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。
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。
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。
