作者｜毛心如

具身智能的竞争，正在进入一个越来越较真的阶段。

早期，行业比的是谁先把机器人做出来；后来，比的是谁的动作更像人。

到了今天，随着 VLA、世界模型以及人形机器人加速走向真实场景，真正决定一家公司长期竞争力的，可能已经不只是机器人现在会什么，而是它能不能让机器人持续学会新东西。

最近，超维动力（Kinetix AI）完成超 5 亿元天使+轮系列融资，由淡马锡旗下投资机构祥峰资本、方广资本、万石资本等加注。

本轮融资将主要用于加速数据-模型-本体的协同迭代，并推动具身智能产品化落地。

成立不到一年，超维动力已经搭起一套覆盖第一人称数据采集、具身模型、世界模型、训练基础设施、人形机器人和灵巧手的完整技术体系。

这家公司真正想做的，或许不是再造一台更像人的人形机器人，而是回答一个更底层的问题：

机器人究竟应该怎样像人一样学习？

从造机器人到教机器人，

数据正在成为新的起点

过去几年，人形机器人产业最直观的竞争，是硬件参数。

身高、重量、自由度、关节扭矩、行走速度……这些指标决定机器人能不能动起来，也决定它能不能完成特定任务。

但当机器人开始真正进入物理世界，一个问题很快暴露出来：让机器人动起来并不难，难的是让它持续学会新东西。

人类学习一个动作，并不需要工程师把每个关节的角度、速度和轨迹都写进程序。一个人看到别人拧瓶盖、拿杯子、挥球拍，很快就能模仿；做错了，再根据结果调整。

机器人没这么幸运。

它需要摄像头、传感器、动作数据、环境信息以及大量训练，才能逐渐建立起从看到到理解再到行动的联系。

因此，具身智能发展到今天，数据的重要性正在快速上升。

超维动力的思路，就是从这里切入。

他们把第一人称数据采集作为整个技术体系的起点，通过 KAI Halo Lite 这样的轻量化头环，把人类在真实环境中的操作过程记录下来。

这不是简单拍一段视频。

KAI Halo Lite 可以同步采集第一视角视觉信息、人体姿态以及环境信息，并进一步进行三维场景重建和动作语义处理。目前其已经累计采集超过 10 万小时数据，覆盖多种动作和技能类别。

这背后的意义在于，机器人学习的对象开始从机器人自己做过什么，扩展到人类在真实世界里是怎么做的。

过去的机器人数据，往往来自工程师为机器人设计的演示任务；而第一人称数据更接近人类真正的生活和劳动过程。

比如一个人打开柜门、拿起水杯、绕过桌子、把东西放到指定位置。这些动作看起来普通，但对机器人而言，每一个都包含大量隐性的空间信息和身体协调关系。

手应该怎么伸？身体应该向哪里移动？什么时候减速？物体被抓住之后，下一步该怎么做？

这些信息很难单纯靠语言告诉机器人，却可以通过真实世界的数据被记录下来。

所以，超维动力强调的数据-模型-本体飞轮，正在试图改变机器人能力形成的方式。

数据告诉机器人人类是怎么做的，模型负责理解和泛化，本体在现实世界里真正执行；执行结果再变成数据，继续训练下一轮模型。

这样一来，机器人不再只是一个被训练好的产品，而更像一个能够持续学习的系统。

这也正是具身智能与传统机器人最大的区别之一。

传统机器人更像是在既定任务里把动作做得越来越稳定；具身智能则试图让机器人面对没有被提前写进程序的情况，也能自己找到解决办法。

从这个角度看，超维动力把数据放在整个技术体系最前端，并不只是做一台数据采集设备，而是在试图建立自己的机器人学习入口。

模型不只是机器人的大脑，更要成为连接虚拟与现实的中枢

有了数据之后，真正困难的问题来了：机器人到底怎么从数据里学会能力？

这也是超维动力把 KAI World Model 放在技术体系核心位置的原因。

今天大家谈世界模型，已经不再只是讨论能不能生成一个逼真的视频。

对机器人来说，更重要的是：如果它准备采取一个动作，能不能提前知道这个动作可能带来什么结果？

向前走一步会不会撞到东西？把手伸过去，物体会不会移动？用更大的力量抓取，会不会把杯子捏碎？球拍向这个方向挥出去，球下一秒可能出现在哪里？

这些问题，本质上都涉及机器人对物理世界的预测。

KAI World Model 把视频生成、空间建模、动作预测和任务评估放到同一个体系里，让模型不仅看懂世界，还能预测动作之后可能发生什么。

超维动力的世界模型路线没有停留在纯粹的视频生成层面，而是进一步强调在机器人真实任务中的应用。

如果说第一人称数据解决的是机器人应该向谁学习，那么世界模型解决的就是机器人如何理解自己面对的世界。

而这两件事，最终还要落到机器人身上。

今年以来，超维动力在 WAIC、WRC 等公开场合持续展示的 SMASH 人形机器人乒乓球系统，就是一个很直观的例子。

乒乓球看起来只是一个展示项目，但对机器人而言，它同时考验视觉感知、轨迹预测、身体控制、动作规划以及实时决策。

球飞过来的时间只有几百毫秒，机器人没有太多时间慢慢计算。它必须判断球在哪里、下一步会往哪里走，同时让肩膀、手臂、腰部甚至腿部一起配合。

也正因此，SMASH 并不只是一个让机器人会打乒乓球的模型，它更像是把一项高动态任务，变成对具身智能系统综合能力的一次压力测试。

更重要的是，这套系统还展示了跨本体部署能力。

SMASH 不只运行在超维动力自己的 KAI Bot 上，也适配了宇树 G1、智元远征 A3 等不同形态的机器人。

这背后对应着具身智能产业一个越来越重要的问题：未来真正有价值的，到底是一台机器人，还是一套可以迁移到不同机器人身上的能力？

如果同一套模型只能绑定一台机器人，那它更像一个产品。如果同一套能力能够迁移到不同身体上，它才更接近真正意义上的通用智能。

这也是超维动力全栈路线值得讨论的地方。

它没有把数据、模型、本体拆成几个互不相关的业务，而是希望让三者形成一个持续反馈的系统。

模型在真实世界里失败，暴露问题；问题反过来推动数据采集方式调整；新数据继续训练模型；模型能力提升后，再进入新的本体和新的场景。

这样一来，本体不再只是模型的执行终端，而成为整个学习系统的一部分。

超维动力联合创始人罗平认为，本体是技术飞轮的关键环节。没有足够好的身体，模型能力很难完整发挥；而没有持续的数据和训练体系，再好的身体也很难不断获得新的泛化能力。

从这个意义上看，超维动力押注的不是某一个单点技术，而是一条从数据进入、经过模型处理、再回到物理世界验证的完整链路。

从会展示到能落地，超维动力开始面对真正的商业化考题

当然，对一家成立不到一年的具身智能公司来说，技术闭环只是第一步。

资本最终会问一个更现实的问题：这套技术能不能变成产品，产品能不能变成收入？

这也是此次超 5 亿元融资之后，超维动力必须回答的问题。

从目前的产品布局看，公司并没有只押注人形机器人整机，而是同时推出了 KAI Hand、KAI Halo Lite、KAI World Model、KAI Embodied AI Infra 和 KAI Bot。

这样的产品矩阵，逻辑非常清晰：一端是数据采集，一端是模型与基础设施，中间连接的是机器人本体和灵巧操作。

其中，KAI Halo Lite 已经面向市场销售，KAI Hand 也开始交付产业客户。

这意味着超维动力并不是等到整机成熟之后再考虑商业化，而是尝试把已经具备独立产品价值的能力拆出来，提前进入市场。

对一家成立时间并不长的公司来说，这有一个现实意义：先让技术单点产生价值，再逐步把单点能力组合成完整的具身智能解决方案。

但更大的想象空间，仍然来自 KAI Bot。

超维动力此前发布的全尺寸人形机器人 KAI Bot（KAI），身高约 173 厘米，体重约 70 公斤，拥有 117 个自由度，强调高度拟人的身体结构和动作能力。

为什么一定要把机器人做得这么像人？

答案其实与前面的数据体系有关。

如果未来机器人要大量学习人类的数据，那么机器人身体越接近人类，数据从人到机器之间的转换成本就越低。

一个人弯腰拿东西、伸手抓取、转身避障，身体的运动逻辑是天然统一的。

机器人如果拥有完全不同的身体结构，就需要额外完成一层翻译。而超维动力希望通过高拟人本体，把这种翻译尽可能缩短。

这也是 KAI Bot 在整个技术体系中的真正价值：它既是机器人的身体，也是整个数据—模型闭环最终必须面对的真实世界。

当然，这条路线依然面临不少现实挑战。

人形机器人真正走向规模化，不能只靠展会上一次漂亮的演示。

机器人需要在长时间运行中保持稳定，需要降低成本，需要进入真实家庭、工厂和商业空间，还要面对安全、维护、供应链以及客户投资回报等一系列问题。

尤其是对超维动力这样的年轻公司来说，技术能力已经通过 KAI、KAI Hand、KAI Halo Lite 和 SMASH 等产品逐渐展现出来。

但从技术成立走向商业成立，仍然需要更多真实订单和长期运行数据来证明。

所以，这次超 5 亿融资并不只是给超维动力更多资金去做一台更复杂的机器人，而是让它有机会继续把此前已经搭起来的技术体系往前推。

数据采集规模需要扩大，模型需要继续训练，世界模型需要进入更多真实任务，本体需要进一步工程化，灵巧手和数据设备需要获得更多产业客户，而这些产品在真实世界里的运行结果，又会反过来成为下一轮模型训练的数据。

最终形成一个越来越大的循环。

这可能也是今天具身智能行业正在发生的变化。

早期大家关注的是机器人有没有一个聪明的大脑。再往后，大家发现只有大脑还不够，还需要一具能够执行任务的身体。

而到了现在，越来越多公司开始意识到，大脑和身体之外，还缺少一个更关键的东西：让机器人持续学习的机制。

超维动力选择从数据-模型-本体切入，本质上是在回答这个问题。

如果这套飞轮能够真正跑起来，那么机器人就不再只是一个一次性交付的硬件产品，而可能逐渐变成一个能够随着数据积累持续升级的智能系统。

超维动力这次超 5 亿元融资更值得关注的是，它押注了一种不同的产业逻辑：

未来真正有竞争力的机器人公司，可能不是最早把机器人造出来的那一家，而是最先建立机器人自己能够越来越会干活这套机制的公司。

而这，才是超维动力接下来真正需要证明的事情。

登录或注册

绑定手机

融资超5亿：超维动力不只想造机器人，更想教机器人如何像人一样进化

模型不只是机器人的大脑，更要成为连接虚拟与现实的中枢

从会展示到能落地，超维动力开始面对真正的商业化考题

参与评论

相关评论(共0条)

相关推荐