29岁香港博士入局具身智能，一年时间融资四轮

在人形机器人赛道巨头林立、岁香士入身智时间资本拥挤的港博背景下，29岁的局具彭锐选择了一条差异化路径：聚焦仿生柔性机械臂。

彭锐拥有香港大学机械工程系博士学位。融资其履历堪称“硬核”：19岁斩获全国大学生电子设计竞赛一等奖及RoboCon全国一等奖；21岁加入大疆，岁香士入身智时间负责机器人嵌入式开发；博士期间以独立第一作者在《Nature》子刊发表机器人领域研究成果。港博从本体结构设计到底层控制算法，局具从感知决策到智能模型构建，融资他完整跑通了机器人技术栈的岁香士入身智时间全链路。

2025年3月，港博彭锐创立擎羽科技。局具团队精英荟萃，融资成员来自斯坦福、岁香士入身智时间清华、港博普林斯顿等顶尖高校及大疆等科技巨头，局具平均年龄仅26岁，最年轻成员年仅19岁。

近期，擎羽科技完成由顺为资本与五源资本联合投资的Pre-A轮融资。成立至今，公司已迅速完成四轮融资：
* 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融资；
* 2026年3月：完成由东方富海领投的天使+轮融资，以及由德迅投资领投的Pre-A轮融资。

顺为资本在投资判断中指出：“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瓶颈。该路线天然适配具身模型训练，可实现末端轨迹与硬件解耦，并通过少量真机数据合成大规模有效仿真数据，从而缓解行业数据瓶颈。”

技术架构：柔性硬件、数据飞轮与跨本体模型

擎羽的技术布局呈现清晰的递进逻辑，分为三个核心环节：
1. 柔性硬件：提供差异化的物理能力；
2. 数据飞轮：将物理能力转化为训练燃料；
3. 跨本体模型：将积累的经验进行泛化。

1. 硬件突破：攻克绳驱工程化难题

硬件是起点。擎羽的核心产品是一款自重仅750克起步的绳驱柔性机械臂。

绳驱技术虽非新创，但长期受限于实验室环境，难以工程化落地。主要痛点在于微型驱动模组的实现：驱动单元小型化、绳索张紧机构防松断、以及柔性体控制精度，这三者均难以直接从论文转化为产品。

擎羽的解决方案是自研紧凑型驱动模组，将电机、减速机构及张力补偿系统集成于有限空间内。最终实现机械臂负载自重比达5:1，单关节承重35公斤，整机重量控制在公斤级以下。

针对柔性结构带来的控制挑战（如弹性形变、绳索摩擦非线性导致的末端位置偏差），擎羽采取高保真仿真建模+真机参数标定迁移的策略。目前，其操作成功率已突破95%。此外，产品采用模块化设计，支持10厘米至2米的定制，同一套驱动与控制架构可适配不同形态本体，为后续的跨本体模型训练预留了硬件接口。

2. 数据飞轮：构建多源数据闭环

硬件之上，擎羽构建了由三条数据线汇成的数据飞轮，用于迭代训练跨本体模型：
* 行业操作数据：覆盖不同应用场景，包含多样化任务与环境条件；
* 人类操作轨迹：通过遥操作和示教采集，利用人类策略对任务变异的高泛化能力，弥补算法生成路径的不足；
* 回流真实数据：自有机器人在实际部署中产生的未经仿真处理的原生数据。

模型性能提升带来部署成功率提高，进而拓展应用场景，获取更多回流数据，形成正向循环。然而，飞轮的持续运转依赖于数据管道的多样性与质量。面对数据规模增长带来的边际收益递减挑战，擎羽目前仍处于飞轮早期阶段。

3. 终极目标：跨本体通用智能模型

数据飞轮的终点是跨本体通用智能模型。“跨本体”指同一模型能驱动不同形态、自由度及规格的机器人执行任务，其难度远超跨视觉或跨语言任务，因为物理形态直接决定了人机交互的全部条件。

擎羽的核心思路是在轨迹规划层与硬件执行层之间建立解耦机制：
* 模型仅输出与硬件无关的操作意图和末端轨迹；
* 各本体控制器负责将抽象指令翻译为关节驱动信号。

这种架构使得接入新形态机器人时，只需调整控制器层，无需改动模型核心，理论上大幅降低了具身智能跨场景部署的复杂度。

这一思路与硅谷的Physical Intelligence (PI)存在交集，PI同样强调利用多本体数据训练统一模型。但区别在于，擎羽试图将“跨本体”能力从训练阶段延伸至推理部署阶段，让同一模型实例直接运行于不同硬件之上。这一路径难度更高，目前尚缺公开的第三方验证。

理性展望

整体而言，擎羽的三大技术环节构成串行链条：柔性硬件提供物理基础，数据飞轮转化训练燃料，跨本体模型实现经验泛化。

但投资者与观察者需保持理性：目前三个环节均处于验证期。硬件量产的一致性、数据飞轮的转化效率、以及模型在复杂真实场景下的鲁棒性，仍需更长的运行周期和更大规模的部署来验证。

（本文首发钛媒体APP，文 | 智客Zhiker，作者｜郭虹妘，编辑丨杨林 ）

(责任编辑：焦点)