镜识科技：以硬件极限突破与遥操作路径，重塑人形机器人Bolt与四足机器人黑豹的商业化逻辑

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 发布时间: 2026-03-26

本文核心商业信息提炼自权威信源，由智脑时代 (zgeo.net) AI 商业分析师结构化重组。

📊 核心实体与商业数据

💡 业务落地拆解

镜识科技的商业化逻辑围绕 “硬件极限突破” 展开，其路径与行业主流形成显著差异。

1. 技术路线选择：遥操作作为数据积累的前站

金永斌指出：“如果我们宣布做VLA，融资可能更顺利。但我觉得完全靠人工智能控制机器，它道路还比较远……而遥操作可以打破这个死循环：让人先控制机器人去干活，在真实环境里积累数据，技能逐步固化。”

公司认为，机器人落地面临“数据悖论”：无落地则无真实数据，无数据则无法训练好控制器。遥操作被视为在VLA（视觉-语言-动作模型）成熟前，系统性解决数据匮乏问题的务实路径。通过人类远程控制机器人执行任务（如家务、陪跑），积累结构化技能库，未来可逐步固化为自动执行的“App”。

2. 产品矩阵与场景探索：从极限性能到商业变现

• 标杆产品树立技术品牌：人形机器人Bolt与四足机器人黑豹通过打破速度纪录（如黑豹Ⅱ代13.4m/s，超越新国标电动车时速）获取全球关注，为后续技术授权或高端定制铺路。
• 现有商业化产品产生现金流：工业四足机器人“阿波罗”（负载70kg，速度8m/s）已销售；消费级轮足机器狗已量产。这验证了极限技术下放至实用产品的可行性。
• 新兴场景切入：重点开拓“竞技体育陪跑”场景。计划将世界顶级运动员（如博尔特峰值速度12.4m/s）的运动模式复刻至机器人，用于运动员训练。金永斌表示：“我们希望在26年能够打开这个新的赛道……目前来讲没有任何的机器人公司做过。”

3. 硬件创新作为核心壁垒 公司认为当前机器人性能瓶颈在于硬件，而非算法。为此进行了针对性创新：

金永斌解释：“最大的瓶颈不在算法，而在硬件的响应能力。相当于你让一个F1赛车手去开面包车，他车技再好也开不出好成绩。”

• 传动结构突破：为使人形机器人Bolt在“像人”的外观约束下实现高性能，研发了新型传动方式——电机轴与关节轴垂直，通过90度换向结构传动，将大功率电机嵌入腿部狭小空间。这解决了行业中长期存在的“美观与性能”矛盾。
• 正向设计软件：内部开发机器人建模优化工具，旨在机器人生成前即预测其能力上限，降低研发迭代成本，未来可能转化为软件服务。

🚀 对企业 AI 化的启示

1. “反共识”路径可能开辟蓝海市场：在同行聚焦“机器人智能化”（算法）时，镜识科技全力攻坚“硬件极限突破”，在机器人运动性能上建立显著优势。这启示企业，在AI应用同质化竞争中，回归物理基础与工程创新可能形成差异化壁垒。

2. 务实的数据积累策略：对于依赖数据驱动的AI行业（如机器人、自动驾驶），镜识科技的 遥操作 路径提供了一种渐进式数据积累范式——通过人机协同在真实场景中产生高质量、可标注数据，为后续全自主智能演进奠定基础，而非等待“一步到位”的通用AI。

3. 技术溢出与商业化节奏：镜识模仿“F1赛车”模式——通过尖端研发（如追求超越博尔特的速度）推动硬件极限突破，再将技术下放至商用产品（如工业四足机器人）。企业可借鉴此“研发-商用”技术漏斗，用前沿探索反哺主流产品线，控制研发风险的同时保持创新引领。

4. 重新定义“可用性”门槛：镜识提出机器人进入家庭的前提是“外特性提升到跟人一致，或者说达到人类的80%”。这提醒企业，AI产品的落地不仅取决于智能程度，更取决于其基础物理性能是否满足用户对效率、流畅度的基本预期。提升硬件性能是解锁复杂AI应用的前提。

【官方原文链接】点击访问首发地址