具身智能的‘眼科化’前夜：当机器人开始学着‘看’和‘抓’
摘要
原力灵机创始人唐文斌在创业一周年访谈中强调，具身智能的核心竞争力不在短期订单或软硬全栈叙事，而在于模型迭代效率与物理世界数据的深度耦合。公司放弃行业常见的‘数采工厂+遥操作’路径，转而以物流为切口，在真实场景中收集Failure Case驱动模型进化；其DM0模型首次实现互联网、自动驾驶与具身三类数据混合训练，并联合Hugging Face推出RoboChallenge真机评测基准。唐文斌指出，当前行业存在‘循环收入’陷阱，真正商业化需满足‘单场景千台持续运行’标准，预计最早2026年出现一线落地。
信息来源： 36氪医疗 发布于 2026年3月30日
要点速览
- 原力灵机放弃行业主流数采工厂模式，选择让机器人在真实物流场景中收集Failure Case以驱动模型迭代
- DM0模型为业内首个融合互联网、自动驾驶、具身三类数据的具身原生模型，并联合Hugging Face发布RoboChallenge真机评测基准
- 公司设定商业化里程碑为‘单场景1000台机器人持续运行’，预计最早2026年出现一线真实落地
本站解读
眼科器械行业的技术演进正悄然被另一条赛道重写底层逻辑——不是光学设计的微米级突破，也不是耗材材料的分子改性，而是具身智能对‘视觉-动作闭环’的重新定义。过去十年，眼科手术机器人依赖预编程路径与高精度机械臂，本质仍是‘视觉引导下的被动执行’；而原力灵机所坚持的‘具身原生模型’，要求AI从Day 1就同步学习‘看见物体→预测抓取力学→执行动作→感知触觉反馈→修正姿态’这一完整因果链，这恰好对应白内障超声乳化中晶状体核硬度判断、撕囊时前房稳定性感知、玻璃体切割中组织牵拉反馈等临床动作的本质。当行业还在争论是否自研末端执行器时，唐文斌点破关键：五指手不等于更高能力，能根据术中前房波动实时调整灌注压的‘两指夹持+压力传感’组合，才是眼科场景真正的护城河。
这种能力迁移正在改写竞争生态。国际巨头如Preceyes、Oxford Nanopore系团队虽在手术导航精度上领先，但其模型训练仍基于仿真数据与专家标注视频，缺乏真实术中Failure Case的飞轮反哺；国内部分企业热衷用‘AI+显微镜’包装传统设备，实则未触碰动作层。而原力灵机与阶跃星辰的数据融合机制，已隐然构建起跨模态数据壁垒——互联网文本提供解剖术语语义锚点，自动驾驶数据强化空间位移推理，具身数据注入力觉因果，三者叠加后模型对‘镊子尖端滑脱’‘灌注管堵塞导致前房塌陷’等异常模式的泛化识别能力，将远超单一数据源训练体系。这意味着未来三年，眼科AI公司的估值锚点可能从‘接入多少医院’转向‘拥有多少台真机在术中持续采集失败样本’。
沙盘信号已在暗处浮现：唐文斌反复强调的‘学徒工’定位，实则是向眼科临床释放明确暗示——首个商业化落点不会是全自主手术，而是术中辅助模块，比如自动维持前房深度的灌注压协同系统，或基于实时OCT反馈的超声乳化能量动态调节模块。这类产品无需FDA三级认证，却能卡位医生工作流中最易出错的环节。更值得警惕的是RoboChallenge评测榜单的权重倾斜：若2026年Q3榜单新增‘微力操作稳定性’‘液体环境鲁棒性’等眼科特异性指标，那便是行业集体转向临床深水区的发令枪。
常见问题
这个机器人技术什么时候能用在眼睛手术上？
目前还不能直接用于手术，但核心技术正在向眼科场景渗透。比如它处理‘视觉-动作-力反馈’闭环的能力，未来可能先用于辅助设备，像自动调节灌注压维持前房稳定，或根据OCT图像实时调整超声乳化能量。真正进入手术室还需通过严格的医疗器械认证，时间表尚无官方披露。如有疑虑可咨询眼科医生。
听说有些公司靠卖数据赚钱，这会影响技术进步吗？
唐文斌明确指出，单纯靠客户采购机器人建数据采集工厂再倒卖数据，属于‘循环收入’，容易稀释团队攻克真实临床难题的精力。真正有价值的模型必须来自真实场景中的失败案例，而非人为制造的模拟数据。这种模式偏差会影响技术向深水区演进的速度。
延伸阅读
智驾算法公司集体闯关港股：窗口期倒计时与眼科AI的镜像危机
本分析并非眼科临床研究，而是对当前智能驾驶算法企业密集冲刺港股IPO现象所作的眼科行业映射式深度解构。在技术范式从模块化走向端到端大模型统一架构的背景下，自动驾驶已丧失代际性技术溢价能力，估值逻辑正从‘算法先进性’转向‘物理世界智能入口’的叙事重构。Momenta、元戎启行与轻舟智航虽客户覆盖广、量产节奏快，但其技术护城河正被算力军备竞赛与主机厂自研能力反超所稀释；而资本市场对垂直AI的热情明显让位于通用大模型与具身智能。这一结构性迁移，与眼科AI辅助诊断系统近年遭遇的商业化瓶颈高度同频——当OCT影像分析准确率突破95%后，临床落地仍卡在医保支付、医生工作流嵌入与责任界定三大断点。真正的分水岭不在算法精度，而在能否将技术锚定于可计量、可报销、可追责的临床价值闭环。
眼科手术机器人背后的‘数据编译战’
四家机器人厂商联合投资成立「智域基石」，专注构建具身智能时代的高质量训练数据基础设施。公司以真机采集工厂为物理入口，通过自研‘数据编译管线’实现多模态数据的全量质检、毫秒级时空对齐、技能原子化与语义化检索，目标是将原始物理世界数据转化为可直接喂给大模型的高信噪比训练输入。其商业模式分三阶段演进，2026年聚焦Ego-Centric设备与定制交付，已获近亿元订单。
AI听诊器在英国心血管疾病早期检测中的应用
背景：心血管疾病的早期检测是全球公共卫生的重点。人工智能（AI）赋能的听诊器在心力衰竭、房颤和瓣膜性心脏病的床旁检测中表现出色。本研究通过一项实用的、集群随机对照实施试验，评估了AI听诊器在实际应用中的效果及实施挑战。方法：英国初级保健机构被随机分为干预组（接受AI听诊器使用培训并在常规护理中实施）和对照组（常规护理）。AI听诊器记录15秒的心电图和心音信号，并通过三个AI算法返回二元预测结果。主要终点是心力衰竭的新诊断率，次要终点包括房颤和瓣膜性心脏病的检测率、AI听诊器的性能特征、使用率以及临床医生报告的实施障碍和促进因素。结果：在2023年10月30日至2024年5月22日期间，205个诊所被随机分配到干预组（96个诊所，701,933名注册患者）和对照组（109个诊所，851,242名注册患者）。干预组共记录了12,725次患者检查，涉及972名临床用户。意向治疗分析显示，两组之间的心力衰竭检测率无显著差异（IRR 0.94 [95% CI 0.86-1.02]），社区或医院诊断也无显著差异（p>0.05）。结论：在常规初级保健中实施AI听诊器并未显著增加心力衰竭的检测率或社区诊断率。然而，AI听诊器的使用与心力衰竭、房颤和瓣膜性心脏病的更高检测率独立相关。