伯牙智能获数千万天使轮融资，阿里前高管打造灵巧操作系统

灵巧手不应被简单视为机器人末端的硬件模块，它本质上是一套能够在真实物理世界中执行感知、在线修正并持续自进化的操作系统。这背后牵涉到技术路线选择、场景落地策略以及商业闭环的深层考量。

机器人灵巧手创业公司伯牙智能近日宣布完成数千万元天使轮融资。本轮由乾融控股领投，苏创投、熙诚致远跟投。所筹资金将重点用于高自由度灵巧手的迭代升级、软硬件研发团队扩充，以及在真实应用场景中积累操作数据和构建解决方案。

伯牙智能成立于2024年8月，创始人兼CEO刘欣具备深厚的智能汽车与操作系统产业背景。他曾担任阿里巴巴技术总监、阿里斑马智行产品负责人，后出任蔚来汽车乐道智能化产品负责人，长期致力于软硬一体复杂产品的定义与落地。在他看来，智能汽车与机器人在底层技术栈上高度同构：两者都需要感知、计算、控制以及对物理空间的理解。核心差异在于，汽车感知空间是为了规避碰撞，而机器人感知空间是为了与真实世界产生交互。

伯牙智能创始人兼CEO刘欣，图片来源：甲子引力

这样的团队基因决定了伯牙的产品哲学：既要精通复杂的软硬件系统工程，也要吃透机器人本体、控制算法与前沿研究。其核心目标，是将高自由度灵巧手从一个纯粹的机械末端，升级为融合硬件结构、触觉感知、力控算法与真实数据反馈的“灵巧操作系统”。

1. 技术取舍：基于人手生理学特征的混合驱动架构

过去一年，灵巧手赛道热度飙升，但技术方案也开始趋同。20个以上自由度、五指仿生、触觉感知、混合驱动、力位混合控制、仿真生态、大小脑架构——这些几乎成了高端灵巧手的标准配置。那么，什么才是真正的最优解？

力量与重量、速度与稳定性、触觉与成本、精密控制与柔顺性、硬件寿命与可维护性、模型泛化能力与真实任务成功率——这些是每一只灵巧手从实验室走向真实场景时，无法回避的现实约束。刘欣认为，技术路线本身并非决定性因素，关键在于要解决什么问题，以及为此做出怎样的取舍。

伯牙智能并未将灵巧手定义为孤立的机械末端。在许多系统中，机械臂负责将手送到目标位置附近，灵巧手则执行抓取与操作。按此逻辑，灵巧手公司最易讲述的是硬件参数：自由度、重量、负载、指尖力、触觉分辨率。但在伯牙看来，这种定义远远不够。

伯牙灵巧手夹取螺丝，图片来源：伯牙智能

机器人真正进入真实场景后，问题远不止“把手伸过去”那么简单。接触物体后会发生什么？杯子是否滑动？布料是否被拉紧？瓶身是否被捏变形？螺丝是否拧到位？这些问题都发生在接触之后，既不是单纯的视觉问题，也不是纯粹的机械结构问题，而是结构、驱动、触觉、力控、算法与数据共同作用的结果。因此，伯牙更倾向于将灵巧手定义为一套“灵巧操作系统”。

在这套系统中，硬件只是第一层。自由度、力量、重量和速度决定了手能否完成基础动作；触觉与力反馈决定了它能否感知所触碰的对象；控制系统决定了它能否在接触瞬间做出调整；数据与模型则决定了它能否在一次次成功与失败中持续进化。伯牙的首发产品——高山S1灵巧手，正是在这一逻辑下定义的。

高山S1灵巧手，图片来源：伯牙智能

高山S1重量不足500克，接近人手的自重，配备22个自由度和30N指尖力。从参数上看，它无疑属于高端灵巧手。但伯牙真正想强调的是这些指标背后的系统权衡：末端不能过重，否则会影响整机负载与动作效率；力量不能过小，否则无法完成真实抓握；自由度不能太低，否则难以覆盖复杂操作；结构又不能过度复杂，否则维护与量产会成为瓶颈。

这种取舍直接体现在驱动结构上。行业内，绳驱、直驱、连杆常被视为不同技术路线的标签。但伯牙并未简单选择其中一种，而是将手掌、小臂和手腕这三个看似“孤立”的部件组成协同系统。刘欣指出，人手的轻末端与大力量之所以能共存，关键在于力量并非全部来自手掌内部。主要驱动力来自小臂肌肉，通过肌腱传递至手指；手掌内部的小肌肉则更多负责精细调整。伯牙的混合驱动路线，正是沿着这一生理学思路展开的。

在高山S1中，抓握力量主要由小臂端驱动模块提供，通过腱绳传递至手指；手部保留用于外展、内收等精细动作的驱动单元；手腕则通过独立自由度扩大操作空间。这套设计在高自由度、轻量化和大力量之间找到了一个可交付的平衡点。刘欣用一个生动的比喻解释：“如果重工业客户需要单根手指承重5公斤，我们可以在不大改设计的前提下放大电机，就像一个人去健身房撸了半年铁，手变粗了，力量自然就上来了。”

2. 评价标准：从“精准重复”转向“实时修正”

机器人行业的许多评价标准源自传统工业机器人体系。例如重复定位精度，因为传统工业机器人面对的是高度结构化的产线任务，环境稳定、目标明确，核心能力就是精准重复同一动作。但灵巧手面对的是另一个世界：真实物体往往不是标准件。在这种场景下，“回到同一个位置”只是问题的一部分，更重要的是接触物体后，系统能否根据反馈修正动作。

因此，刘欣认为，在智能机器人时代，单纯强调重复定位意义有限。“你闭着眼睛，让手指重复一百次同样的角度，其实做不到。人类完成精细操作，靠的不是绝对重复定位，而是多模态反馈。”所以，评价标准必须从“精准重复”转向“实时感知与修正”。伯牙在硬件、控制和数据三个维度上展开了系统性布局。

首先在硬件基座上，通过降低物理延迟为感知修正留出空间。轻量的手部本体降低了运动惯性，确保了操作调整的响应速度；高达1000Hz的控制频率与3Hz的开合速度，让硬件能够快速响应指令；搭配0.01N的指尖触觉分辨率，使得灵巧手在接触的毫秒级时间窗口内具备高精度反馈与调整能力。这一思路也让腱绳的蠕变、磨损等不再是必须隐藏的脆弱点。伯牙通过材料、结构和保护设计，已将腱绳的使用寿命提升至数十万次。即便出现蠕变，也能通过“感知-修正”系统维持控制精度。对于腱绳的磨损与寿命问题，刘欣认为，在尽可能提高寿命的同时，让其便于维护和更换更为关键。他用了生活化的类比：“吉他弦也会断，但没人因为吉他弦会断就不买吉他。关键是弦能不能方便更换。”

其次在控制架构上，解耦复杂决策与高频执行，确保自适应调整能力。真实接触发生在极短的时间窗口内。手指碰到瓶身的一瞬间，力是否过大、物体是否滑移、指尖姿态是否需要调整，都需要系统快速响应。如果每一次接触和力控修正都交给端到端大模型重新推理，延迟和算力都会成为瓶颈。这正是行业转向“大小脑分层架构”的原因。大脑负责低频的复杂任务理解与规划，小脑负责高频的底层动作执行。这种分层的优势在于，大脑无需占用小脑的高频控制资源，小脑也不必每一步都等待大模型重新推理。前者解决“做什么”和“大致怎么做”，后者解决“接触之后如何稳定做成”。当硬件性能出现下滑时，这种解耦的系统仍有机会维持任务完成能力。

大小脑分层模型，图片来源：伯牙智能

在实际使用中，灵巧手不可能永远处于理想状态。腱绳可能逐渐磨损，传动间隙可能发生变化，传感器信号也可能出现噪声。在大小脑分层架构下，即便小脑执行的动作变慢、抖动或出现偏差，只要上层大脑仍能给出任务目标和策略约束，底层控制就可以围绕反馈持续修正；而完全端到端的方案，在硬件状态变化后，往往更容易出现泛化问题。伯牙的思路并非试图从硬件中消除所有不确定性，而是通过感知、控制和学习，将不确定性纳入系统闭环。

最后在数据层面，用“不完美的数据”让系统在真实环境中学会实时修正。刘欣并不认为只有“成功动作”才有价值。在真实操作中，一次抓取失败、一次打滑、一次差一点成功的动作，都可能帮助模型理解任务边界。“特别糟糕的数据当然要剔除，但次优数据有价值。它能告诉你，失败是怎么发生的。”如果说成功数据告诉系统“应该怎么做”，那么失败数据和次优数据则告诉系统“边界在哪里”。对于灵巧操作来说，这类数据尤其重要。因为真实世界中的许多失败并非灾难性的，而是发生在接触瞬间：力用大了、角度偏了、摩擦不够、物体开始滑移。只有记录这些过程，系统才有机会在下一次操作中提前修正。从这个角度看，伯牙的硬件、控制和数据思路都指向同一个目标：不是打造一只在实验室里重复定位最精准的手，而是打造一套能在真实世界中感知变化、处理误差、持续修正的灵巧操作系统。

3. 落地路径：不急于进入家庭场景

在人形机器人的叙事中，家庭一直是最具想象力的终极市场。一台机器人走进家庭，整理房间、端茶倒水、洗衣做饭、照顾老人和孩子——这是大众对具身智能最直观的图景。灵巧手作为机器人与物理世界交互的末端，也天然会被放进这个想象中。但伯牙智能并未将家庭作为首个主战场。

家庭场景并不适合早期产品快速验证。这里的物品种类繁杂，任务边界模糊，安全要求高，用户对价格和稳定性的容忍度也低。相比之下，科研机构和部分行业客户更像是高自由度灵巧手的早期入口。科研客户是伯牙最早面对的一批“开发者用户”。过去，很多机器人研究集中在移动、导航、机械臂控制等领域；但当机器人开始进入真实操作任务时，末端执行器的重要性被重新放大。对于科研机构来说，一只足够开放、可控、具备触觉与力控能力的高自由度灵巧手，本身就是开展操作学习、模仿学习、多模态感知和机器人控制研究的重要平台。这类客户的特点是：未必马上要求完整的行业解决方案，但对自由度、接口、传感器、控制能力和开发环境有较高要求。因此，科研市场不仅能带来早期收入，也能帮助伯牙建立开发者生态。

高山S1灵巧手执行抓取任务，图片来源：伯牙智能

除了科研市场，伯牙更看重的另一类早期场景，是那些已经具备明确人力成本压力、危险性或柔性操作需求的行业客户。刘欣判断，危险环境中的远程作业、海外高人工成本地区的服务与操作任务、需要处理多品类小批量零件的柔性装配，以及部分服务业场景，可能会更早落地。这些场景不一定要求机器人一开始就做到完全自主，很多时候，只要先实现远程化，就已经能创造价值。在高危环境中，让人离开现场本身就是价值；在人工成本高的地区，一个操作员远程管理或接管多台设备，也可能产生经济性；在柔性作业中，如果机器人可以完成部分重复操作，人类只在复杂环节介入，也能提升效率。商业化并不只有“全自动替代人”这一条路，远程操作、半自主操作和人机协同，都可能成为灵巧手的早期落地形态。

这也解释了为什么伯牙不愿意只做一个零部件供应商。对于灵巧操作来说，数据不只是训练材料，也会反过来定义产品迭代方向：哪些动作最常发生？哪些物体最难抓？哪些任务最容易失败？哪些传感器信号真正有用？哪些结构设计在真实使用中最容易磨损？这些问题很难仅靠实验室假设回答，必须进入真实场景才能被发现。如果只卖一只机械手，伯牙能获得的是硬件收入；但如果进入科研平台、行业客户和真实场景试点，它获得的将不只是订单，还有真实操作数据、任务反馈和工程迭代线索。硬件、控制、模型和数据之间，必须形成闭环。

刘欣认为，在高精度灵巧操作中，真机数据目前仍然非常关键。仿真当然有价值，尤其适合做算法预训练、任务验证和大规模实验，但灵巧手的接触、摩擦、形变、滑动和微小力反馈非常复杂，sim2real的差距依然存在。很多看似细微的接触差异，都会影响真实抓握和操作的稳定性。因此，伯牙希望通过科研客户、行业客户和真实场景试点，逐步积累高质量操作数据。这些数据不会简单开源，但公司会提供开发环境和生态支持，包括兼容ROS、Gazebo、MuJoCo、Isaac等机器人开发生态，让更多开发者和客户能基于伯牙的硬件和控制系统开展二次开发。

从这个角度看，伯牙的商业化路径与技术路线是一体的：先进入科研和行业场景，一方面可以更快形成收入，另一方面也是为了让产品在真实任务中被使用、被反馈、被修正。每一次真实抓取、每一次失败恢复、每一次远程接管，都会成为下一轮硬件设计、控制策略和模型训练的输入。这才是伯牙想要滚动起来的数据飞轮：不是先闭门造出一只完美的手，再等待通用机器人时代到来；而是在真实场景中边卖、边用、边采集、边迭代，让灵巧手从一个硬件部件，逐渐变成机器人操作能力的底层入口。