成立不到兩年，估值接近15億美元——
這是一家2024年成立的AI創業公司——靈初智能（PsiBot）。
這個速度，在當前火熱的具身智能賽道里依然足夠引人關注。
根據彭博社的最新爆料，靈初智能剛剛完成新一輪融資，投后估值達到約14.8億美元，正式躋身具身智能獨角獸行列。
投資者名單中出現了汽車、制造業等產業資本的身影。
這也讓外界十分好奇：
PsiBot是誰？為什么突然值15億美元？
據彭博報道，靈初智能正在完成新一輪融資，投后估值達到約14.8億美元，約101億人民幣。
成立于2024年9月的具身智能創業公司來說，靈初智能躋身獨角獸的速度引發關注。
但如果回看靈初的發展路徑，可以發現其融資節奏和技術布局幾乎同步推進。
靈初成立后不久便完成天使輪融資，由高榕資本、藍馳創投等機構參與，資金主要用于強化學習機器人技能訓練、場景數據采集以及具身智能模型研發。
隨后，公司持續獲得產業資本關注。
此次新融資中，包括奇瑞、藍思科技等汽車和制造業相關企業參與，也體現出傳統產業對于機器人智能化方向的興趣。
不過，與已經形成規模化銷售的機器人企業相比，靈初目前仍處于技術和產品快速迭代階段。
它的核心方向，并不是制造一臺通用機器人，而是建立一套讓機器人具備理解、學習和執行能力的AI系統。
這也是市場關注的關鍵：
一家成立時間并不長的公司，為什么能夠獲得接近15億美元估值？
答案，需要從團隊和技術積累中尋找。
靈初智能的團隊構成，并不像傳統機器人創業公司那樣以硬件工程為中心。
從公開資料來看，其核心成員覆蓋了產業產品、機器人系統、自動駕駛工程以及強化學習研究多個方向。
創始人兼CEO王啟斌，是團隊中負責產業化的一環。
公開資料顯示，王啟斌博士畢業于喬治華盛頓大學，并擁有近20年消費電子和機器人產業經驗，曾參與BlackBerry、Sonos、云跡科技、京東等相關業務。
從云跡開始，王啟斌進入機器人行業，主要是服務機器人、酒店機器人等。
他的經歷更多集中在產品定義和商業化推進。
對于具身智能企業來說，實驗室里的算法能力只是第一步，如何將技術轉化為穩定產品，并進入真實應用場景，同樣是重要挑戰。
聯合創始人柴曉杰，則帶來了機器人和自動駕駛領域經驗。
其擁有機器人與L4自動駕駛相關背景，覆蓋算法、仿真和工程系統建設。
自動駕駛行業過去幾年積累的感知、規劃、數據閉環能力，與機器人系統存在一定共通性，也成為靈初探索具身智能的重要工程基礎。
而在算法研究方面，靈初與北京大學人工智能研究體系聯系更加緊密。
首席科學家楊耀東，本科畢業于中國科學技術大學，隨后獲得帝國理工學院碩士學位，并在倫敦大學學院（UCL）取得博士學位。
目前，他擔任北京大學人工智能研究院助理教授、博雅學者，長期研究強化學習、多智能體系統以及具身智能相關方向。
另一位核心成員陳源培，則代表年輕一代機器人研究者。00后，北京大學碩士，師從楊耀東，目前是靈初智能聯合創始人兼強化學習負責人。
本科畢業于華南理工大學土木工程，大二起自學機器人算法并參與RoboMaster競賽。2023年赴斯坦福訪問學習，曾在斯坦福李飛飛實驗室實現全球首次雙臂操作長程任務。
在靈初內部，陳源培主要負責靈巧手、外骨骼數據采集設備等方向。
目前，靈初與北京大學共建“北大-靈初智能具身靈巧操作聯合實驗室”，由楊耀東擔任首席科學家。
楊耀東陳源培師徒二人，也是靈初智能鮮明的北大底色。
靈初并不是單純押注機器人硬件，而是在嘗試把產業經驗、工程能力和AI算法能力結合起來。
背后對應具身智能發展的兩個關鍵問題：
機器人如何獲得智能能力，以及這些能力如何真正進入現實世界。
靈初智能的團隊背景，也決定了靈初后續選擇的路線：從機器人“大腦”能力切入具身智能。
靈初智能不是從一臺機器人開始，而是從機器人最核心的問題——如何學習復雜操作開始。
團隊此前的重要研究之一，是機器人雙手靈巧操作方向的Bi-DexHands平臺。
相關論文《Towards Human-Level Bimanual Dexterous Manipulation with Reinforcement Learning》探索利用強化學習訓練機器人完成雙手協同任務。
過去，機器人完成任務往往依賴人工編程，例如機械臂移動到指定位置，抓取固定物體。
但真實世界更加復雜，同一個任務可能因為物體形態、位置變化以及環境差異產生不同結果。
因此，具身智能的發展方向之一，是讓機器人從“執行規則”，轉向“通過訓練獲得技能”。
Bi-DexHands研究嘗試通過強化學習，讓機器人在模擬環境中學習雙手操作能力，這解決的是機器人從簡單移動走向復雜操作的重要問題。
除了強化學習訓練，團隊也探索利用人類動作數據幫助機器人學習。
Object-Centric Dexterous Manipulation等研究關注如何將人的操作經驗遷移給機器人，減少針對單個任務的大量人工編程。
這一方向，也是當前全球具身智能公司共同探索的路線。
在這些研究基礎上，靈初進一步布局Psi-R系列具身模型。
Psi-R采用視覺-語言-動作（VLA）架構，將視覺理解、語言任務和機器人動作連接起來。
簡單來說，機器人不僅需要看到環境，還需要理解人的指令，并將理解轉化為具體動作。
其分層架構中，上層負責任務規劃，下層負責動作生成，希望支持機器人完成長時間、多步驟任務。
不過，從論文成果到通用機器人，中間仍然存在明顯挑戰。
相比自動駕駛，機器人缺少天然的大規模真實世界數據來源。
數據規模、環境泛化能力以及訓練成本，依然是整個行業面臨的問題。
因此，靈初真正想建立的，并不是某一個單獨模型，而是一套圍繞數據、模型和機器人的閉環體系。
具體來看，Psi-R系列是公司的核心AI模型。
除了視覺、語言和動作融合之外，靈初還布局Psi-W0世界模型。
該模型定位為動作條件世界模型，主要用于環境狀態預測、策略評估以及合成數據生成。
它承擔的作用，是幫助機器人在執行動作前預測環境變化，并降低真實機器人訓練成本。
數據方面，靈初推出Psi-SynEngine具身數據采集系統。
機器人訓練最大的瓶頸之一，就是高質量數據不足。
靈初采用“以人為中心”的數據采集路線，通過外骨骼手套等設備采集人類操作數據，再轉換為機器人訓練數據。
這一思路希望解決機器人數據獲取成本高的問題。
硬件方面，靈初采取“小全棧”模式。
公司自主設計核心硬件方案，生產制造采用外協方式，以降低成本并聚焦算法。
其中，Psi-H1五指靈巧手是其代表產品。
該產品擁有21個自由度，支持力控和觸覺反饋，主要面向物流抓取、裝配等精細操作場景。
此外，Psi-E1外骨骼數據采集手套，則承擔數據采集功能。
整機方面，靈初推出PsiBot V1輪式雙臂移動操作機器人。
該機器人搭載雙機械臂和靈巧手，主要用于物流、零售等場景驗證。
如果把這些產品串聯起來，可以看到靈初試圖構建一個完整閉環：
數據采集系統負責產生訓練數據；
Psi-R模型負責學習；
硬件負責執行；
機器人進入真實場景后繼續產生反饋數據。
這種“數據—模型—機器人”的循環，也是當前具身智能公司的核心競爭方向。
不過，靈初智能依然面臨現階段所有具身玩家的挑戰——
數據規模、真實環境泛化和成本。
因此，靈初的15億美元估值，更像是市場對于某種技術路線的提前定價，而不是對成熟產品的確認。
如果把靈初智能放到整個具身智能產業版圖中，它并不是一家傳統意義上的機器人制造商。
更準確地說，它是一家以具身智能模型和機器人數據閉環為核心，同時向硬件和場景延伸的AI機器人公司。
過去機器人公司的競爭重點，更多集中在機械結構、運動控制、供應鏈能力。
但隨著大模型技術展現出的潛力，競爭焦點正在發生變化：
機器人不僅需要“身體”，更需要一個能夠理解環境、學習技能、持續進化的“大腦”。
靈初選擇的路線，就是從“大腦”切入。
這使它更接近當前全球具身智能產業中的“機器人基礎模型公司”。
不過，在這個賽道里，靈初并不是唯一一家獲得高估值的企業：
暫時無法在飛書文檔外展示此內容
以上是所有目前稱得上“獨角獸”的具身智能玩家，當然特斯拉這樣的的巨頭也沒有遺漏。
靈初與Physical Intelligence的方向更接近，都希望通過基礎模型提升機器人的通用能力。
但兩者側重點不同：Physical Intelligence更偏純模型路線，希望打造類似機器人領域“大模型平臺”。
靈初則試圖建立：模型 + 數據采集 + 靈巧硬件 + 場景驗證的完整閉環。
這也是靈初強調Psi-SynEngine和Psi-H1靈巧手的重要原因。
所以15億美元估值，首先不是對一家成熟機器人公司的定價。
本質上其實是市場正在押注一個趨勢：
未來機器人競爭的核心，既包括機械能力，更核心的還是智能能力。
尤其是多模態大模型出現后，機器人競爭開始向另一層遷移：
誰擁有更強的模型、誰擁有更多真實世界數據、誰能建立更高效的數據閉環。
這也是為什么自動駕駛、汽車企業開始進入機器人領域。
因為自動駕駛和機器人雖然面對不同場景，但底層技術高度相似：
都需要環境理解、都需要世界模型、都需要預測和決策、都需要通過數據持續訓練。
這些能力，都可能成為機器人發展的重要基礎設施。
所以某種程度上，自動駕駛的技術體系尤其是數據基礎設施，正在成為具身智能的“前置實驗場”、Kick Start。
Tesla選擇將FSD能力遷移到Optimus，本質也是技術復用。
而未來1-2年內具身智能競爭勝負手，很可能不是單一的模型、本體之爭，而是：
誰能夠建立，或者復用自動駕駛已有的連接現實世界的數據，和AI基礎設施。
— 聯系作者 —
— 完 —
【智能車參考】原創內容，未經賬號授權，禁止隨意轉載。
點這里??關注我，記得標星，么么噠～
