藍鯨新聞11月24日訊（記者 武靜靜）在人工智能的敘事被大模型一統天下之前，星塵智能創始人來傑所執着的那條路，曾是一條少有人走，也少有人能看懂。

那時，「AI」與「機器人」在投資人眼中，是涇渭分明的兩個賽道和兩撥人，得幫助他們去理解這二者的融合。2022年底，來傑創立星塵智能在孖展時經常被追問「你們做的到底是AI，還是機器人？」彼時，「AI+機器人」還是一個非共識方向。

然而，這個橫亙在市場和創業者之間的認知鴻溝，對他而言，卻早在十多年前在西安電子科技大學本科時期就已選定的方向，當時他就開始研究機器人與強化學習。

2014年百度全力投入AI，來傑加入百度，希望在這家技術雄厚的公司探索智能注入機器人的新可能，四年實戰，他見證深度學習在虛擬世界所向披靡，卻也更深地困惑：僅靠協作臂，真能滿足AI對物理世界的渴望嗎？

轉機在2018年到來。馬化騰宣佈成立Robotics X，判斷「AI終須迴歸現實，機器人將是載體」。張正友那句「AI與機器人應如兩條腿走路」，如閃電擊中了他。

從校園的起點到創業的啓程，來傑這十幾年的跋涉，正是中國具身智能浪潮從悄無聲息到奔湧而來的一段縮影。

如今，具身智能賽道熱浪迭起，星塵智能團隊也因過往的多年積澱獲得了頭部機構的青睞。2025年11月18日，星塵智能宣佈完成數億元A++輪孖展，這是該公司一年內的第三輪重大孖展。國科投資和螞蟻集團聯合領投，Bloom Advance Capital、時代伯樂、南山戰新投等機構跟投，老股東錦秋基金繼續追投。而另一家同時被阿里系的螞蟻集團與字節系的錦秋基金連續押注的企業，正是宇樹科技。

此外，新加入的美元基金 Bloom Advance Capital曾成功押注過OpenAI、xAI和腦機接口公司NeuraLink等硬科技企業，也較少見。資本市場的持續加註，印證了來傑和他選擇的技術路線正在獲得市場認可。

圖：Bloom Advance Capital曾投資OpenAI、和馬斯克旗下的xAI、腦機接口公司Neuralink和SpaceX

而在具體的技術路徑上，和多年前選擇AI+機器人這個非共識一樣，來傑又選擇了一條非共識路線——放棄行業主流的關節直驅或連桿傳動，轉而押注沒有現成方案、系統工程難度更高，但更加柔性的「繩驅結構」。

來傑的邏輯並不來自市場趨勢，而是數年實驗過程中得出的直觀結論——繩驅更接近人體肌腱的力量組織方式，具有低摩擦、高順應、連續力域等特性，能讓機器人把身體的真實力學信息暴露給 AI，而不是被剛性結構中齒隙與減速器噪聲「遮蔽」。「AI、機器人對世界的探索和試錯，本來應該像個溫柔的孩子一樣：輕輕去碰世界、一步步積累經驗。」來傑說。

目前，星塵的繩驅機器人已進入量產環節，是世界首個實現繩驅量產的團隊,並在AGV底盤廠商、文旅設備企業等千台級訂單中形成真實合作。

對於容易受到質疑的壽命問題，來傑提到，如果連續 24 小時在多任務、不同工況下運行，預測繩索使用壽命約為 3.2 到 6.2 年。同時，機器人採用模塊化設計，超過使用年限後可以通過更換模組進行維護，跟車輛保養一樣方便。

在技術路線的選擇之外，星塵還堅持自建「本體—數據—模型」閉環體系。在他們看來，遙操作是整個鏈條中的關鍵環節：它既是高性價比的數據採集工具，也是早期商業落地的橋樑。來傑認為，相比之下，仿真數據成本低但偏差大，視頻學習可大規模擴展卻缺乏力覺信號，而遙操作能為未來的世界模型提供最具價值的最真實的全身交互數據。「對機器人企業而言，這不僅是技術問題，更關係到商業落地：當AI 機器人無法實現 100% 交付成功率，人（遙操）成了必須的實用的折衷方案，逐步迭代，逐步進入真正的產業化階段。」

在採訪中，來傑談到他們的長期目標——「讓數十億人擁有 AI 機器人助理」，其中既包含「消費級」的想象，也包含「基礎設施級」的戰略，「家庭機器人真正的第一步，很可能不是一個全能助手，而是一個「人的分身」——一個能夠承載情緒、關係與交互的遠程代理體。技術、倫理與產品形態都決定了這條路不會快，而短期內能跑通的，仍是工程邊界明確、任務可量化的專業場景。」

以下是藍鯨科技和來傑的對話實錄，經編輯修改：

一、來傑的非共識選擇：歷經百度、騰訊，我比市場更早看見「AI+機器人」的必然

藍鯨科技：星塵智能成立於2022年底，時機上正值具身智能的「前夜」。當時是什麼樣的行業判斷，讓你們決定「押注AI機器人」這一方向？

來傑：在22年底到23年初進行孖展時，GPT尚未爆發，向大家解釋我們的理念其實是相當困難的。 當時我講的是「AI+機器人」的概念，但投資人常常會追問「你們做的到底是AI還是機器人？」這反映了當時市場對這一融合方向存在普遍的理解誤區。

之所以從一開始就堅定地提出「AI+機器人」，源於我多年來的思考和實踐。

從2014年到2018年，我在百度組建機器人團隊。加入百度前，我一直被兩個問題困擾：第一，機器人未來要如何發展才能真正變得像人一樣智能？第二，智能技術要如何發展才能真正理解物理世界？當時我判斷，智能比機器人本身更為關鍵，而百度正全力投入AI，所以我選擇加入並希望打造一個與機器人技術相關的、最前沿的團隊。

然而，這條路並非一帆風順。在百度工作四年後，我明顯感覺到一個瓶頸：當時的深度學習雖然在各類應用中表現優異，百度的無人駕駛項目也進展迅速，但在機器人領域，我開始質疑，僅僅使用協作臂是否真的能滿足AI在物理世界中的應用需求。

轉折點出現在2018年。當時騰訊邀請張正友老師從微軟迴歸，我參加了他的就職演講。他提出了一個觀點，讓我深受觸動：機器人和AI應該是兩條腿走路，二者相互促進、相互關聯，類似於計算機硬件與操作系統的關係。

演講結束後，我立刻找到他深入交流，之後便決定加入騰訊，成為Robotics X實驗室的初創員工之一，幫助他建立起整個機器人實驗室的架構。

在騰訊，我作為架構師繼續探索AI與機器人的結合，又工作了四年。到2022年，大模型爆發前夕，Transformer架構已在各個領域展現出其強大的潛力和變革性。我當時認為，這種處理高維信息對齊的方式非常適合機器人。

但更讓我觸動的是Yann LeCun（楊立昆）當時提出的「世界模型」（World Model）概念。 他在那篇影響深遠的文章中強調，AI應該脫離互聯網的束縛，去和真實世界進行交互。

只有這樣，AI才能從現實世界中獲得真實的反饋，而不是僅僅依賴人類輸入的知識，這纔是通往真正世界模型的必經之路。

那一刻我豁然開朗：他所描述的不就是一個機器人嗎？我意識到，當前的大模型需要機器人。機器人不僅可以幫助大模型實現頂層的通用智能，更重要的是，機器人能為大模型提供海量的、寶貴的物理世界數據。

這能讓AI真正脫離螢幕和文字，開啓一個更高級的智能發展階段。 正是看到了這些關鍵的結合點，我才決定帶着團隊出來創業，致力於打造一個擁有真正智能的機器人。

到了2023年，這個方向被外界正式命名為「具身智能」，並在2024年徹底火爆起來。這就是我們創業的完整心路歷程。

藍鯨科技：你們提出「讓數十億人擁有AI機器人助理」的願景——這個目標背後，是一種「消費級」的設想，還是「基礎設施級」的戰略？

來傑：如果從產品路徑來看，它一定不是單選題，它既包含「消費級」的想象，也包含「基礎設施級」的戰略。但兩者的時間尺度不同，我們認為會分階段實現的。

第一階段更像是專業助理，是在封閉場景裏把專業事做到極致。

比如我們現在在做的科研、商用、文娛、零售等場景，本質上都是「功能化 + 情緒價值」結合的專業助理。這類場景邊界清晰、任務明確，模型和本體都能快速取得可商業化的效果，「本體—數據—模型」還能閉環持續迭代，我們認為這個階段其實會先跑出來，甚至未來一兩年就會看到比較成熟的規模化落地。

但家庭機器人不一樣。家庭是開放、複雜、動態的環境，對智能要求極高，而且家庭用戶要的是千人千面的「功能價值+情緒價值」。比如我們在養老院做探索時發現一個很有趣的問題：一個機器人，如果完全自主為老人服務，老人反而不一定喜歡；但如果它是「老人女兒的分身」——由家人通過遙操作參與、帶有情緒價值——老人接受度會更高。

這意味着家庭場景裏真正的第一步，可能不是一個「完備的家庭超級助理」，可能是一個人的「機器人分身」，一個真實關係的載體。這在技術、倫理、產品形態上都要慢很多。

藍鯨科技：公司成立時就選擇了「本體—數據—模型」三位一體的路線，這一架構是在怎樣的技術與商業考量下形成的？

來傑：技術上，這是因為未來的機器人，需要Design for AI（面向AI設計）。

我們從成立的第一天起，就告訴團隊，要做為AI設計的機器人。你看「本體—數據—模型」，其實就是「機器人 - 遙操作 - AI」。為什麼？

AI的發展將是關鍵源頭，最重要的增量、變量，是AI和機器人的結合。這幾年，LLM、VLM，再到現在的多模態發展，雖然技術非常強大，但大模型還沒有達到我們想要的智能水平。但互聯網數據幾乎已經用完，無法再為AI提供更多新的信息。這些信息應該從哪裏來？答案是機器人。

機器人正是現在這個時間點最應發揮作用的時候。機器人可以完成兩個重要任務。

第一個是與世界進行物理性的交互，像小孩一樣不斷地進行嘗試。第二個是引入更多的物理信息，這些信息是從互聯網的數據中無法獲得的。

只有在這些數據的補充下，AI的模型才能得到跨越式的發展，進而構建出一個真正理解世界的模型。所以我認為，整個發展的源頭是AI的進步，但這一時刻的質變是AI與機器人結合所帶來的。

那遙操作處在中間，左邊為AI提供數據，因為它是高效的數據採集方式，右邊為機器人提供交互界面，因為是讓人能真正把機器人「玩」起來，也才能讓機器人「學」起來。

而在商業上，單獨做模型，或單獨做硬件都很難形成壁壘。缺乏遙操作，無法實現100%的成功交付，商業化無法落地。

一方面，我們覺得只有形成「本體—數據—模型」循環，才能形成行業真正的閉環，以及可規模化的商業模式。另一方面，在AI沒有百分百成功率時，遙操作可以作為兜底和人機協作，提升交付的成功率。

二、技術選擇：為何敢用「繩驅」定義下一代機器人？

藍鯨科技：星塵智能在2022年底成立時，市場主流仍是連桿傳動。是什麼原因讓團隊大膽選擇了技術門檻更高的繩驅傳動，並將其定義為公司的核心競爭力？

來傑：從 2014 年到現在的持續探索和驗證裏，我越來越堅信：繩驅就是機器人的未來。它同時滿足了 Design for AI（為 AI 而設計） 與 Design for Human（為人而設計），是兩個目標裏最好的交集方案。它解決了行業長期以來的痛點：「性能強就危險、安全強就沒性能」。

從 Design for AI 的角度，繩驅首先提供了「最好的力的傳遞」。很多年前我在騰訊做機器人開門任務時，我就在想：「為什麼盲人能開門，而機器人做不好，但阻尼（一個系統在運動中因摩擦、阻力等導致能量耗散、運動減緩的效應）變化了，什麼時候要停下動作？這些都跟‘力’有關，而機器人缺少這個底層的、第一性的信息。」

後來我們做了大量實驗，發現傳統剛性電機和減速器，會把關鍵的力控細節喫掉——齒隙、摩擦、衝擊都會讓大量物理信息丟失，讓AI 看到的身體是不完整的。你讓它學人的運動軌跡，它只能學到末端（夾爪）那一點點結果，絕大多數細膩的關節、肌肉間的力關係都消失了。

繩驅不一樣，它像人的肌腱一樣發力，具有低摩擦、高跟隨、連續力域，讓 AI 第一次能夠「看到」身體真實的力學結構，並學習真正的施力邏輯。我覺得這就是：智慧的「力量」。藉助繩驅，我們直接解決了開門問題。

第二個Design for AI，是繩驅為 AI 提供了一個「最安全的探索世界、獲得智能的方法」。2014 年我在百度做機器人強化學習訓練時，模型剛跑起來沒多久，機器人就會直接撞到桌子上，兩三周維修才能繼續訓練是家常便飯，啥都做不了。當時行業普遍的結論是：機器人和 AI 天生難以結合，研究必須在仿真裏做。

但我始終覺得這件事的本質不是 AI 的問題，而是——機器人本身不適合訓練 AI。傳統機器人太硬、太兇、太不仿人。那時的機器人，就像：給一個兩歲孩子的大腦，裝上兩米高的身體和強壯的肌肉，這是不合適的。而AI、機器人對 世界的探索和試錯，本來應該像個溫柔的孩子一樣：輕輕去碰世界、一步步積累經驗。

但剛性結構讓所有錯誤都變成「硬碰硬的事故」——一碰就壞。壞了就停，停就不能學，卡住了具身智能的進步。

而繩子天然的彈性，讓繩驅有了 AI 學習迫切需要的三件事：不傷人、不傷自己、不傷環境。繩驅能把高頻衝擊吸掉，讓機器人皮實不容易壞，能「多犯錯」，也「犯得起錯」——這意味着機器人能在物理世界裏多一點時間去探索。而在操作中，如果人突然打擾、物體突然偏移，繩驅能「像手腕一樣」化解掉一部分突發應力，隨機應變。這對需要高精度力反饋和連續試錯的 AI 模型來說，簡直是天生的適配器。

同時，我們也積累了一些非常有價值的研究經驗，為繩驅方案落地「打輔助」。繩驅技術經過長期醞釀，才水到渠成。比如，2019年MIT開源了 MIT Cheetah Mini 的電機驅動器方案，將行星齒輪集成到外轉子電機中。這個看似簡單的驅動器創新，卻極大提升了力的跟隨能力。在此之前，我們主要依賴 ZMP（零力矩點）控制，而自那時起逐步轉向 MPC（模型預測控制）+ 強化學習的方式。這個轉變的核心在於力控能力的提升，從而推動了整個軟件和算法體系的優化。

另一方面，我們在騰訊調研了市面上大量腱繩方案，發現中國是腱繩大國，產業規模佔據全球六成，供應鏈成熟且穩定，價格也有空間。

因此從星塵誕生的第一天起，我們就在機器人本體（硬件）層面明確了一個觀點：未來是AI（軟件）的，機器人要Design for AI，而繩驅，就是最具潛力的解決方案。

藍鯨科技：你們是首個量產繩驅機器人的公司，繩驅傳動相比傳統剛性結構的真正突破點在哪裏？它解決了什麼「行業痛點」？

來傑：它滿足了 Design for AI（為 AI 而設計） 與 Design for Human（為人而設計），是兩個目標裏最好的交集方案。它解決了行業長期以來的痛點：「性能強就危險、安全強就沒性能」。

這個問題，我從Design for Human（為人而設計）的角度來回答。

家庭是所有場景裏最「反直覺」的地方：它需要機器人又強大，又安全，而這兩點傳統上是矛盾的。你需要機器人：1）極致的安全，2）足夠好的性能——高頻動態響應、精確力反饋、好的負載，低噪音；3）結構要緊湊、輕量化、適應不同家庭，不能太笨重，4）能夠儘量低成本實現。

那其實如果直接比較主流的傳動方式，就不能看出繩驅所代表的未來：高安全、高性能、輕量化、成本將持續降低。

最後看成本，繩驅系統成本，在同等性能下，成本遠低於諧波減速器，同時也低於行星減速器。在同尺寸、同體積條件下，其成本介於行星減速器和諧波減速器之間，但性能表現強於前兩者。

藍鯨科技：你們的繩驅方案是如何突破製造與穩定性難題的？

來傑：繩驅本身並非新技術，它在工業領域已有幾十年應用，例如電梯、吊車等，使用壽命、可靠性和穩定性都經過了成熟場景驗證。

在機器人領域，繩驅的應用歷史也不短。早在2000年代初，WAM手臂就採用了精密的繩驅系統，將電機和減速器安裝在基座或軀幹上，通過鋼纜驅動關節，實現高性能操作。這說明繩驅在機械臂上的可行性已得到驗證。

繩驅在機器人界，這一年逐漸被越來越更多人認可。一方面，特斯拉及很多靈巧手公司都開始採用繩驅技術；另一方面，全世界目前真正做繩驅本體的成熟公司可能只有兩家，除我們之外，還有 OpenAI 投資的 1X，他們最近發的家庭新產品也非常有影響力，但要到明年才供貨，尚未量產。而我們已經率先實現量產，是世界首個實現繩驅量產的團隊，這至少領先了1X一個周期。

繩驅製造上，又有一個反直覺的地方——繩驅的原理很簡單，但要是在人形機器人上實現，工程難度非常高——整條鏈路涉及材料、結構、電氣、控制算法等多環節協同，一環扣一環，是典型的大系統工程難題。

我們在死磕繩驅的時間，從在騰訊就開始了。

材料上，我們在騰訊時就做了大量材料學和機構層面研究。得益於現代金屬材料科學的發展，鋼繩的可靠性和穩定性遠超預期。在腱繩壽命測試中，機械臂經過超過150萬次反覆彎折和運動後，繩索本身沒出現問題，反而是軸承部件出現了明顯磨損。這證明，繩索本身的可靠性不是問題。

近幾年發展的碳絲、鎢絲，在強度上也有了非常明顯的提升，也在慢慢補充金屬材料的短板。2024 年《Robotica》的由加拿大魁北克希庫提米大學 LAR.i Lab 團隊完成的一篇綜述中，就對比了不同腱繩材料的特性，並給出了他們的評分，可以作為一個參考。

第二個是運控算法，繩驅的固有問題在於彈性。彈性既是優勢也是劣勢：優勢在於它帶來柔順性，有利於力控和物理交互安全；劣勢在於彈性導致系統初期難以精確控制，繩索表現為穩定的非線性狀態，需要精確辨識並實時補償。實現這一點對算法要求非常高，因此我們開發了大量核心算法，全部自研，包括驅動器自研。原因在於，許多算法必須直接嵌入驅動器，以實現高頻率控制，補償繩驅傳動的非線性問題。

第三個在結構層面，我們採用創新型差分並聯結構。傳統繩驅系統多采用單電機驅動單關節，容易出現動力不足或響應延遲問題，我們讓兩個電機協同驅動一個關節，各分擔 50% 的負載，不僅讓動力性能提升 1 倍，還避免了傳統串聯電機「一個幹活、一個閒置」的能量浪費，進一步提升了動作響應速度。

在壽命方面，如果連續 24 小時在多任務、不同工況下運行，預測繩索使用壽命約為 3.2 到 6.2 年。同時，機器人採用模塊化設計，超過使用年限後可以通過更換模組進行維護，例如小臂磨損只需更換對應模塊，無需整體報廢。這種設計極大提升了整機長期可靠性和可維護性，類似車輛的維修保養，非常方便。

在裝配和量產環節，由於繩驅機器人沒有現成方案，我們開發了專門的自動化裝配工具和標定流程，以保證繩索張緊力一致性。同時，我們進行專門設計確保裝配精度，使每個出廠關節模塊都具備高度一致的性能參數，從而解決了量產的核心瓶頸。我們是今年6月開始量產。

三、從「輪式人形」的務實選擇，到「模塊化」的終局思維

藍鯨科技：從S1到未來機型，星塵在硬件迭代上有哪些方向性的進化？例如：雙足移動、能耗優化或模塊化擴展？

來傑：跟「跳舞走路」的運動型機器人相比，我們更偏向操作型機器人。因此產品形態從一開始就確定為「高價值的上半身，可落地的下半身」。這一理念貫穿始終：從設計初期起，我們就選擇輪式人形而非雙足人形。輪式相比雙足在穩定性、續航、場景適配性以及噪音控制上具有明顯優勢。去年採用這一方案的廠商並不多，但到現在，市面上偏操作類的機器人本體，基本都向這個方向遷移。

具體來看，去年4月我們發布了 S0產品，僅包含胸部以上的上半身。到了去年8月份，整機進行了迭代，就是S1，新增帶輪子的移動底盤。在下半身設計上，我們依然遵循仿人理念，但做到了簡潔而高效。

一個有趣的設計細節是腰部以下的「腿部」結構，我們總共設定了四個自由度，分別對應人體的踝關節、膝關節、髖關節和腰部扭轉。通過大量分析和評測，我們發現這四個關節對於保持平衡、調整重心和擴大操作範圍至關重要。藉助這種設計，機器人能夠在最小複雜度下，實現強大的下半身姿態調整能力，適應不平整地面，或在需要時調整高度和姿態，以完成更復雜的任務。

今年上半年，我們在量產過程中實現了模塊化設計。所有生產問題本質上都是設計問題，而我們的模塊化理念讓組裝變得簡單高效：胸腔、胳膊、下半身都是獨立模塊，最後一拼即可完成整機組裝。這種設計不僅提高生產效率，也便於後期維護和升級。

今年10月，我們推出了半身機器人，主要滿足客戶需求。科研用戶希望擁有「強操作能力」的上半身，但無需移動功能；商業客戶，例如千台級的仙工智能，已經有AGV底盤和控制器，可以將半身產品靈活組合，快速部署到不同場景。

年底，我們將發布一個更具成本優勢的全身產品，得益於過去一年供應鏈夥伴的持續支持和優化。然而，我們強調，操作類機器人，還是一分錢一分貨。如果過度關注價格或過早陷入「內卷式」價格戰，可能會犧牲產品可靠性和性能穩定性，最終損害整個行業的健康發展。歷史經驗表明，成功的自動化技術推廣路徑，總是價值驅動先於成本驅動。

藍鯨科技：具身智能模型DuoCore 模型的「雙系統」靈感源自卡尼曼的心理學理論，這個跨學科設計對AI機器人意味着什麼？

來傑：DuoCore 的「雙系統」設計，靈感來自心理學家卡尼曼對人類思維的劃分：系統1是快速、直覺式決策系統，系統2是慢速、深思熟慮的分析系統。我們將這一理念映射到 AI 機器人上，形成「快慢系統」架構。快速系統負責即時反應和低層次控制，保證機器人在複雜環境下具有敏捷的動作和穩定的交互能力；慢速系統則負責規劃、策略決策和高層次推理，使機器人能夠在面對新任務時進行深度分析和調整行為。

這一跨學科設計對 AI 機器人意味着兩點核心價值：一是兼顧反應速度與決策深度，讓機器人既能安全高效地執行操作，又不侷限於單一任務場景；二是為算法結構提供生物啓發，將人類認知的分層邏輯直接應用到具身智能，使機器人在動作和策略之間形成高效協同。

目前全球估值最高的Figure AI的 Helix 也是快慢系統，不過我們更偏全身VLA。

藍鯨科技：在具身智能領域，很多公司面臨「數據瓶頸」與「泛化困難」。星塵的「快慢系統」和「元技能遷移」是如何具體解決這些問題的？

來傑：數據瓶頸和泛化困難本質上是因為傳統訓練方法需要大量任務特定的數據，而機器人在現實環境中很難快速積累足夠多樣的數據。我們的解決思路是從算法層面出發：首先，「快慢系統」允許機器人在快系統中高頻率進行低層次動作學習，這相當於數據高效的微調與試錯；慢系統則負責低頻次的策略優化和技能整合。通過這種分工，機器人可以在有限數據下迅速學習基礎動作，同時保持對複雜任務的策略規劃能力。

其次，「元技能遷移」機制讓機器人能夠將一個場景學到的動作模式、控制策略或感知技能遷移到新任務中，而不需要從零開始訓練。這種遷移不僅節省了訓練數據，還顯著提升了泛化能力，讓機器人在不同場景和任務間快速適應。例如，抓握某種形狀的物體學到的經驗，可以遷移到類似但尺寸不同的物體上，機器人無需額外標註數據就能完成操作。

綜合來看，這套方法打破了傳統數據依賴的瓶頸，通過快慢系統和元技能遷移，機器人在有限數據下仍能實現高效學習和跨任務泛化。

藍鯨科技：你們提到機器人可以「像人一樣遷移舊經驗到新場景」，這一過程是算法主導，還是通過人機協同的數據採集機制實現？

來傑：兩者都需要。核心遷移能力由 DuoCore 算法驅動，通過快慢系統和元技能遷移實現經驗在不同場景間的泛化；但算法本身仍依賴高質量的數據作為支撐。

藍鯨科技：DuoCore-WB 從半身到全身智能的跨越中，最大的技術挑戰是什麼？是協調控制還是實時計算？

來傑：DuoCore-WB 從半身到全身的升級，最大的技術挑戰在於協調控制和實時計算如何緊密配合。與半身機器人相比，全身智能機器人不僅要讓雙臂完成精細操作，還要在移動、彎腰、轉身、蹲起等動態動作中保持穩定和精確。這意味着上半身操作和下半身姿態調整必須同時進行，機器人要能夠跨區域、跨空間生成靈活的動作策略，並保證動作連續、安全。任何協調延遲或動作誤差都可能影響任務成功率，因此協調控制是首要挑戰。

為了解決這個問題，我們採取了幾個關鍵設計。首先，機器人的動作在末端執行器（EE）的笛卡爾空間生成，每個末端執行器在自己的座標系下學習動作增量。這不僅減少了關節誤差積累，還能讓機器人在大視角變化時依然動作穩健。其次，我們融合了多視角 RGB 圖像和機器人自身狀態信息，通過預訓練視覺編碼器和模態位置嵌入，把視覺信息和動作目標對齊，從而增強機器人在全身操作中的感知一致性。

與此同時，實時計算能力也非常關鍵。DuoCore-WB 的策略模型以 20 Hz 生成動作序列，然後通過輕量級的實時軌跡生成模塊（RTG）以 250 Hz 向控制器輸出平滑連續的動作軌跡。RTG 解決了動作片段內抖動和片段間突變問題，保證全身動作既連續又平滑，同時不會損壞硬件。這使得上層策略和底層控制系統能夠無縫銜接，實現流暢、敏捷的動作。在多個家庭任務測試中，機器人任務成功率最高可達 100%。

藍鯨科技：未來你們是否考慮開放模型API或平台生態，讓外部開發者參與具身智能的技能訓練？

來傑：目前已經在準備一些API開源，會適時公布。

藍鯨科技：在星塵的整體技術體系中，遙操作系統承擔怎樣的角色？你們更傾向於將它視為數據採集與模型訓練的工具，還是已經把它當作具備商業潛力的獨立產品？參考自動駕駛的演進路徑，星塵如何通過遙操來應對AI機器人在早期落地過程中的「corner case」問題

來傑：大衆可能沒那麼了解「遙操」，所以會低估其重要性，但在我們的「本體（身體）—遙操—AI模型（大腦）—場景應用」閉環平台中，遙操作實際上是整個系統的關鍵環節。它既是高性價比的數據採集工具，也是早期商業落地的橋樑。

從數據採集的角度來看，遙操作能提供最精確的全身數據。相比之下，仿真數據雖然成本低、效率高，卻存在仿真到真實的「分佈偏移」問題；UMI 方案成本與精度平衡，但只限於末端操作；視頻學習成本最低且易於規模化，但缺乏力覺和觸覺信息，這對真實交互至關重要。遙操作則兼顧高精度和真實交互特性，尤其適合訓練複雜的全身操作技能。

從本體的角度來看，遙操作是最好的 RUI（機器人交互界面）。可以把它類比為 Windows 系統對個人電腦的作用：如果電腦全靠命令行來操作，絕大多數人都無法用上電腦；而圖形化界面讓用戶可以直觀操作，同樣地，遙操作讓機器人更易被人類操控和訓練。

在場景應用方面，我們參考自動駕駛的發展路徑，從 L2 到 L4 逐步推進。早期階段，AI + 遙操作即可完成商業閉環，既讓機器人完成任務，也為 AI 模型積累高價值數據；後期階段，當自主能力成熟時，遙操作成為兜底機制，用於處理複雜或極端環境下的「corner case」。這與無人駕駛中的遠程座艙理念類似：即使自動駕駛已很成熟，仍可能遇到複雜環境需要遠程接管。

因此，遙操作在星塵體系中既是訓練數據源，也是商業落地工具，更是保障機器人安全可靠運行的關鍵支撐。我們目前在業內處於領先地位，比如WRC上，幾乎沒有能隨時上手測試的遙操作方案，而好多同業夥伴都跑來我們展位「上手學習」。

我們現在支持近程遙操作（第三人稱視角）、遠程遙操作（第一人稱視角），10月份啱啱發布了超遠程遙操作（第一人稱視角），已成功在跨省、跨國的真實客戶案例中完成能力驗證，應客戶要求不能透露具體細節，是非常可靠的「遠程專家分身」。

四、「千台級」訂單背後，如何用繩驅機器人撬動商業場景

藍鯨科技：S1已在科研、商業服務、文娛、工業等多領域落地。在選擇首批落地和大規模部署的場景時，星塵智能的核心篩選標準是什麼？星塵在文娛與零售場景的選擇背後，有怎樣的商業邏輯？

來傑：我們主要還是看能不能發揮「高價值（的上半身操作能力）」，和「可落地（的下半身）」，我們更希望機器人能出現在與人交互協作的場景裏，比如商業服務，因為繩驅本身就在擬人操作和協作安全上有天生優勢，既有用（真幹活的功能價值），又有趣（高擬人的情緒價值）。

在文旅文娛、零售等商業場景，我們看重兩點：機器人本身的互動和操作能力可以直接增強遊客或消費者的體驗；二是商業可複製性，部署後能夠形成標準化的運營模式。

在一些需要深厚行業Know-how的場景裏，比如物流製造、文旅零售，我們會跟有很強技術研發的夥伴合作，比如仙工智能、金馬遊樂，他們發揮行業know-how、渠道與客戶優勢；我們能專注研發，持續提升產品和客戶體驗。

最後，通過規模化訂單的部署，我們能夠高效閉環「數據—模型—本體」的迭代過程，為後續大規模落地積累經驗，推動技術和商業模式雙向發展。

藍鯨科技：與百度和AIRS（先進技術研究院）的合作，在這次「AI+機器人第一單」的合作中，星塵智能的核心貢獻（本體-數據-模型）與百度和AIRS的AI能力（模型、算法、場景）是如何精確分工和協同的？

來傑：主要就是強強聯合，我們貢獻本體-遙操-模型的平台，百度提供AI全棧經驗，從研發、應用到生態資源，而AIRS聚焦專業的數據採集平台開發。

藍鯨科技：星塵智能的首個文旅AI機器人遊藝零售店為什麼選擇中山作為首發地，以及為什麼選擇與金馬遊樂這樣的大型遊樂設備製造商合作？資料稱這是「行業較少的商業服務類大訂單」。您能否透露這次訂單的具體規模、部署時間表和機器人將執行的主要遊藝零售任務？是否會被打造成一個標準化、可複製的商業模板？

來傑：中山發布這項新品，我特別感慨，因為這裏不是一座普通的城市，而是中國現代遊樂園的起點。四十多年前，中國第一座大型綜合遊樂園「長江樂園」就在這裏誕生；當時國內設備還在起步階段，很多項目需要從海外進口，但最難的安裝、調試和維護工作，正是由中山機床廠——也就是我們的夥伴金馬遊樂——一手扛下來的。

所以說中國文旅裝備行業的起跑線，就誕生在中山。今天我們與金馬遊樂攜手，在這座充滿創業精神與創新意義的城市（以及這次發布的遊樂園，金馬本身就提供大部分遊樂設施。）發布全球首個由繩驅AI主理人自主運營的零售服務店，這不僅是一款新產品的誕生，更像中國文旅科技從這裏再次出發、邁向下一代的象徵。

這個是我們跟仙工智能之後另一個千台級合作，也是目前行業少有的偏商業服務方面的大合作（此前大部分偏工業、數據採集等），是非常適合繩驅機器人的場景。

金馬遊樂非常符合我們意向中的合作伙伴。一方面有技術，他們在覈心技術層面突破國外壟斷（LSM電磁彈射技術），保持了硬核自研的基因。另一方面有很深的行業know-how，他們多次成為知名樂園唯一國產設備供應商——是華僑城、華強方特、長隆等國內高端大型連鎖主題樂園的重要合作伙伴，迪士尼、環球影城、樂高樂園等國際頂級主題樂園唯一的中國遊樂設施供應商，遠銷歐美和全球近50個國家和地區。

我們希望機器人MART能複製到每個城市、每個景區、每個街角，期待與金馬遊樂攜手打造一座座‘具身智能城市’雛形，向我們‘讓數十億人擁有AI機器人助理’的願景更進一步。

藍鯨科技：在不同場景（科研、養老、零售）中的數據差異，如何反哺模型迭代？

來傑：不同場景的數據具有互補性：比如科研場景有高精度操作、複雜任務的樣本，有助於訓練策略的精度和穩定性。零售、文娛場景提供多樣化、動態環境數據，強化機器人在實際運營中的泛化能力。養老場景提供人機互動和安全約束數據，用於優化柔順性和交互策略。

藍鯨科技：你們怎麼看「算法先行」與「硬件先行」的分歧？AI機器人最終的制勝點會在哪裏？

來傑：我們自己定位是AI機器人公司，就是AI+機器人、軟件+硬件缺一不可，比如兩條腿走路，協同發展，所以都不能有明顯短板，而且還要長板足夠長。短期看，可以看本體和遙操（數據）、中長期看商業化落地和AI模型。

藍鯨科技：如果把時間拉長五年，星塵希望在行業格局中處於什麼位置？

來傑：技術和商業雙輪驅動，使我們的平台和產品成為行業標杆，並形成可複製、可擴展的生態。

藍鯨科技：接下來一年內，星塵的產品與技術路線重點是什麼？

來傑：中長期在AI模型側會有很多進展。商業挑戰：打造紮實的商業化案例，形成可規模化落地的標準化運營模式，實現用戶體驗、成本和維護的平衡，讓機器人真正融入日常生活。

藍鯨科技：對「AI機器人助理進入家庭」這一願景，你們認為最大的臨界點是什麼？

來傑：我們認為臨界點在於安全、可靠且真正有用的操作能力。家庭環境複雜多變，機器人必須在無監督情況下安全完成任務，同時帶來顯著價值，纔會獲得用戶廣泛認可和接受。