資本界與科技圈的雙重高光，正打向同一家公司。

6月3日，成立僅兩年的千尋智能官宣完成15億元A+輪融資。三個月內四輪密集吸金近50億元，刷新具身智能賽道的融資速度紀錄。其投資人名單堪稱“頂配”：順為與云鋒罕見同臺，京東、寧德時代、TCL、紅杉中國等紛紛入局。

同一天，其自研大模型Spirit v1.6在RoboArena國際評測中拿下全球第一，客場力壓英偉達Cosmos3與Physical Intelligence Pi0.5等海外標桿。RoboArena由加州大學伯克利分校、斯坦福大學與英偉達聯合發起，被視作具身智能領域的頂級競技場。

這并非千尋智能首次登頂國際權威榜單。今年1月，其開源版本Spirit v1.5已在RoboChallenge真機評測中奪冠，成為首個打破海外壟斷的中國模型。

圖源 | 千尋智能官網

一邊是頂級資本擲下的百億籌碼，一邊是在硅谷主場拿下的全球榜首。在這個巨頭云集的頂尖牌桌上，千尋智能已成為不可忽視的玩家，它手中究竟握著怎樣的底牌？

PPT退場，具身智能迎來量產元年

2026年，被視為具身智能規模化應用元年。

上半年，全球最具影響力的科技公司不約而同亮出各自的量產時間表。

大洋彼岸，OpenAI剛剛正式組建Robotics團隊，由Sora核心締造者掛帥親自下場，試圖將大模型的智力注入鋼鐵軀殼；馬斯克則將弗里蒙特的Model S/X產線改造為Optimus機器人專用線，規劃出年產百萬臺的驚人藍圖；硅谷明星公司Figure AI，其加州BotQ工廠設定了年產1.2萬臺的目標，并已在真實物流場景中實現了連續數十小時的自主作業……

而在國內，量產的沖鋒號早已吹響。在這場競速中，中國企業展現出驚人的加速度。

智元機器人在今年3月迎來第10000臺通用具身機器人下線，成為全球首家達成此里程碑的企業；宇樹科技2025年人形機器人出貨超5500臺，位居全球第一；優必選的Walker系列已批量進入比亞迪等頭部車企的工廠；此外，銀河通用、星塵智能等也已開啟規模化交付。當海外巨頭還在為硬件成本與良率博弈時，中國的量產已深入真實的高精密工業場景。

量產的信號全面亮起，資本市場也給出了最誠實的反饋。

據IT桔子及多家媒體報道，2026年以來國內具身智能領域的融資總額已超345億元。這一數字超過了2025年全年329億元的融資規模，更達到2024年全年89.33億元的近四倍。

然而，這波融資狂潮背后，一條更為殘酷的暗線正在發生：資本不再盲目地為概念買單，而是以前所未有的集中度向已被驗證的頭部玩家聚攏。

就在千尋智能官宣新一輪融資的同一天，有“中國版Figure”之稱的星塵智能完成B輪系列融資，三個月累計融資超10億元，估值突破百億；具身大腦公司星源智機器人完成Pre-A輪融資，成立僅10個月累計融資達10億元。更早前，銀河通用斬獲25億元巨額融資，國家大基金三期首次出手具身智能賽道，推動其估值飆升至約210億元。

與此同時，宇樹科技的競速則為整個賽道豎起了另一座燈塔。6月1日，宇樹科技科創板IPO過會，從受理到過會僅用73天，擬募資42.02億元，發行估值約420億元，有望成為A股“人形機器人第一股”。

“怕錯過”更“怕投錯”。

資本不約而同地選擇集中押注那些具備“確定性”的少數標的，這是一場贏家通吃的寡頭游戲。在這場資本狂飆中，成立僅兩年的千尋智能，正是這套新估值邏輯下跑出的最典型樣本。

一次“放棄上市”的豪賭

韓峰濤，80后，華中科技大學本科，浙江大學碩士。

在創辦千尋智能之前，他的身份是珞石機器人的聯合創始人兼CTO。珞石是中國工業機器人領域的一支勁旅，任職期間韓峰濤親歷了國產工業機器人市占率從3%躍升至超50%的關鍵階段。數字的增長，讓他更清晰地意識到行業的深層困境。

2023年，韓峰濤在知乎上敲下了一篇萬字長文《當機器人擁抱大模型》。

他在文中直指核心：機器人落地應用少、銷量上不去，根源不在硬件，而在智能水平不夠。傳統機器人只能按固定程序重復動作，缺乏理解環境和自主決策的能力。

機器人沒有獲得更大規模的應用的原因分析 圖源：知乎《當機器人擁抱大模型》

此前基于卷積神經網絡的AI熱潮，遠不足以讓機器人理解物理世界。而到了2023年，GPT-4、Llama大模型的接連迭代爆發，刷新了人們對AI的認知。韓峰濤敏銳地意識到，轉折點已經出現。

韓峰濤將大模型比作機器人的“通用大腦”，堅信這是解決機器人智能問題的最終答案。

他在文章結尾這樣寫道。“經過半個多世紀的發展，以及大模型的突破，今天的機器人產業也許正迎來仰望星空的那一刻。”

更大的抉擇擺在他面前。

彼時，珞石機器人已經進入上市籌備階段。作為聯合創始人兼CTO，他可以等待即將到手的紅利，但也可能因此錯失創業的最佳窗口期。他必須做出選擇。

最終，這位機器人硬件領域的行業老炮，轉身投入了充滿不確定性的具身智能浪潮。用他自己的話說：“如果一家做機器人本體的公司不做具身智能模型，它也不知道什么是好的硬件。”

2024年1月，千尋智能（Spirit AI）正式創立。

回頭來看，千尋智能的技術路線、商業邏輯，都已在那篇萬字長文中埋下了伏筆。在知乎上仰望星空的韓峰濤，決定親手把星星摘下來。

黃金三角

風險投資圈有一條鐵律：早期項目，投的就是團隊。

千尋智能的核心團隊，被業內稱為 “黃金三角”。三人恰好覆蓋了AI算法、硬件工程和商業化三大核心維度。

硬件工程這一角，由韓峰濤壓陣。

2萬臺工業機器人的實戰經驗，讓他在機械設計、運動控制、供應鏈管理、成本控制上擁有顯著優勢。對于一家具身智能公司而言，從demo到量產，這道鴻溝需要跨越眾多技術與管理陷阱。韓峰濤的“地面能力”，正是跨越這道鴻溝的關鍵。

給機器裝上“靈魂”的，是聯合創始人高陽。

這位90后清華大學助理教授、UC Berkeley博士，在具身智能領域擁有深厚的技術積累。他的研究成果并非“象牙塔里的玩具”，由他提出的ViLa算法，被估值數百億美元的美國明星公司Figure AI所采用。這足以證明，他的學術能力在工業界同樣被高度認可。

“黃金三角”的最后一角，由鄭靈茵補上。

鄭靈茵是工業機器人出海領域的先行者，曾主導多家中國機器人公司的海外市場拓展，熟悉海外客戶需求、認證體系和服務網絡。千尋智能十年目標是“讓全球10%的人口擁有自己的機器人”，這注定不是一家只服務中國市場的公司。鄭靈茵的任務，就是將技術和產品高效推向全球，實現商業閉環。

AI負責“聰明”，硬件負責“強壯”，商業負責“賣得出去”，這樣的組合，在資本眼中形成了1+1+1>3的化學反應。

要走什么路

在具身智能這個快速進化的戰場上，技術路線能最大程度地適應數據、商業與模型的相互作用，誰就可能率先進入規模化落地階段。

從成立第一天起，千尋智能就堅定押注端到端的VLA大模型。

所謂VLA，即視覺（Vision）、語言（Language）、動作（Action） 三個單詞的縮寫。簡單說，就是讓機器人能夠看到、理解并行動。但VLA的真正內核不是這三個詞的簡單堆疊，而是將三者在同一個神經網絡中融合。

傳統機器人遵循“感知→規劃→控制”的流水線——攝像頭看到物體后，把信息傳給規劃模塊計算路徑，再傳給控制模塊執行動作。給它一條指令，它每一步都能精確執行，但一旦環境變化，它就不再“智能”。

圖源 | 千尋智能官網

千尋智能的VLA模型，試圖給機器人裝上一個“通用大腦”。它把眾多中間環節壓縮進端到端架構，輸入圖像和指令，直接輸出動作。機器人不再需要工程師為每個動作單獨編程，而是像人一樣，看一眼，就能直接動手做。這正是千尋智能 Spirit系列模型的核心架構。

但是，模型的進化高度依賴數據的供應。沒有“燃料”，引擎再強大也只是擺設。

千尋智能相信“大即是美”。從GPT-1到GPT-4，已經驗證了當模型越大、數據越多、算力越強，能力會指數級提升。不少從業者認為，具身智能遵循的Scaling Law（規模法則）和語言大模型殊途同歸。

與大語言模型不同，具身智能領域需要投喂的數據不是現成的網頁文本。目前，仿真數據仍是主流選擇——成本低、效率高、無需人工標注且泛化性強。

但僅憑仿真數據，很難徹底跨越“仿真與現實的鴻溝”。

行業普遍面臨的痛點是，機器人在仿真環境中的操控成功率往往極高，但落地真實物理場景后卻常常出現斷崖式下跌。斯坦福HAI發布的《AI IndexReport 2026》顯示，機器人仿真環境操控成功率高達89.4%，落地真實家庭場景后卻驟降至 12%。這正是仿真數據難以替代真機數據的行業現實。

但，真實世界數據的獲取也存在“不可能三角”。

精度要求越高，采集成本越呈指數級攀升；要擴大規模，受限于成本，又不得不在數據質量和場景多樣性上做出妥協。中國工程院外籍院士張建偉曾表示，具身智能所需數據可能是自動駕駛的上千倍、大語言模型的上百萬倍，且必須是融合物理交互環境反饋的異構數據。中國科學院院士姚期智院士也多次強調，具身數據采集成本高昂，需要探索新的數據收集技術，構建可規模化運營的數據工廠。

那么，如何破解這道難題？

讓數據自己轉起來

為此，千尋智能做了幾件事。

第一，把數據的采集成本打到最低。

據澎湃科技，具身智能數據當前總體定價區間在200至500元/小時，真機數據價格在 500元到1000元/小時，產業鏈上也涌現出不少“賣鏟子”的數據服務公司。千尋智能的解法是從硬件端入手，自研數據采集設備。目前，千尋智能自研可穿戴數據采集設備已迭代至第7代，此前第5代設備已將采集成本降至傳統方式的十分之一。

第二，讓商業落地本身就是數據采集。

2025年底，千尋智能的人形機器人“小墨”批量部署于寧德時代中州基地的電池PACK產線；今年3月，千尋智能與京東正式簽署戰略合作協議，自研的Moz機器人已全面接入京東MALL智慧零售場景，在高精度咖啡制作任務中實現穩定作業；

今年6月，千尋智能與全球汽車及工業制造巨頭舍弗勒簽訂戰略合作協議，聚焦具身智能數據采集、核心零部件協同研發及工業場景應用；除此之外，千尋智能還與全球工業科技巨頭博世達成戰略合作，依托博世在中國的工廠、物流中心等真實工業環境，深度開展機器人數據采集與模型訓練合作……這些真實的商業場景，構成了“數據采集與模型迭代”的飛輪閉環。

第三，讓飛輪自己轉起來。

當“小墨”在寧德時代產線上每天插接上千塊電池，Moz在京東MALL里應對顧客交互的多樣化需求，每交付一個機器人進入產線、每完成一次商業部署，真實世界的數據就會自動涌入數據池。

與此同時，這些數據訓練出更強的模型，拿下更多商業訂單，從而又產出更具多樣性的長尾數據，一個正向循環的數據飛輪將源源不斷地提供模型的“日常燃料”，這些也將成為競爭對手短期難以復制的壁壘。

據千尋智能披露，截至2026年6月，公司已累計獲取超20萬小時的多類型真實交互數據。相比之下，全行業每月數據產出量據行業調研約為25萬—30萬小時。在當前的數據軍備競賽中，量級即先發優勢。

更重要的是，在千尋智能的“數據配方”中真實數據占比較高。創始人韓峰濤透露，千尋智能真實數據占比高達95%以上，仿真數據僅作為補充。而且這些數據并非單一來源，而是覆蓋互聯網視頻、遙操作、可穿戴采集、真機部署等維度。

2026年全年，千尋智能的數據總量預計將突破100萬小時。與之匹配的，千尋智能的數據團隊將擴展至千人規模，持續為模型迭代注入高質量的真實物理交互數據。

要去摘星

技術登頂、資本追捧、商業落地，這三個往往需要數年才能逐步驗證的里程碑，在千尋智能身上幾乎同時發生。

它映照出中國科技創業的深刻轉向：從模式創新到硬科技，從消費互聯網到AI驅動。資本押注的，不是某個創始人的情懷，而是一個時代的確定性：AI正在覺醒物理世界，而具身智能，或許是這場覺醒的終極載體。

然而，通往終局的道路從不平坦。國內有宇樹、智元步步緊逼，海外有特斯拉、Figure虎視眈眈。每家都在燒錢、挖人、搶客戶。今年3月，加入剛一年的千尋智能技術負責人解浚源選擇“再出發”，離開了千尋智能。這是高速增長期的陣痛，也是對所有玩家的考驗。

融資狂潮、估值飆升、媒體聚焦……當光環與暗礁同時出現，千尋智能能否成為泡沫中的真金？

那個曾在知乎上寫下“仰望星空”的產業老兵，如今正帶領一支“黃金三角”團隊，手握寧德時代、京東、博世的訂單，朝著“讓全球10%的人擁有自己的機器人”這個看似遙遠的愿景，一步一個腳印地走去。

星空依舊，摘星人已在路上。

*文章圖片來源：千尋智能、宇樹科技、智元機器人，部分圖源網絡