銀河通用200億估值背后：為什么"不那么復雜"的場景反而能贏？

圖片來源：網絡

12月19日，銀河通用機器人完成新一輪超3億美元融資，估值達30億美元（約211億人民幣）。這是中國具身智能領域單輪融資及累計融資的雙紀錄。

本輪融資由中國移動鏈長基金領投，中金資本、中科院基金、蘇創投、央視融媒體基金、天奇股份等投資平臺及產業巨頭聯合注資，并同步獲得來自新加坡、中東的國際投資機構及老股東的加注。

至此，這家成立僅兩年半的公司累計融資約6億美元，估值超越宇樹科技（約120億）、智元機器人（約150億），成為國內估值最高的具身智能公司。（需注意的是，上述企業融資額僅基于截至目前的公開報道數據，可能會存在未披露的融資數據。）

但銀河通用并不"性感"。

它只發布過一款本體產品Galbot（G1），采用“輪式底盤+折疊腿”設計，而非行業主流的雙足行走方案。這家公司的機器人主要在做兩件事：在24小時無人藥店揀藥，7×24小時運營已超一年；在寧德時代、博世、豐田的工廠搬運，累計訂單達數千臺。

公司計劃今年在北京、上海、深圳等城市共開100家無人值守零售店。目前這一應用場景已經實現了市場化，預計今年將為銀河通用帶來近億元人民幣的收入。

為什么"不那么復雜"的場景反而能贏？這背后的商業邏輯是什么？

“沿途下蛋”重資產行業的生存法則

在北京朝陽區的一家24小時無人藥店里，輪式雙臂機器人Galbot正在執行夜班任務。在50平方米的空間內,他管理5000種商品、6000個貨道、超過10000盒藥品。盤點、補貨、取送、打包，這些重復性勞動,機器人可以7×24小時不間斷完成。

這是銀河通用在2025年3月發布的全球首個人形機器人智慧零售解決方案。單個新門店部署僅需1天，這個效率讓不少零售商眼前一亮。截至6月，北京已有近十家店實現部署和常態化運營，年內計劃在全國百家門店投入使用。

但零售只是銀河通用商業化版圖的一角。更大的市場在工業制造領域。

2025年6月17日,銀河通用宣布與全球工業巨頭博世集團旗下博原資本共同成立合資公司，并與博世中國、博原資本簽署三方戰略備忘錄。這次合作聚焦工業制造場景，意在共同推動具身智能機器人在全球市場的商業化落地。此前，銀河通用已與寧德時代、豐田、現代等產業巨頭建立合作關系，累計獲得數千臺工業訂單。

圖片來源：網絡

這些數字背后，是一套清晰的場景選擇邏輯：銀河通用專注于“Mobile, Pick and Place”(移動、抓取、放置)這類看似簡單、實則高頻剛需的任務。

"我們不追求機器人會做100件事,而是讓它把10件事做到工業級標準。"銀河通用創始人、北京大學90后教授王鶴曾在采訪中表示。

這種克制，恰恰是“沿途下蛋”策略的核心。“沿途下蛋”指的是，在通用人工智能的終極目標尚未實現之前，企業依靠現階段的技術能力，先在特定場景實現商業化交付，用產品收入支撐研發投入，形成"造血能力"。

這與傳統科技創業的“先融資、后商業化”路徑截然不同。在人形機器人領域，動輒數億美元的研發投入、漫長的技術迭代周期，以及不確定的商業化時間表，讓"純燒錢"模式難以為繼。

截至目前,銀河通用只發布了一款本體產品Galbot G1，但卻推出了多款具身大模型。銀河通用創始人王鶴曾說："作為一個具身大模型公司，我們投入最大的還是模型的研發。"這句話透露出公司的戰略選擇，專注"大腦"（具身大模型）而非"身體"（本體硬件），先在藥店、工廠、零售倉等場景站穩腳跟，再向更復雜的通用場景進軍。

王鶴在2025中關村論壇上的表態，清晰地勾勒出這一策略的底層邏輯。他認為,人形機器人正從“運動時代”邁向“生產力時代”，關鍵不在于機器人能跑多快、跳多高,而在于實現手眼腦的協調。“我們沒有視覺輸入就培育出了運動健將,但運動健將絕對不是人形機器人的終點。”他強調，“沒有活是閉著眼睛干的”。

不那么復雜，反而是最優解

在人形機器人的賽道上，一個反直覺的現象正在發生：那些專注于“簡單場景”的公司，反而獲得了更多資本認可和商業訂單。

銀河通用成立于2023年5月，僅一年半時間便完成超40億元融資。投資方陣容堪稱豪華，既有經緯創投、藍馳創投、源碼資本、IDG資本等頭部風險投資基金，也有美團戰投、北汽產投、上汽恒旭等戰略產業資本，還有北京大學、清華SeeFund基金等科研機構基金，以及中國互聯網投資基金、香港投資公司、上海人工智能產業基金、深圳創新投資集團等國資平臺。這種"風投+產業+國資+科研"的四維投資結構，在人形機器人領域極為罕見。

銀河通用能夠快速在多個場景落地，其核心競爭力在于自研的具身端到端大模型技術。

傳統機器人采用"視覺+軌跡規劃"的分離設計，而銀河通用的技術路徑顛覆了這一模式。公司自研的具身端到端大模型集成了自主實時建圖導航、智能語音交互、任務理解等能力,讓Galbot無需預設路徑即可高效完成操作。

2025年6月，公司又發布了GroceryVLA & TrackVLA模型，前者實現了對零售全品類商品的零樣本泛化抓取；后者實現了在復雜動態人流中的高魯棒性跟隨。

更關鍵的是，銀河通用采用了獨特的合成數據訓練方式。公司90%的訓練數據都是虛擬仿真的，僅需一周即可生成十億級操作數據集，成本僅為真實數據的1/100。算法架構分為抓取模型、本體模型和感知模型,采用快慢系統，使用A100芯片進行訓練，每年投入5000-6000萬元算力，實現2-3個月迭代一次大模型。

11月發布。全球首個跨本體導航大模型NavFoM，讓機器人具備無需建圖、跨場景（室內外）的長程自主導航能力。

還發布了靈巧手神經動力學模型DexNDM，解決了靈巧手在精細操作（如擰螺絲、手內旋轉）中的算法空白，實現了基于訓練而非預編程的運動控制。

這種“重軟件、輕硬件”的路徑選擇，源于王鶴對行業本質的判斷。“作為一個具身大模型公司，我們投入最大的還是模型的研發。算力費用占比很大。”他在接受媒體采訪時透露,銀河通用正在構建百億級高質量數據集，通過真實場景的持續運營，形成"數據-模型-應用"的閉環。

從"能做"到"穩定做"

為什么銀河通用不去挑戰更復雜的家庭場景,而是專注于藥店、倉庫、工廠?

答案藏在“技術成熟度曲線”里。

家庭環境是人形機器人的終極目標，但其背后的技術挑戰遠超想象。根據行業研究機構估算，要讓機器人在家庭場景中達到基本可用的水平，至少需要識別和操作超過10000種不同物體，從易碎的玻璃杯到柔軟的毛巾，從規則的書本到不規則的玩具。每一種物體都有不同的材質、重量、抓取方式。

更關鍵的是，家庭場景中的物體擺放位置隨機性極強，光線條件復雜多變，背景干擾嚴重。一個在實驗室中訓練完美的抓取算法，到了真實家庭中可能連一個放在陰影中的水杯都識別不出來。

相比之下，“簡單場景”的優勢顯而易見。工廠產線、倉庫貨架、藥店藥柜,都是標準化、結構化的空間，機器人可以在相對固定的環境中反復訓練。

以銀河通用在北京藥店的部署為例，50平方米的空間、6000個固定貨道、標準化的照明條件，這些參數在每個門店都保持一致，機器人只需要訓練一次,就能在所有同類門店中復用。

在寧德時代的工廠里，銀河通用的機器人每天重復執行天窗轉運任務，每一次動作都在為算法提供訓練數據。短短三個月內，機器人在這個特定任務上的成功率從85%提升到98%,這種快速迭代在家庭場景中幾乎不可能實現。

但“簡單”不等于“技術含量低”。銀河通用的NavFoM導航模型，能夠實現小時級長程導航和動態避障；DexNDM靈巧手模型，支持手內旋轉、擰螺絲、修桌腿等精密操作。這些能力，已經達到工業級標準。

從技術演進看，人形機器人的能力提升可分為三個階段：

1、能做（Lv1-Lv2）：在實驗室完成某個動作。當前全球約70%的項目處于此階段。

2、穩定做（Lv2-Lv3）：在真實場景中長時間、高頻次、低故障率地完成任務。這是商業化的關鍵門檻，當前只有不到10%的企業達到這一水平。

3、泛化做（Lv3-Lv5）：適應不同環境、任務和需求。這是通用人工智能的終極目標，預計需要10年以上。

目前,大多數人形機器人仍停留在第一階段。銀河通用通過專注“簡單場景”，正在向第二階段邁進，這是商業化的必經之路。只有當機器人能夠在工廠、倉庫、藥店中“穩定做”，才有可能積累足夠的技術能力和數據資源，去挑戰更復雜的家庭場景。

這個演進路徑在技術史上并不陌生。互聯網的發展也經歷了類似的歷程：1990年代，互聯網首先在企業、高校等To B場景中應用（郵件、文件傳輸）；直到2000年代技術成熟、成本降低后，才大規模進入家庭，催生了To C的繁榮。人形機器人大概率也會遵循同樣的邏輯。

經緯創投合伙人王華東的評價印證了這一點：“團隊在多個核心場景實現大規模商業交付，充分驗證了技術的實用性與可靠性。這種‘技術-落地-迭代’的正向循環，正是我們投資時最看重的核心能力。”

200億估值是銀河通用務實路線的一張成績單，也為整個人形機器人行業劃下了一道分水嶺。在這之后，比拼的將不再是酷炫的Demo，而是實實在在的訂單、收入和利潤。

一場關于商業化落地的大浪淘沙，已經開始。（作者｜郭虹妘，編輯｜陶天宇）