4月30日，聆動通用宣布完成數億元Pre-A輪融資，本輪融資由華義創投領投、訊飛創投持續戰略加碼，泰達科投、博眾精工產投等頭部機構跟投。

這筆融資創下了安徽省具身智能領域單筆融資最高紀錄。聆動通用成立于2024年12月，一年多完成4輪融資，累計融資超10億元。

華義創投指出，聆動通用將通用機器人的宏大愿景轉化為確定的產業價值，其技術路徑與商業化能力均展現出成熟企業的特征。可以說，聆動通用從誕生起就沒打算走炫技路線。創始人季超說過：工規落地是具身智能的唯一出路。

PART.01

訊飛系創始人：從首席科學家到創業者

聆動通用的創始人季超，90后，中科大機器人方向博士。2017年畢業后加入科大訊飛，一路做到機器人首席科學家。2024年12月創立聆動通用。

從學術圈到訊飛，再從訊飛到創業——這條路徑本身沒什么稀奇。但有個細節值得關注：季超在訊飛任職期間，累計實現了數億元營收。

很多技術型創始人容易犯一個毛病：技術很牛，但不懂商業，季超卻不一樣。他在訊飛的這些年，不是在實驗室里寫論文，而是真正下場做過商業化落地。

聆動通用的第一大股東是安徽訊飛云創，持股50.14％，這是科大訊飛的生態公司。訊飛不僅給錢，還給資源——近千人規模的數據團隊、成熟的AI基礎設施、現成的客戶渠道。

很多人覺得背靠大樹好乘涼。但問題在于，生態是把雙刃劍：用得好是加持，用不好是依賴。

從目前的情況看，季超的處理方式挺聰明的。他沒有完全依賴訊飛的資源，而是在訊飛的基礎上走出了一條獨立的技術路線。

PART.02

工規級路線的反共識選擇

聆動通用的技術路線，用一句話概括就是：工規級具身智能。

2026年的人形機器人行業，有個很明顯的分化：一派在拼人形——機器人長得越像人越好；另一派在拼智能——大模型加持、AGI賦能、通用場景覆蓋。

兩種路線都有各自的擁躉。但問題在于，這兩派都面臨一個共同困境：落地難。

長得像人的機器人，動作是炫酷了，但故障率高、維護成本高，在真實工業場景里根本用不了。大模型加持的智能機器人呢？概念很美好，但真到了車間里，識別精度不夠、響應速度跟不上。

聆動通用的選擇很直接：放棄炫技，專注能干活。

首先，硬件自研率超過90％。業內普遍的自研率在60％－70％左右。能做到90％以上的，要么是老牌廠商，要么是像聆動這樣從零死磕的新勢力。

其次，產品定位直指工業場景。LDB01工規級具身智能通用機器人，硬件經過六輪內部迭代，算力、感知、功能安全模塊都針對工業嚴苛環境優化。MTBF工業級平均無故障時長要求連續工作1萬小時起。能耐受車間粉塵、溫差，滿足長時間連續作業。

第三，部署速度夠快。最快三周內快速上線部署，無需改造現有產線。很多工業機器人的部署周期在3－6個月，改造產線還要額外花錢、花時間。聆動的方案讓客戶拿來就能用。

PART.03

雙產品線：從賣硬件到建飛輪的商業進化

聆動通用的產品布局很有意思，形成了LDB＋LDT雙產品線格局。

LDB系列：LDB01工規級具身智能通用機器人。這是旗艦產品，也是對外展示技術實力的窗口。前面提到的那些技術指標——90％硬件自研率、六輪迭代、萬小時無故障——基本都體現在這個產品上。

LDT系列：具身智能采訓推一體機。這個產品很多人可能不太熟悉，但它解決的是一個很關鍵的問題：數據稀缺。

具身智能行業有個痛點：訓練模型需要海量真實場景數據，但真實場景數據的采集成本高、難度大、質量參差不齊。LDT系列就是來解決這個問題的——它讓客戶能夠快速建立自己的數據采集和訓練體系。

目前LDT已經在多個公共具身智能數據采集訓練場、企業私有化訓練場、高校科研機構落地。

這兩條產品線的邏輯不是孤立的，而是形成了一個飛輪：

• LDB賣出去，在客戶現場跑起來；

• 跑起來的過程產生真實場景數據；

• 數據回到聆動的訓練平臺，迭代模型；

• 模型升級后，LDB性能更強，LDT能力更強；

• 更好的產品帶來更多客戶，更多客戶產生更多數據。

這就是數據飛輪的核心邏輯。博眾精工副總裁韓杰說過：聆動是行業內少有能實現數據飛輪和基礎模型持續迭代的玩家，具備長期復利效應。

從產品公司到平臺公司——這個進化路徑，是聆動通用比大多數競爭對手看得更遠的地方。

PART.04

從賣產品到定標準的生態卡位

聆動通用的商業化進展，目前看有三個層次：

第一層：硬件銷售。LDB01和LDT系列產品，已經在物流、汽車、3C電子領域頭部客戶完成驗證，并且和多家上市公司及行業頭部企業達成戰略簽約。

第二層：數據服務。基于數據飛輪，聆動可以向客戶提供模型訓練、技能部署等增值服務。這是軟件端的收入來源。

第三層：標準制定。這是最容易被忽視，但也是最有長期價值的一層。

2026年6月1日，工信部首個具身智能行業標準將正式試行。聆動通用是這個標準的副組長單位——這意味著它參與了行業規則的制定。

此外，聆動還是國內首批、安徽省首個通過可信AI評測的企業，并且推出了國內首個具身智能基準測試評測標準。

標準就是話語權。誰參與了標準的制定，誰就在未來的競爭中占據了有利位置。這就像當年高通在通信領域靠專利授權賺錢一樣——聆動今天在具身智能領域定標準，就是在為明天的收租做準備。

從賣產品，到賣服務，再到定標準——這是三種不同的商業化層次，也代表了三種不同的競爭壁壘。聆動通用正在完成從第一層向第二層、第三層的跨越。

PART.05

技術，最終要服務于場景

具身智能這個賽道，從2023年開始熱，到2024年爆發，再到2025－2026年的分化，經歷了一個完整的周期。這個周期教會我們一件事：技術，最終要服務于場景。

很多人喜歡談通用人工智能、具身智能的iPhone時刻——這些概念聽起來很美好，但如果落地不了，就是空中樓閣。

聆動通用的選擇，某種程度上代表了一種回歸：技術不是目的，解決問題才是目的。

當然，這條路并不好走。工規級路線意味著要啃硬骨頭——工業客戶要求的是穩定、可靠、低故障率，而不是酷炫的參數。季超說過工規落地是具身智能的唯一出路，這句話背后，是無數次的調試、迭代、踩坑。

但正因為難，才形成了壁壘。當別人還在PPT上畫機器人時，聆動的產品已經在車間里跑起來了。當別人還在為融資講故事時，聆動已經在和上市公司簽戰略合作協議了。

下一個問題在于：聆動的數據飛輪能否真正轉起來？

飛輪的核心是數據。數據從哪里來？從客戶的現場來。客戶為什么愿意共享數據？因為模型升級后，他們能獲得更好的產品體驗。這是一個正向循環。

但如果哪天這個循環被打破——比如客戶不愿意共享數據，或者數據質量不夠好——飛輪就會減速。

這是聆動未來要面對的挑戰，也是整個具身智能行業要面對的挑戰。

文章來源：GEIA全球具身智能觀察。