在具身智能行业，世界模型正成为热词，但灵初智能给出了不同的答案。联合创始人陈源培明确表示，世界模型只是工具，核心是从Day One就专注的人类数据。灵初认为，在10万小时量级上，人类数据已能大幅替代真机数据，为训练通用机器人能力打开新路径。这一判断基于其在CoRL 2024发表的研究，以及大规模数据实践，正在重新定义行业的数据策略。灵初面临的核心挑战是数据迁移效率。传统遥操作采集成本高、规模受限，而纯视觉数据存在人机形态差异。灵初的解决方案是双轨采集：一是高精度外骨骼手套，捕捉完整手部动作且不影响日常操作，如让收银员戴着手套正常工作；二是纯视觉数据，通过头戴和腕部摄像头记录，成本低、易规模化。这种human-centric路线接受更高的迁移难度，但换取了数据规模上限的突破，与robot-centric方案形成鲜明对比。技术核心在于迁移管线。灵初构建了W0和R2双模块系统：W0是动作条件世界模型，模拟环境反馈；R2是策略网络。训练时，R2在W0构建的仿真器中通过强化学习迭代，将人类动力学迁移到机器人上，生成新数据反哺自身。部署时W0退场，仅运行R2。这一设计解决了人类数据噪声大、不规范的问题，同时避免真机试错的高成本。陈源培强调，世界模型只是工具，目标是构建从人类数据到机器人策略的完整转化管线。行业资本正在加速涌入。Morgan Stanley Research统计显示，截至2026年4月底，全球人形机器人VC融资已超2025年全年。灵初的实践表明，数据规模与迁移效率的平衡点正在向人类数据倾斜。对于从业者而言，这意味着需要重新思考数据采集策略：与其执着于机器人专属数据，不如挖掘真实劳动场景中的人类操作行为。未来，随着数据管线成熟，具身智能的落地能力可能迎来质变，而灵初的human-centric路线或成为行业标配。