具身智能正站在一个微妙的十字路口。曾经人形机器人在展台上行走、抓取、跳舞，动辄获得无数掌声，而如今更本质的问题浮出水面。

实验室里 " 无所不能 " 的机器人，为何在真实物理世界中难以持续稳定的工作？

市场亦将目光的重点投向此处。在行业从 " 技术演示 " 走向 " 商业化深水区 " 的关键转折点上，灵御智能完成了它今年内第三轮、数亿元的 Pre-A 轮融资。

这家成立于 2025 年初的具身智能基础设施供应商，构建起本体、数据、云端的 " 三位一体 " 范式。

它仅用一年半的时间，把机器人送进了京东七鲜超市的货架间，实现了单月百台的真实交付，也给出了自己对行业终极问题的一份阶段性答案。

  1

  ROI 算账逻辑被验证，京东七鲜的 " 常态化大考 "

近日，灵御智能宣布完成数亿元 Pre-A 轮融资，株洲产投、飞图创投等联合领投，英诺、华映等机构累计注资达数亿元。资金将精准注入量产扩能、数据管线迭代与云平台升级。

这笔融资不仅仅是资本加持，更释放出一个清晰信号。2026 年的投资人，不再满足于 Demo 视频里的惊艳瞬间。

他们追问的是，机器人有没有真的进到客户现场？能不能一天天稳稳地干活？数据有没有在持续产生价值？

灵御智能的答案，始终遵循一条被反复验证的产业逻辑，ROI 是第一准则，先让产品真正用起来，且是符合客户所有真实需求地用起来。

而 " 用起来 " 的起点，是足够让人心动的价格—— " 十万起 "。但这并非以质量为代价的妥协，而是用算法替代昂贵硬件，造出好用又成本可控的生产力。

灵御智能在本体上进行了多个优化。比如在业内主流上肢方案普遍选用谐波减速器，价格较贵，BOM（物料清单）成本普遍在 20-30 万之间，反映到售价端在 30-50 万，经济性仍不足以大规模放量。而灵御智能用低减速比的行星减速器替代谐波减速器。行星减速器价格通常在几百元区间，BOM 成本可以降到 10 万左右。

在力控环节，灵御智能摒弃了传统方案中动辄上万元的六维力传感器，转而通过监测电机电流变化来实时估算受力。这一方案看似简单，背后却依赖高精度标定和全局逆解算法的深度耦合。

经过系统级优化后，其定位精度依然能达到毫米级，与采用昂贵传感方案的业内主流表现不相上下。灵御智能把原本写在 BOM 表上的硬件成本，转移到了算法层去消化。这是一次典型的技术栈重心迁移。

在感知环节，灵御智能同样延续了这一思路。用广角摄像头实现接近人眼的大视野，以此替代昂贵的颈部多自由度关节，在降低成本的同时确保任务所需的视野覆盖。

正如行业观察者所言，灵巧手成本比夹爪贵出 10 到 100 倍，而在真实任务中，" 机械臂 + 夹爪 " 已能覆盖 80% 以上的日常抓取动作，相比同行 " 人形机器人 + 五指灵巧手 " 的方案，硬件成本大大降低。灵御智能做的，正是这种 " 减法 " 的极致版本。

当同行在比拼 " 像人 " 的完整度时，灵御智能在计算 " 够用 " 的性价比。从力控到感知再到执行，灵御智能的每一次取舍，指向的都是同一个逻辑，那就是不为硬件的完整性买单，只为场景的有效性付费。

在 7 月的 WAIC2026 上，首届 " 申智杯 " 吸引 1451 支团队竞逐。具身智能赛道设动态分拣、零件装配、物料搬运三项，均源于工业真实现场。灵御智能自研 TA2 机器人出战，包揽三项第一，总分大幅领先亚军。

京东七鲜的 " 常态化大考 " 正在上演。在开放商超落地难度远高于封闭仓储的背景下，灵御 TA 机器人稳定承担试吃试饮递送、理货上架、客流引导宣传等多项日常任务，这些均是每天连轴转的作业。根据京东与灵御智能的战略合作协议，机器人后续还将陆续部署至北京、天津的七鲜门店。

这种能在开放环境中持续稳定作业的能力，正是行业从 " 展示型 " 迈向 " 实干型 " 的核心分水岭。

  2

  " 本体即数据工厂 "，构建 " 三位一体 " 范式

赛场夺冠、商超上岗背后，是灵御智能做 " 具身智能数据基础设施 " 的本质定位。

当前行业面临一个普遍窘境。训练具身智能大模型需要海量高质量真机数据，但真机数据的获取存在 " 不可能三角 "，高质量、高效率、低成本，三者几乎无法兼得。

灵御智能的解题思路，始于一次根本性转向。那就是重新定义那台采集数据的机器人，让它成为数据的起点，而非智能的终点。

效率上，端到端控制延迟被压缩至 90 毫秒以内，跨城千公里仅增 10 毫秒。团队将链路拆解为 20 个环节，用示波器逐项打磨，操作员 1 分钟上手，单日有效作业超 8 小时。

成本上，本体定价 10 万至 20 万元，仅为同行的 1/2 至 1/3，秘密在于 " 算法替代昂贵硬件 "，单任务采集成本降至 0.6 元，而行业普遍在 3 到 5 元。

质量上，亚毫秒级时间同步、1 毫米绝对定位精度、三路相机与动作状态严格对齐，输出即训练级结构化数据。

三重突破叠加，数据像工业标准件般可复用、可组合、可扩增。6 月至今，日产能从数小时跃升至数百小时，年底剑指数千小时。

而全球最大开源真机数据集不过十万小时量级，按此速度，灵御一月即可追平。这不是采集效率的提升，而是数据工业化的开端。

有了高质量数据管道，新的追问自然浮现：训练什么？

当行业竞相将高功率端侧芯片塞入本体、押注端侧自主时，灵御却做了一个反直觉的选择。端侧仅保留 " 小脑 " 负责实时控制，而将 " 大脑 " 置于云端，承担认知、推理、学习与持续进化。

这一判断源于三个现实约束：功耗上，电池仅半度电，端侧芯片能耗已占 80%，再堆算力将严重制约续航；算力上，大模型智能涌现多在云端，端侧逼近物理极限，难以支撑通用智能；场景上，机器人作业固定、网络可控，端侧只需低功耗芯片保断网安全，复杂推理全上云。

基于这一架构，灵御智能实现了一个关键能力—— " 一身多脑 "。同一台 TA 机器人本体，可根据不同场景调用云端不同的专家模型，面对运输、拣选、装配、服务等不同任务，按需调用对应能力。

云端高算力集群可稳定实现 30 赫兹高频推理，而传统端侧设备受限于芯片性能，大模型推理频率仅 1 至 2 帧，等效延迟高达 1000 毫秒。云端架构的综合响应效率反而更具优势。

这形成了一个 " 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。

在产业落地的 " 深水区 "，活下去的未必是技术最炫酷的公司，而是最先把技术转化为可规模化商业价值的公司。

  3

 跑通商业关，清华系公司的 " 数据飞轮 " 哲学

2026 年 7 月，灵御智能完成单月 100 台机器人量产交付，客户覆盖场景用户、科研机构、模型公司及数据采集场四大类。

这个数字在汽车或消费电子领域微不足道，在具身智能行业却是一次里程碑式跨越。多数方案仍停留在实验室 Demo 与封闭场景验证，而灵御智能已跨过量产门槛。

订单随之跟进。灵御智能的意向订单约 3 亿元，在手订单超 1 亿元，全年预计出货约 1000 台。首月百台交付后，下一个百台已在产线，年底月产能目标跃升至 400 至 500 台。

同月，TA2 二开版本正式发布。这款在申智杯夺冠的高性能本体，向科研机构、模型企业与方案商全面开放。其全量控制接口覆盖双臂关节、末端位姿、升降系统、全向底盘等核心运动单元，支持关节与末端两种控制方式按需切换，同一链路兼容远程数据采集与模型推理部署，数据口径与执行口径完全一致。

目前，π 0、π 0.5 等国际主流开源模型，已在该版本上完成从数据采集、训练到实机部署的完整闭环。

本质上，灵御智能把冗长的底层适配链路直接砍短。开发者无需先花半年搭底层、调接口，拿来即可做算法验证与教学实验；接口开放到哪，支持就跟到哪。

这背后的战略意图清晰而坚定。灵御智能正在从一家 " 机器人公司 "，升级为具身智能时代的 " 基础设施公司 "。量产是底座，开放是路径，生态才是终局。

技术可以追赶，产品可以迭代，但团队的默契与信任无法速成，这正是灵御智能最深层的壁垒。

创始人莫一林，清华大学自动化系长聘副教授，师从美国工程院院士、机器人操作先驱 RichardM.Murray，谷歌学术引用超万次；联合创始人金戈，同系出身，前远镜创投管理合伙人，兼具投资与企业管理的复合经验。

核心团队多为清华本科、相识超二十年，金戈与莫一林的友谊更是始于大学桌游俱乐部；成员不少出自字节、快手、腾讯、美团。

这份 " 清华浓度 " 远非学历标签的堆砌，而是一种长期主义的方法论共识。

在资本狂热时保持克制，在技术泡沫中坚守务实，在产品定义上敢于做减法。这些选择背后，是二十年信任所铸就的共同认知框架。

在此支撑下，公司从单条数据成本的大幅下降到日产能年底预计达数千小时，从太原七鲜单点验证到京、津批量部署。当行业逐渐认清 " 具身智能的终局不在实验室而在产业现场 " 时，灵御智能已用一年半跑完最艰难的路。

其路径清晰而完整，以量产高性能本体为入口，以高质量真机数据为核心资产，以云端协同为放大器，三者互为支撑，构成商业闭环。

在这个闭环里，硬件交付产生数据，数据积累驱动进化，能力进化带来更多订单。这不是一个线性的故事，而是一个复利的数据飞轮。

  4

  结语

让更多团队能在更高的起点上出发，让更多场景能在更低的门槛上拥抱智能。这才是灵御智能 " 基础设施供应商 " 定位的真正分量。

@投稿专线   微信：cyzqx2013