又一個億！清華00后造機器人，月產百臺訂單破億，算力龍頭押注

2026年4月9日，零次方機器人（Zerith）宣布完成最新一輪超億元融資，由國內算力龍頭AIDC上市第一股潤澤集團領投，寧波東力、接力天使、平湖澤新跟投。

這幾年具身智能火得一塌糊涂，但真正能把產品賣出去的，屈指可數。大部分公司要么在實驗室里"跑酷"，要么在發布會后就"消失"了。錢融了不少，訂單卻沒幾個。

零次方剛成立14個月，訂單已經突破億元，營收數千萬，單月穩定量產百臺。更重要的是，這些機器人已經跑進了合肥新橋機場、深圳萬象城OLE超市等20余個地標場景。不是演示，是真的在干活。

PART.01

清華00后團隊，但絕不是"學生創業"

一聽到"清華00后團隊"，很多人腦子里可能蹦出兩個詞：年輕、有沖勁。但也很容易聯想到另一個詞：稚嫩。

這種刻板印象，在零次方這里可能要改改了。

創始人閔宇恒，2000年出生，本科畢業于重慶大學明月實驗班，碩士被保送至清華大學人工智能專業。在清華期間，他是AI&Robot智能機器人實驗室的核心成員，拿到了國家級機器人競賽冠軍。他的導師是安徽省人形機器人重點實驗室主任劉厚德教授。

聯合創始人程頤、廖滔、李宜哲，同樣是清華00后碩士。這四個人組成的團隊，有人叫它"清華系00后碩士人工智能軍團"。

但光有學歷不夠。關鍵是，這個團隊從一開始就不是在"玩"技術。

閔宇恒說過："我們團隊是雙螺旋結構，一側是由學生、碩博士組成的前沿研發團隊，負責探索技術邊界；另一側是由經驗豐富的行業專家主導市場和量產，確保創新穩健落地。"

換句話說就是：技術的事，交給年輕人去沖；落地的事，交給老手去磨。

這種組合，在機器人行業其實挺少見的。很多團隊要么全是學術派，造出來的東西好看不好用；要么全是工程派，技術上沒有深度。零次方這個雙螺旋結構，剛好卡在中間——既有技術高度，又有落地能力。

潤澤集團董事長周超男對此評價到："零次方團隊不僅具備十幾年的機器人技術積淀，更走出了一條遠超其年齡段的務實與扎實的產業落地之路。"

注意，"十幾年的機器人技術積淀"，這不是夸張。清華AI&Robot實驗室本身就有著深厚的技術積累，這幫00后從研究生階段就在這個實驗室里摸爬滾打，積累的其實是整個實驗室幾十年的經驗。

所以，與其說是"00后創業"，不如說是"清華AI&Robot實驗室嫡系部隊出來單干"。

PART.02

從"偽通用"到"去通用"，一條更務實的路

在具身智能的發展過程中，存在著“偽通用”—“去通用”—“真通用”三階段。

所謂"偽通用"，就是在過擬合狀態下，于受限的演示環境中表現出有限的泛化能力。聽起來很繞，說白了就是：看起來什么都會，實際上只能在特定場景、特定條件下工作，換個地方就抓瞎。

這恰恰是當下很多機器人公司的通病。

發布會上跑得歡，一到真實場景就歇菜。成本下不來，穩定性上不去，客戶買了單卻用不好，最后只能淪為展廳里的"吉祥物"。

零次方的選擇是：繞開"偽通用"，先走"去通用"這條路。

"去通用"的核心是主動收斂場景。在可復制的商業環境中，以極高的魯棒性解決真實問題，讓客戶在短期內獲得清晰的、可量化的經濟回報。

也就是說，先別想著做一個什么都能干的萬能機器人，而是先把幾個場景做透、做精，讓客戶真金白銀地賺到錢。

零次方目前聚焦的兩類場景，是"空間整理"和"空間清潔"——比如機場的行李整理、超市的貨架整理、商場的清潔維護。這些場景看起來不夠"高大上"，但需求真實、付費意愿強、規模化容易。

更關鍵的是，這種做法能快速積累真實場景數據。

想想看，當成千上萬臺機器人在真實商業場景中持續運行，積累下來的數據是什么量級？零次方的說法是"數億級真實場景數據"。這些數據，才是通往"真通用"的養料。

用閔宇恒的話說："只有把多個'去通用'的垂直場景深度融合，才能真的走通'通用之路'。"

這個邏輯，其實有點像當年電商行業的發展路徑。淘寶當年不是一上來就想做"萬能平臺"，而是先從服裝這個垂直類目切入，把供應鏈、物流、支付一個個環節跑通，才有了后來的"萬能平臺"。

零次方走的，也是這條路。

PART.03

兩大硬核技術底座，不是在講故事

再來看看技術。

很多機器人公司喜歡講"技術故事"，但技術能不能落地、能不能量產、能不能解決實際問題，才是真正的考驗。

零次方在這塊，有兩個技術底座值得關注。

第一，4D增廣數據升維。

跨場景泛化的核心挑戰是什么？零次方提出：通用具身智能要實現跨場景泛化，其訓練數據必須具備“高物理熵”與“高環境熵”兩大特征。

簡單理解，環境熵指的是場景布局，光照、任務規劃等"語義環境"的復雜度；物理熵指的是物體動靜態交互的物理規律復雜度。

舉個例子，機器人要在一個陌生廚房里找到水杯并遞給你，它需要理解廚房的布局——這是高環境熵；還得知道水杯的材質、重量、怎么抓取才穩當——這是高物理熵。

目前，環境熵適配已經有了基礎，比如視頻生成模型能生成各種場景。但物理熵適配還是行業痛點——機器人經常在物理交互上"翻車"，比如抓個雞蛋碎了一地。

零次方的解決方案是：自研4D增廣模型ZERITH4D-SDA。這個模型能把互聯網多模態數據（高環境熵、低物理熵）和底層物理交互數據（高物理熵）進行異構融合，最終構建出能進行多模態預測的4D時空數據。

而這個技術解決的是一個真實痛點——讓機器人在陌生環境下也能"理解"物理規律，而不是只會執行預設程序。

第二，類腦雙流異步執行架構。

當前主流的端到端串行架構有個問題：認知（思考）和行為（動作）是串行的，一個做完才能做另一個。這在簡單任務上沒問題，但在復雜場景下，延遲就成了致命傷。

零次方的做法是：把認知和行為拆開，變成兩個并行的"流"——認知網絡負責全局規劃，行為網絡負責實時力控。兩邊通過異步稀疏調制來協調，核心是讓"想"和"做"真正并行起來。

同時，他們還引入了神經動力學引擎和4D時空記憶模塊。神經動力學引擎解決的是"意圖到控制"的映射問題——把人的指令平滑地轉化成機器人的動作；4D時空記憶模塊解決的是"記憶丟失"問題——讓機器人在長程任務中不會"斷片"。

這三項技術加在一起，解決的是機器人行業的一個老大難問題：復雜場景下的泛化和控制穩定性。

PART.04

商業閉環才是真正的護城河

2026年開年以來，零次方已經斬獲近億元訂單。這個數字，放在具身智能行業是什么水平？

據《2026年具身智能產業發展研究報告》數據，2026年具身智能行業進入量產元年，但大部分企業的訂單量還在千萬元級別掙扎。能過億的，少之又少。

零次方能在成立14個月內拿到近億元訂單，靠的是什么？

首先，客戶結構夠硬。

華潤萬家、潤澤集團、商湯集團——這三家隨便拎出一家，都是行業里的"大甲方"。能拿下這些客戶，不只是產品好使，更是綜合能力的體現。

再者，場景選擇夠準。

零次方沒有去搶汽車制造、精密裝配這些"高大上"但競爭激烈的場景，而是選了服務業、零售業這些"苦活累活"。

這些場景有個共同特點：需求真實、付費意愿明確、替代人工的效益可量化。一臺機器人能頂幾個工？回本周期多長？客戶一算賬，劃算就買單。

零次方相關業務負責人說過一句話，很實在："當下客戶不再為'概念'買單，而是為'確定性與經濟性'買單。"

客戶最看重什么？有四項能力：復雜背景下的高效抓取、單一任務逼近100%的成功率、多任務連貫操作的順暢度、動態擁擠環境下的魯棒性與24小時不間斷作業的穩定性。

這四項，恰恰是零次方產品力的體現。

第三，量產能力夠穩。

很多機器人公司的問題不是做不出來，而是量產上不去。供應鏈一塌糊涂，良品率慘不忍睹，成本根本壓不下來。

零次方2025年12月就實現了單月百臺穩定量產。這個數字在行業里不算大，但關鍵是"穩定"二字——不是做了100臺，而是每個月都能穩定交付100臺，而且質量過關。

量產這事兒，聽起來不如技術性感，但恰恰是很多技術派的"死亡陷阱"。能跨過去的，才有資格談商業化。

PART.05

算力+場景，一個值得關注的信號

這次融資的領投方潤澤集團，是國內算力領域的龍頭，AIDC上市第一股。為什么算力龍頭會投一家機器人公司？

潤澤集團董事長周超男的表態挺有意思："投資零次方，是潤澤集團對'算力價值落地'這一核心命題的深度實踐。AI的終極價值不在于產生了多少Token，而在于能將多少澎湃算力轉化為真實世界的生產力。"

過去幾年，大模型很火，但有個問題始終沒解決：算力怎么轉化成生產力？光有"大腦"不行，還得有"身體"去執行。機器人，恰恰就是這個"身體"。

潤澤集團在全國有6大區域AIDC智算集群，規劃32萬架機柜。這么大的算力，需要找到出口。投資零次方，就是在為自己的算力找"身體"——讓機器人成為算力落地的重要場景。

反過來看，零次方為什么接受潤澤的投資？

答案也簡單：算力是具身智能的"燃料"。訓練大模型需要算力，優化算法需要算力，在真實場景中快速迭代也需要算力。有潤澤的算力支持，零次方的技術迭代速度會快很多。

這種"算力+場景"的綁定，其實是雙向賦能：潤澤找到了算力出口，零次方拿到了訓練彈藥。

當前，機器人行業競爭激烈，優必選、宇樹、智元這些老玩家都在搶市場；技術迭代速度快，今天的優勢可能明天就被追平；供應鏈管理、量產質量、客戶開拓，這些"基本功"才是真正的考驗。

這個清華00后團隊，能不能在機器人這個"老炮兒"扎堆的行業里殺出一條路？