寻路具身智能发展新节点 灵御智能打造差异化技术路径

　　具身智能行业常与十年前的自动驾驶领域作类比。二者拥有感知、规划、控制全链路技术体系，商业化推进节奏也较为相近，均经历从概念验证到场景落地、从持续研发投入到追求合理收益的发展过程。但受物理环境约束条件不同影响，自动驾驶领域的成熟发展模式无法直接套用。

　　立足行业发展现状，清华系企业灵御智能形成了自身实践发展模式。在技术架构搭建上，企业借鉴自动驾驶领域数据驱动的发展思路，定位为具身智能领域基础设施服务商，聚焦行业需求较大的真机数据领域；区别于业内多数将高算力芯片集成至机器人本体的做法，灵御智能采用云端部署核心智能模块，终端设备仅配置实时控制模块的技术模式。近期，企业依托数据优先搭配云端智能布局的特色技术发展方向，在两个月内完成近亿元新一轮融资。

　　二者的相似性首先体现在数据驱动的核心逻辑之上。自动驾驶行业早已印证数据驱动的发展规律，特斯拉 FSD 累计行驶里程达到 84 亿英里，路面行驶的特斯拉车辆均可作为数据采集载体。灵御智能副总裁李旭以此举例表示：特斯拉优质的数据采集载体，并非实验室设备，而是投入各地实际运行的特斯拉汽车。依托这一行业认知，灵御智能布局真机数据相关领域，助力机器人在实际场景开展作业的同时，持续产出优质训练数据，稳步推进真机数据体系搭建。

　　而二者存在明显差异，首要体现在数据体量差距较大。自动驾驶属于二维平面、2 自由度应用场景，数据可实现被动采集，行业已积累海量时长数据。具身智能面向三维空间、二十余个自由度场景，涵盖抓取力度、接触摩擦等多重复杂物理条件，目前可用开源数据集仅为十万小时级别，体量差距较为明显。灵御智能联合创始人莫一林表示，若行业发展所需机器人数据体量达到百亿至千亿小时级别，当前行业整体数据储备较为紧缺。

　　而二者更为明显的差异体现在物理约束层面。自动驾驶可将核心计算布置在车辆端，依托车辆配备大容量电池作为基础条件。现阶段主流人形机器人电池容量大多不足 2kWh，双方能耗差距悬殊，在终端设备叠加高算力的发展模式存在明显物理制约。灵御智能创始人兼 CEO 金戈提及，车辆可配备十几度乃至上百度电的电池，人形机器人电池容量大多仅在半度电上下。依托该行业现状判断，灵御智能采用云端智能架构，把认知、推理、迭代优化等功能布置于云端，终端仅留存实时控制与安全响应相关功能。

　　从参考数据驱动发展思路，到结合自身物理条件搭建云端专属架构，灵御智能的实践探索梳理出一条可行发展思路：具身智能领域可借鉴自动驾驶相关发展经验，同时结合自身行业特点探索适配的发展模式。、

编辑：张芬