深圳“85后”干出未来独角兽：用绳子驱动机器人，融资数亿

在来杰的期待中，未来的世界是这样的：顶尖科学家能驱使100个机器人助手，将数年的实验周期压缩到一周；五星级大厨的厨艺被数字化，家中机器人将它们做成佳肴端上餐桌。

来杰，具身智能企业“星尘智能”的创始人。虽然不到40岁，却是拥有16年机器人研发经验的老手，他毕业于西安电子科技大学，曾是百度小度机器人和腾讯Robotics X实验室的核心初创成员。

2022年，看到科技潮水的方向将要改变，来杰在深圳创办了具身智能企业星尘智能。

星尘智能核心技术是“绳驱系统”。它来自一次灵光一现。来杰发现，盲人虽然看不见，但凭触觉、凭力感知能够开门。基于这种启发，团队开发了一套“神经系统”，让机器人手臂完成压、推、拉动作时，自动调节施力。而绳驱技术天然能为机器人提供力感知的反馈回路。

星尘智能的机器人产品通过模仿人类肌腱的传动方式，用绳索替代传统的刚性传动方式（关节直驱、推杆传动），当机器人在同样体积重量下，绳驱有最高的力传递效率（高动态），而且能把电机后置减少末端组件的体积，从而让机器人动作更轻快、更柔顺，能够实时感知拉力，实现安全的人机交互。这种设计让机器人在执行任务时具备“肌肉感”，不仅能模仿人的动作方式，也能在冲击或接触中用绳子吸收冲击力，确保交互安全，机器人也更抗摔。

2024年世界机器人大会上，星尘智能展示了绳驱技术的全身原型机Astribot S1，并于2025年6月实现量产。目前是全球首家能够量产并出货绳驱AI机器人的公司。

星尘智能的产品架构分为三层：

底层是绳驱机器人本体，性能对标人类，运动范围、速度和加速度均略高于人。其模块化设计允许上、下半身分离，半身版可安装在AGV或履带平台上执行客户所需的操作。

中间层是RUI（Robot UI），相当于机器人的图形化界面，支持VR遥操作，让非专业用户也能像玩游戏一样直观控制机器人。星尘智能已实现跨城、跨国遥操作客户任务验证。

最上层是AI模型层，基于遥操作采集的真机数据进行训练，也会按需使用互联网视频数据或仿真数据，结合视觉、语言与动作信息，自主研发了全身移动操作VLA模型DuoCore-WB，

也开放合作，我们是顶级机器人大脑公司Physical Intelligence首个官宣的合作伙伴；和清华、通研院合作开发了ControlVLA框架，用10几次的少量人类示范，即可让机器人掌握倒水、叠衣等任务，成功率超过75%。

除了拥有“本体-数据-模型”的全栈解决方案，来杰认为，与特斯拉、Figure等以刚性结构为主的同行相比，星尘智能优势还在于柔性驱动带来的力感知能力与成本控制。绳驱系统完全依托中国供应链，成本约为谐波减速器的十分之一，寿命可达三到六年。团队自研检测与补偿算法，使重复定位精度控制在正负0.03毫米以内。

星尘智能独特的技术方向被资本市场看好。创立以来，星尘智能连续完成多轮融资，总额达数亿元。股东包括锦秋基金、蚂蚁集团、云启资本、道彤资本、德迅投资、经纬创投、清辉投资等知名机构。

在商业化方面，星尘智能已启动多场景试点。与央视网联合打造“小央机器人乐队”，在深圳机场和保利剧院多次大规模展演；拿下仙工智能、领益智能的上千台机器人订单，共同开发工业物流场景；在深圳养老机构测试服务型应用；AI系统DuoCore在模型侧支持爆米花制作、饮料售卖等全自主商业服务。

星尘智能的目标并不是要造更复杂的机器人，而是打造一个能被AI充分学习、能被人自然使用的具身智能平台。在全球人形机器人竞争日趋激烈的当下，它提供了一条不同于刚性机械路径的可能性——以刚柔耦合的结构和产品化思维，推动机器人真正进入可用、可交互、可量产的阶段。

最近，铅笔道与多家媒体同来杰交流，以下是对话精华。

一，反共识创业：用绳子驱动机器人

问：为什么选择绳驱这条少有人走的路？

来杰：绳驱其实是传动和减速的一种方式。我以前在腾讯，最早做双足机器人，后来管操作项目。我问团队：“为什么盲人能开门，机器人不行？”过去，我们一直在视觉精度上“卷”，控制得再准，也没用——因为现实问题不靠这解决。

我们试着模仿盲人开门：他看不见，但凭触觉、凭力感知就能顺势转动门把。于是我们做了个“神经系统”，让机器人在随手压、顺势拉的时候，自动调节施力。用谐波（减速器）不行，用多级行星（减速器）抖动补不掉，就开始做绳驱的理论研究。后来发现，机器人运动构型越像人，AI学得越好，而绳驱刚好能解决这两个问题。我们创业从第一天就确定用绳驱。

绳驱天然能提供“力感知”的反馈回路。这种柔顺性带来安全性，比如我们机器人天天敲敲打打也没事，因为绳子能吸收冲击。相比之下，很多刚性电机机器人敲一下就坏了。

这就是我们“高天花板”的基础——先有仿人的力控，再让更多人通过RUI使用，采更多数据，最终训练AI，实现自动化。

问：绳驱面临哪些困难？为什么当初绳驱没成为行业共识方案？

来杰：早期最大的担心其实是供应链，不是技术。我们从2020年底开始研究绳驱，做到2022年底，从材料、大力马、高分子、金属绳，到拉丝精度、建模、标定都做透了。没惶恐是因为理论扎实。绳驱没成主流，我觉得是阶段性问题。以前没有好的平台能把机械、控制、电驱等人凑在一起研究。像浙大有位老师研究绳十几年了，也想联合几个学院系统解决绳驱问题，但没机会。我们在腾讯时人齐、资源足，才能解决。惟一忐忑的就是怕绳都要进口，但后来发现中国供应链太强，就不怕了。

我们在腾讯时用的是日本和美国的绳。后来我创业时就想，不能老这样搞，得换供应商。我在中国摸了一圈，发现一个惊人的事实——国外很多绳的供应商，原始供应商其实就在中国。航母上的绳、电梯上的绳、大吊车上的绳、汽车升降窗里的绳，占了全球市场七八成以上。我们就开始在中国发掘这些供应商，发现完全能搞定，只是之前没人提过这样的需求。这属于工艺技术范围内的事，好处是成本非常低。

问：目前绳驱本体有哪些缺点？市面上采用绳驱的公司比例大概多少？

来杰：绳驱更适合生活化、服务类的轻负载、强交互应用，不太适合高负载工业场景。比如我们设定单臂负载峰值是10公斤，这是人的普遍负载能力。如果要更重的，就该用机械设备辅助了。工业场景对高负载、效率要求高，还要稳定快速停下，这种情况下绳驱弹性太大，不合适。像电梯那种平稳控制的场景没问题，但重工业高频加减速的就不太行。所以我们认为绳驱更适合家庭、商业、人居环境。

行业主流是关节直驱、垂杆传动，谐波减速器，优点是高精密、强负载，但不耐冲击，微小撞击都可能损伤柔轮。工业环境程序化操作没问题，但我们机器人学习大概率要“被撞、敲桌子，磕磕碰碰”，绳驱就很合适。

真正量产的除了我们几乎没有。很多友商说我们一量产他们就抄。去年WRC我们遮拦了一点，今年完全开放，有人拿着手机镜头一直拍我们的绳驱，但我们无所谓，遥操作他们也都都过来看了。

问：绳驱技术下，零部件的寿命有多长？

来杰：我们做过寿命预测，连续多任务不同工况下可达3.2到6.2年。人形机器人出来也没几年，这个寿命其实不低。加上模块化设计，部分损坏可单独更换，比如小臂坏了就换小臂，，寿命整体会提高，参考一辆车的保养环节，还是可以接受的。

问：如果竞争对手仿制绳驱技术。

来杰：他们要先绕过我们的结构专利，把样机仿出来，大概半年到一年。然后要解决补偿算法，把弹性问题补偿掉，重复定位精度要做到0.03毫米以内，这至少还要一年半。我们当时在腾讯研究的就是最底层原理，包括材料、运控算法、电驱板全自研，所以光抄结构是玩不转的。

二，机器人智能化做到70分，提前实现商业闭环

问：你们的机器人做成轮式，这是怎样的考虑？

来杰：我们具备这方面能力，在腾讯时做过双足、轮足、四足等移动方向的研究。当时技术很好，但后来创业时我一直在思考一个问题——电池放哪、放多大？双足机器人的上半身空间有限，电池小，而机构又费电。测算下来续航最多三小时，而且要用特殊电池。既然我们要做产品，让机器人服务人类，就不能让机器人干两小时活就罢工。所以我们一开始就决定不做双足，主打“高价值的上半身（重操作），可落地的下半身”。等电池问题解决、产品化可行时再考虑。现在四足或其他机构用我们的半身去配合，是完全可以支持的。

问：很多厂家不断强调机器人自主性，你们为什么要把人操作机器人当作卖点，它是刚需吗？

来杰：我们的卖点其实顶尖本体+领先遥操+高效模型的结合，而且我们认为，遥操作的重要性被大家低估了。遥操作其实挺有意思，我们陆续接到很多需求。比如广州一个化学研究所，他们在云南湖边搞实验，要爬山七天，只为采点水样、做一小时实验。如果能遥操机器人，就省事太多了。

之前有个美国教授体验完以后脑洞大开。他做化学实验，有实验室要穿防化服，只能待一小时，他就想能不能远程遥操。

甚至还有维和部队找我们帮忙拆弹的。

这些场景都不需要AI自主，它们需要的是“人类的远程分身”。这让我们意识到：遥操作不是过渡期，而是长期存在的形态。我们认为机器人缺两个关键接口，就像个人电脑的鼠标和键盘。遥操作+VR能让人更自然地用机器人，这是未来人人都能用的关键平台。

AI其实就是“数据+模型”。遥操作这层正好补足数据。近程遥操能记录操作数据，远程遥操能适应更复杂环境。当然，现在也有问题，站在机器人旁边遥操是用第三视角，缺了第一人称视角。从旁边看，觉得机器人拿杯子很顺，但机器人自己的视角可能根本没看到杯子，这就会出偏差。我们希望“近程+远程”结合，收集完整数据。

到了第二阶段，AI模型主导、遥操作兜底，就能先形成商业闭环。比如，让机器人完成一个任务要100%成功，才能商业化，AI做到70%可能只花100万，做到90%要1000万，做到100%可能要一个亿。那我们干脆让AI做到70%，剩下30%，用人补上，这样就能把应用快速跑起来，还能反哺AI进化，在这个过程中，又能反向积累数据。

问：你们的遥操作技术最大的优势是什么？

来杰：第一，我们的仿人结构带来人体同构性的优势，这是软硬件整体设计和性能上优势，短期内除非别人改构型或者改设计方案才能赶上。看遥操作时，大家可以关注几个性能纬度：低延时，让机器人能跟上人，速度快效率就高；动作复刻性，比如大幅度转身、下蹲取物、投掷等大范围操作动作，对机器人很难，看能不能跟人同步映射；易用性，不同身高、臂长、年龄的人能轻易上手。我们一比一复刻的好处是什么？操作员就再也不用思考（don’t make me think），只需要下意识做动作就行。但延迟而动作不同步，操作员就得想“我动了，为什么机器人没跟上？”“我动到位了，机器人为什么没动到位”，错误的感受，就得调整和修改动作去迎合机器人，影响操作效率。

问：你们在模型训练上有什么技术特点？

来杰：模型训练上有共性，也有各家的方向。从今年1月份 P0开源开始，大家都有了一个大框架，稍微改动就能拿到不错的效果，这属于“低垂的果子”。

现在低垂的果子都差不多摘完了，剩下的是更高的果子，需要各家自己选择。我们选择的重点是“全身 VLA”，否则我们的含腰带臂、双臂联动机器人优势发挥不出来。

另一块是判断系统，这是我们的重点。别的公司可能加空间理解、活动记忆之类的模块，各有选择。我们也在投入模型架构层面，不久后会发布一个偏向 Pre-train、关于基模构建的成果。

问：那怎么克服 VLA 的数据问题？

来杰：真机数据、合成数据、互联网数据、人体数据，每种都有部分信息，都要联合使用。我们以真机数据为基础形成动作，再通过合成场景增强泛化，比如换桌面、换对象、换背景。互联网数据我们也用，比如数字人骨骼数据、图片信息。这些都能帮助合成。

真机数据成本高，但价值也高。其他外部数据会越来越便宜。我们有几十人的数采团队，可以24 小时采真机数据，从采、标、训到模型产出都有自动化管线。部署验证还没全自动化，但模型训练产出这块已经自动化，研发只要把模型部署上去就能直接验证和调整。

问：你怎么看现在行业追求的泛化性？

来杰：我们发现一个问题：所谓的泛化性是基础能力，而在商业化要求的成功率、准确性上，可以通过场景迭代持续提升。

一个通用模型可能做不好专用任务，比如焊电路这种需要专门训练的技能。

我们现在主力方向是产品和商业化，少部分人探索泛化性。下一步要发的 Pre-train 技术成果，就是为了提升泛化能力。

现在大模型还没定局。一派认为应基于大模型形成专项应用，一派认为应继续做更大模型，让它能自适应专业任务。我们保持敬畏心，持续投入和比较。