封面

我们的团队起源于2007年。当时我还在读大学。但早在中学时代，我就已经开始涉足机器人的研究与设计。不过那时的成果只能称为小制作，只能使用木头、铁片、塑料等材料搭建一些简单的机器人。由于发现相关制作需要用到精密加工技术，我就央求父母提前将我送入大学的精工实习工厂，系统学习了精密机械臂的设计及相关加工工艺，也因此比同龄人更早接触到工程学领域。

机器人研究的下一步该学习什么？

高考填报志愿时，我陷入了困惑：机器人研究的下一步，该学习什么？机械领域的知识已有所积累，或许可以转向电子与控制方向。基于此，我报考了哈尔滨工程大学自动化学院。入学后，我将中学时代未完成的机械手原型展示给同学们，邀请有兴趣的同学共同参与研发，我们就此组建了团队。团队成立初期，我们面临着没有实验室场地、没有启动资金的困境。于是我们走遍了学校各个部门与实验室，积极与老师沟通交流。经过半年的努力，我们迎来了一个难得的机遇——国家大学生创新性实验计划。当时，哈尔滨工程大学是首批具备该项目申报资格的高校之一，允许本科生申请国家课题及相应经费。在一位教授的指导下，我们成功申请到第一笔启动经费——32000元。

这笔经费对于灵巧手这类高投入的研发项目而言，其实是杯水车薪。也正是从那时起，我们养成了精打细算的习惯，每一笔开支都反复斟酌。也正是在这样的条件下，我们为灵巧手找到了独一无二的技术体系与技术路线，使其天生具备低成本、可量产的特点——我们选择了内骨骼式仿生腱传动技术体系。

当时我们研发的灵巧手拥有32个自由度，其中包含25个主动自由度和7个被动自由度，基本覆盖了人手的大部分主要自由度。但新的问题又接踵而至：如此灵活的手部，该如何实现控制？于是，我向伯克利、斯坦福等多所国外高校的教授写信求助，希望他们能分享先进的控制方法。其中，斯坦福大学一位教授给我回信指出：“无论你的机械部分做得多么灵活，若智能水平跟不上，它终究只是一堆废铜烂铁。”这句话点醒了我：我真正需要解决的并非控制问题，而是智能问题。在他的建议下，我申请了斯坦福大学的研究生项目，并有幸成功入学，也遇到了人生中的第二位贵人。

进入斯坦福大学后，我就读于计算机科学学院人工智能专业，系统学习了主流的机器学习、计算机视觉、数据挖掘、机器人运动控制等相关知识。经过两年的密集学习，我却陷入了深深的迷茫。原因在于，这两年间，我始终未能找到灵巧手的合理控制方案。更让我困惑的是，提及人工智能，即便没有工程学背景的人，也会下意识地联想到人类思维、感知与意识的产生机制，但我在斯坦福学习人工智能相关课程时，没有一门课程提及过人脑、人的心理学等相关内容。我们所有的课程，从始至终都在讲解各类数学解题技巧。这让我不禁怀疑，自己是否走错了方向。

记忆与学习是人类认知过程中不可或缺的关键环节

时间来到2013年，我从斯坦福大学毕业，开始面临就业选择。我首先加入了亚马逊，在硅谷参与Echo智能语音音箱的智能项目研发。同年毕业典礼期间，我的外祖父托父母将他未发表的理论手稿以家书的形式带给了我。我的外祖父早年是哈尔滨工程大学（当时名为哈军工，后更名）的第一期学员，主要从事信息处理与语音合成领域的研究。到了中晚年，他又广泛研读神经解剖学、心理学相关书籍，早已找到了一条独特的研究路径——用信息处理的视角解释神经系统的工作原理。

手稿中，外祖父嘱托我：“化龙，你如今已掌握了人工智能的基础知识，现在应当开始向人脑探索。”读完他的手稿，我恍然大悟，原来他早已找到了我困惑已久的答案。他发现，记忆与学习是人类认知过程中不可或缺的关键环节，人类所有的高级认知现象都基于记忆产生，而记忆的形成离不开学习过程，且这种学习需依托大脑高效的信息编码原理。若编码效率过低，人类从出生到衰老所积累的记忆与知识，会导致大脑神经网络容量过载，而人类大脑的神经元数量在青春期后便基本稳定在固定量级。

在外祖父的指引下，我利用亚马逊工作之余的时间，回到学校继续旁听神经生物学、胶质细胞科学、发展心理学等课程。期间，我接触到了一门极具意义的学科——计算神经科学。该学科起源于20世纪70年代，大卫·马尔等学者最早发现，可将计算机、神经科学、信息学与数学进行深度交叉融合。这一学科早在20世纪便已传入美国，但在中国的发展起步较晚。

在美国学习神经科学的这段时间，我找到了一条全新的发展路径，这条路径与当时主流的计算原理（包括深度学习）截然不同。我曾尝试寻找合作伙伴，希望共同探索这条道路，但遗憾的是，当时大多数人更倾向于选择深度学习方向。当然，从目前的发展来看，大模型确实在商业应用领域取得了辉煌的成就。

之所以能坚持下来靠的是时间与毅力的积累

2017年，我毅然决定回国创业，决心自己来做这个研究。幸运的是，当年本科时期与我一同研发灵巧手的老团队成员，也愿意加入我，共同深耕类脑计算领域。2017年回国时，国内创业融资环境主要集中在以深度学习为核心的各类商业应用，尤其是自动驾驶领域，相关企业如雨后春笋般涌现。每次与投资人沟通，他们总会直接询问：“你打算用深度学习做什么应用？应用场景和产值如何？”当我向他们介绍我们正在深耕的类脑计算这一全新领域时，他们往往一脸困惑。当时，类脑计算的概念难以解释，我也因此面临着巨大的沟通困境，很难找到投资人去正常交流。

因此，2017年至2020年期间，我干脆放弃了融资，带领团队潜心钻研类脑计算的关键原理。经过三年的努力，我们成功验证了所有关键原理。2020年，奇迹出现了：我有幸结识了“奇绩创坛”（原YC中国）的陆奇老师，他力荐我们加入“奇绩创坛”，我们也顺利获得了第一笔种子融资，让项目得以继续存活。

同样在2020年，另一件奇妙的事情发生了。多年来，我一直试图为灵巧手寻找合适的应用场景，却始终未能准确定位。直到一些工业场景的客户——如服装生产厂、布料厂、纺织厂、危化品拆解公司等，主动联系我们，希望借助灵巧手解决他们的生产难题。那一刻我才恍然大悟，原来已有部分具有远见的企业家，早已想到运用先进技术解决生产中的实际问题。于是，我们开始迭代最新款的灵巧手。

如今，随着人形机器人的火爆，灵巧手逐渐被大众熟知，但五年前，当我提及灵巧手时，几乎无人知晓，甚至有人误以为我们是做机械臂的。好在，随着行业的发展，整个产业逐渐崛起，我们向市场科普灵巧手的成本也大幅降低。早期，我们的实验条件十分艰苦，在深圳天安云谷时，我们直接在公寓里组建了小型实验室，所有工程师挤在狭小的空间里开展工作。后来，随着团队不断发展壮大，我们才有了更大、更宽敞的实验室。

之后，我们受邀将公司总部迁至北京，拥有了更广阔的实验空间。如今，团队规模接近20人，累计申请了大量专利，目前已拥有不少于120项知识产权。灵巧手的发展过程中，也受到了诸多非议与质疑。行业内大多数企业采用连杆式结构研发灵巧手，很少有企业涉足腱传动领域；此外，多数企业选择研发低成本的电机内置式灵巧手，因此经常有人问我，为何不选择这条入门门槛低、能快速推出人形机器人产品的道路。事实上，仿生腱传动灵巧手的研发周期极长，需要克服传感、传动、材料等诸多难题，技术链条也更为漫长，甚至需要对电机进行定制化研发。我们之所以能坚持下来，靠的是时间与毅力的积累。当年，我选择不追求过早推出简单产品投放市场，因为那样会让团队消耗大量资源与时间，错失研发具有长期生命力和广阔市场前景产品的机会。正是这份坚守，让我们没有动摇，坚定深耕仿生腱传动技术。

事实也证明，这种技术路线在市场上的适配度更高：2025年第一季度，我们在物流运输行业斩获了数百万元订单；今年年初，又获得了突破千万元的订单。客户的认可，正是源于我们在技术领域的坚持与技术路线的正确选择，经过长期打磨与多方对比，他们最终选择了我们，也印证了我们在每一个动摇时刻，都坚守住了创业初心。

类脑计算的发展仍有广阔的战略纵深

灵巧手最理想的技术路线是仿生腱传动，其核心原理源于人体科学。当前，多数机器人研发团队要么出身机械设计，要么擅长控制理论，要么专注材料科学等领域，但很少有人意识到，对于拟人型、类人型机器人（尤其是手部肢体）而言，最优质的技术路线应以人体科学为蓝本。只有精准把握人体科学的核心原理，设计出的产品才能最贴近自然。人类身体经过上亿年的进化，其结构与功能必然有其合理性，无论是触觉、皮肤，还是神经系统、大脑，每一个部分都有着精妙的工作机制。传统深度学习忽略了真实神经元的绝大部分工作特性，进行了高度的工程简化，且训练过程采用的是数学优化原理，并未借鉴人脑的神经可塑性。而人脑的神经可塑性极具优势，能够更好地捕捉事物之间的本质关联，发掘事物在时空上的因果关系，且学习效率极高——可在几毫秒至几十毫秒的时间窗口内，缓存当下眼、耳、鼻、舌、身五感，甚至包含第六意识的那个“意”所接收的主要信息。这种瞬时学习系统，确保了人类能够在三维真实生活环境中快速适应。类脑计算若能充分借鉴并挖掘人类神经系统的工作原理，便能实现终身在线、实时学习的能力，成为推动具身智能落地的关键技术路线。

当前，投资人普遍追捧深度学习、大模型、VLA等技术，这些技术固然具有巨大的商业价值和潜在发展空间，但与类脑计算属于两条平行的发展路径。在资源有限的情况下，我们必须学会取舍，选择一条真正通往未来、值得我们笃信并坚持的道路。

类脑计算的应用场景极为广阔，与灵巧手结合后，应用范围更是能够覆盖人类社会的所有产业——只要是需要人力付出、体力劳动的场景，基本都能实现有效替代。当然，这也可能引发一个社会伦理问题：若大量人力被替代，人们失业该怎么办？人类历史上经历过多次工业革命，但即便如此，人类始终未能从体力劳动中真正解放，甚至在煤矿、化工、天然气等易燃易爆的危险场景中，可能要付出生命代价。

灵巧手与类脑计算的出现，将解决人形机器人与具身机器人落地的最后一公里难题，让这些机器人真正实现人力解放。未来，无论是第一产业（农、林、牧、副、渔），还是第二产业（各类工业，从煤矿、石油、天然气、电力能源开采，到机加工、产品物流、分拣、传输，再到产品拆解、回收），都能实现类脑计算与灵巧手的落地应用，形成完整的产业生态闭环。这不仅意味着巨大的市场空间，更具有深远的社会意义——它将推动人类社会产业结构变革，甚至改变人类的经济模式与社会分配方式。当人类从体力劳动中解放出来，将拥有更多的身心自由，去探索更高层次的精神价值与内在追求。

中国的一级市场与美国的一级市场存在较大差距

中国的一级市场与美国的一级市场存在较大差距。我在硅谷期间，曾作为普通合伙人，协助哈尔滨工程大学校友会基金进行项目考察。我们发现，硅谷的投资人对前沿科技抱有浓厚兴趣，他们热衷于“Disruptive Technology（颠覆性技术）”，愿意投入资金支持这类项目。

硅谷的投资传统始于英特尔等芯片企业，从那时起，投资人便深知硬科技产业发展周期漫长，过程中会遭遇各种波折，需要持续的海量资金投入。此后，投资方向逐渐过渡到杨致远创办的雅虎等第一代互联网企业，再到谷歌、Facebook等第二代，Uber、Airbnb等第三代偏上层商业模式应用的互联网产业。

中国的投资路径则恰好相反。中国第一批商业化投资始于互联网领域，优先投资商业模式与应用，这导致过去多年来，商业资本更看重商业落地，对颠覆性技术的认知仍有提升空间。相关部门早已意识到这一问题，因此设立了大量政府引导基金，目前市场上90%以上活跃的基金都具有国资背景。这无疑为创业生态提供了巨大支持，尤其助力早期科技创业者，践行“投早、投小、投科技”的理念，是一项极具意义的举措。但美中不足的是，地方国资基金大多存在反投要求、迁址落地要求，不同城市、同一城市不同区域的基金之间缺乏协同，甚至存在壁垒。

企业被切割成一段段的“地方项目”，而非一个完整的、可连续融资的市场主体。这可能会导致被投企业陷入“一锤子买卖”的困境，不利于早期硬科技项目的发展——因为硬科技企业需要持续融资才能维持发展。

在整个融资过程中，我们经历了无数艰苦卓绝的谈判，以应对上述挑战。我了解到，许多同龄创业者也都有过类似的经历，这个过程漫长而艰辛。正因为亲身经历过这些苦难，我不愿其他同龄创业者重走我的老路。我也呼吁，我们这一代创业者，要像当年的“92派”企业家一样，挺身而出，主动提出问题，建立合作机制，与相关部门有效协商，进一步优化中国一级市场环境，推动投融资生态健康发展。唯有如此，中国才能在人工智能领域的国际竞争中，牢牢抓住关键的黄金发展期，不被时代淘汰。