具身智能基础设施领域迎来新突破。近日，具身智能基础设施供应商灵御智能宣布完成数亿元Pre-A轮融资，本轮由株洲产投、飞图创投、未来边际创投、芯能创投等机构联合投资。资金将主要用于规模化量产机器人本体的产能扩充、真机数据采集系统的升级以及云端操作平台的迭代开发。Maple Pledge枫承资本担任公司长期私募股权融资顾问。这是灵御智能今年内完成的第三轮融资，此前已获得英诺基金、华映资本、银河创新资本等机构投资，累计融资规模达数亿元。
作为具身智能领域的后起之秀，灵御智能成立于2025年初，专注于构建机器人底层基础设施，业务涵盖机器人本体研发、真机数据采集和云端操作平台搭建。公司已实现面向开放零售场景的规模化商业部署，形成从硬件本体到数据管线的完整闭环。其核心团队兼具学术深度与产业经验：联合创始人兼首席科学家莫一林为清华大学自动化系长聘副教授，师从美国工程院院士Richard M. Murray；联合创始人兼CEO金戈拥有清华大学自动化系学士和经管学院MBA学位，曾在远镜创投和奥量光子担任高管。公司管理团队多毕业于清华大学，成员间拥有超过二十年的合作基础，并具备字节跳动、快手等科技企业的从业经历。
灵御智能的研发逻辑基于一个行业共识：真实场景交互数据是弥合仿真与现实差距的关键。联合创始人莫一林指出："物理世界的复杂性远超想象，机器人必须在真实环境中持续作业才能产生有效数据。"为此，公司自研的TA系列机器人以"稳定完成任务和产出高质量数据"为核心目标，在成本、精度和稳定性三个维度进行优化。该系列机器人定价仅为同类产品的三分之一，通过电流反馈算法替代六维力传感器，采用轮式底盘加夹爪方案降低系统复杂度。在精度方面，TA系列实现了视觉、关节、力觉与控制指令间的亚毫秒级时间同步；稳定性设计则覆盖关节模组选型、散热管理和闭环控制，确保在超市等动态环境中持续作业。
数据采集能力是灵御智能的核心优势。自2026年6月以来，其数据产能从每日数小时提升至数百小时，计划年底达到数千小时。公司数据库扩张速度显著领先于行业——目前全球最大的开源真机数据集约十万小时，而灵御团队实测显示其数据库每月即可产出同等规模的数据。更关键的是，每条数据都标注了关节力矩、接触力等完整的物理交互信息，这些维度在现有数据方案中普遍缺失。莫一林认为："当数据规模扩大，行业将从追求'可用'转向追求'高质量'，缺失多维度信息的数据集将率先失效。"
在零售场景的实践中，灵御智能的机器人已实现百台级部署。在京东七鲜超市等真实环境中，机器人全天候执行抓取、递送等任务，同步记录力觉数据并回流至云端。公司计划在未来一年内构建覆盖完整时间同步、空间标定与力觉标签的百万级高质量数据集，为模型训练和场景泛化提供支撑。联合创始人金戈透露，通过远程操控模式，操作员可在指挥中心管理数百公里外不同门店的机器人，这种模式既降低了客户的人力成本，又实现了服务标准化。
灵御智能正在迭代的Nexus平台承担着连接机器、操作员和模型的关键角色。该平台采用人机混合协同模式：简单任务由机器人自主完成，复杂任务或模型置信度下降时由云端操作员接管。每次人工接管都会产生"示范数据"，用于模型迭代。金戈将这种演进路径类比为自动驾驶的渐进过程："从一人一机到一人多机，再到多人多模型协同，只有让机器人在真实场景中持续运行，才能逐步提升自主性。"目前，Nexus平台已在京东七鲜超市投入使用，面对人流密集、货架状态动态变化等挑战，机器人展现出在高度不确定环境中稳定作业的能力。
对于具身机器人能力的边界，金戈认为全自主作业是行业终极目标，但当前商业场景中仍存在明显差距。莫一林从技术底层解释了这种落差：当前具身模型高度依赖训练数据分布，对未见过的边缘场景容错能力不足。他以商超分拣任务为例："模型可能学会'红色=目标'的特征映射，但当现场出现红衣服时就会失效，因为它没有建立'苹果'的语义表征。"这种局限性促使灵御智能选择"先让机器进入真实场景作业"的策略——通过持续运营暴露边缘案例，为模型进化提供机会。
投资机构对灵御智能的发展路径给予高度评价。株洲产投认为，公司在行业早期阶段展现出清醒的战略定力，通过人机混合智能切入真实场景，既解决了实际问题，又积累了反哺算法的数据资产。飞图创投作为工业机器人领域的专业投资者，肯定了灵御在机械臂本体结构革新和运动控制体系方面的突破。未来边际创投则看好其"硬件铺量+数据闭环"构建的数据飞轮壁垒，认为这种模式将在人机混合智能产业演进中占据关键生态位。
