灵初智能

灵初智能是一个以人类操作数据、灵巧手数据采集和具身大脑模型为核心叙事的具身智能公司节点。它的关键位置在于把“人类如何操作物体”的多模态过程做成模型训练原料和数据服务。

观察

• 灵初智能强调“人类数据”路线：让人穿戴设备执行真实劳动动作，采集视觉、手部关节角、触觉和腕部位姿，而不是只依赖仿真或机器人遥操作。
• 这一路线补充了 具身智能数据基础设施：具身模型缺的不只是视频规模，也缺人类在真实接触、纠错、精细操作和多感官协同中的过程数据。
• Psi-R2 / Psi-W0 的分工把策略执行和仿真评估拆开：R2 偏动作策略，W0 偏动作条件下的环境反馈。这说明 世界模型技术路线 在公司化时可能变成多模型系统，而不是单一大模型。
• 数据商业化被拆成工具、数据和方案三层：2026 年公司材料仍使用 Psi-SynEngine 作为数采引擎名称，当前官网另展示 Psi Data 平台，SynData 则是公开数据集；公开材料未解释它们的产品层级，三者不能互设 alias。
• 在 物理 AI 创业生态 中，灵初智能代表“基于人类数据定义权”的生态位：谁更懂什么数据能改善模型，谁就可能同时出售数据、工具和场景方案。
• 官方 About 页面截至 2026-08-10 列出王启斌（创始人兼 CEO）、柴晓杰（联合创始人兼工程负责人）、杨耀东（首席科学家/联合实验室）、陈源培（联合创始人兼强化学习负责人）和温颖（强化学习负责人），回答了“公开团队是谁”这一问题；这些职位来自公司自述，不自动核验各自完整履历。
• PsiBotAI 官方 Hugging Face 数据卡把 SynData 标为 449,363 行、约 29.3 TB、CC BY 4.0，并明确禁止身份识别、监控、重新识别和其他有害用途；数据许可不免除隐私、伦理和第三方权利责任。

外部技术对照

• Universal Manipulation Interface 与 EgoMimic 都显示，人类操作数据的关键不止采集量，而是 3D／末端动作代理、相机坐标、分本体归一化、机器人 grounding、控制延迟和真实 rollout 评测。
• SynData 的公开行数、文件量与许可可以证明数据发布，但不能单独证明手套轨迹能跨本体转成可执行策略；需要报告训练切分、目标机器人数据、动作映射、基线、任务成功率和失败分布。
• 外部论文的作者结果也不构成灵初路线的独立验证；它们只提供应如何检验“人类数据降低机器人数据需求”的对照模板。

边界

• MolmoSpaces 排名、“全球第一”和 10 万/100 万小时等说法仍来自报道与公司口径；本轮只能用官方数据卡核验 SynData 的当前发布规模、结构和许可，不能把宣传小时数换算成已发布数据或模型效果。只有论文/技术报告、可复现 benchmark、版本清单或客户侧部署材料出现时才重开性能结论。
• 人类操作数据并不自动等于可迁移机器人能力；任务设计、跨本体映射、标注质量、触觉校准、隐私授权和真实部署验证都是必要条件。

相关页面

• 具身智能数据基础设施
• 世界模型技术路线
• 物理 AI 创业生态
• 具身智能系统工程
• 手亿科技
• Ego-NeuroLoop
• Psi-R2
• Psi-W0
• Psi-SynEngine
• Psi Data
• SynData

三同关系线索

• 公司—产品/模型/数据：官网和公开发布把 Psi-R2、Psi-W0、Psi Data、SynData 与 Psi-SynEngine 放在灵初智能的技术体系中；Psi-SynEngine 的名称已由公司一手材料确认，但截至 2026-08-10，公司没有公开解释它与 Psi Data、手套和数据集的产品层级，因此三者不能互设 alias。
• 公开团队：公司 About 页面已列出王启斌、柴晓杰、杨耀东、陈源培和温颖及其当前角色；这足以记录公司内公开角色，但不从公司自述延伸出未被大学、论文或前雇主材料交叉确认的师承、同学和前任职关系。
• 同类关系可与 手亿科技、OriginFlow、脸谱心智 对照：它们都把人体操作过程变成具身智能数据，但灵初更强调外骨骼手套、人类手部数据集和 world/action model。

证据

• 原始资料快照（本地归档）
• 灵初智能官网
• 中国经营报：从 Psi-R2 到具身大脑
• 凤凰财经：灵初智能双模型亮相
• 原始资料快照（本地归档）
• 灵初智能：Psi-SynEngine 与数据飞轮
• 原始资料快照（本地归档）
• PsiBot：About Us 与团队
• PsiBotAI/SynData 数据卡

2026-08-10 与开放人类示范路线的比较边界

EgoMimic 和 UMI 表明，人类操作数据要进入机器人训练，必须明确视角对齐、动作表示、运动学约束、时延和真机评测；HIL-SERL 则补充失败恢复与部署纠错数据。这个公开链条为 Psi Data / SynData 的能力判断提供了对照，但不能仅凭“人类数据”标签推定跨本体增益。

灵初的公开数据卡使 SynData 的规模与 CC BY 4.0 条款可核验，这是相对优势；模型效果仍需报告训练/测试本体、真实/合成配比、触觉与手部信号贡献、失败轨迹和独立真机 benchmark，不能把公司小时数与 Ego4D、EgoMimic 或 UMI 的不同单位混为一谈。

证据：原始资料快照（本地归档）

2026-08-10 补强：三种数据链必须分开

公开材料中的穿戴式人类采集、机器人遥操作示范和策略部署纠错应分别归类。它们对应不同 control authority、状态分布和动作真值：穿戴数据未必有 robot-native action；遥操作是人全程控制机器人；HIL 才是策略运行中的局部接管与恢复。

仅凭 Psi Data、SynData、Psi-SynEngine 等产品名称或“数据闭环”叙事，不能推出具体轨迹属于哪一类，也不能推出保存了 autonomous/intervention 分段。后续需要公开 schema、目标本体、动作表示、时延和评测后才能与人类活动数据、DROID 或 LeRobot HIL 做同层比较。

与开放人类示范路线的可比边界（2026-08-10）

EgoMimic 和 UMI 表明，人类操作数据要转成策略增益，至少要公开动作表示、观测与时延对齐、目标本体、机器人数据配比、任务基线和失败分布。SynData 的数据卡可核验规模与许可，但不能替代灵初智能人类数据管线在真实机器人任务上的联合训练消融。公司所述人类数据小时数、模型排名与跨本体能力仍应保留为作者/公司口径，等待独立 benchmark。