◎ 超维动力要把人的经验交给机器人。
△ 撰文：董志洋
从人的一次挥拍，到机器人的一次击球，中间要经过动作采集、模型训练和本体适配。超维动力围绕这项工作，同时投入了数据、模型和机器人硬件。
近日，超维动力完成超5亿元人民币天使+轮系列融资，新加坡淡马锡控股旗下VC机构祥峰资本、方广资本、万石资本等加注，融资将用于加速“数据-模型-本体”协同迭代，推动具身智能产品化落地。
公司成立于2025年9月，定位为全栈具身智能大模型公司。创始团队由华为自动驾驶资深管理人员、香港大学技术专家，以及具有人形机器人创业经历的成员组成。
其中，喻杰担任联合创始人兼CEO，罗平为联合创始人，郑存远担任联合创始人兼整机负责人。
超维动力已发布原生具身模型、无本体多模态数采软硬件、具身智能AI Infra平台、KAI Bot人形机器人及KAI Hand灵巧手，形成KAI系列产品矩阵。
这些产品对应一套持续迭代的研发过程：人类提供操作与动作数据，基础设施完成规模化处理，模型学习任务能力，机器人进入真实环境执行。
执行中的成功与失败经验再回到训练系统，推动模型、数据采集方式和硬件改进。
当前，KAI Hand和KAI Halo Lite已经全球开售，并交付产业客户；SMASH人形机器人乒乓球系统已适配不同本体，在展会和运动会上完成互动展示。
01.
从真人数据开始
超维动力将技术飞轮的起点放在人类数据上。
轻量化第一人称数采头环KAI Halo Lite负责记录人类作业，系统结合算法，为人体全身运动建模、三维环境建模和具身模型训练提供数据。
这种采集方式允许人在没有机器人参与的情况下完成操作。模型随后学习的内容，包括人的动作、操作发生的环境，以及两者之间的关系。
在此前的WAIC、WRC现场，使用者佩戴KAI Halo Lite后，可以通过手机APP查看高清采集画面，以及系统经过厘米级空间定位、全身姿态理解后生成的动态三维重构结果。
超维动力公布的数据集包含10万小时以上视频、3000万以上视频片段，覆盖300项以上全身姿态技能。
数据还包含24个人体骨架关键点、52个手部关键点和秒级细粒度语义标注，提供人体、手部、场景及操作语义信息。
视频记录操作过程，姿态信息描述身体和手部怎样运动，空间信息帮助确定人与物体的位置关系，语义标注则帮助团队把动作与任务对应起来。这些信息用于后续训练，也为真人动作向机器人迁移提供依据。
郑存远此前在WRC期间接受NE时代交流时，强调过数据结构与任务之间的联系。他认为，机器人与物理环境接触越频繁，越需要关注数据包含哪些交互信息，不能只讨论采集量。
例如，擦盘子涉及持续接触，团队需要更多真实交互数据。针对不同任务，应先分析所需的真人、真机和互联网数据，再确定配比、优化规模。
模型要学习怎样的操作，会影响团队采集什么、恢复哪些运动信息，以及如何组织训练数据。头环负责采集，后续的处理与训练决定这些记录如何用于机器人学习。
KAI具身智能AI Infra连接数据采集、处理、训练、仿真和真机部署。团队通过这套基础设施处理人类操作记录，支撑模型训练，并利用机器人执行任务时获得的反馈继续迭代。
02.
世界模型连接数据与动作
KAI World Model位于这套体系的中枢。
它采用并行的视频生成与4D空间建模，同时支持生成和重建，让模型在同一套表示下处理纯移动、纯操作及全身移动操作三类需求。
超维动力介绍，模型结合百万级视频数据进行预训练，提升了跨任务、跨本体泛化能力，以及向真实机器人迁移后的表现。
这三类任务涉及不同的动作组合。
移动需要处理机器人与环境的位置关系，操作需要处理手与物体的交互；全身移动操作则要求机器人在改变自身位置后，继续完成抓取或使用工具等动作。
在此前的展会演示中，超维动力展示过机械臂根据人的指令选择对应饮料，并自主开瓶。SMASH则将感知与控制系统用于变化更快的乒乓球任务。
SMASH融合高速视觉感知、实时轨迹预测、全身运动控制和具身决策。超维动力介绍，系统能够协调肩、肘、腕、腰、腿等关节，实现毫秒级全身协同控制。
来球位置和速度决定了机器人应在何处、何时击球。机器人需要移动到合适位置，调整身体姿态，再完成挥拍；击球之后，它还要保持平衡，为下一次回球做准备。
郑存远介绍，团队训练乒乓球技能时，大量采用专业运动员的真人数据，希望机器人学习人的击球姿态和球路。
团队利用世界模型相关训练流程练习技能，再进入真实环境反复尝试和迭代。
人能够完成的挥拍动作，还需要适应机器人的关节范围与平衡条件。随着来球位置改变，机器人必须调整移动和击球动作。
SMASH已从早期人机对打推进到双机比赛。
2.0版本扩大了长球、短球的处理范围，加入自主发球，两台机器人能够按照11分制完成一局比赛。
郑存远认为，双机对打增加了规则理解和对抗要求，机器人需要处理发球、接发球与换发，比持续接住对面的来球包含更多任务步骤。
超维动力已经将SMASH核心算法适配到自研KAI Bot、宇树G1和智元远征A3。公司希望一项技能经过训练后，可以继续用于其他本体形态。
不同身体需要对应的控制适配，已有的感知、预测和动作学习方法则可以继续使用，帮助团队开发其他机器人的同类技能。
在2026世界人形机器人运动会上，超维动力与香港大学组成港大超维战队，受邀作为乒乓球表演队伍，在开幕式上与世界冠军丁宁进行表演赛。
搭载SMASH的机器人展示了左右移动、捞球和削球等动作。丁宁在活动中评价“SMASH系统未来可期”。
03.
本体也是数据的起点
罗平认为，本体定义了机器人的动作空间、感知能力和任务完成度上限，数据影响模型泛化，模型在真实任务中遇到的问题又会推动数采方式和硬件改进。
机器人的活动范围会影响真人动作的迁移，人的肩部转动、手腕调整和躯干配合，需要在机器人上找到可执行的方式。
因此，模型和硬件团队需要共同处理动作学习中的问题。
KAI Bot身高173厘米、体重70公斤，全身拥有117个自由度，采用接近真人的身体比例。
超维动力介绍，其关节活动范围与人类基本一致，设计目标之一是降低人类动作数据向机器人迁移时的损耗。
目前，KAI Bot系全球自由度最高的超高拟人人形机器人产品，高自由度设计用于支持全身动作与交互。
在WAIC、WRC期间，KAI Bot曾自主走向展台交互区，通过内置模型回应观众的问题，并完成精细物体抓取、递送礼物等动作。
这些任务将移动、语言交互和抓取连在一起。机器人需要接近交互对象、理解要求，并通过手部操作完成后续任务。
KAI Hand，则承担手部执行。
超维动力此前公布的产品配置为37个自由度，包括20个主动自由度、1个被动自由度和16个柔顺自由度，指尖力超过30N，公司还展示了灵巧手砸木板的测试画面。
手部动作范围和力量影响可以采用的抓握方式，结构耐用性则关系到反复操作。这些硬件条件需要与机器人要完成的任务相匹配。
按照超维动力的技术设计，本体完成执行之后，也会提供新一轮训练所需的信息。成功和失败经验回到系统，团队据此改进模型，并调整数据采集和硬件。
例如，动作执行出现偏差时，团队需要判断原因与感知、控制还是硬件活动范围有关，再决定如何修改。共同设计数据、模型与本体，有助于研发人员联系这些环节排查问题。
罗平强调，缺少好用的本体，算法能力会受到限制；缺少成体系的数据和训练方法，本体也难以持续获得泛化能力。
04.
新融资推动产品化
超维动力此次披露，KAI Hand和KAI Halo Lite已在全球范围内开售，并交付产业客户。公司也将文旅、表演视为其人形机器人技术的应用方向。
这套产品矩阵提供了不同的使用方式：产业客户可以接入灵巧手和数采设备，机器人整机与算法则需要结合具体任务形成应用，它们使用公司的技术积累，也对应不同的产品需求。
郑存远此前谈到，企业在不同阶段都需要尝试商业化。团队可以根据当前技术能力选择产品形态，在运动、康养、餐饮和酒店等场景中寻找需求，逐步积累任务经验。
他也强调创业公司的资源配置：明确哪些能力重点投入，哪些环节与产业链合作，让技术研发与后续量产、成本和产品规划相互配合。
同时参与模型、数据和硬件研发，也使团队能够向合作伙伴提出更具体的需求，例如需要怎样的传感信息、哪些动作需要相应的关节能力，以及哪些数据处理工作需要提高效率。
祥峰投资执行合伙人李伟将共同设计这些环节的能力，列为本轮投资的重要判断。他认为，具身智能的实现路径尚未收敛，当数据、模型和本体分别推进时，问题出在哪一层都难以判断。
在他看来，超维动力将第一人称数采、原生具身模型与高自由度本体放在同一套标准下设计，SMASH在高动态任务上的表现，以及对多种本体的适配，体现了这条路线的进展。
融资后，超维动力将继续加大原生具身大模型与具身智能基础设施的研发投入，加快数据、模型和本体的协同迭代，推动产品规模化落地，并与产业链上下游伙伴开展合作。
沪公网安备31010702008139