先落地，再自主。

定焦One（dingjiaoone）原创

作者 | 金玙璠

编辑 | 贺树龙

2024年冬天，金戈原本只是想帮朋友找个CEO。

朋友叫莫一林，清华大学自动化系长聘副教授，两人认识二十多年，交情始于水木清华BBS上的“龙与地下城”桌游圈。莫一林准备做具身智能创业，需要一位负责商业的合伙人，于是找到做了十几年早期投资的金戈。

金戈前后帮忙见了四五位候选人，都不满意。筛到最后，他把CEO标准归纳得很清楚：和技术负责人彼此信任、懂技术、能融资，最好见过成熟组织，也管过人和钱。

最后他发现，全部满足这些标准的人是自己。

真正让金戈决定加入的，是那年冬天在莫一林实验室看到的一个演示：莫一林戴着一副墨镜似的AR眼镜、手上有一只数据手套，远程操作一只带灵巧手的机械臂，完成抓放、多指协作、手内操作。金戈说那一刻“非常impressive”，但击中他的不是技术本身。

“我立刻想到，这种模式可以消除距离的影响。”多年投资经历让金戈对“human in the loop”（人机协同）模式非常敏感。他曾看到印度团队为美国企业提供远程客服。

在他的判断里，莫一林展示的技术意味着一种新的商业可能：让低成本劳动力地区的人，远程操控高成本地区的机器人。“这个世界上不同地区的劳动力成本有巨大差异，而这种模式能够拉平距离限制。”

三个月后，金戈转让了上一段创业经历中的大部分股份，在40岁这一年，选择All in，和莫一林共同创办灵御智能。

此后一年里，几位与两人相识二十多年的清华同学也陆续加入管理团队，在不同产业工作多年后，又因具身智能重新聚到一起。

一年半过去，这家公司做的很多选择都不是行业共识：别人追求更高自主度，它先用遥操作进入真实场景；别人卷基础模型，它选择不自研基础模型；别人进工厂，它进入超市和商场；别人关注估值，金戈说“估值第一”没意义。

7月末，「定焦One」与金戈进行了一场两个小时的对话。在他看来，这些选择不是折中，也不是妥协，而是一条类似自动驾驶的渐进式商业化路线。

01.“高级或者不高级，更多是人类的情绪感受”

灵御要面对的第一个质疑，来自它最核心的技术路线：遥操作。

机器人背后有个人在远程操控，这在很多人眼里算不上“真智能”。金戈的第一反应是：这种质疑“非常非常正常”。

“我们作为普通人，经常追求一个东西，叫高级感。”他说，人们希望被展示的东西足够高级，而一旦发现机器人背后有人在操作，第一反应往往是“我被骗了，我被愚弄了，it's fake”。

但金戈做投资时见过另一种情况。他曾投过一家商品图像识别公司，切入的是自动饮料售卖柜。那家公司走纯AI路线，建数据采集中心、给每台冰柜配显卡，最终把识别率做到97%-98%。但客户并不满意：原本2000元左右的冰柜，加上显卡等设备后成本变成一万多元；饮料毛利又薄，两三个点的误识别就可能吃掉不少利润。

它的竞争对手的方案简单得多：冰柜装上4G模块和摄像头，开门就拍一段录像传到远程，由人判断消费者拿走了什么。

“这是一个典型的human in the loop。”金戈说，用人的成本比显卡更低，准确率还更高。经过大量这样的标注，今天绝大多数开门柜已经可以完全自主。

类似的情况也存在于机器人行业。早期酒店送餐机器人寻路能力不足时，也会有人类接管兜底。“所以我一直提醒朋友们，不要不穿衣服就给酒店机器人开门。”他半开玩笑地说，“因为它可能正处于远程遥操状态，后面有个真人。”

“这时候我们去评价它高级或者不高级，其实没有意义，更多是人类的情绪感受。”金戈说，回到商业上，最需要关注的是两个问题：用户体验有没有区别，成本上划不划算。

“高级，不是最重要的目标。”

这套判断，最后落成了灵御最核心的一次战略取舍。金戈提过一个“不可能三角”：通用、性能、自主，当前甚至未来3到5年内，都很难同时做到最优。

但灵御并没有放弃自主。它的选择是，在当前模型能力还不足以覆盖大部分真实场景时，把自主放在相对靠后的优先级，先保证通用性和任务完成效率。目前，一些简单任务已经可以自主完成；面对更复杂、更开放的任务，则仍然需要人进入控制回路。

“我们现阶段优先保证通用和性能。大部分复杂任务在人类遥操下，可以非常快速、高质量地完成工作。”

最大的质疑也在这里：机器人本来是为了替代人的，现在背后还需要一个人操作，这笔账怎么算？

金戈的回答依然回到“距离”。手术机器人也从来没有省掉一个医生，但医生不需要为了手术飞来飞去，本身就有价值。对灵御来说也是如此：如果高劳动力成本地区的机器人，可以由低劳动力成本地区的人远程操作，距离本身就产生了商业价值。

随着模型能力提升，机器人自主完成的任务会越来越多，人只在复杂情况下介入。对灵御来说，问题不是“要不要自主”，而是什么时候、在哪些任务上切入自主。

外界还有另一种解读：走这种类似L2的人机共驾路线不够性感，是不是因为钱没融够，只能先做折中？金戈并不认同，他说，“十年前这么看这个问题的人，肯定都没有去投自动驾驶。”

十年前，自动驾驶也出现过类似的路线分歧：一边直奔L4，故事更性感、融资更多；另一边从L2、L3开始，逐步提高自动化程度。

金戈当年研究自动驾驶时，最终更看好后一条路线。如今做机器人，他仍然选择同样的渐进路径。在他的判断里，完全自主可以是技术终局，但不意味着商业化必须等到终局出现以后才能开始。

“即使后面融资很顺利，手里面拿到几十亿甚至上百亿的钱，我也会坚持现在这条路线。”

02.从鲍鱼海参到草根树皮：数据这门生意怎么算账

在现阶段用遥操作覆盖复杂任务的同时，灵御还在做另一件事：积累数据——让机器人在真实场景里干活，同时把真机数据采集下来。

这条路上大致有三个流派，每派都有“软肋”。

真机数据，也就是灵御走的路线，软肋是“贵，慢”。“成本极高，部署很慢。”金戈说，灵御做的所有事都是为了把机器人做便宜，用遥操作让部署更快。

仿真的软肋是Sim-to-Real Gap，在他看来，仿真器本质上基于规则，但真实世界中的复杂物理交互很难被完整模拟。不过他也承认，仿真在光学、色彩、空间和刚体上已经做得很好，“我认为今天的仿真路线，更多还是在光学和色彩上做放大器，还不能解决物理交互的Sim-to-Real Gap”。

至于第三条路——让人戴上可穿戴设备采集数据，也就是所谓无本体数据——金戈认为“就是个过渡”。

他指出两个问题。第一是精度。机器人的传感器固定安装，可以出厂标定，但穿戴设备“不可能每天都戴得一样”，位置稍有变化就会影响采集精度。第二是模态缺失，戴手套能一定程度采到触觉，但各个关节的力很难采到，“你不能再给人装一个六维力传感器吧？”

他把这种方式类比成自动驾驶早期用行车记录仪采集数据：“今天行车记录仪的数据也远远大于新能源车的数据，但是为什么没有人再用行车记录仪的数据去训练？”

不过，他并不否认这些数据当下的价值。因为今天整个具身智能行业面临的，是数据严重不足。

金戈用了一个厨房里的比喻：“今天做模型有点像厨师做菜。算法是厨艺，数据是食材，算力是锅、是厨具。真机数据是鲍鱼海参，但只有一点点，根本不足以做出一道菜来。有的数据是大米、白面或者粗粮，有的数据是草根树皮——但为了至少做出一锅东西，我得把这些都汇进去，不好吃，但是能吃。”

“草根树皮能吃，不意味着我要去种草根、去种树皮。”

灵御的答案，是把“鲍鱼海参”的价格打下来。

金戈给了一组对比：目前市场上的真机数据，用昂贵机器人的成本大约是800-1000元一小时，中等价格的通常也要400-500元；灵御目前能做到100-150元一小时。按单条任务算，一个平均10-15秒的任务，成本约0.6元。

成本首先从机器本身省出来。按照金戈的拆分，灵御的数采成本中，人占40%、机器占50%、其他占10%；而使用昂贵机器人的公司，机器成本可能占到70%-80%。此外，机器的完好率也直接影响数据成本。“这就是为什么行业里的真机数据普遍又贵又慢。”

但在金戈看来，这些都还不算真正的降本。

“我们觉得在数据采集中心里面去计算成本，都不是真正降本的方案。”

真正的降本，是让数据变成副产品——机器人在客户的真实场景里工作、为客户创造价值，数据在遥操作过程中顺带产生。

“就像特斯拉一样。我开特斯拉，我的数据被回传到特斯拉中心，特斯拉一分钱都不会付给我。”金戈说，只有这种方式的数据才是成本最低的，“远远低于任何其他商业模式”。

这也是他给灵御算的时间表：目前公司积累了1000多小时真机数据，今年目标10万小时，明年100万小时，后年1000万小时。一台机器人一天大约可以产生4小时有效数据，随着机器人出货量增长，数据量也会随之增长。

金戈算出的临界点是2000-2500台，大概在明年年初。到那时候，每天可以回传约1万小时数据。“它一旦布出去，就在源源不断地回传数据。”

下一个问题是：它们应该先去哪里？

03.为什么先去超市，而不是工厂和家庭

灵御的主战场是“商业服务场景”：超市、商场以及酒店、餐饮、咖啡和物流。目前，机器人已经在京东七鲜进行常态化运行。

为什么不进工厂？眼下几乎所有具身智能公司都在讲这个故事。

金戈给了三个理由。第一，工业里真正大规模的需求，已经被工业机械臂解决得很好了。“具身智能机械臂完全没法在工业机械臂擅长的领域去和它一较高下。”在他看来，具身机器人的目标应该是替代现在还需要用人的地方，而不是替代已经在用工业机械臂的地方。

第二，工厂里剩下还需要人的部分，大多是比较细分的需求。他们算过折弯、压铸、CNC上下料等场景，“这个市场不是特别大，就是几千台、几万台的规模”。第三，流水线的容错率太低，“一旦出了问题，产线停工是非常大的损失”。

要同时满足“大量用人、传统工业机器人解决不了”“容错足够高”“成本算得过账来”这几个条件的工业场景，在他看来“不够多”。

那为什么同行仍然扎堆工业？一个现实原因是，工业是限定性的结构化场景，可以固定光照、位置和背景，对今天的模型更友好。商业场景则“总有人走来走去，背景始终在变”，难度要大得多。

但商业服务的账更容易算清楚。岗位数量足够大，超市服务员这样的岗位可以达到百万级；容错率也更高，“服务员给你拿一瓶水，掉地上了，他再拿一瓶给你”，不会像工厂一样因为一次失误导致停线；同时，公共场景的数据风险也相对较低。

成本同样可以计算。金戈举了促销员的例子：在北京雇一个促销员，综合成本大约8000元以上，相对便宜的地区约4000元，而超市通常要开两班。“两班的话一个月就能差出8000块钱，一年就有10万块钱的价差。”

京东七鲜是灵御目前主要的商业验证场景之一。在经历5轮以上POC后，这套系统即将从单点测试走向规模化部署。

在七鲜，一些较简单的任务已经可以由机器人自主完成；更复杂的任务，则仍然由人远程操作或接管。比如把牛奶分装进小杯子，再递给消费者，过去由促销员完成，现在可以由机器人在前台执行。

灵御于8月12日与京东签署战略合作协议，以七鲜为起点在京东体系内推广。对灵御来说，这意味着系统的可靠性和实际运营能力开始接受更大规模的检验。

成本逻辑，也决定了灵御的硬件选择。它的机械臂使用行星减速器加电流估算力控，而不是行业里更常见的谐波减速器加六维力传感器。后者重复定位精度更高，但金戈的追问是：这对具身智能机械臂到底有多重要？

“从第一性原理来说，没有任何意义。人类没有任何重复定位精度。”在他看来，人类完成复杂操作靠的是手眼协调和实时反馈，而不是每一次都运动到完全相同的位置。因此，灵御更看重力透明性、低摩擦和成本。

这项取舍带来的结果很直接：单臂可以省下约7万元。金戈给出的目标是，随着出货进入数千台、上万台规模，“未来，Pro版我们都会降到10万以内”。

对金戈来说，硬件上的取舍最终仍然服务于同一件事：客户买机器人是为了替代人工，首先要算的是ROI。

家庭则被他明确排除在短期计划之外。一个原因是隐私。灵御目前只做公共场景，“酒店也是做收拾房间”。

另一个原因更硬——电池。“我们的机器人大概是一个500瓦时的电池，这是基础款。行业内经常用1.5千瓦时的电池。”他说，1.5千瓦时已经比通常的电动自行车电池更大。“我们常说，不要把电动自行车推到家里去充电。但你把机器人在家里充电，面临的就是电动自行车在家充电的风险。”与此同时，端侧芯片的功耗又动辄达到数百瓦，电池既要支撑算力，又要驱动机器人运动，续航和安全之间的矛盾仍然很难解决。

所以灵御最终选择的是商业服务场景：这里仍然大量使用人工，容错率足够高，成本也算得过来。而为了让机器人真正进入这些场景，它首先需要的不是每一项参数都做到最好，而是足够好用、足够便宜。

04.不做基础模型的人，和那个还在转的轮盘

问金戈这个行业哪个环节泡沫最大，他的答案是：模型。

论据是一套“门槛论”。“我觉得看一个产业链的门槛高不高，就看它是不是还在不断涌现新的公司。”他举例，内存行业再火，也不会突然冒出上万家公司做内存芯片；大语言模型发展到今天，也已经很少有新公司不断出现。

但具身模型仍然“每天都在产生新的公司，不断地产生新的团队”。而且在金戈看来，这些新公司做出的模型，与顶尖高校实验室相比也没有明显差距。

他还拿自己这一行做了个反证：一直有人跟他说遥操作没什么门槛，“谁想做都能做”，但“我们也干了一年半了，也没看到市场突然就进来很多人做遥操”。

那为什么投资人还在源源不断给模型公司投钱？金戈的解释是，模型可能是一个赢家通吃的行业，上限足够高，而且格局远未收敛。

“说白了，就像澳门的轮盘赌一样，小球儿还在转，每一个数字上都会有人下注。如果最终转到你那个数字上，你可能赢得一个让所有人都难以置信的比例，但球只会落在一个点上。”

“大语言模型那个球已经几乎停下了。而具身智能还在刚刚启动、开始转的时候。”因为赔率足够高，所以仍然有足够多的人愿意下注。

至于泡沫破裂后谁能留下，金戈认为关键也不在产业链位置，而在技术壁垒和真实商业价值。

对于整个行业什么时候能出现类似FSD的拐点，金戈“相对来说比较悲观”。

他的判断是，在限定环境下实现一定程度的自主，让机器人看起来足够“厉害”，可能三年内就能做到；但公众真正期待的是非限定环境——在超市、酒店、便利店这样的公共场所长期、大规模自主工作，“我觉得还需要至少5年”。

“当然在这之前，公众可能已经看到机器人在里面工作了，只是它背后还需要人类一定程度的接管。”

认为模型存在泡沫，并不意味着金戈否认模型会继续进步。灵御不自研基础模型，但一直在接入外部模型进行验证和训练。金戈更希望提前把机器人本体做好，为未来几年的模型迭代留出空间：模型越强，同一台机器人能够自主完成的任务越多。

这件事在公司内部并非没有争议。金戈说，他和莫一林一直很坚定，但也有人问过：“模型又不难做，我们有数据，有机器，要不要自己做模型？”

他的回答很直接：“既然做了，我就要把这件事做到世界第一，如果不能做到第一，我干嘛要做呢？”

灵御给自己的定位，是中间层的基础设施。一端是购买机器人的商业客户，他们关心机器人能替代多少人工、多久回本，金戈把它概括成“用比亚迪的方式卖本体”；另一端则是需要真机数据的模型和科研客户。

“机器，我的成本低，售价也低；数据，我的成本低，但售价可以和别人一样。”短期来看，数据的利润空间更大。

但并不是所有模型公司都会成为灵御的客户。全栈自研的机器人公司通常自采、自用、自训，“Tesla也不会把自己的数据卖给比亚迪”。灵御真正想服务的，是缺少硬件和数采能力的模型公司，以及有模型能力、却不愿亲自下场造机器人的大厂。

这也是它不做基础模型的另一层理由：“我们不想和我们的客户竞争，也没有必要去和我们的客户竞争。”

那看着同行的估值一年翻几倍，会不会焦虑？“焦虑和羡慕肯定还是都有一点点的，但我觉得不严重。”金戈说，“把自己的事情踏踏实实地做到世界第一，比把估值做到世界第一，对我来说更重要。”“市场的价值不是由投资人决定的。”

聊到最后，我们问他：如果三年后再来跟你聊，你希望第一句话是什么？

他先说了自己的目标：那个时候，灵御已经是全球做人机混合机器人的第一名。

然后他自己给出了一个问题，他猜三年后我们会先问他：“不做基础模型，你后悔吗？”

金戈说，这很可能就是三年后最重要的问题。如果那时模型已经取得巨大突破，问题自然会变成：既然当初有机器人、有数据，为什么没有自己做？如果模型的发展没有今天想象得那么快，那么今天的选择也可能得到另一种验证。

这些都不确定。他确定的是另一件事：三年后，一定会有大量机器人真正进入各行各业。