2026年，一家中國具身智能公司悄然改寫了行業出海敘事。

在某全球制造業巨頭于斯圖加特舉辦的年度ERP峰會上，它完成了中國具身智能機器人在歐洲客戶現場的首次真機演示；幾天后的LogiMAT 2026展臺，展出的輪式機器人成為全場焦點；隨后的漢諾威工業博覽會上，它更讓人形機器人現場完成了從備件生產到揀選包裝的全鏈路閉環，將“數字決策到物理執行”的未來工廠雛形搬進了現實。

最戲劇性的是其拿下訂單的方式。據知情人士透露，客戶曾列出一份涵蓋幾百條機器人能力的清單讓各家勾選，許多同行勾選了上百條甚至全部勾選，中科第五紀非常務實地只勾選了二三十條——都是他們確實能做、也經得起現場驗證的。最終，大批對手在演示中掉鏈子，它留到了最后。憑借這種方式，它從多家海外巨頭手中贏得了數億元的具身智能訂單。

2026年的具身智能賽道正在經歷一場前所未有的資本狂歡。僅今年一季度，國內機器人和具身智能領域就有超過50起公開融資記錄，多家企業單筆融資在10億元以上。投資界甚至流傳著一個令人咋舌的數字：有具身智能公司在兩個月內估值從50億翻倍至100億，奔著300億估值去融資了。

然而，中科第五紀的軌跡顯得格外“不合群”——

它不拼算力、不堆數據、不炒概念，卻在一個月內連獲紅杉中國、東方富海等頂級機構的數億元融資；成立僅一年半，估值從不到一億起步暴漲幾十倍，完成7輪融資。這種快速融資的勢頭延續至今——近日中科第五紀再度完成數億元A輪融資，這也是其2026年內拿下的第三輪融資。本輪由孚騰資本領投，上海半導體產投、國科資本、中國風險投資、鴻瑞達跟投，老股東卓源亞洲等超額加注。

縱觀當前具身智能賽道，大多數企業的選擇正趨于同質化：用海量數據暴力擬合、用算力堆疊催熟模型、用宏大敘事說服投資人。在這樣一片喧囂中，中科第五紀幾乎是少數選擇“反向而行”的公司。

它反常之處在于：當所有人都在做加法的時候，它在做減法。

01.

對客戶而言：花小錢辦大事

具身智能行業面臨的最大痛點之一，是數據獲取成本極高。真機操作數據的采集需要昂貴的硬件、專業的操作員和大量的時間。正因如此，行業的主流方案是「既然數據不夠，那就拼命采數據」。

但中科第五紀選擇了一條完全不同的路徑：從模型架構本身動刀。

他們自主研發的FAM系列超少樣本具身操作大模型，通過獨創的“熱力圖對齊”技術，顛覆了傳統VLA（視覺-語言-動作）模型的沙漏型架構，實現了空間信息的無損傳遞。

聽起來很技術，但翻譯成人話就是：傳統模型在處理三維空間信息時，會像漏斗一樣把高維信息強行壓縮成一維，丟失大量關鍵的空間結構細節，只能靠死記硬背海量數據來彌補。而FAM模型讓空間結構信息在全流程中自由「流動」，模型「真正看懂了」物理世界，而非「硬背」下來。

呈現出的效果非常驚人，在僅使用3至5條樣本的情況下，基礎任務成功率高達97%。在國際公開評測數據集上，FAM系列模型顯著優于英偉達RVT-2等其他對比模型。中科第五紀還將FAM-1在真機上與PI0（Physical Intelligence）、SpatialVLA等先進模型進行了全面對比，尤其在少樣本條件下展現了壓倒性優勢。

這意味著什么？過去部署一個機器人新任務可能需要成百上千條演示數據、耗時數周甚至數月；現在只需三五條數據，部署周期被壓縮到了以天計。

對于工業客戶而言，這是從花大價錢做實驗到花小錢辦大事的質變。

02.

讓機器人預演未來

FAM模型解決了怎么學，而中科第五紀推出的另一項技術，具身世界模型BridgeV2W，解決的則是“怎么安全地做”。

工業場景對安全的要求近乎苛刻。一次機械臂的誤操作，可能意味著設備損毀、產線停擺，甚至人員傷害。

BridgeV2W通過一個極其巧妙的設計：具身掩碼（Embodiment Mask），將抽象的機器人動作指令直接“轉譯”為即將發生的視覺畫面，讓機器人在真正動手之前，先在腦中預演一遍動作的后果。

舉個簡單例子：機器人要抓取一個零件，模型會先生成一張“如果我這樣抓，未來畫面會是什么樣”的預測圖像。如果預測畫面顯示機械臂會碰到旁邊的設備，系統就會提前終止動作，避免碰撞。

這就是給機器人裝上了“預知未來”的能力——雖然只能預知幾秒鐘，但對于工業安全而言，這幾秒鐘就是生與死的距離。

03.

打進歐洲的“務實派”

如果說技術是“內力”，那商業落地就是“外功”。在這方面，中科第五紀同樣展示出了與大多數競爭對手截然不同的克制與務實。

2025年9月，在一眾同行的激烈競爭中，中科第五紀成功拿下某頭部機器人企業訂單，成為后者001號大腦供應商。僅用不到兩個月，就完成了多個場景的交付。此后，中科第五紀將自研的具身大腦與其人形機器人平臺深度融合，共同拓展電力場景的機器人應用落地。

更令人意外的是其海外戰績。

在LogiMAT 2026展會上，中科第五紀展出的輪式機器人，憑借7×24小時連續作業能力在非結構化物流場景中實現穩定作業；隨后的漢諾威工博會上，與客戶共同合作完成從機床備件生產、封裝到自主揀選包裝的全鏈路閉環演示，首次在海外展會呈現了“數字決策到物理執行”的無損傳導；在德國某工廠的試點項目中，其具身機器人在真實場景完成物料搬運及實際操作，并已經完成了一期的POC。

憑借著這些在真實場景中逐一兌現的能力，中科第五紀近期收獲海外多家知名頭部企業數億元訂單，在工業場景實現全球化交付。

04.

藏在背后的「中科院+清華」團隊

中科第五紀的突圍并非偶然。

公司創立于2024年9月，核心團隊來自中科院自動化所和清華大學。創始人兼CEO劉年豐博士本科畢業于中國科學技術大學自動化系，后保送至中科院自動化所攻讀博士，師從中國科學院院士譚鐵牛，擁有近十年的AI及機器人產品化落地經驗。

公司首席科學家孫富春教授是清華大學計算機科學與技術系長聘教授、人工智能研究院智能機器人中心主任，是國內最早一批研究智能機器人的領域專家，多次帶領團隊斬獲國際頂級機器人操作競賽冠軍。

這支「中科大+中科院+清華」的豪華陣容，兼具學術深度與工程落地能力，而這恰恰是當前具身智能賽道最稀缺的人才組合。團隊的學術積累可追溯至2013年，彼時他們已發表國內最早的視覺-語言理解領域論文之一，此后橫跨多模態感知、強化學習、VLA、世界模型等多個前沿方向，逐步積累了FAM超少樣本大模型、BridgeV2W世界模型以及人在環路強化學習這三大核心技術的完整閉環。

但比履歷更值得關注的，是這家公司對技術的態度。

對于“具身智能的GPT時刻”這類宏大敘事，中科第五紀保持著一種冷靜的克制。公司認為，想要堆疊足量的數據，涵蓋不同本體、不同場景、不同對象，在三五年內能不能實現，這非常具有挑戰性。既然數據積累速度比預期慢，不如先從架構上去彌補數據不足。

這種判斷在當前狂熱的行業情緒中顯得尤為稀缺。當同行們普遍將大語言模型的Scaling Law平移到具身智能領域，試圖用暴力堆疊算力和海量數據來催熟具身大腦時，中科第五紀的團隊選擇了一條更艱難、更底層、也更接近本質的路徑。

05.

結語

回頭看中科第五紀的整個故事，它給我們最大的啟示是：在這個被宏大敘事和資本泡沫包裹的賽道里，真正的降維打擊可能不是來自算力的倍增，而是來自對物理世界底層邏輯重構的勇氣，以及面對客戶時那份篤定的真誠。

具身智能行業正站在一個微妙的分水嶺上。2025年全年具身智能領域投融資事件達358起，總金額超444億元；2026年至今已發生191起，金額達525.34億元，已超去年全年。資本在加速涌入，但產業在加速分化——投資人越來越務實，越來越看重能不能先扎進一個具體場景里，把活干好。

中科第五紀的“反常識”之處，恰恰是這個行業最需要的東西。少談一些通用智能，多解決一些具體問題；少拼一些算力堆疊，多做一些底層創新；少提一些估值神話，多拿一些客戶訂單。

從中石化集團到海外的數億訂單，中科第五紀用一個個真實的客戶案例證明了一條與主流敘事不同的路徑：具身智能的「GPT時刻」，或許不會來自某個科幻式的通用大腦，而是來自一家愿意從最枯燥的產線場景做起、從最底層的架構創新入手的企業。

在所有人都仰望星空的時候，這家公司選擇了埋頭大地。

而大地永遠不會辜負認真耕作的人。