公司融资与战略定位 - 全球首个机器人租赁平台擎天租完成种子轮融资，由高瓴创投领投，复星创富、慕华科创、大丰基金及张江集团旗下具身智能公司共同参与投资 [2] - 融资资金将主要用于全国市场拓展、平台技术与服务体系建设，以及与地方政府和产业生态的深度协同，以巩固其在机器人即服务领域的开创者与领导者地位 [2] - 公司由智元机器人、飞阔科技等具身智能领域先锋企业联合发起，于2025年12月22日在上海正式发布 [3] - 公司核心团队由行业资深人士组成：智元合伙人姜青松出任董事长，飞阔科技创始人李一言担任CEO，前饿了么副总裁陈艳霞出任COO，喵掌柜创始人李可为担任CMO [3] 商业模式与市场验证 - 公司通过“共享租赁+平台化调度”的创新模式，将高门槛、高单价的机器人产品转化为可按需获取、标准化交付的服务能力 [3] - 平台上线三周，注册用户数突破20万，日均租赁订单稳定在200单以上，业务呈现明显加速趋势 [3] - 平台逻辑是将机器人从一次性售卖的设备转变为可灵活调用、快速部署、按效果付费的“生产要素”，构建覆盖多方参与者的服务网络 [5] - 平台已与美宜佳、海底捞、豫园股份、左庭右院、蜜雪冰城等连锁商业与餐饮品牌达成合作，机器人服务被广泛应用于门店引流、品牌活动、开业运营等高频场景 [11] 行业痛点与公司价值主张 - 行业面临应用落地成本高、服务链路复杂、场景碎片化严重等瓶颈，机器人产品难以大规模进入商业与公共服务体系 [3] - 公司以平台化方式，系统性拆解了机器人商业化过程中长期存在的“最后一公里”难题，将机器人从一次性设备销售转变为可持续调用的服务形态 [7] - 平台通过统一保险、培训、运维与履约标准，帮助本地服务商与租赁商实现轻资产运营，降低了机器人服务进入本地市场的门槛 [11] - 线下消费、文旅和商业活动等具备高频互动与强体验属性的场景，被视为机器人服务率先规模化落地的重要切口 [8] 投资者观点与行业意义 - 高瓴创投认为，公司通过平台化组织供需、标准化服务交付，解决了如何以系统化方式降低使用门槛、提升交付效率的挑战 [7] - 复星创富指出，公司以平台化方式整合供需两端资源，降低了机器人进入商业场景的综合成本，有望加速机器人在实体经济中的普及应用 [7] - 慕华科创认为，公司的价值在于构建的标准化服务体系与规模化调度能力，能够显著抬高机器人商业化的天花板 [7] - 张江集团旗下智能具身公司认为，公司为具身智能技术从实验室走向真实场景提供了清晰范式，是具身智能走向产业化阶段的重要标志 [9] 未来发展规划 - 公司提出“1234战略”：2026年内，连接10家以上机器人本体厂商，发展200家金牌服务商，汇聚3000名内容与应用创作者，服务40万租赁客户 [13] - 公司计划年内将服务网络拓展至全国200个城市，使机器人服务像水电一样成为可被随时调用的基础能力 [13] - 公司CEO表示，“全球首个”意味着对行业标准与生态责任的担当，目标是推动机器人真正走向规模化应用的新阶段 [13]

公司融资与估值 - 美国机器人初创公司Skild AI于1月15日完成约14亿美元（约合人民币97.6亿元）的C轮融资 [2] - 公司估值升至超140亿美元（约合人民币976.3亿元），达到7个月前的3倍 [2] - 自2023年5月成立以来，公司已累计融资约20亿美元（约合人民币139.4亿元） [5] 投资方与资金用途 - 本轮融资由软银领投，英伟达、Macquarie、1789 Capital、贝索斯家族办公室Bezos Expeditions跟投，三星、LG、Salesforce等公司也参与其中 [5] - 融资资金将用于Skild Brain软件的推广、训练优化与机器人部署扩展 [5] 公司背景与团队 - Skild AI由Deepak Pathak与Abhinav Gupta共同创立，二人早年曾在Meta机器人实验室共事，后分别在卡内基梅隆大学机器人研究所担任教授 [6] - 公司团队规模已超100人，成员多数来自Meta、特斯拉、谷歌、亚马逊和英伟达等科技公司 [11] 核心技术：Skild Brain - 公司目标是打造一个无需定制芯片、能运行在标准GPU上的“通用机器人大脑”，实现跨平台、跨任务、跨场景的泛化执行能力 [9] - Skild Brain以大规模人类视频与模拟练习为训练基础，通过动作执行与错误数据生成反馈闭环，不断优化控制策略 [9] - 系统融合机器人内部感知与外部视觉信号，使其能同步理解自身状态与环境变化，具备较强的任务鲁棒性 [9] - 即便一个机械臂损坏，系统仍能继续完成任务，这是此前机器人不具备的安全能力 [9] - Skild Brain目前已适配多类机器人形态，从四足平台到机械臂、人形机器人均可部署，并能在家庭、仓库、医院和施工现场等复杂环境中执行任务 [9] - 2024年2月，公司团队购入一款宇树人形机器人，并首次将Skild Brain部署到实际硬件中，仅用一天就实现了可感知的实验效果 [10] 业务进展与市场潜力 - 截至2025年，Skild AI已服务超过8家客户，营收从零跃升至数千万美元 [11] - LG CNS已宣布将与其合作开发人形机器人解决方案 [13] - 公司软件将用于英伟达位于休斯顿的GPU工厂自动化部署 [13] - 公司认为机器人在危险、重复或不受欢迎的岗位中具备巨大潜力，有望填补美国超百万空缺岗位 [13] - 机器人最终可以完成几乎所有人类能做的工作，但这并不是威胁，人类有足够时间去准备 [13] 行业趋势与竞争格局 - Skild AI的高估值与超额融资，折射出当前科技巨头在机器人方向上的投资模式变化：不再依赖重资产并购，而是倾向通过早期投资押注潜力选手 [13] - 三星对Skild AI的投资被视为一种“轻量级布局”，既能持续关注技术动态与人才储备，又无需承担高额收购成本 [13] - 英伟达除Skild AI外，还投资了Figure AI与Serve Robotics等公司 [13] - 另一家三星支持的机器人AI公司Physical Intelligence，在2025年末估值已达56亿美元（约合人民币390.5亿元），正与Skild处于类似赛道 [13] - 这一领域的玩家普遍面临相似挑战，尤其是在面向消费者的仿人机器人部署中，续航、机动性与安全性仍是卡点，即便是特斯拉的Optimus项目至今仍在攻坚阶段 [14] - 高估值融资背后，是机器人行业从炫技式演示走向规模化落地的集体冲刺 [15] - 随着英伟达、三星等科技巨头加快下注，围绕机器人智能演化的共识正在形成 [16] - 对整个行业来说，真正的拐点可能来自那些最早跑通训练、适配到部署闭环的通用系统 [17]

公司上市申请与业务概览 - 浙江翼菲智能科技股份有限公司于2025年1月13日向港交所主板递交上市申请，农银国际为独家保荐人，公司曾于2025年6月30日递表港交所 [1] - 公司是中国一家专注于轻工业应用场景的工业机器人企业，业务涵盖工业机器人的设计、研发、制造、商业化及提供机器人综合解决方案 [5] - 按2024年收入计，公司是中国专注于轻工业应用场景的工业机器人及相关解决方案供应商中排名第五的国内企业 [5] 产品与技术 - 公司产品组合针对中国轻工业应用场景设计，包括并联机器人(Bat系列)、AGV/AMR移动机器人(Camel系列)、SCARA机器人(Python系列)、晶圆搬运机器人(Lobster系列)及六轴工业机器人(Mantis系列) [5] - 公司具备自主研发的核心技术——控制及视觉系统(Gorilla及Kingkong系列) [5] - 基于机器人产品组合，公司提供智能自动化系统解决方案，以应对智能制造中的特定应用场景，支持上下料、分拣、取放、包装、视觉检测等自动化功能 [6] 业务模式与市场地位 - 公司业务主要由规模化机器人综合解决方案驱动，该等解决方案始终占据公司收入的大部分 [7] - 公司主要项目为直销给客户的机器人解决方案，重点专注于仓储物流、上下料应用以及包装与组装领域的自动化 [7] - 截至2025年9月30日，公司保有稳健的未来收入渠道，来自预计于2026年完工的项目 [7] - 公司是中国少数具备规模化工业机器人及相关解决方案覆盖能力的机器人企业之一 [5] 财务表现 - 公司收入从2022年的人民币1.62214亿元增长至2024年的人民币2.68009亿元，2025年截至9月30日止九个月收入为人民币1.7968亿元 [8][10] - 公司毛利在2022年、2023年、2024年及2025年九个月分别为人民币4324.5万元、3686.8万元、7101.8万元及4300.5万元 [9][10] - 公司毛利率在2022年、2023年、2024年及2025年九个月分别为26.7%、18.3%、26.5%及23.9% [11][13] - 公司于2022年、2023年、2024年及2025年九个月均录得净亏损，分别为人民币5755.3万元、1.10606亿元、7149.5万元及1.25911亿元 [10] 行业前景与市场规模 - 中国智能制造市场规模从2020年的人民币21,945亿元增至2024年的人民币40,589亿元，复合年增长率为16.6%，预计2029年将达到人民币81,874亿元，2025年至2029年复合年增长率为14.3% [14] - 中国轻工业市场规模从2020年的人民币19.5万亿元增至2024年的人民币23.0万亿元，预计2029年将达到人民币32.1万亿元，2025年至2029年复合年增长率为6.9% [16] - 中国工业机器人市场规模从2020年的人民币316亿元扩大至2024年的人民币568亿元，复合年增长率为15.8%，预计2029年将达到人民币1,216亿元，2025年至2029年复合年增长率为16.7% [17] - 中国工业机器人解决方案市场规模从2020年的人民币947亿元增至2024年的人民币1,929亿元，复合年增长率为19.5%，预计2029年将达到人民币4,745亿元，2025年至2029年复合年增长率为19.9% [18] - 中国轻工业机器人市场规模从2020年的人民币123亿元增至2024年的人民币209亿元，复合年增长率为14.2%，预计2029年将达到人民币438亿元，2025年至2029年复合年增长率为16.3% [20] - 中国轻工业机器人解决方案市场规模从2020年的人民币369亿元增至2024年的人民币711亿元，复合年增长率为17.8%，预计2029年将达到人民币1,710亿元，2025年至2029年复合年增长率为19.5% [21][24] 公司治理与股权结构 - 公司董事会将由十一名董事组成，包括四名执行董事、三名非执行董事及四名独立非执行董事 [26] - 执行董事、董事长兼总裁为张赛博士，于2012年6月26日加入集团 [27] - 截至2026年1月5日，张博士通过直接及间接控制方式，于公司股东大会上合计控制约25.07%的表决权 [29] - 主要股东包括：张博士(直接持股11.17%)、玉环国投(9.69%)、实带诚柏(8.69%)、绍兴梓遒(8.76%)、上海峰瑞(6.44%)、玉环投资(6.35%)等 [32] 中介团队 - 独家保荐人为农银国际融资有限公司 [33] - 核数师及申报会计师为安永会计师事务所 [34] - 独立行业顾问为弗若斯特沙利文(北京)咨询有限公司上海分公司 [34]

公司概况与融资进展 - 公司“知有无界”成立于2025年，是一家专注于工业具身智能的企业 [2] - 公司在成立仅4个月的时间内，已连续完成三轮融资，累计融资额达五千万元人民币 [1] - 后续天使+轮等融资即将启动，顶域资本将担任后续轮次的财务顾问 [1] 技术理念与核心产品 - 公司提出了“一模多形”的技术理念，旨在解决工业场景碎片化任务的通用性难题 [2] - 核心产品为工业具身智能机器人，通过构建统一的具身大模型底座，适配不同形态的终端硬件（如机械臂、移动底盘） [2] - 技术路径旨在实现一种模型解决多种工业操作任务，从而大幅降低产线自动化的定制成本 [2] 资金用途与团队背景 - 本轮融资资金将主要用于算法模型的训练，以及首批工业客户的POC（概念验证）验证 [2] - 公司团队拥有深厚的工业自动化与AI算法背景 [2] - 公司的目标是致力于重塑柔性制造流程 [2]

文章核心观点 - 强生旗下投资机构JJDC对瑞士手术机器人公司Distalmotion进行战略投资，反映了大型医疗器械集团对软组织手术机器人市场“细分化路径”的战略关注，特别是在美国日间手术中心这一快速增长场景中，能够平衡性能与效率的解决方案正成为关键[1][6][8] 投资事件与市场背景 - Distalmotion在2025年11月完成约1.5亿美元G轮融资后，再获强生战略投资[1] - 美国日间手术中心已成为外科护理领域增长最为迅猛的细分市场，其增长受患者对便捷高效服务的青睐以及支付方为控制成本推动手术从传统医院转移至ASC两大核心驱动力推动[3] - 引入先进的软组织手术机器人成为ASC提升核心竞争力、吸引顶尖外科医生、满足患者对微创手术一致性需求的关键举措[3] Distalmotion产品DEXTER的核心优势 - **系统架构**：采用混合手术机器人架构，搭载专利“LAP”一键切换机制，医生可在机器人操作与手动腹腔镜操作间快速切换，无需撤镜重连，机械臂可进入被动收纳状态，兼顾关键步骤的精准度与常规步骤的效率[4] - **兼容性**：遵循开放架构设计，可与奥林巴斯、卡尔史托斯等主流品牌的内窥镜系统及成像塔无缝适配，支持4K荧光成像模块，并能在无菌区内协同使用第三方能量平台、缝合器等成熟器械，极大降低医疗机构重复投资成本[4] - **适配性**：采用分体式模块化设计，由三台独立移动台车组成，无需固定安装，docking时间仅需4-6分钟，控制台支持无菌覆盖，医生可站姿或坐姿快速操作切换，完美契合ASC空间紧凑、高周转、高利用率的运营需求[4] 临床应用与竞争格局 - DEXTER系统在美国已获准用于腹股沟疝修补、胆囊切除、良性子宫切除等ASCs常见手术，这些术式年手术量合计超过250万例[5] - 该系统已在欧美临床实践中成功治疗超过3000名患者，积累了扎实的实践基础和良好用户口碑[5] - 与直觉医疗DaVinci Xi的全流程机器人化路径不同，DEXTER以混合工作流、模块化架构和开放生态为核心优势，在ASC细分场景中形成先发优势[5] - 强生自研的OTTAVA一体化腔镜机器人目前仍处于临床试验阶段，尚未实现大规模商业化[6] 强生的战略布局与行业趋势 - 强生长期采取“自研+投资并购+战略合作”的组合策略，在手术机器人赛道全面发力，例如2019年收购AurisHealth切入软组织手术机器人领域，与中国天智航合作推动骨科手术精准化，2024-2026年持续推进自研OTTAVA研发，2025年领投中国瑞龙外科并达成战略合作[7] - 此次投资Distalmotion有望实现双方在战略协同、市场洞察与渠道资源方面的深度融合，进一步完善强生“设备+耗材+数据”的一体化手术机器人生态[7] - 行业趋势正从“单一系统覆盖全部术式”向“特定场景系统级优化”转型，围绕临床需求构建场景化适配能力成为行业竞争核心方向[8] - 在强生产业资源及现有财务投资者助力下，Distalmotion将加速DEXTER系统在美国ASC市场的落地与拓展[8]

公司概况与融资进展 - 公司为全球首个生成式通用具身大脑公司，名为上海眸深智能科技有限公司，成立于2025年 [1] - 公司近期完成超千万人民币天使轮追加投资，投资方为徐汇资本 [1] - 融资资金将用于算力采购、工程化团队扩建及机器人实验平台搭建 [1] - 公司已正式入驻徐汇区人工智能产业核心载体“模速空间” [1] 团队与技术背景 - 团队融合了学术研究能力与全球科技企业的产业化经验，由复旦大学教授陈涛、原英特尔中国首席科学家张益民及连续创业者共同组建 [1] - 创始人兼首席科学家陈涛曾在新加坡华为海思任职，拥有大模型压缩与芯片适配实践经验 [1] - 公司的技术布局早在2021年便已启动，早于行业概念普及，其第一代模型已实现空间动作生成能力 [1] 核心技术：动作生成与泛化 - 公司创新研发“动作基元”技术，将复杂动作序列拆解为上千个基础元素 [1] - 模型可根据自然语言指令，动态调用并组合这些基元，生成全新的未训练过的动作序列，从而具备出色的泛化能力 [1] - 公司开创性地提出业内首个“世界动作模型”，使机器人能够根据外部环境实时反应，实现环境沉浸式动作生成 [4] - 公司是业内唯一打通动作生成、三维世界模型、模型压缩、软硬协同等具身落地全链路的团队 [4] 数据训练与效率架构 - 公司采用独特的三段式训练架构：90%的互联网开源人体运动视频用于预训练，10%的仿真器数据用于微调适配，仅需5%的真机数据进行强化学习校准 [2] - 此架构大幅降低了对高成本真机数据的依赖，同时将新本体的适配周期缩短至数周 [2] 模型轻量化与端侧部署 - 通过自研的模型压缩与推理加速技术，可将模型参数量压缩至原来的1/4，推理速度提升10倍 [2] - 技术成功实现百亿参数模型在机器人端侧芯片上的高效运行，相关研究成果已在IJCAI等顶级学术会议上发表并获奖 [2] 三维感知与交互能力 - 三维感知与交互能力由LL3DA模型提供，该模型是全球首款点云驱动的三维多模态具身视觉问答和任务推理大模型 [2] - 该模型可直接处理三维点云输入，支持语言、图像、视频等多模态指令，助力机器人沉浸式理解环境并完成任务规划 [2] 产业化进展与商业合作 - 公司技术已进入产业化验证阶段，已与宇树科技、国地中心、禾川科技、小米集团等多家行业头部企业达成业务合作 [6] - 公司累计获得上千万元订单收入，当前订单主要源于其动作数据生成服务能力 [6] 落地场景规划 - 公司明确聚焦工业物流搬运与家庭健康养老两大垂直领域 [6] - 在工业物流搬运场景中，模型需满足动态避障、多机协同等核心需求 [6] - 在家庭健康养老场景，则计划推出从安全监护到肢体辅助的渐进式服务 [6] 商业模式与战略定位 - 公司立志成为机器人领域的通用“大脑”供应商，专注于为全球多样化的机器人本体提供可高效部署的智能核心，而非涉足硬件制造 [6] - 公司认为具身智能产业生态将朝着分工协作的方向发展，单一公司难以垄断全栈业务 [6] - 公司将聚焦“世界动作模型”这一核心层，凭借轻量化、泛化能力强的技术优势，赋能下游本体厂商与集成商 [6] - 未来，公司将以“世界动作模型+端侧+场景”为核心路径，持续推进技术突破与产业融合 [6]

公司融资与资金用途 - 公司完成过亿元人民币A+轮融资 投资方包括产业方冯源资本 三花股份 建智集团及财务机构东证资本 万联天泽 老股东同创伟业大股比追投 势能资本担任财务顾问 [1] - 本轮融资资金将用于新产品研发 打造中国首个高质量合规工业安全传感器的大规模化生产基地 加强海外服务能力布局及海外业务拓展 [1] - 本轮融资后 公司可以快速提升产能 并在出海业务上同步发力 致力于打造本土的全球化工业安全传感器企业 [9] 行业背景与市场前景 - 国内工业4.0发展从效率优先转向质量和效率并重 生产安全是发展质量的重中之重 [2] - 国外工业安全起步较早 西克 欧姆龙 基恩士等行业巨头长期垄断国内工业安全传感器市场 [2] - 国内生产制造企业因海外法规要求及国内安全生产法规陆续出台 促使国内工业安全传感器市场规模快速增长 预计到2030年可达到200亿元人民币规模 [2] 公司愿景与核心能力 - 公司以构建国内自主创新的工业安全传感器体系 推进工业安全 共创和谐社会为愿景 [6] - 核心团队来自欧姆龙 基恩士 西克等海外大厂 从设计源头遵从最严苛的国际标准如ISO 13849 IEC61508 UL61496等 实施严谨的冗余设计和可靠性验证 [6] - 相关产品成功取得CE 北美UL安全认证 在国内作为TC208的副秘书长成员单位 积极参与国家标准建立 参与工业安全领域相关标准已发布9项 [6] 公司产品与业务进展 - 公司推出亚洲首款AI+3D+安全的立体安全传感器LT系列 集传感与边缘AI算法于一体 [7] - 该产品已成功在汽车主机厂和部件厂 新能源电池和光伏 3C 物流和金属加工等行业部署场景近1000个 并与国内数家头部工业机器人及具身智能企业合作 [7] - 该立体安全传感器解决了传统安全防护不够灵活的难题 弥补了传统防护方案的局限性 在安全和效率之间给客户以最优解 [7] 公司经营与客户表现 - 公司产品量产后 连续获取多行业头部企业订单 2025年收入增长超过200% [6] - 公司不断稳定导入各行业标杆客户 例如全球消费电子龙头的A客户 新能源汽车龙头的B客户 新能源龙头的C客户 欧洲汽车主机厂B客户和V客户等 [6]

公司融资与战略规划 - 广州九爪智能科技有限公司近期完成数千万元 Pre-A 轮融资 由白云金控和白云建科联合投资 [2] - 融资资金将主要用于核心算法与分选设备迭代 重点应用场景工程化 以及智能分选系统在多区域、多场景中的复制与落地 [2] 公司定位与技术方向 - 公司成立于2021年 专注于研发基于人工智能与多模态传感融合的新一代智能分选技术 [2] - 公司致力于满足资源分选客户对超大处理量、超高精度与长期稳定运行的共性需求 帮助实现持续降本增效 [2] - 公司聚焦再生资源与城市固废分选这一高复杂度细分领域 核心是解决“复杂物料在真实工况下如何长期稳定识别”的行业难题 [5] 行业背景与趋势 - 在“双碳”目标与城市治理精细化背景下 再生资源行业正经历从规模驱动向效率与质量驱动的结构性转变 [3] - 政策推动再生材料应用比例提升 低值可回收物回收利用及分拣体系标准化建设 [3] - 下游再生利用企业对原料的纯度稳定性、成分一致性与可预测性提出了更高要求 [3] - 传统以人工或单一物理方式为主的分选体系已难以应对物料复杂度持续上升的挑战 [3] - 以人工智能和多传感融合为核心的智能分选设备正逐步成为再生资源体系中的关键基础设施 [3] 技术方案与产品特点 - 公司构建了基于AI多模态复合识别技术的智能分选解决方案 [5] - 相较于行业常见的单一视觉或单一传感方案 公司通过融合视觉、材质、形态及多源传感数据 显著提升系统在高污染、高波动性场景下的识别稳定性与泛化能力 [5] - 公司强调模块化设计、工程适配能力与长期运行稳定性 使系统能在不同处理规模和运营条件下持续输出质量稳定、可预测的原料 [5] - 公司核心软硬件自研率超过95% 具备较高的技术自主性 [8] 核心竞争力 - 公司具备原始创新能力 围绕行业普遍难题进行底层技术突破 构建了面向再生资源行业的AI多模态复合识别技术体系 [8] - 公司将技术研发与真实、高复杂度来料场景深度耦合 通过千万级混合垃圾实景标注数据与长期连续运行验证来优化模型与设备 [9] - 公司提供的不再是单机设备 而是一种可持续运行、可跨区域复制的分选基础能力 能够嵌入不同区域的再生资源处理体系 [10] - 公司的系统能力能显著减少人工兜底需求 降低返工与停机频率 提升下游原料品质的稳定性与可预测性 从而有效降低下游企业的综合成本 [9] 未来发展方向 - 公司未来将持续围绕核心算法能力、场景工程化及系统复制效率展开投入 [11] - 公司计划在不断扩展应用场景的同时 推动智能分选设备在更广泛区域和更多细分物料场景中的规模化落地 [11]

文章核心观点 - 2025年全球人形机器人行业融资活动呈现爆发式增长，融资事件数量从2024年的67起增至215起，增幅约221%，融资总额从110亿元人民币增长至578亿元人民币，增幅约425% [5] - 行业融资呈现明显的“后置型”特征，下半年尤其是第三季度后成为资金集中爆发期，9月单月融资金额首次突破100亿元人民币，12月融资事件数量达到全年峰值 [13][15] - 市场形成中美“双极结构”，中国在融资事件数量上占绝对优势（190起），美国则在单笔融资体量上领先，以16起事件拿走了281亿元人民币的资金总额 [16][18] - 资本开始分层配置，一方面广泛覆盖多样化的技术路线和创业公司，另一方面明显向被视为具备长期平台潜力的头部企业集中，行业进入“资本密集进入”的早期发展阶段 [24][28] 行业融资规模与趋势 - **规模跃迁**：2025年全球人形机器人领域发生融资事件超过215起，融资总额超578亿元人民币 [3] - **增长幅度**：与2024年相比，融资事件数量增幅约221%，融资金额增幅约425% [5] - **月度节奏**：上半年融资稳步推进，单月融资事件多在11至18起之间，金额集中在25亿至50亿元区间；下半年放量，9月单月融资金额首次突破100亿元，10月至11月维持在70亿至75亿元高位，12月融资事件数量达全年峰值 [13][15] 地域分布特征 - **中美双极结构**：中国和美国是全球人形机器人融资的两大核心区域 [16] - **中国市场特点**：融资事件达190起，融资金额270亿元人民币，以高频、小到中等规模融资为主，覆盖企业类型广泛，显示出创业项目密集、产业链完整、应用场景丰富的特点 [18] - **美国市场特点**：融资事件仅16起，但融资金额达281亿元人民币，呈现出“低频、高额”特征，单笔融资体量显著高于全球平均水平 [18] 融资金额结构 - **破亿成常态**：在已披露金额的约147起融资中，单笔融资达到1亿元人民币及以上的事件共113起，占已披露金额融资事件的约77%，占全年融资事件总数的约53% [19] - **大额融资涌现**：5亿至10亿元人民币区间的融资占比约12%，单笔金额超过10亿元人民币的融资事件占比约10%，这些大额融资对全年融资总额的贡献度明显提升 [21] - **资金投向转变**：资金正从以低成本试错为主的早期投入，逐步转向支持系统工程化、产线建设和规模化落地的中高投入阶段 [21] 头部公司与资本集中度 - **海外头部公司**：Figure与Apptronik均完成约10亿美元级别融资，单家公司融资规模已接近或超过全年全球融资总额的10%；Physical Intelligence、Field AI等具身智能方向的企业融资规模也达数亿美元级别 [22] - **国内头部梯队**：银河通用、众擎机器人、它石智航、星动纪元、乐聚机器人、自变量机器人、星海图等公司融资额主要集中在10亿至40亿元人民币区间，呈现数量多、梯度分布清晰的特征 [24] - **资本分层配置**：资本一方面用于覆盖技术路线和应用场景的多样性，另一方面明显向被视为具备长期平台潜力的企业集中 [24] 融资轮次分布 - **早期融资为主**：种子前、种子轮、天使轮、Pre-A轮及A轮合计约184起，占全年融资事件总数的约86%，其中天使轮与A轮各占约29%，是最主要的融资轮次 [25] - **中后期融资出现**：B轮及之后的中后期融资合计约31起，占比约14%，其中B轮9起、C轮6起，D轮、E轮及Pre-IPO轮合计不足10起，意味着部分企业已开始进入产品化和规模化验证阶段 [27]

文章核心观点 文章记录了2026年初中国AI领域一场汇聚顶尖学者与产业界核心人物的圆桌讨论，探讨了中国大模型行业的发展分化、AGI的下一个技术范式、Agent战略以及中国AI的未来前景[1][6]。核心观点认为，中国AI行业在经历了2025年开源模型的爆发式增长后，正进入一个关键的分化与战略选择期，行业需从追随转向引领，通过聚焦特定方向、探索新范式、发展Agent应用并改善创新环境，以在全球竞争中占据领先地位[6][22][57][70]。 话题1：中国大模型将如何分化？ - **市场出现To C与To B的明显分化**：ChatGPT和Claude Code分别被视为To C和To B的典范。To C应用对智能强度的需求增长放缓，而To B应用则因智能直接关联生产力，对最强模型有明确的付费意愿溢价[8][9][10][11]。 - **技术路径出现垂直整合与模型应用分层分化**：在To C场景，模型与产品强耦合的垂直整合模式依然有效（如ChatGPT、豆包）。但在To B生产力场景，趋势是模型层与应用层分离，强大的基座模型被多样化的应用层产品所利用[12]。 - **企业战略分化基于自身基因与数据优势**：腾讯作为To C基因强的公司，其瓶颈在于为模型提供更多上下文（Context）和环境（Environment），而非单纯追求模型规模[13][14]。大公司可利用其内部多样化的真实场景数据来训练模型，这相比依赖外部数据标注商能获得独特优势[15]。 - **分化是自然演进与客户需求驱动的结果**：行业分化并非完全预设，而是在与客户频繁交流中自然发现机会（如Anthropic聚焦Coding和Finance），中国SaaS市场环境与美国不同也影响了分化路径[17][18]。 - **学术界与工业界的分化与协作**：工业界在资源投入上主导发展，学术界应跟进解决基础科学问题，如智能上界、资源分配效率、哥德尔不完备定理下的幻觉消除极限等[19][20]。 话题2：AGI的下一个范式 - **自主学习（Self-learning）成为硅谷共识与热点方向**：该方向已被广泛讨论，但其具体形态因场景和奖励函数不同而多样，例如聊天个性化、编码环境适应、科学探索等[23]。 - **自主学习已在特定场景下以渐变形式发生**：例如ChatGPT利用用户数据优化聊天风格，Claude Code项目95%的代码由自身编写以实现自我改进，这被视为一种特定场景下的AGI体现[24]。 - **新范式的瓶颈在于想象力与评估标准**：实现突破的关键条件可能已部分具备（如Cursor的模型利用实时用户数据更新），但更大的挑战是如何定义和验证“实现了自我学习”的成功标准[25][26]。 - **OpenAI仍被视为最有可能引领新范式的公司**，尽管其商业化可能削弱了部分创新基因[26]。 - **强化学习（RL）的潜力尚未充分释放**：RL的计算规模（Compute）尚未充分扩展，仍存在基础设施（Infra）问题，其潜力有待进一步挖掘[27]。 - **Task-time Scaling（任务时间缩放）与主动性（Active Learning）是关键探索方向**：让AI在单次任务中通过消耗更多计算时间（Token）变得更强，以及让AI能根据环境信号自主启动并规划任务，是重要的范式候选，但伴随安全担忧[27][28]。 - **个性化（Personalization）可能是自主学习早期落地的场景**，但如何衡量AI时代的个性化效果成为新的技术挑战[29][30]。 - **记忆（Memory）技术的突破可能是线性发展后的感知临界点**：技术本身线性发展，但当记忆能力达到某个临界点，用户体验可能发生跃迁，类似电影《Her》中的效果，这可能需要一年左右时间[31]。 - **联邦学习（Federated Learning）代表的协作范式前景广阔**：通过“多个中心协作”模式，能结合通用大模型与本地专业化模型，在医疗、金融等隐私要求高的领域具有应用潜力[34]。 - **2026年出现新范式变革的驱动力增强**：学术界算力资源提升使其具备创新基础；工业界持续投入的边际效率下降，催生对“智能效率”（Intelligence Efficiency）提升新范式的需求[35][36][37]。 话题3：Agent战略 - **To B的Agent已进入价值上升曲线**：Anthropic的路径表明，在To B领域，模型智能提升与解决任务数量、商业收入增长高度一致，使得生产力Agent的发展势头强劲[41]。 - **当前Agent发展的两大瓶颈是环境部署与用户教育**：即使模型能力停滞，通过更好部署到各行业也能带来巨大经济收益（潜在影响GDP 5%~10%，目前远低于1%）。同时，会使用AI工具的人与不会使用的人之间的能力差距正在拉大，教育至关重要[41][42]。 - **产品哲学趋向“模型即产品”（Model as a Product）或“研究即产品”（Research as a Product）**：成功的Agent产品（如Manus）以及OpenAI的模式显示，研究员端到端地将研究转化为产品是重要趋势[43]。 - **未来的Agent将是“托管式”且与自我进化、主动学习强相关**：能够执行长时间、通用任务的Agent，需要在任务过程中自我进化并主动决策，这对模型能力提出更高要求[44]。 - **Agent的终极潜力在于与复杂物理环境交互**：超越电脑环境，指挥机器人进行湿实验等操作，才能实现自动化人类更长时间工作流的愿景，这可能需3-5年并与具身智能结合[45][46]。 - **通用Agent的机会在于解决长尾需求**：与推荐系统类似，解决海量个性化、非标的长尾问题是AI和通用Agent的核心魅力与挑战所在[46][47]。 - **强化学习（RL）降低了修复模型问题的难度**：相比以前，现在只需少量查询（Query）和奖励（Reward）数据，就能通过RL快速优化模型在特定问题上的表现[48][49]。 - **Agent将经历从人工定义到内生自动化的四个阶段**：从当前目标与规划皆由人定义，最终发展为目标和规划均由大模型自主定义的内生（Native）系统[51][52]。 - **Agent成功的三要素是价值、成本与速度**：需解决有真实价值的问题、控制实现成本，并在快速迭代的时间窗口内建立优势[54][55]。 话题4：中国AI的未来 - **中国在技术追赶和工程复现方面具备强大能力**：一旦技术路径被证明可行，中国团队能快速跟进并在局部做到更好，制造业和电动车已有先例[57]。 - **突破新范式需要更多冒险精神与前沿探索**：中国拥有大量顶尖人才，但相较于美国，愿意从事高风险、探索性前沿研究的人可能还不够多，这受经济、商业环境和文化因素影响[58]。 - **研究文化更倾向于做确定性高和看重榜单排名**：国内研究更聚焦已被验证的路径（如预训练），对探索性方向（如长期记忆）相对谨慎。同时，相较于海外更注重实际体验（如Claude的实用性），国内有时对刷榜数字看得更重[60][61]。 - **算力资源分配存在差距，但可能催生“穷则思变”的创新**：美国在用于下一代研究的计算资源上领先中国1-2个数量级，中国大量算力用于产品交付。资源紧张可能反而激励算法与基础设施的联合优化等效率创新[62][63][64]。 - **年轻一代冒险精神增强与营商环境改善是积极信号**：90后、00后的冒险精神更强，结合中国营商环境的持续改善，为创新提供了可能[65][70]。 - **对中国团队3-5年内成为全球AI领导者的概率判断存在分歧**：林俊旸认为概率低于20%，主要因历史积淀和算力差距[66]。姚顺雨表示乐观，认为关键在于能否引领新范式[57][58]。杨强回顾互联网发展，认为中国在应用层面，尤其是To C领域，有望百花齐放并领先[66][68]。 - **成功的关键条件包括人才、环境与坚持**：需要敢于冒险的聪明人、更有利于创新的营商环境（减少交付压力、鼓励竞争），以及从业者在选定的道路上笨拙而持久的坚持[69][70][71]。