锚定云端大脑终局路线，灵御智能获资本持续加注

（原标题：锚定云端大脑终局路线，锚定灵御智能获资本持续加注）

过去两年，云端具身智能行业的大脑主流叙事高度聚焦于本体硬件，各家纷纷将越来越大的终局智能注端侧模型塞进机器人，仿佛端侧算力越强，线灵御离通用智能就越近。获资然而，本持一台人形机器人的续加电池容量通常只有半度电到两度电，而一辆电动汽车动辄五十度电起步。锚定在几十倍的云端能耗差距下，试图在端侧独立完成感知、大脑决策、终局智能注控制的线灵御全链路任务，本质上是获资在功耗、智能和成本之间做一个难以持久的本持妥协。

面对这一行业困局，清华系企业灵御智能给出了一个截然不同的判断：端侧只保留“小脑”负责实时控制，“大脑”放在云端负责认知、推理与进化。近日，这一以“云端大脑”为核心的差异化架构获得资本市场认可，灵御智能两个月内再获近亿元融资加注。

灵御智能创始人兼CEO金戈将这一判断归结为三重现实约束。第一，功耗硬约束。汽车搭载十几度甚至上百度电的电池，机器人电池一般在半度电左右，最大的也在2度以下，这不是短期工程优化能解决的。第二，端侧算力天花板明显，只有云端才能提供足够的算力密度支撑通用智能。第三，与自动驾驶不同，机器人工作场景相对固定、网络环境可控，端侧只需部署低功耗芯片处理断网时的急停与避碰，复杂推理和任务规划全部交由云端。

“这不是工程妥协，是对终局的判断。”灵御智能创始人兼CEO金戈表示，团队认为未来数年甚至十年内，高智能算力部署在云端会是更优路线。

这一判断从底层重塑了灵御智能的产品设计。灵御智能联合创始人兼首席科学家莫一林介绍，公司整个技术栈都围绕“云端大脑”架构优化。通讯层，团队将操作链路拆解为20个环节逐一优化，最终将总延迟压缩至90毫秒以内，千公里跨城传输仅增加约10毫秒，低于人类视觉延迟感知阈值。数据层，采集数据实时上云，模型持续训练迭代后重新下发，全链路接口完成标准化设计。本体层面，视觉回传、力控反馈、运动指令下发均围绕云端控制需求打造。

基于这套架构，灵御智能进一步提出了“一身多脑”：同一台机器人本体，可根据场景接入不同的云端专家模型，通过任务路由机制动态调度，无需一个能应对所有任务的万能模型。

在具身智能行业从“拼硬件”走向“拼系统”的当下，灵御智能的云端架构选择正在打开一条新路径。当更多机器人通过低延迟通讯接入云端智能，单台设备的能力边界将不再由机身内的芯片决定，而是由云端模型池的丰富程度与数据闭环的进化效率来定义。