对话临界点熊坤：五个月估值破十亿美金，灵巧手估值凭什么跑这么快？

作为具身智能赛道最快成为独角兽的公司之一，临界点怎么看灵巧手行业的下一阶段。

作者｜Li Yuan

编辑｜靖宇

具身智能赛道的融资纪录又刷新了。

6 月 24 日，灵巧手公司临界点 AGILINK 宣布完成新一轮融资，投后估值超 10 亿美元。从公司成立到跻身独角兽，这一过程用了 5 个月，4 轮融资——是灵巧手赛道至今最快的速度。

本轮投资方阵容包括未来资产、某互联网大厂、京铭资本等战略与产业资本，东风资产、国信中数、上海电科基金等产业资源方，清新资本、凯联资本、普华资本、天季资本、We Venture、箴言投资、明嘉资本等财务投资机构，以及高瓴创投、蓝驰创投、C 资本等老股东的持续加注。

临界点是一家专注于灵巧手硬件与算法的公司，年初从智元机器人拆分出来。

过去几个月临界点的进展很快，已经有了多款产品：有尺寸接近鼠标的轻量化灵巧手 OmniHand 3 Lite，也有面向具身场景的夹爪 OmniPicker 3；在高自由度灵巧手上，临界点也同时推进绳驱和直驱两条路线。

之前发布的 Ultra-T 采用绳驱方案；6 月 2 日，在维也纳 ICRA 现场，临界点又首次发布了全直驱旗舰灵巧手 OmniHand 3 Ultra-M。

在软硬件协同层面，临界点还在 ICRA 现场展示了可以把长条气球折成小狗形状。气球柔软、易变形，也很容易被捏爆，从个人经验出发，确实人类都不一定每次都完成好这个任务。灵巧手能够做到这个 demo，不仅展现了手指运动能力，也展现了很好的触觉感知、力控和接触建模能力。

在此次融资之际，极客公园和临界点熊坤进行了一次对谈。

我们聊到：临界点为什么能在短时间内融到这么多钱；ICRA 现场的气球 demo 背后，究竟对应怎样的技术叙事；为什么临界点要同时布局多种技术路线和不同自由度产品；它如何判断当前的触觉路线；以及作为具身智能赛道最快成为独角兽的公司之一，临界点怎么看灵巧手行业的下一阶段。

01

灵巧手不是一门纯硬件生意

极客公园：这次我们想聊「为什么临界点能融到这么多钱」。你会有一个很直接的答案吗？

熊坤：如果有一个唯一答案，就是临界点可以更好地跑通灵巧手，解决机器人最后 10 厘米的问题。

硬件上，我们不是只做一款产品，而是有低、中、高全矩阵投入。灵巧手基模研发也会加大投入，下半年应该会有一定成果。整个软硬件壁垒会越来越深，助力灵巧操作爆发式增长。

除了旗舰产品以外，我们还有量产能力。我们在不同场景下有不同硬件布局，算法也会针对不同场景做定制化开发。更重要的是量产和供应链整合能力，这是我们的不同优势。

极客公园： 灵巧手公司的估值应该怎么衡量？

熊坤：关键在于你把它当成纯硬件公司，还是既做硬件又有模型的公司。

一些传统灵巧手公司可能还是纯做硬件，只能按硬件方式估值。但很多新的公司，如果具备很好的灵巧操作模型能力，我觉得硬件加软件模型的估值体系，才符合对灵巧手公司的评判。未来想活下去，应该都要软硬件都有。到那个时候，估值方式里软件比重会越来越多。

极客公园：融资后你们想做基模，这次的拧气球就是一个模型能力展示。拧气球展示了哪些模型特点？

熊坤：我们认为，下一阶段机器人竞争的核心，不只是让机器人「看懂世界」，而是让机器人能够通过触觉和力反馈理解物理世界。临界点把这一能力定义为「接触智能」（Contact Intelligence），对应的，我们有一套具体的技术架构 DUET(Dual-layer Unified Embodied Tactile Intelligence, 双层具身触觉智能)。拧气球 demo 是我们对 DUET 架构的一次公开完整验证。

第一层是操作层，会采集人类完成长序列拧气球的视频和数据，包括手的数据、双臂的数据。通过这些数据，我们会获取运动空间、手和气球之间的碰撞区域等信息。基于这些数据做训练，在真实环境中用强化学习不断调整整个任务规划和灵巧手轨迹。

第二层是接触层。手上的触觉会实时采集拧气球过程中的数据信息。基于这些信息，我们会在仿真环境里搭建气球物理模型和灵巧手模型，做接触和摩擦建模。灵巧手和被操作物体之间的接触建模，对灵巧操作模型训练非常关键。

拧气球不同于其他任务，它操作的是软体物品。捏上气球的时候，气球会产生形变，所以接触建模、力的感知，对手、传感器和模型建立的要求都非常高。

总的来说，操作层负责手和臂的任务规划、轨迹计算和运动策略；接触层实时给运动层提供精细的手类触觉信息、力的信息，并对抓力做调整，起反馈作用。通过这两层，可以让灵巧手稳定完成拧气球动作，防止脱滑和把气球捏爆。

据我们了解，很多友商也尝试过捏气球任务。有些可能是在力控制、手和接触模型搭建上有问题，就没办法完成这个。

气球是人打的，很难保证每次打出来的软硬、长度一致。所以每次捏的气球，包括形状，都不是 100% 一致。有些是完整直条，有些有一点弯曲，会有差异。

实际上我们也不是 100% 成功，但成功率已经足够拿出来展示。我们的展示每隔半小时会有一次，一天大概十几次，连续展示了四天。

此外，我们的模型泛化能力会做得比较好。对于不同场景需求有不同的原子技能，搭配不同自由度灵巧手执行，技能底层通用。比如我们这次 ICRA 是用了十个主动自由度的 OmniHand 做了拧气球的展示，而旗舰款的 Ultra M 也能做。

极客公园： 刚才说到运动智能和接触智能，接触智能在仿真环境中做。我理解现在触觉信息在仿真环境里有时没办法模拟得很好，是这样吗？

熊坤：对，尤其是要搭建非常准确的接触模型。只有仿真环境里搭了很好的接触模型，仿真里跑的算法做 sim-to-real 迁移时 gap 才会小。这是行业通病。

基于这个问题，我们也在尝试搭建自己的仿真平台，包含触觉仿真、力和接触模型仿真等。尽量保证接触不同物品，不管是硬质材料还是柔性物品时，接触模型和力仿真都最准确，这样才能保证训练出来的模型做真机迁移时质量最好。

这是整个行业的共识，难度非常大。只不过目前解决了运动智能问题之后，迁移到作业智能，大家才把精力花在操作仿真上。

极客公园：这次同期我们还发布了一个 Ultra M 的灵巧手，它的特点之一也是触觉能力很强，整手超过 300 个三维触觉感知点？

熊坤：是的，每个指尖是视触觉，手掌是三维触觉。视触觉和三维触觉还有点不同，视触觉合下来可以有六维信息。它里面有一个小摄像头，可以拍到形变、颜色等变化，再通过计算得出更丰富的信息，比三维触觉还要丰富。

搭载的单个传感器的精度，也是行业里比较高的。我们用的是三色光触觉传感器，不同于行业里很多单色光视触觉传感器。它的精度可以达到 5 mN 的要求，指尖至少有 125 个点位，整体来说应该是目前视触觉传感器里做得比较好的。

从行业情况看，视触觉以前更多用在夹爪上，因为要把它做小、做到指尖里很难。目前能做到指尖这么小的公司不多。我们应该是行业里较早用三色光原理做指尖力计算的公司之一。其他家也有标注数据，我没法直接评估，但我们的数据是基于实测效果标注的，可信度比较高。最主要的是，我们提供了动态三维分布力。

我们的一个特点是，在更小的尺寸里整合了更多传感器。我们始终坚持产品要和人手一致，因为越小越轻，对客户来说应用性更强，成本也更低。它只有 630 克，是最接近人手尺寸的 20 个主动自由度直驱灵巧手。目前应该是整个行业做得最小、最接近人手的。这对后面的强化学习和真机强化学习也有帮助，因为目前大家验证下来，灵巧手越接近人手，后面的数据采集、模型训练和 replay 效果会最好。

运动速度也很快，可以达到最快 3 赫兹的开合要求。在保证结构强度的同时，用钛合金、镁合金减重，也对构型和运动构型做了调整，保证符合运动空间需求。它是一款性能和仿生融合得比较好的产品。

极客公园： 为什么手掌需要传感器？

熊坤：不同场景需要不同定位的灵巧手。不同灵巧手匹配场景需求时，对触觉传感器的要求也不一样。

所以我们的低、中、高不同手，传感器使用也不一样。低端用一维压阻传感器，这类没有太高技术门槛，我们会和友商合作。高端的视触觉传感器，核心技术更多掌握在自己手里，同时也会和友商配合。

高端手要完成对标人手的高复杂任务，比如掌内转魔方，除了指尖最频繁接触以外，手掌和指腹也会不停和被操作物体接触。

比如拿筷子，或者用圆珠笔写字。大部分人在拿筷子、写字时，食指指腹，不只是正面，还有侧面，会频繁和笔、筷子接触。如果这个区域有分布比较好的触觉传感器，能感知三维力变化，对圆珠笔和筷子的机械化操作会有很大帮助。它可以帮助做动作微调，让整体质量上去，提升写字和操作筷子的精确度。

我们实际测试发现，如果这部分触觉传感器的信息也能输入，模型训练可以得到更好的结果。

02

用不同的自由度、不同的路线通向未来

极客公园：Ultra T 应该是绳驱，这次新发布的 Ultra M 是直驱。为什么有两个技术方案？

熊坤：这两种方案来看，它们上限都非常高，都是最接近人手功能的实现方式。相比连杆、蜗轮蜗杆等方案，它们更接近人手。所以只要做技术突破，很明显会成为未来高端灵巧手的两种主流方案。我认为未来两种方案都会存在，只是时间问题。

直驱手的工艺路线更明确，对做学习的同学非常友好，因为控制非常直接、简单。对于做真机强化学习、强化学习的同学，它也非常合适。我们验证下来，从工艺、方案、量产，到硬件做好之后的数据、模型和部署打通，直驱都比较合适，也符合高复杂、高难度、高自由度任务的要求。

绳驱手的优点是抗冲击、负载自重比非常好；缺点是蠕变问题比较严重。绳驱如果把自由度做高，也是很好的一种方案，适合在人居环境里做类似人的操作，和人打交道，或者使用人类工具。

我们同时布局绳驱和直驱，希望在两种技术上都有积累。当相应核心技术点，比如腱绳问题、基本材料问题解决之后，可以很快把两款手推到大规模使用和量产。

极客公园：「只是时间问题」怎么理解？

熊坤：我们可以把直驱和绳驱的问题点罗列清楚，分析解决这些问题大概需要多少时间，就能看出两条技术路线最后实现和爆发的时间点。目前看，直驱可能 3 年左右会解决得好一点；绳驱可能要更长，可能拉到 5 年，甚至更久。

极客公园：在这两条技术路线之外，临界点多种自由度都做。行业里也一直争论，灵巧手到底需要多高的自由度？

熊坤：临界点的观点是，一只灵巧手的价值不是取决于有多少自由度，而是取决于它能否真正让人形机器人进入各类场景。

所以在内部，我们在科学地分析一只灵巧手或夹爪能完成多少任务、一个场景需要多少自由度。我们采集了大量工业端、商业端、C 端消费端的操作场景任务，并把任务划分成 A、B、C 三类。

C 类任务，夹爪可以完成，灵巧手也可以完成，两者差别不大。B 类任务，夹爪可以勉强完成，但成功率或完成质量没有灵巧手高。

A 类任务，只有灵巧手才能完成。比如拧瓶盖，如果是需要三个手指去做旋拧任务，夹爪比较难满足。你可能会说两个夹爪配合腕部也能完成，但我们对任务会有一些限制，因为最后要适配人形机器人，不能用非常规动作完成操作。

剥橘子也是 A 类。它会涉及拧、扣、掰等动作。如果夹爪再配合特定工具，也许可以，但如果以人为第一性角度考虑，按照人怎么操作来要求，夹爪没法完成。

做完这样的划分，就可以清晰知道不同场景更适合夹爪，还是需要多少自由度的灵巧手。为什么要用两款不同自由度的手完成同一个气球任务，就是要去分析不同任务对自由度的需求。

基于 A、B、C 类任务分析，我们对场景和不同灵巧手的匹配度理解，应该是行业当中最准确的。

比例还是要和场景挂钩。比如工业类固定场景，统计下来 C 类可能占 50% 到 60%，也就是说面对工业场景，可能有 50% 到 60% 的场景用夹爪就可以满足。另有 40% 到 50% 需要不同自由度的灵巧手，其中这 40% 到 50% 里大概一半左右，中等自由度手就可以满足，也就是 10 到 17 个主动自由度。

我们做这么多款手，本质上是因为我们对场景的理解比较透彻。不同场景需要不同手。

除了旗舰款，Lite 应该是目前行业当中最小、最便宜，而且最抗冲击的一款手。Lite 的需求来自我们对人形机器人轻作业和交互场景的理解：它需要抗摔，需要适配更小尺寸的人形机器人和更轻量的机械臂。

我们做的 OmniPicker 3 夹爪，也是我们把对具身场景的理解解析出来，发现它需要指尖能够精确感知力的变化。所以我们做了模块化触觉指尖，可以快速更换，也可以精细采集触觉信息。OmniPicker 3 目前还没有开始卖，但已经拿到批量订单。

03

灵巧手明年收敛到人形整机格局，

正在攻克量产和数据的问题

极客公园： 从去年到今年，灵巧手行业一直很热，你觉得现在竞争格局是什么？

熊坤：灵巧手目前收敛程度在加快，但还没有到人形整机那样。人形整机的基本格局，我觉得已经算形成了。

灵巧手的话，我觉得今年、明年也会逐步收敛到类似人形整机的格局，可能前面有 3 到 5 家头部，其他很多会慢慢被淘汰。灵巧手整体发展速度也非常快。

极客公园： 我们现在累计交付灵巧手 8000 台，是吗？主要是哪一款，交付给谁？

熊坤：是。交付的 8000 台当中，差不多六七千台是 OmniHand 灵动款。主要客户包括智元，还有一些具身客户。也有科研机构、方案解决商等。

极客公园：Ultra-M 预计什么时候量产？

熊坤：直驱预计今年 Q4 会达到量产。绳驱手可能也差不多，或者稍微晚一点。

目前高自由度灵巧手，主流还是出给高校科研机构，以及一些需要做模型训练、专门做软件算法的具身公司，用来做数据采集和模型训练。

未来出货给做模型训练的公司可能占 60%，另外 40% 出给高校。量级要等量产后看市场，现在说都是想象。我们在所有高自由度手里应该有相对优势。量级至少是千台往上，数千台。

极客公园： 我看到 GGII 的数据：2025 年中国灵巧手市场销量约 2 万只，2026 年可能达到 7 万只，2030 年可能突破 43 万只。你认同这个增长节奏吗？

熊坤：大差不差，基本类似。但我可能会更激进一些。我觉得今年可能会突破 10 万只，到 2030 年，50 万甚至 100 万只都有可能。

这主要来自人形机器人销量本来就很快，第二是灵巧手自身技术成熟度也在加快。所以会加快人形机器人搭配灵巧手在各类场景中做部署态落地。

极客公园： 从去年到今年，整个灵巧手行业你觉得是什么状况？

熊坤：很多公司，包括我们，都在攻克量产问题。

大家一直说，2024 年是研发元年，2025 年是量产元年，2026 年是商业化部署元年。我觉得这是对人形整机的评判。灵巧手会比人形整机稍微晚一点。今年对灵巧手来说，应该是量产和初步部署化的年份，更主要还是量产。

Demo 是一块，但不能只从 demo 角度评估灵巧手行业的发展。很多公司还没有达到像临界点这样比较大规模的灵巧手量产能力。与其纯粹做惊艳 demo，不如在底层量产工艺上下功夫。

从核心零部件，比如电机、触觉传感器安装，到基础的螺钉、胶水使用、装配工艺、装配方法、材料应用、涂料和涂层应用等，都要建立一套非常规范的要求。这也是临界点相比其他友商非常有竞争力的一个点。

极客公园： 这些问题解决之后，成本下降空间还很大吗？

熊坤：成本下降空间应该很大。它的价格要符合人形机器人 20% 的要求，才能被人形机器人大规模应。

极客公园： 如果按 100 分算，今天灵巧手做到多少分？

熊坤：还是及格分左右，可能 60 分。

极客公园： 再往上突破，哪一块拖后腿？

熊坤：软件硬件都需要进步。如果想让分数快速提上去，我觉得硬件比重会多一些。

极客公园：人形机器人或通用机器人都说缺数据，灵巧手自己有数据问题吗？操作数据怎么收集？

熊坤：目前行业对数据，包括灵巧手数据，有一个数据金字塔划分。

最底层是仿真数据。再往上是人手数据，比如通过视觉、视频采集人手数据。第二层是通过手套形式，或者五指外骨骼采集到的操作数据。最高层是真机遥操数据。

我们目前的数据采集基本也是基于这样的数据工厂完成。我们在筹备自己的数采厂，也和一些公司合作做数据采集。我们已经有 8000 多只手销售出去，目前日常有 1000 多只手在做常规数据采集，已经累计了数万个小时数据。

临界点的数据类型构型上和其他家类似，但我想强调几个点。

第一，我们的产品矩阵最全，所以不是用单一一款手做数据采集。这保证了即便是真机遥操的灵巧手采集数据，种类也是最多的。后面做模型训练时，泛化能力会更好。当用我们的模型训练人形机器人做任务时，可以很好完成不同灵巧手本体的迁移。

第二，我们在数据采集设备上有一些调整和优化。比如我们有自研数据手套，可以解决触觉手套常见的应力残留等问题，保证采集到的触觉信息准确度更好。

*头图来源：临界点

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

极客一问

你觉得灵巧手行业亟待解决的问题是什么？