熊鹏航的“具身智能赌局”：当时没想明白，但干了十年
灏存科技CEO熊鹏航。图片由AI生成
文｜李海伦
编辑｜徐青阳
数据，正在成为AI时代产业竞争最重要的变量之一，而随着具身智能进一步走向真实场景，有关数据的话题也被反复提及。
在2026世界机器人大会上，王兴兴谈到机器人当前的能力瓶颈时，落到了数据问题上。“有多少数据，尤其有多少高质量的数据，就有多少AI”，王兴兴说。
2026年6月的GTC Taipei上，黄仁勋谈到机器人和Physical AI时也直言：“The biggest problem is data（最大的问题是数据）”。
相比语言模型可以直接利用互联网长期积累的文本，机器人面向真实物理世界，数据获取本身就更加困难。对Physical AI来说，数据已经成为继续往前推进必须解决的问题。
李飞飞把数据放到了和算法同等重要的位置。她曾在一次公开对话中提到，即使到了今天，外界依然更容易把注意力放在算法上，但真正做AI的人都很清楚，数据即使不能说比算法更重要，至少也和算法同等重要。
不过，在十多年前，熊鹏航进入这个领域的时候，机器人数据还远没有今天这样的关注度。
当时他在法国的职业方向是做机器人研发，他和团队曾经依靠工程师逐个编写关节电机的旋转角度，让机器人按照设定好的轨迹完成动作。
大量时间投入进去，机器人可能也只能完成几个简单动作，而且并不流畅。熊鹏航由此开始思考，能不能把人已经掌握的动作直接采集下来，再转化成机器人能够使用的数据。
于是，他辞职回国，2017年成立灏存科技，继续沿着人体动作采集这条路线做下去。2018年，熊鹏航和团队手工做出了第一代数据手套原型。彼时，机器人数据还远没有形成今天这样的市场，行业对手部动作数据的需求也非常有限。此后，动画、虚拟人、元宇宙先后成为这套技术的应用场景；直到最近几年随着具身智能的升温，其应用重心逐渐转向机器人训练与控制。
熊鹏航告诉腾讯科技：“其实当时没有完全想明白做这件事的商业逻辑。我可能只想明白了30%到40%，只知道这个技术做出来以后，未来一定有人会为它买单，但不知道具体是哪一年。我当时预计大概需要10年”。
2026年8月，灏存科技推出M11 Pro触觉与手势双模态数据手套，并在世界机器人大会上亮相。这款产品把灏存原有的手势与动作采集能力进一步延伸到了触觉。
图：M11 Pro多维力触觉数据采集。来源：灏存科技
这款手套通过MEMS惯性传感器和分布式触觉传感器，同步获取手指关节角度、腕部姿态以及指尖、掌心的受力信息，并将多类数据的采集延迟控制在毫秒级。
目前市面上的不少数据手套仍以手部姿态或运动捕捉为主，触觉数据往往需要额外的传感设备补充。即使两类数据同时采集，也往往来自不同设备，很难天然保持同步。
“手的动作和皮肤的触觉，在技术上属于两个不同模态的数据，但这两个模态一定要持续同步，才能形成有效表达。”熊鹏航说。
在熊鹏航看来，数据接下来真正拉开差距的地方，也会逐渐从“规模”走向“有效性”。灏存科技更习惯按“条”来计算数据，目前他们已经积累3000多万条。
在他的判断里，一套数据有没有价值，最终还是要看机器人需要多少条数据才能学会一个动作，以及这些数据能不能迁移到不同本体上继续使用。
沿着这套思路，灏存科技把机器人数据进一步拆成Ability和Skill两类。前者对应坐、爬、站立、拿筷子、端碗等基础运动能力，数量相对有限；后者则是人在成长过程中不断学习出来的技能，比如做饭、维修、工业操作等。
熊鹏航判断，Ability数据相对更容易走向饱和，真正需要长期积累的，是分散在汽车、服装、煤矿等真实产业里的Skill数据。机器人未来能进入多少行业，很大程度上也取决于这些技能数据能不能持续被采集出来。
对于未来的设想，熊鹏航说他的目标是想造“钢铁侠”。他甚至把这个目标想到了更远的地方：“机器人走进工厂和家庭可能只是较早期的应用。钢铁侠未来能进入太空探索和高危作业，在人类难以抵达或风险较高的环境中发挥作用”。
以下为熊鹏航和腾讯科技的精选交流实录：
01
深耕十年，市场终于来了
问：灏存科技从创立之初就开始做数据手套了。当时机器人产业还处于什么阶段？
熊鹏航：那个时候其实几乎没有人体动作数据的需求。
当时大家提到机器人，想到的主要还是工业机械臂和协作机械臂，很多更通用的机器人形态仍停留在实验室和概念验证阶段。很少有人相信，未来人形机器人、半人形机器人会大量进入产线，承担更加灵活的生产任务。
我们当时选择做这个方向，和我在法国读书、做研发时的一些判断有关。
那几年互联网非常火，但我一直觉得技术发展有自己的周期。互联网起来以后，我也在思考，下一轮重大技术周期将会是什么。在学习和研发的过程中，我越来越确信，接下来会进入AI时代。
当时还没有“大模型”这个说法，但我觉得AI继续发展下去，一定会突破电脑这个物理载体，进入现实世界，而机器人就是一个很重要的载体。
所以大概在2013、2014年前后，我就做过一个判断：未来10年左右，AI领域会出现一款真正具有划时代意义的产品；在这之后的5年内，机器人产业也会迎来一轮爆发。当时我预计，这个时间点大概会落在2028年前后。现在回头看，行业的发展节奏和我当时的判断已经比较接近了。
问：从判断机器人会兴起，到最后选择数据手套，中间还有一段距离。为什么会想到从数据手套的方向切进去？
熊鹏航：这个其实来自我们当时做研发时遇到的一个很具体的问题——机器人的运动控制。
那时候，无论是做外骨骼还是机器人整机，都会受到运动控制能力的制约。很多工程师每天都在手动编写各个关节电机的转动角度，再让机器人按照这些预设数据完成一整套动作。
这个过程非常痛苦。工程师可能花很长时间调一套动作，但从效果来看，最后机器人也只能简单动几下，而且动作还很卡顿。
所以我们后来逐渐确定，回国创业以后，一定要解决机器人的运动控制问题。数据手套也是沿着这个方向做出来的。
图：2018-2019年熊鹏航设计的第一代数据手套。来源：灏存科技
问：但2016年前后市场还没有真正形成。你当时知道未来谁会成为客户吗？
熊鹏航：当时其实没有完全想明白做这件事的商业逻辑，大概只想明白了30%到40%。我只知道，这项技术做出来以后，未来一定会有人愿意买单，但具体会在哪一年发生，我并不确定。
我当时的判断是，可能还要等10年。可如果等到市场已经形成、客户真正愿意付钱的时候再开始做，肯定已经晚了。所以我们选择提前很多年投入。
那时候我们也做好了“可能要穷10年”的准备。因为我们知道，这期间做的很多研发，很长时间都不会被市场看好，甚至大概率也不会被外界真正理解。
问：过去10年，你几乎完整经历了机器人产业从相对小众到快速升温的过程。你认为这期间行业最明显的变化发生在哪里？
熊鹏航：一个很大的变化，是整个社会对这个领域的认知。
我们刚开始做的时候，很多人其实并不理解为什么要做这件事。投资人也会觉得，我们更像一个极客团队，带着一些理工男式的浪漫主义和科幻想象，但离真正的商业化还很远。现在最大的变化是，大家已经开始相信，这件事不仅能做出来，也能够成为一门真正的生意。
另外一个变化是供应链。以前大家会觉得，机器人关节电机可能需要从欧洲、日本、美国采购，现在大部分已经实现国产化，整个产业链也开始逐渐具备支撑智能产业发展的能力。
此外，资本的关注也发生了变化。现在很多AI和机器人创业公司的融资都非常受关注，越来越多创业资金也开始流向硬科技。
问：这套技术能够持续迭代到今天，哪些核心环节一直是灏存科技自己掌握的？
熊鹏航：目前大概形成了四个方面的壁垒。
第一是底层硬件，特别是传感器模组。最开始我们发现，市场上已有的角度检测传感器在精度、稳定性和抗干扰能力上还有进一步优化的空间，所以后来开始自己采购芯片、设计模组，并持续做技术迭代。
第二是通信模组。我们现在能够把整体延迟做到3毫秒以下，一个重要原因就是通信模组也是自己开发的。
这其实有点像马斯克造火箭的思路。当时他发现已有发动机不能满足要求，就自己研发发动机；解决发动机以后，再继续解决火箭机身以及其他核心环节。我们也是一样，哪里影响最终性能，就把那个关键环节掌握在自己手里。
第三是AI算法。硬件采集到数据以后，怎么把它准确地还原成人体运动，再进一步映射到不同的机器人本体，需要长期积累算法能力。
第四是产业和数据积累。现在国内很多头部机器人公司已经成为我们的客户和合作伙伴。同时我们也在汽车、服装、煤矿等终端行业持续落地。在这些真实产业环境里，我们也在积累不同任务对应的Skill数据。
所以这些年真正沉淀下来的，不只是一款数据手套，核心是一套覆盖传感器、通信、算法、机器人客户以及真实产业数据的完整能力体系。
图：灏存科技M11 Pro触觉与手势双模态数据手套。来源：灏存科技
02
把动作和触觉，放进同一只手套
问：灏存科技最新推出的M11 Pro，把手势和触觉两种模态集成到一只数据手套里。过去这两类数据更多是分别采集，为什么你们现在要把动作和触觉放到同一套设备里同步采集？
熊鹏航：手的动作和皮肤触觉，在技术上属于两类不同模态的数据，但这两个模态一定要持续同步，才能形成有效表达。比如当手接触到一个温度较高的物体时，动作已经发生，但如果触觉信息没有及时反馈，人可能已经受伤。所以动作和触觉数据必须保持同步，机器人才能及时感知接触状态并做出反应。
问：对于机器人训练来说，动作和触觉同步到什么程度才有意义？精度和延时具体会影响什么？
熊鹏航：精度越高、延时越低，机器人能进入的应用领域就越广。
比如医疗领域，对时间误差和空间位置误差的要求都非常高。如果机器人给人做手术，医生已经完成一个动作，但机器人还在执行上一个动作，就可能产生危险。
所以控制精度和响应延时，直接决定机器人能否进入某个产业。
我们对自己的要求比较高，希望这套设备未来能够覆盖尽可能多的产业。真正的“钢铁侠”如果被造出来，对精度的要求也会非常高。比如人在快速完成一个动作时，如果机器人的响应延迟达到10毫秒、50毫秒，动作表现就会出现明显差异。
所以精度、延时和抗干扰能力提高以后，技术可以覆盖更多应用领域。
问：现在数据手套会采用不同类型的传感器方案，比如IMU、弯曲传感器等。M11 Pro这类数据手套在传感器方案上，你们最核心的选择标准是什么？
熊鹏航：最终目标都是一样的，就是高精度、低延时和高抗干扰能力。
但没有一款传感器是绝对完美的，每种传感器都有自己的物理局限。如果加入另外一种传感器，能够解决原来传感器的问题，同时不带来新的问题，就可以做融合。
如果解决了一个小问题，却制造了更大的问题，这个传感器就应该被舍弃。
我们过去其实也用过很多传感器，最后发现基于IMU的惯性传感方案，是一个性价比较高的选择，所以目前一直沿着这条路线探索。未来如果出现新的传感器，能够有效解决现在的某些问题，我们也不排斥融合。
问：在人体动作采集里，传感器数量是不是越多，最终获得的数据就越准确？你们通常依据什么来判断不同关节需要多少个传感器、覆盖多少个运动维度？
熊鹏航：也不是。人体骨骼运动学本身就决定了需要多少传感器。
比如肩关节虽然可以进行多个方向的运动，但它的运动自由度和活动范围是相对明确的，并不需要简单依靠堆叠传感器来覆盖所有方向。
所以传感器并不是越多越好，关键还是要匹配人体关节真实的运动自由度。一个关节有多少个有效运动维度，就对应采集多少个维度，继续增加传感器的意义其实已经比较有限。
03
机器人需要什么数据
问：现在行业经常用“多少万小时”来衡量数据规模。你认为“时长”是一个有效的数据评价指标吗？
熊鹏航：我觉得这可能只是一个过渡阶段。
现在按照时间来计算的数据，大部分是视觉数据。整个产业在训练机器人时也逐渐发现，几万小时、几十万小时的视觉数据，不一定能够高效地让机器人学会我们希望它完成的动作。
我们和行业里比较大的一个区别，是更愿意用“条”来计算数据。现在我们已经有3000多万条数据。
问：如果不单纯看数据规模，你们内部怎么判断一条数据的质量？最核心的评价标准是什么？
熊鹏航：首先还是人体工程学这条基本路线。数据如果符合人体运动规律，就更容易迁移到不同体型、体态的机器人上进行训练。
其次是数据精度。比如一些很精细的慢动作，如果能够有效采集出来，训练机械手的时候，就可以帮助机械手学习和完成很多精细动作。
我们对数据质量的要求比较高，对数据条数本身没有那么高的要求。因为按照人类理解世界的方式，人类学会一样东西并不需要特别长的时间。
比如一个小朋友第一次看到瓶装水时，可能会问家长这是什么。得到“这是矿泉水”的回答后，下一次再看到类似物体时，他就能够识别出来，并逐渐建立起对这类物体的认知。
我们希望机器人也能沿着类似的人类学习路径，用尽可能少的数据，在较短时间内学会一个动作、一种交互方式，或者形成对某类事物的辨识和理解。
所以我们希望沿着人类智能的路径，用少量数据，在较短时间内让机器人学会一个动作、一个交互或者一个认知。我们更关注数据质量和泛化能力。
图：M11 Pro触觉数据质量测试。来源：灏存科技
问：从机器人的学习需求来看，你们现在怎么划分已经积累的数据？
熊鹏航：我们目前把数据分成两大类。
第一类叫Ability，也就是人的本能动作，基础运动能力。这类能力有些是随着人的成长自然出现的，比如婴儿坐起来、爬、站起来；也包括之后拿筷子、拿勺子、端碗这些基础运动能力。
第二类叫Skill。人在具备基础运动能力以后，还会学习大量后天技能，比如扫地、做家务、洗衣服、做饭，以及汽车维修、机器人维修等更加专业的技能。
Ability的数量相对有限，按照我们的分类体系，大约有140个门类的基本运动能力，所以比较容易把数据采集完整。
Skill就不一样了。如果按照全球的职业分类来看，会有成千上万种技能。这些数据需要真正进入生产和工作环境里才能采集出来，所以整体数据量会大很多，也需要多家公司经过长期积累，共同建立这样一套数据体系。
目前我们的Ability数据更多，Skill数据相对少一些。随着机器人不断进入实际产业，Skill数据也会越来越多。
图：使用数据手套进行Skill数据采集。来源：灏存科技
04
当数据竞争进入深水区
问：随着越来越多公司进入数据采集领域，硬件和数据服务的门槛都在下降。你判断这个行业未来会不会很快进入价格竞争？
熊鹏航：一定会。中国的产业效率很高，一个产业成熟以后，门槛自然会下降，参与竞争的人也会越来越多，价格战一定会出现。
但我们不会一直留在原来的阶段参与价格竞争。我们会继续往下一个阶段走，探索新的技术，再形成新的优势。这也是我们为什么一直持续投入研发。
问：从你们目前接触的客户来看，国内和海外市场在设备采购、数据需求和付费能力上有哪些比较明显的差异？
熊鹏航：国内客户对设备和数据的需求都很大，尤其是数据需求非常旺盛。海外市场的产品售价相对更高，利润空间也更大。部分海外市场在隐私和数据采集等方面有更严格的合规要求，导致数据获取和生成成本更高，因此对外部数据的采购需求也相对更强。
问：如果未来机器人进入更大规模的预训练阶段，现有数据里哪些会更快趋于饱和，哪些数据还会长期处于稀缺状态？
熊鹏航：Ability数据发展到一定阶段以后会饱和，这一点比较明显。
Skill数据不一样。它需要很多年，也需要很多家公司进入各自擅长的产业，把数据采集出来，最后逐渐形成一个覆盖大量产业技能的数据集。
这个过程需要比较长的时间，也需要很多公司持续投入人力和物力。
Skill数据最终也会饱和，只是这个周期会更长。在这个过程中，技术本身也会不断进步。
最终大家可能还是会回到对人体机理的研究，把人类的视觉、语音、动作、触觉等能力逐步复现出来。
到了这个阶段，整个产业可能又会进入下一个阶段。
问：从产业周期来看，你怎么判断未来5到10年机器人数据采集行业的发展曲线？现在大概处在什么阶段？
熊鹏航：现在整个行业的发展曲线还在向上，而且还会保持比较快的增长速度。
增长到一定阶段之后，可能会进入一个平台期，在平台期维持一段时间以后，再慢慢下降。这和过去很多科技产业的发展状态比较类似。
所以我判断，至少未来15年，机器人数据产业还会处于一个比较快速的成长阶段。等到技术发展到一定程度、产业逐渐饱和以后，再进入下一个阶段。
05
“钢铁侠”才是远方
问：你怎么看现阶段具身智能的发展水平？机器人需要具备怎样的泛化和决策能力，才算真正进入“智能化”阶段？
熊鹏航：我觉得这里面其实存在两个阶段。
现阶段半人形机器人和人形机器人进入产线以后，效率可能暂时不如传统协作机械臂，但它的意义并不完全在于效率，而在于它开始具备一定的决策能力。
过去的机械臂更多属于“自动化”，现在的机器人则开始从自动化走向智能化。虽然这种智能还处在非常初级的阶段，但它已经意味着智能化时代开始到来。
问：现在业内有人把具身智能类比为大模型的“GPT-2阶段”，意思是能力已经出现，但距离真正成熟还很远。你认同这个判断吗？
熊鹏航：我认同。长期从事具身智能研发和产业化的人，基本都会认可这一点。
如果用汽车产业来类比，我觉得现在的具身智能可能还处在19世纪90年代，早期汽车的速度大多只有每小时二三十公里，一些车型后来逐渐接近40公里。很多功能都不完善，跑一段时间还可能出现故障，这和今天的机器人产业很像。但这并不影响它未来的发展。
技术发展有自己的规律。互联网带来了大数据，大数据积累到一定阶段以后，又催生了AI。AI利用互联网长期积累的数据学习人类经验，逐渐具备决策和判断能力，大模型也由此出现。
而大模型的出现，又会进一步推动机器人的发展。机器人真正发展起来以后，硬件、“大脑”和“小脑”也会持续迭代。
我们现在还处在很早期的阶段，但我相信它最终会走向一个非常繁荣的状态，到那个时候，人类的生活可能也会越来越接近科幻电影里的场景。
问：从2017年创业到现在，你对公司的定位，以及最终要把这件事做到什么程度，判断发生过变化吗？
熊鹏航：大的方向一直没有变。
我们从法国回来以后，就一直想造“钢铁侠”。从2015年回国，到2017年创业，我一直在讲这件事。后来因为很多人看不懂，有几年我甚至不再对外讲了，但这件事一直在心里。
马斯克开始造机器人以后，我觉得这个方向更值得坚持，所以又重新把“造钢铁侠”这件事拿出来讲。
真正发生变化的是，我对未来的发展路径越来越清晰。
以前我只知道机器人一定会爆发，但不知道具体会在哪一年发生。现在来看，未来5年机器人可能会进入家庭，三年左右工业生产里可能就会出现大量机器人投入实际工作。再往后，也可能会越来越接近科幻电影里的场景。
所以我们现在思考的已经不只是怎么造机器人，也包括未来怎么保护人类。在人机共生的未来图景下，如果人工智能和机器人真的变得足够强大，人类也必须掌握保护自身安全的能力。这正是我们布局相关安全技术的初衷。
问：你刚提到想造“钢铁侠”。在你的设想里它最终会走向哪里？会是工厂和家庭场景吗？
熊鹏航：工厂和家庭可能也只是比较早期的应用。
未来“钢铁侠”更大的价值，可能会是在太空。这是一个非常长远的愿景。
但回到当下，我们还是先把产业化做好，让机器人承担更多重复和高危的工作，把人解放出来。再往更远看，才是让人类文明走向外太空。
