狂攬30億元融資，千尋智能憑什么讓馬云和雷軍同時下注

作者：高恒（中國科技新聞學會科幻傳播與未來產業專委會會員專家）

馬云和雷軍，第一次站在了同一張投資清單上。

4月7日，成立僅兩年多的千尋智能宣布完成新一輪10億元融資；而就在2月24日，公司剛剛完成兩輪近20億元融資，估值突破百億元。一個月左右累計融資30億元，讓這家公司迅速成為具身智能賽道最密集的資本落點之一。更關鍵的不是金額，而是投資方結構：從雷軍旗下順為資本、馬云旗下云鋒基金，到京東、寧德時代、TCL，再到紅杉中國、地方國資與產業基金，多條產業鏈核心角色開始在同一家公司集結。

如果只看數字，這仍像一輪典型的“融資熱”；但如果把時間、資本結構和行業階段放在一起看，它更像一次提前發生的共識重構：當消費電子、制造業、零售、電商和地方資本同時下注，市場討論的重點，已經不再只是“機器人能不能做出來”，而是具身智能是不是正在從技術想象，進入產業預期。

01：不是融資能力，而是入場門檻被抬高

在具身智能這個賽道里，融資已經不是加分項，而是入場券。

千尋智能這輪融資最值得關注的，并不只是一個月左右快速30億元這個數字本身，而是它把一件事講得很清楚：在這個階段，如果沒有足夠多的錢，你連繼續做技術驗證的資格都沒有。公開資料顯示，千尋智能成立于2024年1月，兩年多時間里已完成7輪融資，累計融資約43.28億元，其中僅2026年初一個月左右，就連續完成近20億元和10億元兩輪融資，迅速把資金儲備拉到了一個新量級。

在筆者看來，這種融資強度，并不是簡單的“資本看好”，而是賽道屬性倒逼出來的結果。和互聯網或純軟件創業不同，具身智能從一開始就是一條典型的重投入路徑：機器人本體研發需要錢，硬件打樣和量產需要錢，模型訓練依賴算力，數據采集和標注又是一項長期、重復、難以壓縮的支出。它不是那種可以“先做產品、邊跑邊融”的行業，而更像一場需要提前準備足夠彈藥的長期戰役。

也因此，行業里正在形成一種越來越明確的共識：先拿到足夠多的錢，才有資格談后面的技術兌現。作為千尋智能財務顧問的高鵠資本董事總經理舒雪梅就提到，千尋智能作為起步相對較晚的具身智能創業公司，能否拿到足夠多的錢，直接決定了公司能否“上牌桌”。“有些公司選擇小步快跑、每輪少量融資抬高估值，這種做法會耗費大量精力去考慮生存問題，也不適合具身智能這類后續需要大額投入的賽道。一旦估值上去了但錢沒拿夠，非常危險。”

這種情況下，一旦公司進入模型訓練、硬件迭代和場景驗證同步推進的階段，任何一環資金斷裂，都會讓前期投入迅速失去價值。

更重要的是，這輪融資的意義并不只體現在金額上，還體現在資本結構上。圍繞千尋智能，已經形成了一張高度重疊的產業資本網絡：既有順為資本、云鋒基金這樣的頭部基金，也有京東、寧德時代、TCL等產業方，還有國資平臺與多類產業基金共同參與。

這些錢并不對應同一個回報模型，卻在同一時間集中下注，背后反映的也不是單一投資判斷，而是多個產業環節都在對未來形態提前站位。京東看中的是零售和物流場景，寧德時代給的是制造場景，消費電子和國資平臺看中的，則是未來產業協同和長期布局。資本不只是來投一家公司，更是在提前卡位一條可能改變生產和服務方式的新鏈條。

從這個角度看，千尋智能拿到的，并不僅僅是幾十億元資金，而是一種更關鍵的能力：在一個重投入、長周期的賽道里，獲得持續試錯和持續迭代的時間窗口。當資本開始以這樣的密度和結構集中進入，行業門檻也就隨之被整體抬高。未來真正的分水嶺，可能不再是誰更早講出一個好故事，而是誰能在正確方向上，持續投入得更久，跑得更遠。

02：資本為什么敢押它：不是講故事，而是路徑更完整

如果先拿到錢是結果，那么最開始要回答的問題是：資本憑什么相信真的能把這件事做出來并且愿意掏錢。

在當前的具身智能賽道里，真正稀缺的并不是“會講故事的公司”，而是能夠把機器人、模型和場景三件事同時往前推進的能力。千尋智能之所以能在短時間內迅速聚攏資本，關鍵不在于它講了一個更宏大的愿景，而在于它從一開始就搭出了一條相對完整的執行路徑。

先看團隊。千尋智能最容易被資本看懂的一點，就是它的創始班底，幾乎正好踩中了當下具身智能創業最稀缺的那種組合：一邊是懂機器人本體、懂制造、懂交付的人，一邊是懂大模型、懂算法、懂前沿研究的人。

創始人兼CEO韓峰濤，是典型的工業機器人出身的連續創業者，本碩階段就讀于浙江大學控制科學與工程方向，隨后在華中科技大學攻讀博士，師從機器人學術泰斗丁漢院士。更關鍵的是，他不是純學術型背景，而是有過完整的產業化履歷。此前他聯合創辦珞石機器人并擔任CTO，主導過超過2萬臺工業機器人的規模化交付，是國內較早推動力控協作機器人量產落地的一批人之一。簡單說，他不是做“Demo機器人”的人，而是做過“能交付、能進產線”的機器人產品的人。

聯合創始人、高級科學家高陽，則代表的是另一條路徑。他擁有“清華—伯克利—清華交叉信息院”的學術背景，自2020年起擔任清華大學視覺與人形機器人實驗室主任，是國內較早一批系統性研究具身大模型的人之一。相比韓峰濤偏工程、偏產品化的一面，高陽更像是千尋智能的大腦搭建者，負責科學問題、新技術方向以及AI整體路線判斷。換句話說，韓峰濤解決的是“機器人怎么真正做出來、交出去、跑起來”，高陽解決的是“機器人怎么變聰明、怎么擁有泛化能力、怎么把模型能力持續抬高”。

這兩類能力的組合，在今天的具身智能階段并不是錦上添花，而是基礎配置：沒有工業交付經驗，機器人很難進入真實場景；沒有模型能力，機器人又很難從自動化設備升級為具備泛化能力的智能體。

也正因為團隊同時理解“機器人怎么做成產品”和“模型怎么獲得泛化能力”，千尋智能從成立之初就沒有走純硬件公司或純模型公司的路線，而是很早確定了“軟硬一體”的方向。這個選擇在今天看越來越像行業共識，但在2024年公司成立時并不主流。其背后的邏輯并不復雜：對于機器人來說，硬件決定能力上限，軟件決定能力能被發揮到什么程度。兩者不是可替代關系，而是必須同步迭代的工程系統。

但真正拉開差距的，并不是“是否軟硬一體”，而是公司把資源壓在了什么地方。從千尋智能的投入結構來看，它真正重倉的，并不是某一個模型版本，而是“數據生產能力”。公司以“多樣性數據”為核心推進Scaling路線，現已累計獲取超20萬小時的多類型真實交互數據（覆蓋互聯網視頻、遙操作、可穿戴采集等維度），預計2026年數據總量將突破100萬小時；同時，通過自研設備，將數據采集成本壓縮約90%，并持續擴大數據采集團隊規模。按照韓峰濤接受媒體采訪時透露的內容，其95%以上的數據來自真實世界，仿真數據占比不超過5%。

筆者認為這背后的邏輯，其實和大模型的發展路徑很像。能力的提升最終依賴于數據規模、訓練強度和迭代速度。不同的是，大模型處理的是文本和圖像，具身智能處理的是動作、接觸、空間、失敗和糾偏，它面對的是物理世界本身。所以，仿真數據當然重要，但真實世界數據才真正決定模型上限。千尋智能押注真實數據，本質上押的是一個判斷：未來具身智能的競爭，不只是比誰模型概念講得漂亮，而是比誰先把真實世界的數據體系搭起來，誰更有機會跑出持續的能力爬坡。

對此，知名科技產業時評人彭德宇對筆者分析到，千尋智能之所以能被資本持續押注，并不只是因為它會講“機器人通用大腦”的故事，而是因為它已經把一條更重、更慢、但也更扎實的路鋪開了：前端有做過大規模交付和產品化的硬件老兵，中間有做具身模型和AI方向判斷的科學家，后端有持續擴張的真實數據體系和訓練能力。這種組合未必最輕，也未必最性感，但它更容易讓市場相信，這家公司不是只想做一個會表演的機器人，而是想做一個真正“能干活”的系統。

03：具身智能的分水嶺，開始落在工程化上

如果把千尋智能放回整個行業去看，這一輪融資真正對應的，并不是某一個模型能力的突破，而是一個更關鍵的變化正在發生：具身智能的競爭，正在從“能不能做出來”，轉向“能不能穩定地用起來”。

這種變化，其實已經能從行業熱度和資本關注點的轉移中看出來。《具身智能發展報告（2025年）》顯示，據不完全統計，截至2025年12月，我國具身智能和機器人領域投資事件數已達744起，融資總額735.43億元。進入2026年一季度，融資熱度仍然只高不低。從天眼查、企查查等渠道不完全統計，截至目前，具身智能領域披露的融資事件已至少達到210起。

與此同時，《中國發展報告2025》顯示，我國具身智能產業規模有望在2030年達到4000億元，2035年突破萬億元大關。國泰海通分析師也指出，未來投資關注點將更多集中在具身智能應用落地上，尤其是“感知—決策—執行”閉環所催生的全新需求。換句話說，行業資金雖然仍在快速涌入，但市場真正開始在意的，已經不只是技術能不能做出來，而是這些能力能不能進入真實場景、形成穩定運行的系統。

這也是為什么，具身智能這一階段的核心，不再只是算法，而是工程化。

過去一段時間，行業討論更多集中在模型能力和Demo效果上：能不能完成一段連續動作，能不能在視頻里完成復雜任務，能不能在陌生環境中保持基本操作能力。但這些能力，本質上仍然停留在“可驗證”的階段，還沒有進入“可復制”的階段。真正決定技術是否跨過門檻的，不是一次成功，而是在真實環境中能否持續成功。

千尋智能自身的能力爬坡，也是一條比較典型的路徑：從早期展示做咖啡，到后續驗證插花、扶水瓶、撿糖果、擦桌子，再到訓練機器人完成疊衣服這類長程復雜任務，它并不是一步跨到終局，而是沿著任務復雜度一點點往上走。

真正把這件事往前推了一步的，是產線。千尋智能在寧德時代產線的落地，是目前少數能夠說明問題的案例之一。其機器人已經進入電池生產流程，在實際產線中參與作業，實現近千塊電池的零故障量產。這個案例的意義，不在規模，而在標準——工業場景對系統穩定性、可靠性和安全性的要求，遠高于實驗室環境。

高陽在接受采訪時提到，實驗室中的Demo，成功率達到95%已算不錯；但在寧德時代的產線上，成功率至少要達到99.99%，才具備繼續推進的價值。這一差距，本質上就是“Demo能力”和“工程能力”之間的分水嶺。前者更多體現為模型能不能跑通，后者則要求系統穩定性、控制精度、數據閉環以及大量工程細節共同到位。

也正因為工程化仍處在爬坡階段，千尋管理層對商業化節奏的表態一直比較克制。據媒體報道，舒雪梅表示，2026年公司內部將營收目標定在1億至1.5億元，銷售數量約200臺。韓峰濤則解釋，2026年的核心主題是數據量級與模型性能的突破，而非追求落地和營收增長，真正的大規模落地預計要到2027年下半年至2028年。談到商業路徑時，他的原話是，千尋智能的目標是“先to大B，再to小B，最后to C”，整個B端至少需要五年。“to C的門檻很高，一臺機器人賣一兩萬元甚至三五萬元，消費者不可能為‘花架子’買單。”

企事界北京科技有限公司執行董事李睿對筆者表示，這段表態背后反映出的，其實是行業當前一個很現實的階段特征：相比盡快放大收入，企業更在意的，還是先把模型能力、系統穩定性和場景適配性做扎實。尤其在工業和零售等真實場景里，機器人能不能連續穩定工作，遠比短期賣出去多少臺更重要。

品牌戰略定位專家吳玉興則進一步指出，把這些因素放在一起看，千尋智能現在所處的位置，已經從“技術驗證者”轉向“工程化探索者”。當數據開始規模化、模型開始具備基礎能力、產業場景逐步打開，真正的分水嶺就不再是誰能做出更復雜的動作，而是誰能讓這些能力在真實系統中長期穩定運行。

這也是這輪融資背后更深的一層含義：具身智能的競爭，正在從“講得通”，進入“跑得通”，更是具身智能競爭門檻被抬高的信號。