数字经济观察网 - 软信官网

把人类经验变成机器可学习的数据，他想为具身智能造一座“风洞”。

许展玮很喜欢莱特兄弟。

两个多小时的交流里，他至少三次把话题带回这对兄弟身上：他们怎么发现前人的升力数据是错的，怎么自己造风洞、造发动机，又怎么在所有人都认为“人类要再等一百万年才能飞行”的年代，把飞机送上了天。

“我觉得，今天的通用具身智能，看上去并没有当年的飞行那么困难。”他说。

2025年，许展玮从清华大学博士毕业后，一个人在深圳南山注册了手亿科技。一开始这家公司不做具身数据，而是做AR眼镜的手势输入外设——一副腕带。他的博士课题是基于手部姿态估计的人机交互，最初给投资人演示的demo里有一架纸做的钢琴，许展玮特意让爱玩音乐的英诺天使基金合伙人王晟体验——手指敲在纸面上，算法能识别出敲到了哪个琴键，还能识别和弦。

公司成立没多久，就有人找上门来问：你们做不做具身智能的数据采集？

“不做。”许展玮回答得很坚决。

但三个月后，他就改了主意。手亿科技从一家做交互硬件的公司，转向具身智能数据基础设施：用腕带和头戴设备采集人类真实操作，再把原始记录处理成机器人可以学习的数据。今年2月到6月，这家公司四个月完成三轮融资，估值快速抬升。

谈到公司转型，许展玮承认，真正让他迟疑的并不是技术能不能做，而是能不能推翻自己刚刚向投资人和团队讲过的路径。“我不习惯朝令夕改，一开始觉得，转具身智能会不会代表自己之前一直在说瞎话？”

站在一年后回看，这错过的三个月是他给自己算的最大一笔学费。

“我现在觉得，一年前自己很幼稚，很幼稚。”这是采访中他说得最多的一句自我评价。一个刚毕业的博士，从一个人、没有工资、自己掏钱做起，到三轮融资、推进产品量产，他在这一年里学到的不是怎样显得永远正确，而是怎样守住长期目标。

01.第一课：不要为面子交学费

许展玮很早就看见了具身智能这条赛道。

“在我们还没有成立公司的时候就发现了。”但他解释，那个时候只有学术上的声音，而真正的信号是在公司成立之后才扑面而来的，清华校友圈的消息传播极快，创业后很快就有人找来问他做不做数采。

王晟是手亿的早期投资人之一，他有一次专门跑到深圳约许展玮出来见一面，在滨海大道的写字楼里，王晟开玩笑道：“今天约你没别的意思，就是让你赶紧转具身，不转不让你出这个门。”

最终说服许展玮转向的是一个更实际的原因：订单。

“找我们的几乎没有做交互的，大家都在做数据采集，而且订单需求非常大。”

许多客户看中他做交互的优势：无感佩戴，“大家追求数据规模化，同时希望设备带给人的影响越少越好”，这对硬件的要求是相通的。

技术是通的，但指标完全变了。做交互时他只需要关注三件事：延迟、佩戴舒适性、手部精度。做具身要多得多，不只是空手，还要有操纵和抓取时的精度，要知道运动传感器里的位姿，要做SLAM，还要有多模态、触觉、EMG（肌电信号）等等。

技术和市场信号都已经足够清楚，真正难的是承认一家刚起步的公司，需要重新定义自己。

此前十余年的研究让整个团队在手部交互上有足够深的积累，转向具身智能意味着把这项能力放进一个更大的系统：机器人如何获得、理解并复用人类操作经验。

他后来把“大方向的坚定”和“具体路径的调整”分开来看。“哪怕你坚定了具身智能这个大的赛道，小的决策里面也要不断地调整。”

犹豫的这三个月被许展玮看作是创业以来交过的最大一笔“学费”。因为2025年，行业最疯狂的模式是各地建数采中心、数采基地，政府投入大量的钱、请大量的人、买各种设备，去做数据采集。

许展玮觉得，如果早一点转到具身，也许价值会更大一些。

2025年10月，手亿科技正式转向具身智能数据采集。创业启动资金来自老师的支持和自己的积蓄，许展玮没有给自己预设Plan B。对他来说，一旦确认这是值得长期投入的方向，接下来要做的就是想办法把它做成。

“没有钱我们就自己想办法、筹集资金。”

至于为什么把总部放在深圳，原因很简单，深圳有全国最顶尖的硬件人才和完善的硬件供应链。“我们在软件算法上是充足的，那短板在哪？在硬件。”

在产品生产上，许展玮坚持从算法到硬件到工程化全链路自己掌握。“这个赛道还没有收敛。把设备和数据卖给模型公司、本体公司，对方一定会给反馈，而反馈就是改进空间。可能在硬件，可能在算法，可能在中台。”

每一个可改进的地方，他都希望沉淀在公司体内，变成组织的能力，而不是攥在某一个人手里，包括他自己。

02.第二课：不问自己擅长什么，问公司需要什么

起步阶段，最难的不是列出岗位，而是让别人相信一件还没有发生的事。早期一位出色的工程师候选人来到手亿最早的孵化场地面试，空间很小，面试者后来回忆起这段经历时说，当时心里犯嘀咕，觉得这会不会是个骗子公司？

许展玮那天穿得非常正式，没有先讲岗位和待遇，而是像路演一样，把公司为什么要做具身智能数据、这件事可能把机器人带到哪里，从头到尾讲了一遍。对方最终加入，不只是因为一份工作，而是愿意共同下注一个尚未被验证的方向。

从博士研究员到CEO，技术出身的他对于管理有自己的理解：对一个组织的技术方向、节奏和结果负责。

与其问自己是不是一个管理型人才，许展玮换了一个问法：如果决定把自己和一家公司绑定到一起的话，首先要关心的不是自己擅长什么，而是公司需要你做什么。“CEO是公司最后的兜底，我要负起责任，带着大家在我们这个初创公司走向世界级企业的过程中，一项项补课。”

后来公司还缺商务，许展玮就先把商务跑起来。但他跑商务的方式，更像是在为公司画一张岗位说明书，跑通一遍，搞清楚这件事需要什么样的人，然后把它交出去。

作为一个新手，许展玮坚信一些最简单的管理哲学，比如一个人如果要成为一家公司的领导，最关键的不是他擅长什么，而是他怎么找到合适的人。但找到合适的人前提是自己足够懂，所以早期供应链他亲自蹚了一遍、商务他一个一个跑。这样才能看清每个位置上真正需要什么样的人。

图源/pexels

相比于招人，辞人可能对许展玮更有挑战。

“有些很好的兄弟加入进来，然后发现他其实不太行。”他说，“早期公司没有成熟平台可以托底，每个人都要在不确定中快速成长。”善意不能代替标准，“但是每个人成长速度是不一样的，所以真正对团队负责，是让使命、岗位和结果之间保持清晰。”

手亿招了不少应届生，尤其在深圳。“他们的第一站就是手亿，希望跟公司一块成长，长远地工作下去，我能感觉到他们的热情，但是我没有办法做到每一次看人都特别准。”许展玮回忆，辞退员工的时候，经常聊着聊着就觉得“也许还能再留一留”，但是转念一想，“不行……今天必须把这件事搞定。”CEO要做的不是许诺所有人都留下，而是确保愿意同行的人朝同一个方向成长。

在一家技术创业公司里，梦想让人走进来，困难决定谁愿意留下。久而久之，他对管理有了一层新的理解：把共同的目标变成强大的组织能力。“真正把人聚在一起的，从来是这件事本身值得做。”但除此之外，要把方向讲清楚、把能力建起来，并让组织在创始人不亲自盯住每个细节时仍能向前推进。

“当你一个人的时候，是最没有压力的，没有投资人，没有心理负担。”他记得很清楚，最早的时候在南山换了个很小的单间，“床跟桌子在一块，在房间里边各种捣鼓东西，还挺快乐。”

“然后突然有一天拿到钱了，招到人了，压力就开始大起来了。但也更兴奋了，会觉得荣幸，因为可以做真正的梦想。”

03.第三课：有些判断，一步都不能让

这个坦承自己“很幼稚”的人，在一件事上却一步都没让：不做手套。

在做数采这件事上，手套是最成熟、最省事的方案，公司内部也讨论过要不要做。最终许展玮和公司CTO于进洋的态度很坚决：不做手套。

支撑这个决定的是一条第一性原理，数采不能影响人的正常操作体验。

许展玮认为，大家现在看到的那些任务，比如叠衣服、超市分拣、物流分拣，好像戴手套或不戴手套都差不多。但还要往真实场景里再想一想，比如物流里面的撕胶带。

“手套做不了那么薄，戴着手套就是没法做这种动作。你总不能够要求快递小哥撕胶带的时候把手套摘了，撕完再戴上，没有人愿意这样做，而且一旦你这样做了，关键动作的数据也缺失掉了。”

跟这个相似的场景还有焊接。“拿着精细的镊子去做焊接的时候，经常需要真正的裸手去操作”。

对“侵入式设备”的问题，他给了一个物理学的类比。“一旦有侵入就意味着会影响操作，这有点像量子力学中的测不准原理，观测和测量不能同时发生。你想把手的动作完整记录下来，但为了记录，你让操作的感觉变了形。”

这不是他的空想，一家头部云厂商客户给了实证。据许展玮说，对方最早找来时就讲了用手套遇到的两个问题：第一是有些关键动作捕捉不到；第二是它会影响业务部门的生产效率。

“其实大家戴着手套也能够敲击键盘，但没有人这么做，因为不习惯。业务部门和数采部门是两回事，业务部门不会为了数采部门的任务去牺牲自己的经济效益。”

所以他要的是一种非侵入式的可穿戴方案，在保证裸手采集、保留真实动作和真实触感的情况下，把状态收集起来。手亿把这条原理拆成了三个字面标准，许展玮称之为“三无”，即无感——“师傅清洗空调，他不需要额外培训，之前怎么做，现在怎么做”；无延——数据要快速记录、传到数据中台，模型最好跑在本地；无误——精度足够高，数据集的质量才足够高，模型的天花板才会更高。

04.第四课：光有一个“头”做纯Ego，是不够的

手亿的数采方案由两个腕带和一个头戴设备组成。这个看似多出来的硬件选择，指向的是具身智能最近两个月越来越清晰的一条主线：模型不只需要视频，还需要把视觉变化、身体动作、物体状态和任务结果对齐成可学习的监督信号。

为什么在头戴视角之外，还要增加两个腕带？

许展玮认为纯Ego最大的问题，是对于状态的连续追踪能力在时间上是有遗漏的。原因很朴素，人在做事的时候，视觉重点根本不在自己手上。“比如在交谈的时候，视觉重点可能是交谈对象，可能是在操作的物体，也可能是在看屏幕。”

但机器人最关心的恰恰是手。

“目前的机器人一共就两部分，一部分是local motion，就是空间的移动；第二部分就是桌面的操作。桌面操作最核心的就是手部操作。”

今天，几乎所有的Ego数采在追踪的时候，操作人员的手必须一直举在镜头前，“就跟清代僵尸一样”。一旦手插到兜里再拿出来，系统就要做ReID，重新识别追踪。这并不符合人们日常生活的习惯。

“除此之外，现实场景里面会有各种各样的手出现，你怎么确定眼前这只手就是你要追踪的手呢？”

这不只是理论推演。许展玮说他们跟一些做模型训练的公司聊过，得到的反馈是，纯Ego的利用率可能10%都不到，采一个小时的数据，只有六七分钟是模型可以用的。

腕带+头戴的优势是，它几乎可以和主流机器人的传感器完美耦合。“一个再简单的机器人，至少都有三组传感器在同时工作。一组是主视角，可能在头上也可能在胸前，两个手臂的腕部各有一组，它可能既有镜头，也会有运动的传感器在里面”。

如果一个机器人至少需要三个传感的输入来决定它的决策和操作的话，那么数据采集也应该至少需要这么多的传感器，来作为同源的训练模态。“只有头戴设备显然是不太够的。”

许展玮把这个思路叫做“人机同构”。好处是几乎没有模态迁移的损耗，重定向也容易得多。

这个思路近几个月开始得到学界的印证。2026年年中，斯坦福、MIT、苏黎世联邦理工等多家机构联合发布的大规模人类操作数据研究，结论与此呼应：人类数据的规模化，只有在采集方式与机器人的学习目标“对齐”时才真正有效，不是采得多就有用，怎么采才决定了数据能不能被机器人用起来。

至于其他路线，许展玮的判断也很直接。UMI（手持式夹爪采集）是“中间的过渡”，短期最好用，很多模型公司至今还在用UMI和真机摇操的数据训练，但它本质是手持夹爪的间接操作，自由度太低，“我在这转一个笔，你用UMI无论如何做不到”。

在他的框架里，衡量一种数采方式好不好，长期看三条：量够不够大；场景够不够丰富，“几千万小时全是叠衣服，那跟几千小时没什么区别”；维度和精度够不够高。“随着行业从VLA进一步走向能够预测世界变化与行动后果的模型，这三条之外还多了一条，数据能不能描述动作如何改变世界。”综合下来，他认为腕带+头戴的多视角方案最有希望满足具身智能的Scaling Law。

沿着这条判断往下，许展玮把数据分成几层：最便宜的纯头戴原始数据，国外能压到2美元一小时，国内大概二十多块钱；最高一档是连续动作完整捕捉，轨迹、重建、标注、场景理解、映射全部做好，能卖到200美元，中间差100倍。

2026年上半年，这个分层被市场用更极端的方式验证了一次。海外已经有公司把上百万小时的纯头戴第一视角数据集直接开源、免费商用。最底下那一层的价格，正在从“两美元一小时”滑向“不要钱”。越是这样，金字塔顶端那部分完整、同源、高维的数据，就越稀缺。

“这就是数据升维带来的价值。”

05.第五课：真正的门槛，是让数据飞轮转起来

具身智能行业这么热，还有哪些方面是被低估的？许展玮认为，规模化是行业里面最容易被低估的门槛。

很多人想当然地认为，当有了足够多的钱，就可以大量的收集数据。但收集数据这件事，如果变成一个侵入式的、有学习成本的方式，就只能依赖专门人员和专门场地，规模每扩大一个数量级，组织成本都会重新跳升。

所以手亿把大量工程花在了一件看起来不性感的事上：让设备足够无感、可靠和简单。

手亿的EgoBand数采设备全部采用无线设计，被动散热、没有主动风扇，所以几乎也没有噪音。机身上只有一个按钮，蓝灯待机、绿灯采集。三个设备配对过之后，按任何一个按钮，其余两个都会在一秒内响应、同时开始采集，数据直接存在SD卡里。

“我们的产品会自己运行，结束后只要把SD卡取出并上传数据到手亿的DexwiseHub中台即可，就这么简单。”

续航方面，腕带约5小时、头戴6小时，快充充满大概需要半小时。

这个设计的价值，需要一个对照才看得清。此前我们跟另一家做数采的公司去过一个后厨体验采集，光是前期准备就折腾了近一个小时，要下载一个还没上架公开市场的APP、配对、头上连一根线、充电宝塞在包里。厨师站在旁边，已经不耐烦了。

许展玮听完这个场景笑了。

除了规模化，具身数据还有一点是被行业完全低估的，就是基建。

“同样是两个小时的数据，如果是电影字幕，存储和传输没有任何的困难。但是两个小时的电影，如果是很好的画质，很容易就突破20G。一旦到了上百万小时，这是多大的基础建设需求？存储、调度、备份、检索、传输，都变得很难。”

2026年初，百万小时似乎就已经成为行业内的标配，但来到下半年，真正有100万小时资产的模型公司屈指可数。而且大家开始更认真地区分原始视频、可用轨迹和真正能够跨任务训练的高质量数据资产。数据规模仍然重要，但“多少小时”已经不再是唯一答案。

因此，在许展玮看来，具身数采仍然还在一个比较早期的阶段。但早期不意味着不需要“赚钱”。

关于公司的商业化进展，许展玮介绍道：“我们不卖设备，卖的是解决方案。按场景整体交付，设备、数据中台的软件License和数据处理包打包在一起，也支持按数据产能订阅。这个阶段我们不追求短期的收入数字，更重要的是把交付和数据质量跑通。”

目前手亿的客户主要分为三类：与地方数据集团共建数据的政企平台；本体和模型公司；以及其他行业想转进具身赛道、带着云资源和场景资源来合作的大公司。

对于公司下一步的发展方向，许展玮说眼下最大的卡点在产能。

“设备外壳还是3D打印出来的，所以产能非常有限。现在只能优先供给最友好的几家合作伙伴。”

上两轮的绝大部分融资都投在了产能建设上。但设备本身依然还有很多问题，比如防水性，比如高温环境下的作业——他曾去一家化工企业考察送料环节，车间比外面还热、工人不愿戴任何设备，“哪怕一个月给1000块也不愿意，我就别折磨他们了”。

06.结语：先把具身智能的“风洞”造出来

同赛道头部公司的融资规模已经到了二三十亿元，被问到会不会感到焦虑时，许展玮的回答有点出人意料。

“我觉得该焦虑的不是我，是他们。他们估值是我们的10倍、20倍，如果做的事情只差一点点，他们会很虚的。”在他看来，估值越高，意味着需要兑现的产业价值越大。创业公司的真正竞争，不是谁先把故事讲到最好，而是谁能把关键环节做成可重复、可规模化的能力。

对竞争本身，他的态度是欢迎。

“SpaceX最早成立的时候，马斯克也会被人问，你怎么跟NASA竞争？如果没有做好准备，对竞争不感到兴奋，反而感到畏惧的话，是不太适合创业的。竞争越激烈，越说明这个赛道和选择是对的。”

至于外界对具身智能泡沫的担忧，许展玮的判断是，“泡沫还好，我反而觉得行业的想象力还有点受限。”说到这里，他又回到了莱特兄弟：当多数人还在争论人类能不能飞时，莱特兄弟已经在研究怎样让飞行变得可控、可重复。

在他看来，今天行业的想象力仍容易停留在“机器人完成了一个动作”。更大的问题是，能不能让机器人持续从真实世界学习，把一次成功扩展成跨场景、跨任务、跨本体的能力。把视角拉长，手亿最重要的事就是先做好这个闭环。“我们不希望永远在讲故事和展示Demo。”

许展玮要的不只是商业闭环，他要的是把“数据采集—数据处理—映射到模型—模型训练”这一条路自己走通。

具身模型受本体约束，尺寸、构型、场景、功能各异，甚至还有防爆隔热这类特殊要求，“你很难想象有一个基础模型，它不需要再做任何再训练，就能够适应到各种各样的本体”。

“也许在未来，模型大家都差不多，基础能力也差不多，都要做再训练。但是再训练的能力和流程，谁能够做得更好？谁能够让数据得到的价值和任务更匹配？这非常的重要。”在许展玮看来，未来真正稀缺的不是孤立的数据或模型，而是让数据、模型和部署反馈持续循环的能力。

至于什么时候能等到那个属于具身智能的“GPT时刻”，许展玮认为，一切的前提是要做足够多的Dirty Work。

而手亿科技正在做的就是这样的Dirty Work。这很像一百二十年前基蒂霍克海滩上的事。莱特兄弟造出真正稳定可控的飞机之前，同时花了三年时间造风洞、逐项修正前人错误的升力数据，那才是真正的Dirty Work。

“他们最了不起的地方，不是造出了飞机，而是在所有人都不相信的时候，把该做的笨功夫一件一件做完了。手亿也一样，如果具身智能终有一天要飞起来，我们选择也把那座‘风洞’造出来。”

风洞里吹出来的数据，最终托起了人类的第一次飞行。手亿今天采集的每一个小时，许展玮相信，也在托起同一类事情——那个属于具身智能的“GPT时刻”。