20億融資，百億估值加冕！千尋智能開年引爆具身智能賽道

允中 發自 凹非寺
量子位 | 公眾號 QbitAI

具身智能被視作AI真正進入物理世界的關鍵一躍。

但這關鍵的一躍，并不是誰都能跳過去。

近日，千尋智能完成兩輪融資近20億元，估值突破百億大關。

翻看名單，云鋒、混沌、紅杉等頂級VC坐鎮，產業資本與多地國資悉數在列，Prosperity7、順為資本更是連續多輪加注……

這種跨越不同底色、全維度的資本集結，釋放的信號遠比金額本身更重要——具身智能正在經歷一場殘酷的“去泡沫化”。

全國150多家具身智能公司還在拍Demo、卷參數之時，資本已經厭倦了“概念下注”，轉而去尋找那些能真正走進工廠、解決實際痛點的“種子選手”。

而千尋智能的這輪集中爆發，恰好踩在了這個分水嶺上。

新老股東重金加碼，千尋智能以真實場景落地構建核心壁壘

具身智能賽道的熱度，正通過頭部玩家的融資動作具象化。

根據千尋智能披露的新一輪融資細節，其資方陣容覆蓋了頂級資本、產業巨頭、國有資本及戰投大咖。

從具體名單看：

• 云鋒基金、某頭部國資機構、混沌投資（葛衛東）、紅杉中國等超一線機構重磅入局；
• Synstellation Capital、TCL創投、明薈投資（匯川技術董事長朱興明家辦）等產業資本協同加注；
• 重慶產業投資母基金、杭州金投等國有資本鼎力支持；
• 360基金、厚雪資本等戰投機構共同參與。

值得注意的是老股東的追加力度——

順為資本、Prosperity7、達晨財智、柏睿資本、弘暉基金、華泰紫金、東方嘉富、千乘資本、廣發信德等老股東全部選擇繼續大額認購，其中Prosperity7、順為資本都是連續多輪加注。

這種“新機構入場+老股東跟投”的閉環，在當前具身智能融資泡沫初現的背景下尤為難得——

數據顯示，國內人形機器人相關企業已超150家，但半數以上處于初創或跨界階段，研發重復與產品同質化問題日益凸顯。隨著政策引導與市場篩選，行業正進入首輪洗牌期。

資本向頭部靠攏的背后，是對企業工程化能力的考量。據中國信通院數據統計，2025年國內具身智能融資總額雖達735.43億元，投資事件超740起，但真正實現工業級落地的企業不足10家

千尋智能在突圍中能夠勝出，很大程度上歸因于其“真實場景落地+開源生態”的差異化路徑。

在資本市場回歸理性的當下，能否實現從技術原型到工業場景的閉環，成了衡量具身智能公司成色的一道硬門檻。

對于此次融資，云鋒基金執行董事董懷謹表示：

• 專屬物理世界的AI大腦是具身智能實現躍遷的重要前提，而穿越周期的核心壁壘來自于技術對生產力的實際創造
• 高陽作為新一代具身智能科學家，牽頭打造AI基礎模型與自研核心設備，高效高質地推動“多樣數據—基礎模型—真實場景”的飛輪升級，并基于軟硬一體全棧能力在實際產業場景中迭代閉環。
• 期待千尋智能持續深耕Physical AI 基礎模型，以技術底座驅動產業場景規?；涞嘏c協同價值釋放。

順為資本合伙人耿益璇表示：

• 順為長期關注AI與硬科技的交叉創新，千尋智能是我們在這個方向上最早發掘、且連續多輪加注的核心項目。
• 團隊兼具頂尖學術底蘊與產業實戰基因，更難能可貴的是，他們從一開始就選擇了一條“難而正確”的路——用“數據金字塔”理念構建壁壘，用低成本采集破解行業數據瓶頸。正是這種務實的創新路徑，讓千尋率先跑通了“場景反哺模型”的正向循環。
• 我們堅信，這支年輕的夢之隊有望成為定義下一代具身智能的中堅力量。

拆解千尋如何用1/10的成本跑通工業量產

在資本向頭部集中的趨勢下，千尋智能的技術路徑提供了一個觀察樣本。

其核心邏輯在于通過對“模型+數據”的底層重構，試圖解決具身智能行業長期存在的四大痛點：硬件非標化、算法泛化弱、數據成本高、測試平臺缺

1、模型層面：零樣本泛化突破，躋身全球頂級梯隊

2026年1月，千尋智能開源的Spirit v1.5模型成為首個在性能上超越Pi0.5的中國開源模型

這一突破的核心價值，在于其強大的零樣本泛化能力

無需接受任何新樣本訓練，即可自主完成擦拭物體表面、操作鉸鏈物體、插拔柔性線束等復雜任務，展現出跨場景的高效執行能力。

2、數據層面：反直覺創新，構建低成本規?；w系

如果說模型決定了上限，數據規模則決定了具身智能的落地邊界。

千尋智能在數據層面的策略較為“反直覺”：不再盲目追求極高純度的演示數據，而是強調數據的多樣性、低成本、可規?；?/strong>

其提出的“Dirty data is the key to scaling VLA models”（臟數據是VLA模型規?；年P鍵）理論，打破了行業對數據純度的盲目追求——

通過在多樣化“非完美數據”上訓練，千尋發現模型Scaling效率顯著提升，泛化能力反而更強。

而且也正是因為這套數據哲學，讓千尋所聚焦的VLA技術路線與Google DeepMind、Pi等全球頭部公司高度同頻，印證了其技術布局的前瞻性。

截至目前，千尋智能已積累超過20萬小時的高質量數據，覆蓋互聯網視頻、遙操作、可穿戴設備采集等多種類型。

按照千尋的規劃，其2026年數據總量預計將突破100萬小時

為了支撐這一數據規模，工程化的數采工具成了關鍵。

千尋智能自2025年7月確定數據Scaling Law技術路線后，便開始進行可穿戴數采設備的研發和相應理論的驗證。

據了解，截至目前，該數采設備已迭代至第5代，將單場景數據采集成本降至傳統遙操作方式的10%，為規?；杉瘨咔辶苏系K。

這種低成本、可復制的數采管線，正成為具身智能從實驗室走向大規模量產的工程底座。

對此，千尋智能聯合創始人高陽表示：

• 我們堅持“數據金字塔”的訓練理念，在預訓練階段沒有走傳統“世界模型”預測每一幀的老路——那條路算力消耗巨大且效率不高。
• 千尋智能選擇基于海量人類互聯網視頻進行預訓練，在更少參數量下實現更好效果，顯著降低了算力成本。

在寧德時代產線，具身智能完成了“去盲盒化”實測

具身智能的競爭終局，在于能否將頂尖算法與復雜的機器人工程、及商業落地能力相融合。

觀察千尋智能的團隊構成，可以發現其組織設計試圖在“模型、算法、硬件、商業”維度建立閉環：

• CEO韓峰濤作為珞石機器人前聯合創始人兼CTO，擁有十余年機器人行業經驗，主導交付過超2萬臺工業機器人，深刻理解制造業場景的真實需求；
• 聯合創始人高陽，構建了千尋的技術內核。現為清華大學交叉信息研究院助理教授，主要研究計算機視覺與機器人學。此前曾于美國加州大學伯克利分校獲得博士學位，師從Trevor Darrell教授，后于加州伯克利大學與Pieter Abbeel等人合作完成了博士后研究；
• 聯合創始人鄭靈茵則是工業機器人出海先行者，曾從0到1搭建海外事業部并實現規?；?，為千尋的全球化布局奠定基礎；
• 骨干成員中，既有來自UC Berkeley、清華、北大的學術精英，也有來自各個頂尖AI公司的工程專家。

團隊平均年齡不到30歲，卻已在多模態大模型、機器人學、強化學習、模仿學習等領域擁有學術與工程方面的積淀。

這種組織能力的協同效果，在與寧德時代的合作中得到了體現。

目前，全球首條人形具身智能產線已在寧德時代中州基地投運，千尋自研的小墨機器人成為該產線核心設備，主要承擔EOL（下線檢測）與DCR（直流內阻測試） 工序。近千塊電池實現了零故障量產，作業節拍與熟練工人相當甚至更快。

在實際運行中，搭載了Spirit具身智能模型的小墨機器人，展現出三個關鍵的工程特性：

• 精準適應：可自主應對來料位置偏差、插接點位變化等不確定性，實時調整操作姿態；
• 柔性操作：在插拔柔性線束時，能動態調節力度，確保連接可靠且不損傷部件；
• 高效可靠：插接成功率穩定在99%以上，作業節拍已達到熟練工人水平。

這也意味著，千尋智能從單純賣硬件，轉為輸出感知、決策、執行的全棧能力，快速定制以適配不同產線，并實現全球化規模復制。

未來還將覆蓋多種電池類型與工藝環節，嘗試重塑新能源制造的商業邊界。

在商用領域，這一邊界還被進一步拓展。

千尋的墨子機器人在京東零售場景中，替代人類進行講解互動與產品操作演示。

目前，雙方正共同探索京東云及Joyinside大模型在大型零售網絡中的落地潛力，以期實現技術研發與應用場景的雙向賦能。

百億估值之后：開啟具身智能產業化元年

百億估值之后，千尋智能面對的將是一條更陡峭、也更漫長的技術攀爬之路。

在創始人韓峰濤看來，2026年之于具身智能，就是2023年之于大語言模型——數據和算法開始收斂，模型性能通過Scaling的方式快速攀升，真正的“GPT時刻”正在這一年發生。

而千尋要做的，就是成為這場變革中那個“能干活”的推動者。具體從三方面來看：

首先是模型能力的持續驗證

Spirit v1.5在RoboChallenge的登頂，實則是VLA路線在系統性層面的一次邏輯閉環。

此次成績是在統一硬件與真實任務的壓測下取得的，這種“去溫室化”的測評，標志著該模型的泛化能力已突破實驗室的理想化邊界，具備了應對物理世界復雜變量的底層素質。

其次是數據體系的持續深耕

韓峰濤此前曾這樣描述千尋的數據野心：

• 就在這棟樓下面，今年就會有一個上千人的數據采集團隊，沖擊100萬小時數據大關。

再者是商業化路徑的持續走實

寧德時代產線上的小墨機器人，現已成為具身智能行業罕見的“非Demo”樣本。

這背后其實代表著一個更深層的產業邏輯：機器人必須先成為生產力，才能讓數據飛輪真正轉起來。

韓峰濤將此過程比作自動駕駛的演進——沒有智駕功能的車也會有人買，這為邊賣產品邊采數據提供了可能；而沒有大腦的機器人完全沒用，所以只有先把能干活的機器賣出去，才能再現當年人們邊開車邊采數據的過程。

一個值得留意的產業觀察點是：千尋智能正在有意識地脫離具身智能早期的“硬件敘事”路徑。

在賽道普遍受困于Demo競賽與卷參數時，千尋將競爭邏輯拉到了以模型為核心的“能力定義”上。

開源動作，本質上是在技術定義期尚未終結時，通過標準輸出，先行卡位“通用大腦”的底層生態

這種策略，印證了韓峰濤此前對具身行業的定調：

• 真正的機器人是生產力，不是展品和玩具。

據了解，本輪融資后，千尋智能將持續加大具身基礎模型與真實數據體系的投入，深化產業生態共建。

千尋智能始終堅信，具身智能將成為未來十年的核心基礎設施，當機器真正具備物理世界理解能力，人機協作、生產流程乃至社會運行效率都將迎來深刻變革。

在完成階段性的估值跨越后，千尋此時此刻選擇的方向非常明確——

錨定模型泛化與數據規?；?/strong>，繼續做難而正確的事，讓機器人真正走出溫室、走進工廠、走進生活。

這場變革的終點或許還很遠，但至少，方向已經踩實了。