文｜邱晓芬

编辑｜苏建勋

一句话介绍

「灵御智能」由清华+卡内基梅隆背景团队打造，以高质量遥操作技术为核心，推出万元级、低延迟、高精度、高易用性的遥操作机器人系统，通过“卖本体-卖数据-卖能力”三步走策略，试图解决具身智能数据卡点，推动机器人快速落地服务业与工商业。

团队介绍

• 创始人&首席科学家莫一林，现任清华大学自动化系长聘副教授，曾任新加坡南洋理工大学EEE系助理教授。其教育背景是清华自动化系学士、卡内基梅隆大学计算机工程系博士、加州理工学院博士后，师从美国工程院院士、机器人操作领域先驱R. M. Murray教授。

• CEO金戈同样毕业于清华大学自动化系，兼具高科技领域创业投资与企业管理双重经验：曾担任远镜创投管理合伙人、奥量光子副总裁，擅长推动技术从实验室走向商业化落地。

融资进展

「灵御智能」近期正式完成千万元级种子+轮融资，本轮由华映资本领投，老股东英诺天使基金、清华水木投资、远镜创投跟投，义柏担任独家财务顾问。

产品及业务

为解决“机器人难操作、数据难采集”的行业痛点，「灵御智能」构建了一套完整的遥操作具身智能系统，覆盖“机侧-人侧-控制平台”三大核心模块：

• 机侧硬件：遥操作机器人TeleAvatar，主打轻量化与实用性，可适配多场景作业需求；

• 人侧硬件：CyberBraceletVR设备，降低操作员使用门槛。该公司未来还计划推出更高性价比的手环产品，替代传统VR手柄。据介绍，新设备价格或仅为外骨骼、动作捕捉设备的1/10甚至更低，进一步拉低行业操作成本；

• 控制平台：TeleDroid具身智能控制平台，作为系统核心，支撑低延迟数据传输与高精度动作控制。

在产品定价上，「灵御智能」精准定位不同需求：轮式双臂遥操作机器人本体售价约7万元，兼顾工商业场景的实用性与成本控制，可快速渗透中小场景或试点项目，实现上手即用。据测试，操作员仅需20分钟即可熟练操作，大幅降低行业应用门槛。

商业模式

「灵御智能」设计了一条清晰的商业化路径，通过“硬件铺量-数据积累-能力输出”的三步走策略，逐步构建长期竞争壁垒。

  1.第一步：卖本体，快速占领市场

以“高易用性、高性价比”的机器人硬件为切入点，快速覆盖服务业（如远程巡检、无人零售）、工商业（如车间装配、物流分拣）等场景，通过规模化落地积累初始用户与场景基础。

  2.第二步：卖数据，形成数据壁垒

当机器人市占率达到一定规模后，各场景产生的“差异化真机数据”将成为核心资产——这些数据不仅能反哺智能模型迭代，还可形成行业稀缺的数据壁垒，避免同质化竞争。

  3.第三步：卖能力，输出智能解决方案

随着数据积累与模型优化，「灵御智能」将从“硬件厂商”升级为“智能能力提供商”，向行业输出标准化的遥操作控制能力、场景化的自主作业算法，最终实现“数据-能力-商业”的飞轮效应。

核心壁垒

在具身智能赛道，“延迟” 与 “成本” 是制约遥操作落地的关键瓶颈，「灵御智能」通过技术突破实现了双重突破：

• 低延迟：接近“无感知”的操作体验

经实测，其遥操作系统的图像延迟低至100毫秒，操作延迟仅50毫秒——这一指标已达到“人类实操无明显延迟感知”的水平，可满足精密装配、远程操控等对实时性要求高的场景。

• 高性价比：从硬件到采集的全链路降本

硬件端，TA Lite机型将价格控制在10万元以内，远低于行业同类遥操作设备。在数据采集端，采用VR设备方案，低至千元级，既避免了动作捕捉设备“百万级成本+空间限制”的痛点，又解决了纯视觉方案“遮挡多、范围小”的问题，实现低成本和高精度的采集平衡。

Founder思考

1、遥操作是全自主机器人的“必经之路”

莫一林认为，就像自动驾驶从辅助驾驶走向全自主，具身智能机器人也需要以遥操作为起点。而一台“好驾驭、易使用”的机器人，正是获取高质量数据的前提。

他表示，只有降低摇操作的操作门槛，才能快速积累规模化、一致性的真机数据，而这正是机器人自主能力迭代的核心壁垒。

2、数据是具身智能的卡点，真机数据不可替代

莫一林指出，目前全球机器人领域的数据量，比自动驾驶、大语言模型低3-5个数量级，且面临质量差、效率低、成本高’的三重问题。具身智能的突破离不开数据，但数据采集需满足两个核心条件：一是场景要贴近真实，二是遥操作动作要接近人类习惯。

在“真机数据与仿真数据”的争议上，他表示：仿真数据是真机数据的放大器，没有真机数据这个“1”，再多仿真数据的“0”也没有意义。他认为，真机数据的核心优势在于“准确性”，而仿真数据可帮助真机数据实现低成本泛化（如通过光学、物理模拟生成多场景数据）。

3、VR设备将成数据采集的“主流方向”

目前行业主流的真机数据采集方式各有优劣，莫一林通过对比分析，并指出了未来趋势：

• 主从臂/外骨骼：虽易上手，但操作复杂、易产生延迟数据，影响模型训练；

• 动作捕捉：数据维度高，但成本昂贵、对空间要求高（需搭建专用摄像头房间）；

• 纯视觉方案（如Apple Vision Pro）：设备门槛低，但拍摄范围小、易遮挡，运动局限性大；

• VR设备：人侧设备仅千元级、易用性高，且采集精度高，唯一难点在于算法突破。

莫一林认为，行业正在向VR采集方向收敛，特斯拉、英伟达在内的头部企业都在布局这一路线。VR方案既能平衡成本与精度，又符合人类操作习惯，将成为未来机器人数据采集的核心方式。