WAIC2026访谈 | 灵初智能CEO王启斌：判断“类人灵巧手”何时成熟，看这三个指标

财闻 李向磊 发自上海

“通过采集人类日常生活中产生的高质量数据，经过一些编码方式输入模型，这样训练出来的模型能力更接近人类真实生活环境，也更适应日常生活。”灵初智能CEO王启斌在2026世界人工智能大会期间接受财闻采访时，阐述了公司坚持用人类数据训练模型的初衷。

李向磊/摄

也正是凭借这一优势，灵初智能在不到两年时间累计融资超20亿元，吸引了国开金融、央视融媒体产业投资基金等“国家队”资本密集入场。

而在2026世界人工智能大会上，灵初智能不仅直观展示了从人类示范到机器学习的过程，还现场演示了跨场景、跨任务的机器人长程灵巧操作，展示了高度泛化能力。此外，大会期间，灵初智能还与长飞集团联合发布光模块检测与包装场景解决方案。

2026世界人工智能大会上灵初智能展台 李向磊/摄

最高质量的数据，藏在真实工作场景里

当前，制约具身智能规模化落地的核心瓶颈之一，是高质量、低成本、可规模化、多模态人类交互数据的供给短缺。针对这一痛点，灵初智能选择了一条与行业主流不太一样的路。

王启斌告诉财闻，行业里很多公司采用遥操作方案采集数据，比如人远程操控机器人完成动作，再把数据记录下来用于训练。但灵初智能采取的是“笨方法”，即让工人在真实的工作环境中戴上轻便的外骨骼数据手套，正常完成他们的日常工作，系统同步采集人手操作的视觉、触觉、关节角度等全维度信息。

灵初智能数据采集设备 李向磊/摄

“我们在说什么叫最高质量的数据？其实最高质量数据就存在于我们平时的整个工作中。”王启斌说，“真实的数据里内含了人的能力，也就是人在动态或半结构化的环境里怎么观察环境、怎么做任务分解、怎么实现手眼多模态触觉的协同，甚至操作中出现失误还能自己纠错。这些能力，都蕴含在真实的人类操作数据里。”

这种差异化思路的背后，是一套完整的技术工具链。灵初智能自主研发的Psi-SynEngine具身数采引擎，通过便携式外骨骼手套采集一线人员的真实操作数据，成本仅为传统真机遥操作方案的十分之一。

据王启斌介绍，灵初智能2026年的目标是突破百万小时。2026年4月，灵初智能发布了Psi-R2和Psi-W0双模型架构，其中Psi-R2是全球首个以10万小时量级人类数据预训练的World Action Model，在MolmoSpaces评测中位列全球第一。

具体到落地场景，王启斌举了一个光模块制造的例子。在2026世界人工智能大会期间，灵初智能与长飞集团联合发布了光模块检测与包装场景解决方案，这是具身智能首次在光模块高端制造领域实现多流程落地。

光模块体积小、引脚脆弱，操作精度要求极高，而搭载灵初Psi-R2大模型的机器人，能够实现亚毫米级定位精度和亚牛顿级精密力控，自主完成插拔检测、良品判别、包装装箱全流程。

“在这个场景里，光模块在产线上移动的节拍、400G和800G模块的放置方式，都是最真实的生产环境。”王启斌对财闻表示，“我们就是用最轻便可携带的设备去采集人类的数据，这样做出来的模型，效果远比遥操作方案好得多。”

灵巧手最难但也最有价值

机器人的手什么时候能像人的手一样灵活？这是行业内外都在追问的问题。

王启斌对财闻坦言，这个问题很难从时间节点上预测，因为人的手体现了人类进化这么多年积累的能力——从小脑层次的下意识反馈，到大脑层面对环境的理解、分析与任务拆解。要把这些综合能力做到一只手上，本身就是个极其复杂的全栈耦合问题。

“机械手能不能做到类人这么高的自由度？能不能做到高动态性？指尖的灵巧性怎么实现？从结构设计到传感器布局，再到控制系统，必须高度耦合。”王启斌进一步补充道。

在王启斌看来，手其实是具身智能零部件中最具挑战性，但同时也是最有价值的部分，灵初智能的主攻方向正是“长程灵巧”操作。

正在演示精细化操作机器人 李向磊/摄

为什么选这个方向？因为人类在移动过程中，97.8%的时间都是在用手做操作，而且很多时候是远超一个夹爪能完成的复杂长程任务。“操作才是皇冠上的明珠，移动只是入场券。”

至于何时能接近人手的灵活度，王启斌告诉财闻，虽然具体时间节点难以预测，但可以通过几个关键指标来判断。

第一个是自由度，即机器人的手本身能达到类人高的自由度，现在市面上已经出现了21个自由度甚至更高自由度的灵巧手。

第二个是触觉模态。“在具备高自由度的手中，能集成多少种触觉模态，这是第二个指标。”

第三是机器人的手需具备足够的稳定性与持久性，它不是几十分钟、一小时的demo，而是能在复杂生产与工作环境中长期稳定作业。

据《证券时报》援引GGlI数据，2026年国内灵巧手市场需求预计达7.02万只，同比增速超265%；2030年有望超过43万只。

在刚刚过去的WAIC上，多款灵巧手集中亮相，行业正在从“能展示什么”加速转向“能交付什么”。王启斌判断，当高自由度、多模态触觉、长周期稳定这三个要素结合在一起的时候，“可能就会出现非常接近类人手的灵巧手。”