斌解释道，人在日常真实工作中产生的数据是“最高质量的数据”，其中包含了人类自主拆解任务、手眼触觉协同、失误自主纠错等原生能力。而真机采集存在明显短板，单套设备成本高达40 - 50万，且在不同机器人构型下模型迁移难度大。
目前，大量机器人只能在展厅进行表演、跳舞摆动作，难以真正进入工厂作业。王启斌认为，行业当下存在三重核心瓶颈，这也是机器人只能表演无法落地的原因。首先是高质量多模态数据缺口巨大，真机采集成本高昂，仿真数据和真实物理环境存在断层，模型换个工件、换个产线就失效，泛化能力极差；其次是硬件可靠性不达标，展厅短时间演示稳定，但工厂连续数月量产会出现发热、磨损、故障，达不到耐久标准；另外，多数企业只做单点硬件或模型，缺少完整商业闭环，没有打通“数据采集 - 模型训练 - 真机落地 - 现场数据回流”的循环，无法持续迭代。
那么，如何才能让机器人真正“有用”呢？王启斌表示，首先要搭建低成本、规模化的人类多模态数据渠道，持续为模型提供真实工厂作业样本；二是进行软硬件深度耦合优化，将硬件力控、触觉感知和世界模型深度绑定，以适配真实环境；三是落地后完成规模化商业化验证，算清单机全生命周期ROI，再让场景数据反哺模型。
当被问及未来两年机器人赛道是否会进入淘汰阶段以及企业存活需要具备的能力时，王启斌认为，具身智能是十年长周期产业，明年行业将明显分化。想领跑的企业需做到低成本批量采集数据、快速迭代模型、让软硬件深度耦合，并且需要具备充足资金与复合型研发组织能力。仅能展厅演示，无落地场景的企业会逐步被淘汰。
灵初智能在年初完成了20亿元融资，对于这笔资金的投向，王启斌称，投资人看重灵初智能在灵巧操作大脑赛道的稀缺性，资金将重点用于完善“数据 - 模型”飞轮，冲刺百万小时人类多模态数据储备。
灵初智能同时布局算法大脑与硬件本体，对于两块业务如何平衡的问题，王启斌表示，公司的核心定位仍是模型大脑，硬件仅做整机集成，核心零部件采用外部定制的方式。
在谈到中美具身智能产业各自的优势以及国内企业需要规避的发展误区时，王启斌指出，中国拥有完整的硬件零部件产业链和庞大的制造业场景，数据供给充足；美国头部模型企业更多，但硬件高度依赖国内供应链。国内企业最大的误区是一味内卷硬件参数，忽略数据、模型与真实场景结合，最终产品只能展厅演示，无法真正提升工厂生产效率，这是需要持续优化的关键点。
