29岁香港博士入局具身智能，一年时间融资四轮

在人形机器人这条赛道快要被巨头和资本挤爆的当口，29岁的彭锐却另辟蹊径，把目光投向了一个不那么主流的切入点——仿生柔性机械臂。

他的履历相当硬核。香港大学机械工程博士，19岁就拿了全国大学生电子设计竞赛一等奖和RoboCon全国一等奖，21岁加入大疆做机器人嵌入式开发。博士期间，他作为独立第一作者在Nature子刊上发表了机器人方向的研究成果。可以说，从硬件设计到底层控制，从感知决策到智能模型，机器人技术栈的每个关键环节他都亲自趟过一遍。

2025年3月，他创办了擎羽科技。团队背景同样亮眼，成员来自斯坦福、清华、普林斯顿等顶尖高校以及大疆这样的科技公司，平均年龄只有26岁，最年轻的成员才19岁。

这家年轻公司最近完成了由顺为资本与五源资本联合投资的Pre-A轮融资。算上这轮，擎羽自成立以来已累计完成四轮融资：2025年7月获得奇绩创坛种子轮投资；2026年1月完成由德迅投资领投的天使轮；3月又相继完成了由东方富海领投的天使+轮以及德迅投资领投的Pre-A轮。

顺为资本在这轮投资中给出了一个关键判断：“擎羽科技的绳驱柔性机器人有望突破传统刚性机器人在安全性与部署成本上的限制。同时，这条技术路线天然适配具身模型训练，可以实现末端轨迹与硬件解耦，用少量真机数据就能合成大规模有效仿真数据，从而缓解数据瓶颈。”

擎羽的技术布局可以拆解为三个递进的环节：柔性硬件、数据飞轮、跨本体模型。柔性硬件是基础，提供差异化的物理能力；数据飞轮把这种能力转化为训练燃料；跨本体模型再将积累的经验泛化到更多场景。

先来看硬件。核心产品是一台自重仅750克起步的绳驱柔性机械臂。绳驱这条路在学术界并不算新，但它长期卡在实验室里出不来，根本原因在于微型驱动模组的工程化一直没走通。怎么把驱动单元做得足够小？绳索张紧机构如何保证不松不断？柔性体的控制精度能否达到实用水平？这三件事，没有一件能直接从论文变成产品。擎羽的做法是自研紧凑型驱动模组，把电机、减速机构和张力补偿全部塞进一个有限空间里。最终，机械臂实现了5:1的负载自重比，单关节承重35公斤，自重则压到了公斤级以下。

柔性结构带来的控制挑战同样不小。受力时的弹性形变、绳索的摩擦非线性，都会让末端的实际位置偏离理论值，而且偏离量还会随工况变化。擎羽的解决思路是在仿真里构建高保真的柔性体动力学模型，只需用少量真机数据做参数标定后就能迁移，目前操作成功率稳定在95%以上。此外，产品走的是模块化路线，臂长从10厘米到2米都可以定制，同一套驱动和控制架构能适配形态差异很大的本体，这为后面的跨本体模型训练预留了硬件接口。

硬件之上是数据飞轮。擎羽的数据来源有三条线：一是不同应用场景的行业机器人操作数据，覆盖多样化的任务和环境条件；二是通过遥操作和示教采集的人类操作轨迹，人类策略对任务变异的泛化能力通常优于算法生成的路径；三是自有机器人在实际部署中产生的回流数据，这部分数据不经过仿真，直接来自真实世界。三条线汇合到一起，用于迭代训练跨本体模型。模型变强了，部署成功率就上去了，能进入的应用场景也就更多，回流数据自然随之增长——一个正向循环就此形成。

不过，飞轮能否持续加速，取决于数据管道能否维持足够的多样性和质量。数据规模增长带来的边际收益递减，是所有这类系统的共同挑战，擎羽目前还处于飞轮运转的早期阶段。

飞轮最终指向的，是跨本体通用智能模型。所谓“跨本体”，是指同一个模型能够驱动不同形态、不同自由度、不同规格的机器人执行任务。这比跨视觉、跨语言要困难得多，因为机器人的物理形态会直接决定它与环境交互的全部条件。

擎羽的思路是在轨迹规划层和硬件执行层之间做一层解耦：模型只输出与硬件无关的操作意图和末端轨迹，由各本体自己的控制器把抽象指令翻译成关节驱动信号。这样一来，接入新形态的机器人只需要搞定控制器层，模型核心可以保持不动。从理论上讲，具身智能在跨场景部署时的麻烦会少很多。

这一思路与硅谷的Physical Intelligence存在交集，PI同样强调用多本体数据训练统一模型。区别在于，擎羽想把“跨本体”的理念从训练阶段延伸到推理部署阶段，让同一个模型实例直接跑在不同的硬件上。难度显然更高一截，目前还没有公开的第三方验证。

整体来看，擎羽的三个技术环节构成了一条串行链条：柔性硬件提供差异化的物理能力，数据飞轮将这些能力转化为训练燃料，跨本体模型将积累的经验泛化输出。但同样值得理性看待的是，三个环节目前都还处于验证期。硬件的量产一致性、飞轮的数据转化效率、模型在复杂真实场景下的鲁棒性，都需要更长的运行时间和更大的部署规模来给出答案。