泉源：沙梅特：我们要在G4终结系列赛作者： 林郁萍：

29岁香港博士入局具身智能，，，，一年时间融资四轮

当人形机械人赛道挤满巨头和资源时，，，，29 岁的彭锐选了一个不太一样的切入点：仿生柔性机械臂。。。

彭锐是香港大学机械工程系博士。。。19岁那年他拿了天下大学生电子设计竞赛一等奖和RoboCon天下一等奖，，，，21岁加入大疆做机械人嵌入式开发，，，，博士时代以自力第一作者在Nature子刊揭晓了机械人偏向的研究效果。。。从本体设计究竟层控制，，，，从感知决议到智能模子，，，，他险些把机械人手艺栈的每个要害环节都走了一遍。。。

2025年3月，，，，他开办了擎羽科技。。。团队成员来自斯坦福、清华、普林斯顿等高校以及大疆等科技公司，，，，平均年岁26岁，，，，最年轻的成员仅19岁。。。

这家年轻公司近期完成了由顺为资源与五源资源联合投资的Pre-A轮融资。。。建设至今，，，，擎羽已完成四轮融资：2025年7月获得奇绩创坛种子轮投资；；；；；2026年1月完成由德迅投资领投的天使轮融资；；；；；3月完成由东方富海领投的天使+轮融资及由德迅投资领投的Pre-A轮融资。。。??

顺为资源对此给出的判断是："擎羽科技的绳驱柔性机械人有望突破古板刚性机械人在清静性与安排本钱上的限制。。。同时，，，，该蹊径自然适配具身模子训练，，，，可实现最后轨迹与硬件解耦，，，，并以少量真机数据合成大规模有用仿真数据，，，，缓解数据瓶颈。。。"

擎羽的手艺结构可以拆成三个环节：柔性硬件、数据飞轮、跨本体模子。。。三个环节是递进的，，，，柔性硬件给出差别化的物理能力，，，，数据飞轮把这种能力转化成训练燃料，，，，跨本体模子再把积累的履历泛化出去。。。

硬件是起点。。。焦点产品是一台自重 750 克起步的绳驱柔性机械臂。。。绳驱这条路自己不算新，，，，但它恒久卡在实验室里出不来。。。根子在于微型驱动模组的工程化一直没走通：驱动单位怎么做得足够小、绳索张紧机构怎么包管不松一直、柔性体的控制精度能不可抵达适用的水平，，，，这三件事，，，，没有一件能从论文直接酿成产品。。。擎羽的路子是自研紧凑型驱动模组，，，，把电机、减速机构和张力赔偿塞进一个有限空间里，，，，最终机械臂维持 5:1 的负载自重比和单枢纽 35 公斤承重，，，，自重压到了公斤级以下。。。

柔性结构带来的控制挑战同样不小。。。受力时的弹性形变、绳索的摩擦非线性，，，，都会让最后的现实位置偏离理论值，，，，并且偏离量随工况转变。。。擎羽的步伐是在仿真里建高保真的柔性体动力学模子，，，，拿少量真机数据做参数标定后迁徙，，，，现在操作乐成率在 95% 以上。。。另外产品走的是？？？榛杈，，，，10厘米到2米都可以定制，，，，统一套驱动和控制架构能适配形态差别很大的本体，，，，这给后面的跨本体模子训练留了硬件接口。。。

硬件之上是数据飞轮。。。擎羽的数据泉源有三条线：差别应用场景的行业机械人操作数据，，，，笼罩多样化的使命和情形条件；；；；；通过遥操作和示教收罗的人类操作轨迹，，，，人类战略对使命变异的泛化能力往往优于算法天生的路径；；；；；自有机械人在现实安排中爆发的回流数据，，，，这部分数据不经由仿真，，，，直接来自真实天下。。。三条线汇到一起，，，，用来迭代训练跨本体模子。。。模子变强，，，，安排乐成率就上去了，，，，能进的场景就更多，，，，回流数据就更多，，，，循环就这么转起来。。。

不过飞轮能否一连运转，，，，取决于数据管道能否维持足够的多样性和质量。。。数据规模增添带来的边际收益递减，，，，是这一类系统的配合挑战，，，，擎羽现在还处于飞轮的早期阶段。。。

飞轮指向的终点是跨本体通用智能模子。。。"跨本体"指的是统一个模子能够驱动差别形态、差别自由度、差别规格的机械人执行使命，，，，这比跨视觉、跨语言更难题，，，，由于机械人的物理形态直接决议了它与情形交互的所有条件。。。

擎羽的思绪是在轨迹妄想层和硬件执行层之间做一层解耦，，，，模子只输出跟硬件无关的操作意图和最后轨迹，，，，由各本体自己的控制器把笼统指令翻译成枢纽驱动信号。。。这么一拆，，，，接入新形态的机械人只需要搞定控制器层，，，，模子焦点不必动。。。理论上看，，，，具身智能跨场景安排的贫困会少许多。。。

这一思绪与硅谷的Physical Intelligence保存交集，，，，PI同样强挪用多本体数据训练统一模子。。。区别在于，，，，擎羽想把跨本体从训练阶段延伸到推理安排阶段，，，，让统一个模子实例直接跑在差别的硬件上。。。难度显然更高一截，，，，现在还没有果真的第三方验证。。。

整体来看，，，，擎羽的三个手艺环节是串行的链条，，，，柔性硬件提供差别化的物理能力，，，，数据飞轮把这些能力转化为训练燃料，，，，跨本体模子将积累的履历泛化。。。但同样值得理性看待的是，，，，三个环节现在都处于验证期，，，，硬件的量产一致性、飞轮的数据转化效率、模子在重大真实场景下的鲁棒性，，，，都需要更长的运行时间和更大的安排规模来给出谜底。。。（本文首发钛媒体APP，，，，文 | 智客Zhiker，，，，作者｜郭虹妘，，，，编辑丨杨林 ）