Lingchu Intelligence 灵初智能 · Shanghai / Beijing · est. 2024
“업계 최고 밀도의 과학자 팀”이라 불리는 구현지능 기업 — 21자유도 멀티모달 데이터 장갑으로 구축하는 분산형 인간 중심 데이터 인프라와, 오프라인-온라인 강화학습 기반 분층 VLA 모델로 물류·상업 시나리오의 정밀 조작 자동화를 선도한다
Lingchu Intelligence(灵初智能, 北京灵初智能科技有限公司)는 2024년 중반 설립된 구현지능 기업으로, 사명은 “Proto(原初·先驱, 灵)”와 “Sentient(智識·灵性, 初)”를 결합한 것입니다. 세상에서 가장 풍부한 데이터는 인간의 데이터이며, 인간의 손과 가장 유사한 영민한 손(Dexterous Hand)이 이를 가장 효율적으로 활용할 수 있다는 철학을 기반으로, 분층 VLA 모델과 자체 개발 멀티모달 데이터 장갑으로 구현지능의 가장 근본적인 병목인 데이터 부족 문제를 정면으로 해결합니다. 업계에서 “과학자 밀도가 가장 높은 구현지능 기업”으로 불리며, 70년대생 산업 베테랑·80년대생 공학 전문가·00년대생 AI 과학자가 공존하는 세대 다양성(7890 팀)을 자랑합니다.
블랙베리 스마트폰·Sonos 스마트 스피커·클라우드 로봇·로봇 물류 분야에서 20년에 걸친 제품 상업화 경력을 보유하고 있습니다. 특히 云迹科技(Clouddroid)에서 호텔 배송 로봇, 京东(JD.com)에서 물류 배송 로봇 총괄을 역임하며 반복적으로 제품 정의부터 개발·출시·글로벌화까지의 0→1→N 산업 클로즈드 루프를 실현했습니다. “마켓에서 살아남은 제품의 설계 원칙”을 체화한 진정한 상업화 베테랑(老兵)으로, “가짜 데모를 하지 않는다. 안정적이고 저렴한 제품으로 진짜 문제를 해결한다”는 신념으로 구현지능의 실제 산업 낙착을 이끌고 있습니다. 물류 시나리오에 대한 깊은 이해를 바탕으로, 100종 이상의 물류 세부 시나리오를 분석해 첫 번째 상업화 목표로 의류 창고 피킹(서비스 의류 SKU 1만 건+, 99.9%+ 성공률 요건)을 선정한 것이 그의 산업 통찰력을 보여줍니다.
공동 창업자 및 핵심 과학자 팀:
2001년생 Z세대 AI 과학자. 北京大学 人工智能研究院 杨耀东 교수 팀에서 연구 후, Stanford 访问学者로 李飞飞(Fei-Fei Li) 교수와 Karen Liu 교수에게 사사했습니다. 2022년 세계 최초로 강화학습으로 현실 세계에서 양팔·양손의 다중 기술 조작을 동시 실현했습니다. Psi R0(강화학습 기반 엔드투엔드 모델)·Psi R1(분층 VLA 모델) 개발을 주도했으며, 北大-灵初 공동 실험실의 기술 파트너입니다.
로봇 및 자율주행 분야 15년 경력 박사. 알고리즘·시뮬레이션·공학·풀스택 기술에 정통하며, L4 제품 양산 및 데이터 클로즈드 루프 경험을 보유한 제조 전문가입니다. 灵初智能의 “小全栈(소형 풀스택)” 철학 — 핵심 부품 제조는 외주화하되 하드웨어 설계는 직접 통제 — 을 구현하는 기술 핵심입니다.
UCL 박사(현대 심층 강화학습의 발원지). 강화학습 분야 저명 학자로, 다체 강화학습 알고리즘으로 Nature Machine Intelligence 게재, NeurIPS 2022 구현 영민한 조작 부문 1위를 달성했습니다. 北大-灵初 공동 실험실 수석 과학자로 학술-산업 연결고리를 형성합니다.
UCL에서 강화학습·다중 에이전트 시스템 박사 취득 후 상하이 교통대 AI학원 조교수로 재직 중. 과제 그룹이 멀티모달 의사결정 대모델 DB1을 출시해 DeepMind Gato 모델의 통재 의사결정 성능을 추월하고, 현실 세계 100개 이상 시나리오 태스크를 도입했습니다.
“세상에서 데이터가 가장 많은 것은 사람의 데이터다. 인간이 쌍팔(双臂五指) 형태인 이상, 우리가 인간 데이터를 채집하는 차이가 가장 작고, 데이터의 가용성도 가장 높다.”
Lingchu Intelligence는 구현지능 업계에서 “소형 풀스택(小全栈)”으로 포지셔닝됩니다. 휴머노이드 본체를 처음부터 개발하는 완전 풀스택도, 순수 소프트웨어 회사도 아닙니다. “엔드투엔드 VLA 모델을 핵심으로 하는 소프트웨어·데이터 채집 도구체인 체계”를 중점으로 구축하되, 하드웨어는 핵심 구조·파라미터·동작 공간을 직접 설계하고 제조는 전문 협력사에 위탁합니다. 핵심 전략은 기존 로봇 본체 기반의 자체 공장 채집 방식에서 벗어나, 인간 중심(Human-Centric) 분산형 데이터 채집 방식으로 구현지능의 가장 근본적인 병목인 고품질 데이터 부족 문제를 해결하는 것입니다.
기존 주류 방식인 자체 건설 데이터 공장(重资产 모델)은 세 가지 문제를 가집니다: ① 자산 투입 과중, ② 데이터를 환경 간 교차 재사용 불가, ③ 실제 생산·생활 환경을 1:1로 복원 불가해 데이터 손실이 발생합니다. Lingchu는 자체 개발한 21자유도 외골격 데이터 장갑을 통해 분산형 채집 모델을 구현합니다. 사용자가 장갑을 착용한 채 일상 업무를 수행하면 데이터가 수집됩니다. 이 “인간 중심” 방식은 다른 로봇에 전이 가능한 범용 기초 데이터를 생성하며, 기존 로봇 본체 기반 데이터가 특정 기기에만 적용 가능한 “전문가형” 데이터인 것과 대비됩니다. 나아가 Web3.0와의 결합을 통해 크라우드소싱 방식의 유료 채집 모델을 탐색 중입니다 — 사용자가 3분 간의 간단한 조작을 통해 1~1.5달러의 토큰 보상을 받는 마이크로페이먼트 모델로, 백만 시간급 데이터 채집의 규모화 경로를 열어줍니다.
핵심 기술 스택 — 분층 VLA + 오프라인-온라인 RL:
Psi-P0 플래닝 모델(대형 언어 모델 기반 복잡 태스크 분해·추론)과 Psi-C0 제어 모델(陈源培 제안 이중 레이어 아키텍처: 상층 인간 동작 데이터로 참조 궤적 생성, 하층 강화학습으로 훈련)의 결합. 분층 구조는 데이터 활용 효율을 최대화하며, 현재 데이터 규모에서 통합 엔드투엔드 대비 뛰어난 성능을 발휘합니다. 시뮬레이션 태스크에서 기존 SOTA VLA 대비 평균 성공률 +8%, 실제 환경에서 +11% 향상. 제어 주파수 117.7Hz(액션 블록 크기 8). 장기적으로 데이터 규모가 충분해지면 엔드투엔드 통합 아키텍처로 전환하는 유연한 로드맵을 보유합니다.
업계 주류의 모방 학습(Imitation Learning) 방식을 탈피해, 오프라인→온라인 강화학습(RL)을 훈련의 핵심으로 삼습니다. 이 방식의 두 가지 핵심 우위: ① 조작 성공률을 대폭 향상하면서 모델의 과거 정보 망각을 방지, ② 조작 박자(Takt Time)를 향상 — RL에서 모델이 빠른 보상 획득을 위해 스스로 속도를 높여 최적 조작 속도에 도달합니다. DeepSeek 오픈소스 모델을 가장 먼저 적용해 성능 우위를 확보한 기업 중 하나이기도 합니다.
촉각·다시점 시각(두부/수부 복수 시점)·관절각 등의 멀티모달 데이터를 동시에 장기간(Long-Horizon) 채집하는 자체 개발 21자유도 외골격 데이터 장갑. 전통 원격 조작 대비 대폭 낮은 비용으로 고품질 실제 데이터를 취득합니다. 기존 UMI 모드(손잡이형 이지 집게발)와 달리 다지 영민한 손 데이터를 채집해 다른 로봇 플랫폼으로의 전이(Generalization)가 용이합니다. 베이징 지역 100세트 설비가 배포 운영 중이며, 2026년 말 100만 시간급 채집을 목표로 지속 확장 중입니다.
반구조화된 물류·소매 시나리오를 상업화 앵커로 선정했습니다. 첫 번째 타깃은 의류 창고 피킹(服装仓储供包) — SKU 1만 건 이상, 색상·포장·사이즈가 모두 다른 의류를 혼합 배치 상태에서도 안정적으로 집어 스캔하는 작업입니다. “스캔” 한 동작으로 보이지만 99.9%+ 성공률·안정적 작업 박자 동시 충족이 요구됩니다. 현재 800 UPH(시간당 처리 단위)를 달성해 국내 최고 수준이며, 창립 2개월 만에 고객 현장에서 “병행 생산” 단계에 진입했습니다. 입상 검사(入箱检, 박스에서 물품을 꺼내 스캔 후 배치하는 작업) 라인도 고객 현장 1단계 검증을 완료하고 현장 수율 증대(Ramp-up) 진행 중입니다.
주요 기술 이정표:
陈源培, 세계 최초 강화학습으로 현실 세계 양팔·양손 다기술 동시 조작 실현
灵初智能 창립, 北大-灵初 具身灵巧操作 공동 실험실 설립
Psi R0: 강화학습 기반 최초 엔드투엔드 구현 모델 출시
Psi R1: 분층 VLA 모델 출시 — 오픈 환경 자율 추론·장기 영민 조작 실현
의류 창고 피킹 고객 현장 “병행 생산” 단계 진입, 800 UPH 달성
백만 시간급 실제 데이터 채집 달성, 물류·상업 시나리오 규모화 낙착
Lingchu Intelligence는 창립 약 1년 6개월 만인 2026년 3월 기준으로 엔젤 라운드 및 Pre-A 라운드 합계 RMB 20억 이상을 완료했습니다. 국가대표 자본·국유 미디어 산업 자본·대형 광섬유 산업 자본·상하이 국유 자산 자본 등 “국가대 자본(国家队)” 및 산업 자본 위주의 투자자 구성을 갖추며, 전략 투자자의 산업 네트워크와 재무 투자자의 리스크 판단이 균형을 이룹니다. Pre-A 리드 투자자 徐汇资本은 阶跃星辰의 B+ 라운드(50억 이상) 참여 직후 Lingchu를 선택한 것으로, 상하이 AI 생태계에서 영향력을 확장하는 의도가 뚜렷합니다.
高瓴创投(GL Ventures, 高瓴资本 계열 성장 투자)와 蓝驰创投(BlueRun Ventures)가 공동으로 리드했습니다. 高瓴创投는 투자 이유로 “강화학습·모방학습 분야의 기술 심화와 축적, 영민한 조작의 불가달 삼각(高泛化性·高鲁棒性·高灵巧性) 도전에서의 현저한 진전, 그리고 기술 배경과 공학화 역량·상업화 실전 경험을 겸비한 창업팀”을 꼽았습니다. 蓝驰创投는 북경대 杨耀东 교수 연구실의 강화학습 역량과 스탠퍼드 AI 생태계 연결, 즉 학술 성과의 산업화 조기 스핀아웃에 주목했습니다. 이 시기 Lingchu는 분층 VLA 모델 Psi R0·R1과 北大-灵初 공동 실험실 설립 등 핵심 기술 기반을 완성했습니다.
투중망(投中网) 독점 입수에 따르면, 灵初智能은 엔젤 및 Pre-A 합계 RMB 20억 이상 융자를 완료했습니다.
엔젤 라운드 투자자(신규 추가 확인):
• 国家开发银行旗下 国开金融(국개은행 산하 국개금융) — 국책은행 직접 산하 금융 투자 플랫폼으로, 구현지능 기업 직접 투자는 매우 이례적
• 国中创投(国科嘉和, 중과원 산하 CVC) — 국가 과학기술 자원 연계
• 央视融媒体产业투자기금(CCTV 국가방송 산업 투자기금) — 미디어·영상 기술 생태계 연결
• 모 천억 위안 시가총액 상장사 산하 전략 투자(비공개)
• 长飞光纤(ChangFei Optical Fiber) 산하 기금 — 광섬유·데이터 전송 인프라 핵심 기업의 전략 참여
Pre-A 라운드:
• 徐汇资本(상하이 쉬후이구 국유 투자 플랫폼) 리드 — 이 기관은 이미 阶跃星辰 B+ 라운드(50억+)에 참여했으며, 상하이 AI 모기업 투자 50억 위안을 통해 200억 규모 상하이 AI 모펀드에 참여 중
• 일부 지방 국유 자산 및 시장화 펀드 팔로우
• 다수 기존 주주 초과 추가 가입
자금 용도: 물류 시나리오 규모화 낙착 가속, 대규모 데이터 채집 솔루션 체계 구축, 모델 이터레이션 지속.
Lingchu Intelligence의 경쟁 방어력은 업계 최고 밀도의 과학자 팀이 만들어내는 기술 심도, RL 기반 분층 VLA라는 남다른 기술 경로 선택, “인간 중심 분산 채집”이라는 경쟁사와 차별화된 데이터 전략, 그리고 국가대 자본의 집결로 형성된 자원 우위에서 비롯됩니다.
창업자 Wang Qibin의 20년 산업 상업화 경력과, 세계 최초 양팔·양손 RL 조작 실현의 陈源培(00년생·Stanford·北대), RL 분야 Nature Machine Intelligence 게재의 杨耀东 교수(UCL 박사), L4 양산 경험의 柴晓杰(15년 로봇·자율주행), DeepMind Gato를 추월한 DB1의 温颖 부교수(SJTU)가 하나의 팀을 이룹니다. 각자가 기술 배경·공학 역량·상업화 경험을 독립적으로 갖춘 이 조합은, 통상적 구현지능 스타트업이 겪는 “학술 vs 산업” 분리 문제를 구조적으로 해결합니다.
전 업계가 모방 학습에 의존하는 시점에, Lingchu는 오프라인→온라인 강화학습을 훈련 핵심으로 삼는 비주류 경로를 채택했습니다. 이 선택은 두 가지를 동시에 해결합니다: 데이터가 부족한 현 단계에서도 분층 모듈화 설계로 데이터 활용 효율을 최대화하며, RL이 자율적으로 최적 조작 속도를 발견해 작업 박자를 최대화합니다. DeepSeek를 가장 먼저 접목해 오픈소스 성과를 즉시 활용하는 속도와, 데이터가 충분해지면 엔드투엔드 통합으로 전환할 준비가 된 유연한 로드맵이 이 경로의 지속 가능성을 보장합니다.
경쟁사들이 로봇 본체로 자체 공장 채집을 할 때, Lingchu의 21-DOF 외골격 장갑은 기존 시설·환경·인프라를 그대로 사용해 실제 데이터를 취득합니다. 이 접근의 핵심 우위는 세 가지입니다: ① 인간 데이터이므로 다른 로봇 플랫폼으로 전이가 용이한 범용 기초 데이터 생성, ② 실제 생산 환경에서 채집되므로 데이터 진정성 최고, ③ Web3.0 크라우드소싱 모델과 결합해 백만 시간급 채집을 현실적으로 달성 가능한 경로. “만 시간에서 백만 시간”으로의 스케일업은 Lingchu만이 가진 데이터 인프라 전략의 결과입니다.
국가개발은행 산하 国开金融·央视 미디어 산업기금·상하이 쉬후이 국자(徐汇资本)의 동시 참여는 구현지능 스타트업 중 극히 이례적입니다. 이 투자자 구성은 단순한 재무 지원을 넘어, 국책은행 네트워크의 대규모 산업 배치 채널, CCTV 미디어 생태계의 브랜드·홍보 역량, 상하이 쉬후이구의 공간·정책·AI 기업 생태계 연결을 동시에 의미합니다. 국가대 자본이 구현 AI 분야에서 이처럼 이른 단계에 다중으로 집결한 것은, Lingchu의 데이터 인프라 전략이 국가 AI 기초 인프라 구축 방향과 일치한다는 신호이기도 합니다.
Wang Qibin은 구현지능의 종착점을 “기계가 인간을 대체”하는 것이 아니라, “무인기·지상 로봇·해저 장비 등 다양한 형태의 지능 개체가 인간과 환경 속에서 공진화하며 공생하는 세계”로 그립니다. Lingchu는 이 미래를 위한 가장 근본적인 인프라 — 인간의 물리적 상호작용 데이터를 대규모로 채집하고 구조화하는 체계 — 를 구축하고 있습니다. 2026년 백만 시간급 데이터 달성을 첫 번째 이정표로, 물류·상업 시나리오에서 ToB 검증을 완료한 후 장기적으로 ToC 가정 시나리오로 확장하는 로드맵을 따릅니다. “구현지능의 항공권은 자율주행보다 더 많을 것이며, 데이터에서 응용까지 전체 체인의 모든 세분 영역에 충분한 기회가 있다”는 창업자의 확신이 이 회사의 장기 방향성을 압축합니다.