編輯｜Sia

資本閃電戰(zhàn)打響，

雷軍、馬云罕見同場領(lǐng)投

千尋智能又一次把融資節(jié)奏拉滿。

2026 年 4 月 7 日，千尋智能宣布完成新一輪 10 億元融資。本輪融資由順為資本、云鋒基金聯(lián)合領(lǐng)投，達(dá)晨財(cái)智、某頭部人民幣基金、銀河源匯、圖靈基金、新鼎資本、庚辛資本等重磅加持。

這已經(jīng)是它30 天內(nèi)的第二筆大額融資。就在不久前的 2 月，公司剛剛完成近 20 億元融資。兩輪疊加，累計(jì)融資額直接來到30 億元

更有意思的是，這一輪里出現(xiàn)了一個(gè)極具話題性的組合：雷軍（順為）+馬云（云鋒），首次在具身智能賽道同場領(lǐng)投。

過去，他們各自押中過移動互聯(lián)網(wǎng)、電商、智能硬件、云計(jì)算等關(guān)鍵周期。這一次，在機(jī)器人尤其是仍處早期的具身智能領(lǐng)域聯(lián)手下注，表明這個(gè)方向，正在從技術(shù)想象走向資本共識，開始進(jìn)入由巨頭背書、資本高度集中的排位淘汰賽。

千尋智能成立于 2024 年 1 月，由機(jī)器人領(lǐng)域連續(xù)創(chuàng)業(yè)者韓峰濤、頂尖 AI 科學(xué)家高陽、機(jī)器人出海先行者鄭靈茵聯(lián)合創(chuàng)立。

創(chuàng)始人兼 CEO 韓峰濤曾任珞石機(jī)器人聯(lián)合創(chuàng)始人兼 CTO ，主導(dǎo)交付近百款機(jī)器人型號，具備深厚的工程化與量產(chǎn)能力。聯(lián)合創(chuàng)始人高陽畢業(yè)于加州大學(xué)伯克利分校，師從計(jì)算機(jī)視覺大師 Trevor Darrell ，現(xiàn)為清華大學(xué)交叉信息研究院助理教授，其帶領(lǐng)團(tuán)隊(duì)開源的 Spirit v1.5 模型在 RoboChallenge 榜單中超越美國頭部模型 Pi0.5 ，成為首個(gè)登頂?shù)闹袊_源具身模型。聯(lián)合創(chuàng)始人鄭靈茵則是工業(yè)機(jī)器人出海的先行者，曾從 0 到 1 搭建海外事業(yè)部，帶領(lǐng)團(tuán)隊(duì)深耕多個(gè)海外市場并迅速實(shí)現(xiàn)商業(yè)化成果轉(zhuǎn)化。

三位創(chuàng)始人分別覆蓋 AI、機(jī)器人、商業(yè)化三大核心能力，共同構(gòu)成了業(yè)內(nèi)罕見的「六邊形戰(zhàn)士」團(tuán)隊(duì)，這也是其 30 天內(nèi)獲得 30 億元融資、順為資本與云鋒基金同臺重倉的底層信心所在。這樣的組合，使千尋智能從成立之初便兼具世界級技術(shù)前瞻與商業(yè)化落地基因。

韓峰濤曾指出，2026 年，拼的是數(shù)據(jù)規(guī)模和模型性能。今年最重要的一件事，不是擴(kuò)張場景，而是把具身模型做到全球 Top 3。要做到這一點(diǎn)，賬上必須有足夠多的錢。

因此，閃電戰(zhàn)式連續(xù)融資本質(zhì)是用資本密度換時(shí)間優(yōu)勢，快速堆資源、拉開性能差距，提前鎖定頭部席位。同時(shí)，老股東在這一輪持續(xù)加注，意味著投資人已經(jīng)從觀望驗(yàn)證切換到加速押注。

那么，千尋智能，究竟是憑什么拿到這張加速入場券？它的護(hù)城河，已經(jīng)挖到多深了？

資本押注的底層邏輯，

一條更像大模型的路徑被驗(yàn)證

資本為什么愿意連續(xù)加注？答案：模型，已經(jīng)給出了階段性答案。

今年 1 月，千尋智能開源了具身模型 Spirit v1.5。在公開評測中，這個(gè)模型直接超過當(dāng)時(shí)最強(qiáng)的開源模型 Pi0.5。

但最打動資本的，還是能力曲線的拐點(diǎn)。

Spirit v1.5 已經(jīng)展現(xiàn)出比較穩(wěn)定的零樣本泛化能力——不需要額外訓(xùn)練，就可以完成擦拭、開合鉸鏈、處理柔性物體等一系列復(fù)雜操作。

換句話說，機(jī)器人開始不再只是學(xué)會一個(gè)任務(wù)，而是具備了跨任務(wù)遷移的能力，讓人看到了具身智能解放人類生產(chǎn)力的可能。

這背后，對應(yīng)的是一條與大語言模型（ LLM ）高度相似的技術(shù)路徑：把模型做大，把數(shù)據(jù)喂足，持續(xù)迭代，然后相信能力的「涌現(xiàn)」。

具體來看，Spirit v1.5 是一個(gè)端到端的 VLA（Vision-Language-Action）統(tǒng)一模型。它不執(zhí)著于還原世界的全部細(xì)節(jié)，也不強(qiáng)調(diào)中間那層顯式的世界模擬，而是直接學(xué)習(xí)從感知到動作的映射關(guān)系。

訓(xùn)練方式也很 LLM 化。只不過，把文本數(shù)據(jù)換成了機(jī)器人數(shù)據(jù)。先用海量互聯(lián)網(wǎng)視頻進(jìn)行預(yù)訓(xùn)練，建立基礎(chǔ)世界理解，再用真實(shí)交互數(shù)據(jù)進(jìn)行對齊——先獲得泛化能力，再逼近具體任務(wù)。

結(jié)果，在更低的算力和參數(shù)規(guī)模下，反而跑出了更強(qiáng)的泛化表現(xiàn)。

就在前幾天，這條路徑也得到了硅谷同行的「同頻共振」。

4 月 3 日，硅谷具身智能公司 Generallist AI 發(fā)布基礎(chǔ)模型 GEN-1，用 50 萬小時(shí)真實(shí)物理交互數(shù)據(jù)，驗(yàn)證了具身智能領(lǐng)域的 Scaling Law。效果有多猛？

這些機(jī)器人將多項(xiàng)物理任務(wù)的平均成功率，從 64% 大幅提升至 99% ；執(zhí)行速度幾乎和人類一樣快，達(dá)到現(xiàn)有最先進(jìn)系統(tǒng)的約 3 倍，還能臨場即興發(fā)揮。更夸張的是，每一項(xiàng)能力的獲得，僅需約 1 小時(shí)的機(jī)器人數(shù)據(jù)。

公司 CEO Pete Florence 指出，機(jī)器人領(lǐng)域現(xiàn)在發(fā)生的事情，與人們打開 GPT-3 并要求它寫一首全新的五行打油詩（ limerick ）時(shí)的情形很相似。

類似的觀察，也得到過千尋團(tuán)隊(duì)的驗(yàn)證。「我們團(tuán)隊(duì)也發(fā)現(xiàn)了具身智能領(lǐng)域的 Scaling Law，數(shù)據(jù)每增加 10 倍，結(jié)果里就會多一個(gè) 9 。」高陽曾這樣形容這條曲線的陡峭程度。我們正處于具身智能的 Scaling Law 時(shí)刻，因?yàn)闄C(jī)器人的數(shù)據(jù)更難搞一些，所以我覺得機(jī)器人的 GPT-4 要更久一些，可能需要 4-5 年。

可以說，資本加注的，是一條已經(jīng)被初步驗(yàn)證、同時(shí)具備更高性價(jià)比和擴(kuò)展?jié)摿Φ募夹g(shù)路線。

數(shù)據(jù)引擎，路徑成立的關(guān)鍵

在具身智能領(lǐng)域，幾乎所有人都有一個(gè)共識：數(shù)據(jù)采集是一個(gè)根本性的瓶頸。

大模型可以吃下互聯(lián)網(wǎng)的海量語料，但機(jī)器人不行——體力勞動的世界里，沒有維基百科。表面上看，大家都在卷模型，但更底層的競爭其實(shí)是數(shù)據(jù)引擎?！笧榱藢?shí)現(xiàn)擴(kuò)展，我們會不惜一切代價(jià)。」 Pete Florence 直言不諱。

既然相信 Scaling Law，那么什么樣的數(shù)據(jù)體系，既能低成本獲取，又能持續(xù)擴(kuò)張，還具備足夠多樣性？

以往成功率超過 90% 的機(jī)器人通用模型依賴于極其昂貴且難以擴(kuò)展的大規(guī)模遠(yuǎn)程操作數(shù)據(jù)集（比如 Physical Intelligence ）。但 Generallist AI 自研了「數(shù)據(jù)手」（ data hands ）——一種佩戴在手腕上的二指穿戴設(shè)備，將人的雙手變成類似機(jī)器人的夾具，從而收集視覺和感官數(shù)據(jù)。

結(jié)果，GEN-0 、 GEN-1 的進(jìn)展驗(yàn)證了這一數(shù)據(jù)引擎也可實(shí)現(xiàn)高水平精通——它們并未使用機(jī)器人數(shù)據(jù)，僅僅采用了人類佩戴低成本可穿戴設(shè)備進(jìn)行數(shù)百萬項(xiàng)活動產(chǎn)生的數(shù)據(jù)。

千尋智能，也在推進(jìn)以多樣性為核心的 Scaling 路線。

在硬件方案上，千尋也選擇了可穿戴方案，但走得更遠(yuǎn)。為了讓模型學(xué)習(xí)人類級精細(xì)操作，他們采用了三指結(jié)構(gòu)的設(shè)計(jì)——智能整機(jī)配備 26 個(gè)自由度，每個(gè)關(guān)節(jié)集成力傳感器，搭載三指靈巧手。但技術(shù)挑戰(zhàn)也顯著提升。三指結(jié)構(gòu)在可穿戴數(shù)采中面臨更高的自由度、更精細(xì)的力控要求及更復(fù)雜的動作映射。

目前，千尋的可穿戴設(shè)備已經(jīng)迭代到第五代，數(shù)據(jù)可用性從 30% 提升到 95% ，同時(shí)成本被壓縮到遙操作的十分之一左右。

需要注意的是，與 Generallist AI 完全倚重可穿戴數(shù)據(jù)不同，千尋構(gòu)建的是一個(gè)多源融合的數(shù)據(jù)引擎。

在預(yù)訓(xùn)練階段，除了大量可穿戴數(shù)據(jù)，千尋智能還積極融合互聯(lián)網(wǎng)視頻進(jìn)行預(yù)訓(xùn)練，以獲取通用常識和基礎(chǔ)能力。隨后，引入真機(jī)的遙操作數(shù)據(jù)，進(jìn)行精細(xì)的 SFT（監(jiān)督微調(diào)），提升模型在實(shí)際任務(wù)中的表現(xiàn)。最后，通過強(qiáng)化學(xué)習(xí)進(jìn)一步優(yōu)化：讓模型在真實(shí)環(huán)境持續(xù) roll-out，不斷生成新數(shù)據(jù)，反哺模型。

到目前為止，千尋已經(jīng)拿到超過 20 萬小時(shí)的真實(shí)交互數(shù)據(jù)，來源橫跨互聯(lián)網(wǎng)視頻、遙操作、可穿戴采集等多個(gè)渠道，并且這個(gè)數(shù)字還在快速增長，預(yù)計(jì) 2026 年將突破 100 萬小時(shí)。截至 2026 年 4 月，千尋智能數(shù)據(jù)采集團(tuán)隊(duì)也將達(dá)到千人規(guī)模。

值得一提的是，千尋對數(shù)據(jù)的理解，也經(jīng)歷了一次本質(zhì)性的轉(zhuǎn)變。

他們不再執(zhí)著于行業(yè)主流那套精雕細(xì)琢的腳本化數(shù)據(jù)，而是轉(zhuǎn)向一種更開放的多樣化采集范式：不再嚴(yán)格規(guī)定動作路徑，而是圍繞任務(wù)目標(biāo)，讓執(zhí)行過程自然展開：允許失敗、允許打翻、允許中斷，再繼續(xù)完成。

這帶來的變化是根本性的，模型學(xué)會的不再是這件事怎么做，而是遇到類似情況，該怎么處理。在相同數(shù)據(jù)規(guī)模下，這種數(shù)據(jù)分布顯著提升了模型的遷移效率，同時(shí)降低了對算力的依賴。

「沿途下蛋」，

現(xiàn)實(shí)場景數(shù)據(jù)，反哺模型

在千尋的數(shù)據(jù)引擎里，真正決定飛輪能否轉(zhuǎn)起來的，不只是數(shù)據(jù)源，而是持續(xù)在真實(shí)環(huán)境中 roll-out 的能力。

韓峰濤曾總結(jié)說，走向真實(shí)場景，是為了拿到模型進(jìn)化的燃料（數(shù)據(jù)）。商業(yè)化，是讓這一獲取過程變得可持續(xù)、可規(guī)模化。

這背后，其實(shí)也對應(yīng)著一條清晰的中美路徑分化。在美國，一些公司可以長期圍繞基礎(chǔ)模型本身投入，用時(shí)間換能力上限；但在中國，沒有 demo 、沒有落地信號，就很難持續(xù)獲得融資。大多數(shù)能活下來、甚至活得不錯(cuò)的公司，多會選擇一條更折中的路徑。

通往通用 AI，更是一條長坡厚雪的路，不可能等模型成熟再找應(yīng)用。只有先讓機(jī)器人進(jìn)入真實(shí)生產(chǎn)環(huán)境，參與真實(shí)業(yè)務(wù)運(yùn)行，才能利用真實(shí)業(yè)務(wù)運(yùn)行產(chǎn)生的海量數(shù)據(jù)，反哺模型，持續(xù)進(jìn)化。

作為國內(nèi)首家將多樣化數(shù)據(jù)采集路線從理論推向工程化、規(guī)模化，并在真實(shí)商業(yè)場景中完成雙重驗(yàn)證的具身智能公司，千尋機(jī)器人堅(jiān)持「沿途下蛋」。他們從可控場景切入，優(yōu)先進(jìn)入工業(yè)和服務(wù)業(yè)這兩類結(jié)構(gòu)相對穩(wěn)定、任務(wù)邊界清晰、利潤高也愿意付費(fèi)的領(lǐng)域，驗(yàn)證模型能力的同時(shí)支撐公司運(yùn)營。

例如，在零售場景中，千尋與京東（也是投資人之一）的合作正在加深?！感∧挂堰M(jìn)入京東 MALL ，上崗擔(dān)任咖啡師。在完成服務(wù)任務(wù)的同時(shí)，機(jī)器人也會同步采集多模態(tài)感知數(shù)據(jù)、關(guān)節(jié)運(yùn)動軌跡以及精細(xì)力反饋信息。

這些來自真實(shí)零售環(huán)境的「專家級數(shù)據(jù)」，將直接用于具身模型的訓(xùn)練與微調(diào)，形成「數(shù)據(jù)采集—模型迭代—能力提升」的正向閉環(huán)。

千尋智能機(jī)器人已正式在京東MALL上崗履職，承擔(dān)咖啡師。

雙方還計(jì)劃將具身智能進(jìn)一步擴(kuò)展至更多零售細(xì)分領(lǐng)域，包括數(shù)碼家電導(dǎo)購、巡檢導(dǎo)覽自動化清潔等。同時(shí)，京東藥房也被視為核心突破口，機(jī)器人將參與自動分揀、精準(zhǔn)配藥等高精度任務(wù)，探索無人化智慧藥房方案。

在進(jìn)入京東 Mall 之前，千尋已經(jīng)在工業(yè)環(huán)境中完成了一輪驗(yàn)證。「小墨」已走上寧德時(shí)代的動力電池包產(chǎn)線，承擔(dān)下線前的最終功能測試。截至目前，它已完成超過 1000 塊電池的插接作業(yè)，成功率穩(wěn)定在 99% 以上，作業(yè)節(jié)拍也逼近熟練工人水平。

「小墨」已經(jīng)走上動力電池包產(chǎn)線

具身智能，短期內(nèi)還不會迎來落地即分勝負(fù)的時(shí)刻。但一個(gè)更清晰的趨勢已經(jīng)出現(xiàn)——競爭，不再只是誰的數(shù)據(jù)更多，而是轉(zhuǎn)向誰能更高效獲取真實(shí)場景數(shù)據(jù)，以及誰能構(gòu)建更高頻運(yùn)轉(zhuǎn)的數(shù)據(jù)—模型飛輪閉環(huán)。

在完成階段性的估值躍遷后，千尋智能將一方面押注模型的泛化能力，一邊持續(xù)放大數(shù)據(jù)規(guī)模優(yōu)勢，用真實(shí)世界的高頻反饋，加速模型迭代。

回看 2019 年的 GPT-2，也許不值一提，但隨著規(guī)模不斷擴(kuò)大，通用化能力帶來的回報(bào)迅速放大?，F(xiàn)在，同樣的拐點(diǎn)，正在機(jī)器人領(lǐng)域重演。