芯耀
与非AI
214
原标题：这家公司在半年内让机器人落地干活
2026年上半年，具身智能赛道进入了一个微妙的阶段。
一边是资本和媒体的狂欢——几乎每周都有新的机器人本体公司亮相融资，双足行走、灵巧抓取、叠衣服倒水，视频一个比一个炫。另一边，真正在工厂、实验室里摸爬滚打的人都知道，这些demo和"能用"之间隔着一道巨大的鸿沟。
问题出在哪里？争议点倒不是人形有没有必要，说穿了就三件事：数据从哪来，脑子怎么想，手脚怎么动。
“大脑”的技术路线远未收敛——所谓"世界模型"（World Model）的论文铺天盖地，但真正能跑在机器人上的、并且和物理世界进行交互的，可谓凤毛麟角。
前几天李飞飞还官宣，World Labs收购Scenix，进入具身智能仿真领域，她发文称，世界模型不仅仅是生成式模型，更体现在和物理世界交互上。
是的，具身智能领域的世界模型，就是具身智能的“大脑”模型，而不是那些酷炫的生成式AI模型，那只是数字世界里的AI模型。
就在年初，具身智能领域跑出一家黑马公司，清科灵境（Synkrotron），仅仅半年时间，已经让具身智能机器人有了实际落地场景，跑通了业务闭环，还把机器人送进了复杂度和精确的要求极高的科研实验室里干活。
坦率来说，这速度有点反常。在一家公司从零开始到场景落地通常需要三五年的时间，半年就跑通闭环，背后到底有什么不一样的东西？
（一）懂科学、善工程、懂管理、强落地
先说团队，这可能是清科灵境最容易被外界标签化的地方——“图灵奖”获得者姚期智院士孵化。
姚期智是谁不用多介绍了，图灵奖得主、清华大学人工智能学院院长、中国科学院院士，"姚班"的创办者。
这家公司的团队配置，用他们自己的话说叫"懂科学、善工程、懂管理、强落地"——这不是一句slogan，而是你把几个核心人物的履历摊开看之后会发现的一个事实。
清科灵境创始人杨子江教授团队的构成，呈现出一种罕见的"学术深度×工程密度"结构。杨子江博士是清科灵境公司创始人，发表论文百余篇，拥有二十余项中、美专利。也是中国科学技术大学计算机学院教授、博导，中国科大先研院具身认知科学与空间交互工程技术中心主任，IEEE自动驾驶国际标准工作组副主席，IEEE AI智能体标准工作组（设立中）主席。
总裁周玉荣，25年科技企业高管经验，历任来也科技总裁、VMware大中国区商业客户总经理、赛门铁克北大中国区总经理。一个深耕企业级市场的资深人士。CTO潘余曦博士，曾任Uber数据科学平台组技术主管及高级数据科学家，在Cisco安全数据组、奇点能源等一线科技公司积累了丰富的工业级系统实战经验。首席科学家张晓东博士，曾任华为工程师，在软件工程与人工智能领域发表高水平论文20余篇。
这么一支团队，你很难用一个标签去概括。有搞理论的，有搞工程的，有搞产品的，有搞商业的。在具身智能这个需要同时跨越科学认知、工程实现和商业落地三道坎的赛道上，综合性团队的稀缺性远比单点突出要值钱。
很多人觉得创业就是有一项核心技术就能打天下。但技术只是入场券，真正决定一家机器人公司能不能在半年内落地场景的，是团队里有没有人知道"怎么把一个技术从实验室搬到工厂，再从工厂搬到客户面前"。这种能力，不是看论文能学会的。
（二）从自动驾驶"升维/降维"到具身智能
核心团队的自动驾驶背景其实是清科灵境最被低估的一个维度。
为什么自动驾驶的经验对做机器人如此重要？
自动驾驶本质上就是"机器人+开放世界"，也是机器人与物理世界交互的第一个落地场景。一辆自动驾驶汽车要在复杂的物理环境中实时感知、实时决策、实时控制，这跟一个具身智能机器人在实验室里倒试管、在仓库里搬箱子，底层逻辑是高度同构的。
清科灵境团队从传感器仿真、多智能体行为建模、车辆动力学一路做到端到端模型，这意味着他们对于"如何用合成数据训练一个在真实世界中跑的系统"这件事，已经趟过一遍坑了。
具身智能现在面临的"数据荒"和"仿真到真实的鸿沟"（Sim2Real Gap），自动驾驶行业在2018年到2022年间已经经历了一轮。当时的解法是：用高保真物理仿真引擎生成海量合成数据，覆盖各种长尾场景，然后逐步迁移到真实部署中。
清科灵境的1.0商业模式，正是为自动驾驶提供物理精确的合成数据——这意味着他们在仿真引擎这件事上已经有了成熟的工程积累。现在把同样的能力迁移到机器人身上，不是从零开始，而是把已经在自动驾驶赛道里验证过的方法论"升维"到具身智能。
但是"升维"仅仅体现在机器人的复杂度上，在另一些层面上甚至算是“降维”。
自动驾驶对实时性、安全性和数据质量的要求，在很多维度上比机器人更高。一个在120公里时速下要保证毫秒级响应的系统，迁移到一台实验室里慢慢倒试剂的机械臂上，降的不是一个量级。
这就是为什么清科灵境能在半年内跑通闭环。不是因为他们跑得快，是因为他们站在一个已经走通过一遍的路上。
（三）物理约束下的世界模型数据生成
说完了"人"，再说"粮"。
具身智能最稀缺的资源是什么？不是算力，不是算法，而是数据。
这里说的数据不是普通的图片或文本，而是机器人在物理世界中与环境交互的操作数据——手怎么抓、力怎么控、物体在空间中的位姿怎么变。这类数据采集成本极高：需要真实的机械臂、专业的操作员、反复的试错，一条高质量的操作轨迹可能要花掉上百块。而且很多长尾场景——比如极端光照下抓取透明物体——你想采都采不到。
清科灵境给出的解法是一套"物理约束下的世界模型数据生成"平台。说人话就是：用仿真引擎+世界模型联合驱动，批量生成照片级真实的训练数据。
这个方案的几个技术指标值得注意：
生成数据的视觉真实度FID（Fréchet Inception Distance，一种衡量生成图像与真实图像分布差距的指标）接近真实数据分布，意味着域差距被大幅压缩。
支持组合式生成罕见物体交互、极端光照、复杂遮挡场景——也就是所谓的"长尾场景无限扩充"。
物理仿真引擎做约束校验，保证生成的数据在物理层面是自洽的。
再加上他们的第一人称数据采集（Ego-centric）设备和基于UMI的无本体众包采集方案，一个10倍降本的数据流水线就搭起来了——不需要机器人，不需要专业操作员，甚至不需要固定的实验室，全球任何一个人都能用头戴设备采集数据。
虚实结合，合成数据+真机数据+Ego数据，三种数据源汇入统一的数据湖，形成闭环。这其实就是他们在BP里反复强调的核心逻辑：打破真实世界的数据成本瓶颈。
（四）Dora：专为具身智能设计的原生底座
说到机器人操作系统，整个行业绕不开一个名字：ROS（Robot Operating System，机器人操作系统、中间件）。
ROS诞生于2007年，是斯坦福大学和Willow Garage搞出来的开源框架。十几年了，几乎全世界做机器人的人都在用。但问题在于，ROS设计之初根本没考虑过大模型时代的需求——一个要在机器人上跑的视觉语言大模型（VLM），动辄几十GB的参数，多模态传感器数据流高频涌入，ROS的数据传输架构根本扛不住。
清科灵境给出的答案是Dora。
Dora不是又一个"改进版ROS"。它是2022年由清科灵境联合华为Futurewei推出的新一代机器人原生操作系统，专为世界模型和具身智能设计。
Hugging Face联合创始人、首席科学家Thomas Wolf在看到Dora后的评价是："A super impressive replacement of ROS."（一个令人印象深刻的ROS替代品。）
这个评价的分量，在AI开源圈里相当重。
Dora的底层有两个核心优化，值得拆开说。
第一，大模型张量直通。传统的ROS2在传输数据时需要序列化/反序列化——简单说就是数据在发送端被打包成字节流，到接收端再解包，一来一回开销不小。在大模型时代，WAM模型输出的动作控制张量（Tensor）动辄上百万个参数，如果走传统的序列化路径，延迟根本无法接受。
Dora的做法是打破内存隔离——模型输出的张量与硬件控制节点的内存数据格式完全一致，直接内存映射，零拷贝传输。实测数据：Dora的传输延迟为0.9微秒，ROS2为15.2微秒，数据传输效能最高快17倍。
0.9微秒是什么概念？是ROS2的十七分之一。在一个需要高频传感器数据实时流入、大模型实时推理、运动控制实时下发的系统里，这个延迟差距可能就是"能跑"和"不能跑"的区别。
第二，异构算力的确定性调度。大模型跑在GPU上，传感器采集跑在CPU上，运动控制也跑在CPU上——三者在抢算力。Dora提供了内核级深度定制和CPU核心锁定（CPU Isolation），确保关键任务的算力不会被大模型推理挤占。
这两个优化放在一起，解决的是具身智能操作系统最核心的矛盾：大模型要吃大量算力，而实时控制需要确定性低延迟。传统方案在这个矛盾面前只能做妥协——要么降低模型推理频率，要么牺牲控制精度。Dora从底层架构上消除这个妥协。
软硬件协同优化，这才是"底座"二字的真正含义。
（五）WAM：让机器人"看懂"物理世界的世界动作模型
有了数据和操作系统，最后一块拼图是"大脑"——也就是清科灵境的WAM（World Action Model，世界动作模型）。
当前业界做机器人"大脑"，主流路线有三条：纯大模型驱动的端到端方案、模块化感知-规划-控制架构、以及世界模型路线。前两条的问题很明显——纯大模型方案在开放物理世界中缺乏安全性和确定性，模块化方案在跨场景泛化上瓶颈明显。
清科灵境走的是世界模型路线，但做了一个关键设计：统一世界动作模型。
传统方案里，"理解世界"和"输出动作"是两个割裂的模块——感知模块看完场景输出一个状态，决策模块拿这个状态去规划动作。两个模块之间的信息传递必然有损失。
WAM把这两件事融合到一个模型里：它同时做动作生成和状态预测。输入当前状态和任务目标，模型不仅输出"下一步该做什么动作"，还同步预测"做完这个动作之后世界会变成什么样"——形成"感知—决策—预测"的闭环。
这个设计的好处是：机器人不再是"盲执行"，它在做每一个动作之前就已经预演了动作的后果。如果预测结果显示"撞墙了"或者"杯子掉了"，它可以提前调整。这就是所谓的"在动态开放环境中的安全交互"。
（六）走进中科大实验室：科研场景率先落地
技术说了这么多，最终还是要看落地。
清科灵境选择的第一站不是工厂，不是仓库，而是中国科学技术大学精准智能化学全国重点实验室，一个对操作复杂度和准确度要求极高的场景。
这个选择挺有意思。
为什么是科研实验室？因为AI for Science（AI驱动科学研究）正在成为全球共识——2025年美国启动"创世纪计划"（Genesis Project），要在9个月内建立可运行的"科学人工智能"闭环系统；英国也在AI科学战略中把AI4S工具和自主实验室列为关键能力建设方向。
中国同样在推动这件事。2025年4月，高层明确提出"以人工智能引领科研范式变革，加速各领域科技创新突破，构建企业主导的产学研用协同创新体系"。
科研实验是一个高度结构化、操作流程标准化的场景，每一步都有明确的物理和化学规则约束。对于一个世界模型驱动的机器人来说，这几乎是完美的"训练场"：任务边界清晰，安全约束明确，而且每一次操作的结果都可以用量化的指标来评判。
清科灵境和中科大的合作，落地到具体层面是这样的：
机器人采用清科灵境自研的Dora操作系统，替换掉实验室原有基于国外ROS的机器人系统——这本身就是一步"国产替代"的操作。然后融合"灵境"具身智能体的AI智能视觉算法，对机器人的每一步操作进行视觉监控，确保可靠。更关键的是，双方在共同构建一个"科学实验世界模型"——融合物理与化学知识，让机器人不只是机械地执行预设动作，而是能理解实验的原理，具备推理和自主执行复杂实验任务的能力。
实验室里需要机器人具备三种能力：运动和操作能力（自主移动、长程任务规划、搬运上下料、仪器灵活操作）、实验探索能力（模仿和学习实验技能，像实验员一样精准操作）、空间交互能力（与科研工作者协同交流，理解科研需求并转化成指令）。
这三种能力，恰好分别对应了WAM、Dora和混合数据平台的输出。
也就是说，清科灵境的三大核心产品——混合数据、Dora操作系统、WAM大脑机器人——在科研实验室这个场景里形成了一个完整的验证闭环。这不是一个demo，而是一个真正在运行的系统。
除了中科大，清科灵境还在跟星海图、灵猴机器人共建联合创新中心，做技术联调和标准共建，目标是推全国产化具身智能方案。
（七）写在最后
回到开头的问题：这家公司为什么能在半年内落地机器人应用？
答案其实不复杂。
不是因为他们跑得比别人快，而是因为他们一开始就不是从零起跑的。姚期智院士孵化的学术底座，自动驾驶行业十几年攒下的仿真数据和系统工程方法论，一支"懂科学、善工程、懂管理、强落地"的综合团队——这三样东西叠加在一起，决定了清科灵境在起跑线上就已经领先了一个身位。
然后是技术路线的选择。Dora操作系统解决了"手脚怎么动"的问题——17倍于ROS2的传输效率，内核级算力确定性调度。物理约束下的世界模型数据生成解决了"数据从哪来"的问题——照片级真实、物理一致、长尾无限扩充。WAM世界动作模型解决了"脑子怎么想"的问题——动作—状态联合预测，VLM教练反馈，持续进化。
三块拼图扣在一起，就是一个完整的具身智能技术栈。
最后是落地策略。选择从科研场景切入，而不是一头扎进工商业的红海——这是一个聪明的选择。科研实验室的标准化程度高、安全约束明确、结果可量化，是机器人从"能跑demo"到"真正干活"之间最理想的过渡地带。等在实验室里把系统跑稳了，再往工业、医疗、商业场景拓展，路径自然就顺了。
按照他们的规划，2026年底实现"人机协作世界动作模型"开发，完成100台最强大脑本体的销售和场景落地；2027年底预计销售1000台；2028年目标10000台。科学协作机器人产品同步在院校和医学领域试点。
这些数字结果能否符合预期还是超预期，现在谁也说不准。但至少在当下这个节点上，清科灵境给行业展示了一种可能性：具身智能的落地，不一定非得从做一个炫酷的本体开始。先把数据、操作系统和大脑这三件事做扎实，落地就是水到渠成的事。
步日欣，创道硬科技创始人，北京邮电大学集成电路专委会副会长，浙商证券研究院专家，兼任多家投资机构投委。电子工程本科、计算机硕士学位，具有证券从业资格、基金从业资格，拥有IT研发、咨询、投融资十五年以上经验，关注投资领域为半导体、智能制造、新能源等。“硬科技新势力”平台覆盖5w+投资人和几千家科技型创业企业，并辅导几十家科技企业完成股权融资。
