搜狐科技《超级瓦力——对话具身智能50人》栏目第15期，对话灵初智能联合创始人陈源培。

划重点

1.VLA未必是终局，但现阶段效果最好。

2.无论合成数据还是仿真数据，都无法真正适配真实场景的复杂需求，最终还是要依赖真实数据，采集成本已做到马斯克团队的1/10。

3.中美模型差距没那么大，国内能追上，但中国的供应链和应用场景优势，美国短期难赶超。

出品｜搜狐科技

作者｜郑松毅

编辑｜杨锦

当多数人还将00后视为“新生代”时，这个群体已在具身智能赛道扛起大旗。出生于2001年的灵初智能联合创始人陈源培，正是这股年轻势力的典型代表。

从华南理工土木调剂生跨界RoboMaster全国冠军，从北大杨耀东门下的学术探索者到斯坦福 “AI 教母” 李飞飞的门徒，再到拒绝华为 “天才少年” 邀约、以最年轻 AI 创业者身份跻身福布斯榜单，陈源培的每一步都在突破边界。

这位00后少年凭借超越年龄的行业清醒，将目光锁定灵巧手核心技术，在这家“科学家密度最高” 的具身智能创企，其团队将真实数据采集成本降至马斯克公司的 1/10，破解了行业数据瓶颈。公司更是剑指2026年百万小时级全球最大灵巧手操作数据集，力求打造具身智能领域的 “ChatGPT”。

凭借 “学术大牛+产业老兵” 的跨代团队优势，灵初智能2024年成立即获高瓴创投、蓝驰创投领投的天使轮融资，且跻身英伟达初创加速计划，与智元机器人达成深度合作。

00后创业如何平衡技术理想与商业落地的现实？亲历中美顶尖科研体系，如何看待两国具身智能的发展差异？近日，搜狐科技与陈源培展开深度对话，解码年轻力量背后的技术野心与产业思考。

以下为对话精编：

一、从跨专业到成为李飞飞门徒创业

搜狐科技：你从放弃土木工程跨界机器人，到拒绝斯坦福深造和华为 “天才少年” 橄榄枝选择创业，这些选择在你看来算不算冒险？

陈源培：回头看其实都挺冒险的，当时也没有想那么多。转过行或者专业的人都知道，重新学一个东西还是挺需要勇气的。很多节点可以说是能力和运气的叠加，不能说我每次选的都是对的，很多时候也是运气不错。

搜狐科技：你本科读的是华南理工土木工程，后来是怎么加入北大杨耀东老师团队的？

陈源培：当时在打RoboMaster竞赛，我们战队水平还是比较强的。刚好看到杨老师回国任教，就主动联系了一下，没想到聊得很投缘。

搜狐科技：也就是说，你虽然学的是土木，但私下一直在自学机器人算法相关知识？

陈源培：对，平时上课我基本坐在最后一排写代码，考前两周才会翻书备考。

搜狐科技：你曾在美国师从 “AI 教母” 李飞飞，在你眼里，她是一位怎样的老师？

陈源培：经验丰富，且很有耐心。虽然在业内已很出名，也在忙于创业，但仍会在教育一线给学生提供指导。

搜狐科技：作为福布斯榜单上的00后创业者，创业过程中是否有人因你的年龄、非博士学历提出能力质疑？

陈源培：会有。自我认同感很重要，要对自己的能力和判断有信心。

很多人拿学历说事其实是一种偏见，我发表的论文数量并不少，对行业的认知也不比别人差。这种刻板印象确实存在，但我觉得无所谓。

搜狐科技：作为00后创业者，你觉得年轻一代在具身智能领域的优势是什么？

陈源培：学习能力。在AI时代，对新事物的学习能力甚至比专业能力还要重要。哪怕是行业大佬，也需要不断学习新知识，不然是跟不上的，AI出来后把很多东西都颠覆了。

二、为什么做灵巧手？

搜狐科技：为什么会选择做灵巧手？马斯克认为手部是通用机器人的“终极接口”，你怎么看这个说法？

陈源培：马斯克说的非常到位。我刚接触灵巧手是在2022年，当时世界上几乎还没有什么人做。最初的原因说出来可能出乎意料，唯一的理由就是觉得灵巧手很帅，后来发现强化学习能在（五指）上面做一些非常灵巧的操作，就一直做下来了。

搜狐科技：有业内人士说“让机器人后空翻需1年，可拧好瓶盖要10年”。你觉得做好灵巧手的挑战在于什么？

陈源培：后空翻、跳舞这类动作的核心是预设轨迹的精准复现，对应的是人体小脑的功能，执行已经规划好的动作，不需要复杂的环境反馈和决策。

而灵巧手的核心任务是与未知物体的交互，比如抓握鸡蛋、拧瓶盖、分拣零件，对应的是人体大脑的功能——整合视觉、触觉、力觉信息，进行判断、决策和实时调整，而不是简单的动作执行。

搜狐科技：所以业内如何评判什么是好的灵巧手？看灵活度、精度还是别的？

陈源培：这是个很好的问题。从技术上说，高精度和视触觉融合是下一代灵巧手竞争的关键。但这里存在一个技术悖论：增加了自由度，就要损失稳定性；增加了精度，就要损失动态响应特性。所以整体而言，落地好用是评判的第一标准，其他指标可以根据实际场景需求再优化。

三、VLA值得做吗？

搜狐科技：当前具身智能行业面临 “数据缺口” 瓶颈，行业对合成数据和真实数据的应用存在分歧，灵初智能为何坚定押注真实数据？

陈源培：终局一定还是要依赖真实数据，无论是合成数据还是仿真数据，都会在数据迁移到机器人身上时出现embodiment gap（具身差距）问题，无法真正适配真实场景的复杂需求。

搜狐科技：但真实数据采集成本高昂的问题怎么解？

陈源培：灵初近期发布的Psi-SynEngine，从便携式手套硬件、到数据管线、再到跨本体迁移算法，提供整套完整方案。设备方便分拣工、快递员等不同职业的人随身穿戴，能在低成本情况下完成数据规模化采集，成本约为马斯克团队的1/10。

搜狐科技：你们计划明年将数据集规模扩展到百万小时级别，这是什么概念？达到这个规模后，对训练具身智能大模型会带来什么质的变化？

陈源培：基本可以说是全球最大的灵巧手数据集了，然后会拿它来训练基础模型——构建具身智能领域的ChatGPT。

搜狐科技：业内对分层架构、VLA、世界模型的技术路线也存争议，王兴兴称 VLA 是 “傻瓜式结构”，依赖数据而非因果逻辑，灵初为何坚持 VLA 路径？

陈源培：VLA未必是终局，但现阶段效果最好。现在整个行业的数据规模还没起来，谈架构都是空谈。再过个三五年，有了足够数据，才能验证选出哪个架构更强。

四、行业‘过热’了吗？

搜狐科技：国内现存数十家灵巧手玩家，行业存在“过热”（泡沫）迹象吗？

陈源培：肯定有。新兴行业初期共识分散，后期趋同扎堆，泡沫是发展必然，很正常。

搜狐科技：未来3年，行业会是“赢家通吃”，还是保持多玩家竞争格局？

陈源培：“赢家通吃”。软硬件技术路线都会收敛，例如谁先拥有大规模的数据占据生态位，后面就会更有优势。

搜狐科技：机器人已“进厂打工”，ToC家庭场景规模化落地还要多久？

陈源培：至少10年。

搜狐科技：兼具中美技术视野，你认为中美机器人行业有技术分野吗？谁更具优势？

陈源培：差异源于国情，美国主攻模型突破，中国强在制造与应用。中美模型差距没那么大，国内能追上；但中国的供应链和应用场景优势，美国短期难赶超。机器人赛道拼的场景与软硬件相耦合，中国优势非常大。