融资与估值 - 具身智能公司星尘智能完成10亿元新一轮融资 估值达150亿元 [2] - 本轮由投控东海（深投控）领投 洪泰基金 光华阳光管理的宁海兴泰合基金 善恒资本参与 老股东先沐追投 [2] - 资金将用于模型迭代 人才扩充 商业化落地和产能建设 [2] - 2026年3月以来 公司先后完成A+轮 A++轮 B轮和本轮融资 [2] - 6月B轮系列融资合计超过10亿元 估值首次突破百亿 [2] - 三个月后估值升至150亿元 稳居中国具身智能公司第一梯队 [2] - 云启资本 经纬创投 锦秋基金 蚂蚁集团 国科投资等机构此前已入股 [2] - 本轮融资后 股东已涵盖国资基金 产业集团和头部财务机构 [2] 公司定位与技术路线 - 公司成立约四年 是全球首家量产绳驱AI机器人公司 [2] - 公司定位为以AI为核心的具身智能公司 [2] - 绳驱本体是进入物理世界的入口 支撑估值的是模型 操作系统和本体全部自研后形成的数据闭环 以及已转化成的量产订单 [2] - 深投鹏城战新基金CEO穆春卫表示 从底层AI大模型 具身OS到独特绳驱本体设计 团队展现出极强的技术闭环能力和清晰的商业化落地路径 [2] - 创始人来杰是腾讯Robotics X实验室1号员工 [3] - 来杰提出拿开门来验证力的传递想法 传统方案需先估算门轴位置 规划轨迹 偏差稍大可能把把手拽下来 [3] - 团队换思路让机械手先压住把手 感觉到转动就跟着调整 开把手式门成功率做到100% 完全不需要精确视觉定位 [3] - 来杰结论是力的传递要足够透明 人做事时施力和感知力本来就是一个闭环 [3] - 绳驱用腱绳代替传统减速器传递动力 原理接近人体肌腱 力传递损耗极小 力对AI几乎完全透明 [3] - 绳驱机器人是最适配AI的机器人 不只是硬件路线选择 而是智能往下一步发展的基础 [3] - 公司Design for AI理念 围绕AI能力去设计能在物理世界探索学习的机器人 而不是先设计机器人再把AI加上去 [3] - 绳驱技术难度比传统直驱 连杆加减速器方案高出几个数量级 长期停留在实验室 [3] - 公司把构型 驱动器 编码器 材料 底层算法和上层通信基本都自研了一遍 [3] - 2025年6月旗舰产品Astribot S1量产 成为全球首个量产绳驱的公司 比OpenAI投资的同路线公司1X至少领先一个代际 [3] 全栈自研技术架构 - 公司从创业第一天就选AI+机器人全栈路线 模型 操作系统到本体全部自研 [4] - 技术栈分三层 [5] - Lumo具身基座模型负责理解环境 推理和生成动作 [6] - 7月发布的Lumo-2采用隐式世界动作模型架构 先在内部表示空间预测与任务相关的物理变化 再生成动作 [6] - Lumo-2是业界首个面向家庭场景的此类模型 [6] - 在22项以上真机复杂评测中 Lumo-2在时序推理 物理理解和操作复杂度三个维度综合表现都排在参评模型第一 [6] - 经过解码优化 端到端推理时间从253.66毫秒降到93.53毫秒 复杂推理能够跟上实时控制 [6] - Astribot OS（AOS）把模型和本体能力组织成用户和开发者可调用的应用 技能训练一次就能在不同设备和场景中复用 [8] - 绳驱本体负责执行 末端惯量低 接触柔顺 力反馈连续 配合遥操作和全身控制系统 可持续采集视觉 运动轨迹 力觉 关节状态和任务结果等多模态真实交互数据 [8] - 三层打通后 模型升级会提升已交付机器人的能力 技能通过AOS扩散到更多设备 部署数据再回流训练模型 [8] - 全栈自研能让模型团队和本体团队直接互提需求 训练中发现手部摄像头位置 视场角或抖动方式不理想 团队会直接让结构和底层控制团队调整设计 而不在AI上加滤波补救 [8] - 对追赶者来说 补齐某一项技术并不够 要复制的是这一整套持续进化的系统 [8] AI前瞻布局与强化学习 - 公司在三位一体架构之上 除持续迭代基座模型外 还开始重押强化学习 [9] - 无论走VLA还是WMA路线 机器人模型训练都长期依赖成本高昂的模仿学习 强化学习是打开机器人自主学习大门的钥匙 [9] - 前字节跳动强化学习大牛 腾讯Robotics X智能体中心负责人孙鹏加入 打造更强的RL后训练团队 [9] - 团队推出在线强化学习框架SmoothRL 利用真实部署中的失败和纠正反馈 让机器人在执行任务时持续优化行为 减少对离线训练的依赖 [9] - S1动态投掷成功率从39%提升到94% [9] - 微缝开箱任务要求把约1毫米的刀片插进2至3毫米的缝隙 成功率从30%提升到90% [9] - Lumo-2结合真机数据 人类示范和互联网数据 几十条真机数据就能适配新场景 从数据采集 模型训练到演示验证最快一天完成 [9] - 强化学习需要大量试错 传统机器人本体动手不知轻重 很难承受 绳驱对力的精细感知恰好让大量试错成为可能 [11] - 本体上的优势最终落到了AI能力上 [11] 商业化与价格策略 - 来杰对资本关注点变化感受直接 2024年融资时不少投资人不做端到端不投 2025年变成不做VLA不投 今年越来越多投资人开始问商业化做到什么程度 [14] - 公司商业化分两条线推进 面向商业服务市场提供零售 导览 艺术表演等场景解决方案 面向科研机构和开发者提供标准化机器人平台 技能模块和开发工具 [14] - 绳驱天然简化了传动结构 T1全身20多个关节的绳索成本加起来约等于刚性传动机器人一个关节里谐波减速器的价格 [14] - 今年6月T1开始发货 起售价8.99万元 同类精细操作机器人普遍要数十万元 [14] - 更便宜的本体上跑的仍是同一套Lumo模型和AOS 成本下降没有以牺牲AI能力为代价 [14] - 价格门槛降低 机器人才能走进更多真实场景 装机量和使用频率上去 回流的真实交互数据越多 本体加数据加模型的飞轮就转得越快 [15] - 公司目前手握数个千台级订单 [15] - 2025年12月S系列开启千台级订单批量交付 S T两个系列总产能已达万台级 [15] - 公司与金马游乐 仙工智能等合作 将在商业和工业场景部署上千台机器人 [15] - 与中科创达共同推动千台级落地 并借助后者覆盖北美 欧洲 亚洲的销售网络出海 [15] - 自研的机器人MART零售服务店从2025年11月起陆续在北京 上海 广州等六个城市批量部署 [15] - 客户还包括博登智能 央视和京东 [15] - 开发者一侧 蚂蚁灵波 深度跃迁 生数科技 具脑磐石等AI公司正在星尘平台上做模型部署和场景开发 [15] - 2026年WAIC期间 中科创达旗下创通联达基于高通跃龙平台的机器人计算平台首次应用于星尘的人形机器人产品 [15] - 随着装机量和使用频率增长 公司计划拓展AOS的软件和应用服务 并探索模型的商业化模式 [15] 核心团队与人才 - 来杰有17年机器人研发经验 曾任腾讯Robotics X实验室架构师 百度小度机器人团队负责人 主导研发过轮腿式机器人Ollie 在IROS ICRA等国际会议发表论文10余篇 [16] - 另一位创始人戴媛拥有美国UIUC学士和UCLA博士学位 主攻机器人感知 曾担任腾讯机器人实验室高级研究员 在国际顶级期刊上发表过45篇论文 拥有70多项机器人专利 [16] - 创始核心团队6人均出自腾讯Robotics X 团队成员还来自谷歌 优必选 百度 华为等公司 [16] - 王佳楠（前谷歌DeepMind IDEA顶级AI公司任职）早在2024年初便加入公司 一手搭建并领军基座模型研发 已相继推出强推理VLA模型Lumo-1及业界首个家庭隐式世界模型Lumo-2 新一代基座模型也在研发中 [16] - 孙鹏（前字节 腾讯）坐镇强化学习 打通机器人自进化闭环 [16] - 2026年公司在招职位数同比大幅增长 社招聚焦VLA 世界模型基座大模型算法专家 关节模组 整机测试等高壁垒岗位 [17] - 2027届校园招聘也已启动 [17] 未来产品规划 - 公司面向家庭和个人用户的系列产品已进入研发阶段 [18] - 来杰透露公司计划明年推出一款家用机器人 售价和能力都会极大突破目前的行业认知 [18] - 来杰用苹果作比 个人电脑降低了应用开发门槛 图形交互界面降低了使用门槛 两者把信息革命推向高速发展阶段 [18] - 现在的AI就类似当年的软件 现在的本体就类似当年的硬件 [18] - 公司希望通过打造具有强AI能力的个人机器人 加快智能革命的发展 [18] - 在来杰设想中 公司应该要往成为苹果这样的方向努力 [18]

文章核心观点 - 云蝶科技完成数亿元B+轮系列融资，由StellarS Capital、亚洲联合基建（00711 HK）、长浙投资、图灵量子等联合投资，资金用于具身智能核心技术迭代与真实场景规模化落地 [2] - 云蝶科技是国内少数同时具备世界级技术底座、规模化商业交付能力与持续盈利能力的具身智能企业 [1][3] - 公司核心差异化在于提出全球首个具身环境智能（EEI）范式，主张环境并非机器人被动适应的背景，而是感知、决策和执行的有机组成部分 [5] - 公司最大非共识可归结为：真实世界不应该只是具身智能最终进入的地方，更应该成为具身智能持续训练和进化的地方 [32] 融资与投资方 - 本轮融资主要投资方之一StellarS Capital资产管理规模约150亿美元，主基金为全球事件驱动型基金，私募股权投资代表项目包括字节跳动、Anthropic、OpenAI等 [2] - 本轮产业投资方亚洲联合基建（00711 HK）希望结合自身在建筑工程、基建施工及设施管理的场景，与云蝶合作推动具身智能在工地及日常运营中落地 [8] - 云蝶科技与投资人最重要的契合点是对具身智能产业发展阶段和长期价值的共同判断，具身智能是技术上限非常高、产业链条很长、需要耐心的行业 [10] - 理想投资伙伴三个共同特点：认同技术长期主义但尊重商业规律、能够带来产业协同、能够理解云蝶差异化路线 [10][11] - 公司更重视既能够支持技术创新，又能够帮助扩大真实场景网络、形成产业协同的长期资本 [11] 公司基本情况 - 云蝶科技成立于2019年，以大模型和智能体技术为核心，业务涵盖数字智能与具身智能 [3] - 核心团队成员来自北京大学、新加坡国立大学、南洋理工大学、香港大学等高校，能力覆盖世界预测、空间认知、多智能体决策与机器人执行 [3] - 公司已服务全国数千家政企客户，营收规模位列智能体和具身行业头部 [3] - 公司整体业务已形成亿元级营收规模 [22] - 公司形成两条相互支撑的业务线：数字人工智能业务（行业垂直模型、智能体、数据智能及行业智能化解决方案）为经营基本盘；具身智能为第二增长曲线 [22] 技术体系与产品 - 云蝶科技与北京大学联合提出全球首个具身环境智能（EEI）范式，通过开放空间语义、设施接口、业务系统权限与安全规则，让物理世界能够被智能体实时调用，构建全链路闭环 [5] - 公司形成RoboForge系统级具身大脑、WING任务型本体家族与行业工作流相结合的完整产品体系 [6] - RoboForge是云蝶科技和新加坡南洋理工大学联合发布的世界首个系统级具身智能大脑，新引入Harness模块，统一组织感知、推理、规划和技能执行，并具备自诊断与能力更新机制 [6] - RoboForge已在EmbodiedBench与LaRA两项国际权威公开基准评测中全球登顶，具备跨场景、跨任务、跨本体的迁移能力 [6] - WING任务型本体家族坚持先定义岗位再定义机器人，包括WING Air（可更换末端工具适配清洁/巡检）、WING One（面向复杂服务操作）、WING Station（服务于社区零售/健康的城市新基础设施） [6] - 公司打通酒店服务、医疗导诊、药房作业、物业与园区运维等典型行业工作流 [6] 商业模式与商业化进展 - 云蝶推进RaaS（机器人即服务）持续运营模式，将机器人、场景部署、任务技能和持续运维整合为服务，以任务成功率、人工接管率、故障恢复时间和单位任务成本检验交付质量 [7] - 经授权与脱敏后，真实运行产生的失败样本与接管数据可直接回流至模型训练，构建可持续的数据飞轮 [7] - 公司选择从酒店、物业、医疗康养和园区巡检等高频、可约束、可评测的B端场景切入，率先让机器人承担部分工作，再用运行中产生的成功、失败和人工接管记录优化系统 [5] - 短期两到三年最重要任务是完成从技术领先到规模化商业落地的跨越，优先聚焦具有真实需求、相对标准化空间及明确经济价值的B端场景 [34] - 一条主线是酒店、物业、医疗康养等生活服务领域，另一条主线是能源、矿山、电力等产业巡检领域 [34] 产业协同与合作 - 云蝶科技与云迹科技联合打造机器人酒店端到端解决方案，以苏适酒店为首个示范项目，整合系统级具身大脑、机器人底盘及酒店运营能力 [7] - 云蝶科技与领益智造携手开展RoboForge与本体的接口适配和任务联调，完善能源场景任务包、安全边界、验收标准与运行反馈 [7] - 云蝶科技与技象科技共同开展空间智能战略合作，打造通信+感知+执行一体化底座，面向地下管廊、配电房、矿山等弱信号、强遮挡场景 [7] 公司核心能力与护城河 - 云蝶七年积累最难被快速复制的三种能力组合：组织韧性、场景深度和智能复利 [20] - 第一是跨越技术和商业周期的复合型组织能力，团队既有产业经营、产品工程化和复杂项目交付经验，又有前沿人工智能科研能力 [13] - 第二是深入真实B端场景的行业理解和场景运营能力，过去七年服务数千家B端客户，覆盖教育、医疗、工业、政务等多个领域 [15] - 第三是把场景经验转化为持续技术创新的能力，与北京大学共同提出EEI范式，发布RoboForge系统级具身大脑，联合高校科研团队建设研究和真实场景训练体系 [19] - 真正难以复制的是企业能够持续获得真实场景反馈，并把这些反馈转化为下一轮技术进步的机制 [19] 行业判断与非共识 - 第一个非共识：具身智能不能只让机器人变聪明，也应该让环境变聪明，与其只等待机器人足够聪明，不如让机器人和环境一起进化 [27][28] - 第二个非共识：具身智能真正稀缺的不只是高质量动作数据，而是能够持续产生学习反馈的真实场景，机器人学会动作和学会工作是两件不同的事情 [29] - 长期来看真正有价值的不只是数据量，而是数据与真实任务结果之间的关联，以及企业能否将这些数据持续转化为智能能力 [30] - 第三个非共识：具身智能的商业化不一定要等待通用人形机器人完全成熟，也不应该以本体出货量作为唯一评价标准，机器人最终提供的是生产力而非某一种特定外形 [30] - 未来具身智能行业的价值创造将逐步从单点模型能力和硬件能力的竞争，走向系统智能、真实场景数据和商业运营能力的综合竞争 [31] 盈利与经营理念 - 公司认为最重要的不是在某个时间点实现漂亮利润数字，而是企业有没有形成健康、可持续的经营机制 [24] - 云蝶过去七年的重要经验是尽量让技术创新和真实业务相互促进，通过成熟业务形成收入和经营基础，持续投入前沿技术研究 [24] - 公司认为科技企业的长期主义不应等同于不计成本地投入，真正的长期主义是有能力持续投入下一代技术 [24] - 盈利本身不是目的，但盈利能力和健康的现金流是企业独立发展、抵御行业周期的重要基础 [24] 长期愿景 - 长期希望云蝶成为定义真实世界具身智能的重要平台型企业 [36] - 希望形成以系统级具身大脑为核心、兼容不同机器人本体、连接真实场景和持续训练体系的技术平台 [37] - 希望推动机器人从一次性设备销售，走向能够持续提供服务、持续升级能力、持续创造价值的新型生产力 [38] - 希望今天在酒店、物业、医疗康养和产业巡检场景中积累的能力，可以逐步迁移到更加广泛的行业，未来进一步拓展到家庭等开放环境 [36] - 短期希望证明具身智能真正能上岗、能复制、能创造商业价值；长期希望让真实世界成为具身智能持续进化的基础设施，并推动具身智能成为下一代生产力 [39]

文章核心观点 - 工业依然是具身智能落地的主战场，节卡机器人在2026中国工博会上以“通用即未来”为主题，全球首发JAKA Zu50大负载协作机器人和JAKA Kargo50重载轮式人形机器人两款新品，围绕协作智能化、具身场景化和数据飞轮三条主线展示AI深入工业全链路的真实图景 [2] - 节卡机器人推动协作机器人从重复执行工具向懂一线工人需求的高价值伙伴进化，协作机器人或可是具身智能最早、最大规模的落地形态 [11] - 具身智能落地的长期壁垒是部署回流数据，节卡通过数据飞轮打通“现场作业-数据采集-模型更新-再部署”闭环，破解单点场景难以复用、规模化落地成本高的行业难题 [16] - 节卡通用智能机器人以真实场景定义产品，以工程能力保证稳定交付，从工业产线向商超零售、科研教育、生物化学、展厅导览与文娱舞台等多元场景拓展 [21] 具身工业落地：JAKA EVO变“演示”为“干活” - JAKA Kargo料箱搬运应用从某全球头部汽车零部件企业工厂现场调来，经研发团队驻场迭代优化，已实现一月内从105秒至28秒的单箱作业节拍，满足项目阶段性验收标准 [3] - 料箱场景原子技能从12个拓展至78个，同类全新场景部署周期从12个月压缩至57天 [3] - JAKA Kargo50重载轮式人形机器人首发，将已在工厂验证成熟的移动作业能力拓展至更高负载的工业场景；同期亮相的JAKA Zu50大负载协作机器人，进一步完善节卡从轻载到重载的全场景产品布局 [4] - 2025年节卡全球发布JAKA EVO具身智能操作系统，采用分层智能体架构：云端大模型负责视觉感知、任务规划、技能选择与异常决策；边缘端模型结合规则引擎负责动作规划与力控执行，并将垂域技能、原子技能和工艺经验沉淀为可复用资产；底层采用成熟运动控制算法，以1kHz响应保障稳定执行 [6] - JAKA EVO系统通过Skill将复杂长程任务转化为可执行的短程任务，以料箱搬运为例，智能体可自主完成目标识别、抓取点选择、避障、柔性夹持、力控取出、对位放置和自检等任务，并将工业工艺约束融入技能执行 [6] - 原有成熟技能可直接调用，缺失技能可通过数据采集训练快速生成，工程师也可根据现场需求自定义Skill、编排任务流程 [6] - JAKA EVO系统赋能JAKA Kargo实现单机ECU智能装配、服务器光模块双机协同插拔、新能源电机多机协同装配等差异化工业场景；JAKA S³移动作业机器人搭配JAKA AL系列机器人完成航天结构件锁螺丝 [7] - JAKA EVO已陪伴节卡具身产品家族深入12个标杆项目，在汽车、3C电子制造开展场景验证，满足工业现场对于节拍、安全、良率、稳定交付的严苛要求 [9] - 在长程多步骤作业测试中，取放、换手、精密装配这类约2分钟连续任务，仅需200条左右训练数据，长程任务作业成功率达85%以上 [9] 协作更智能：让十万台机器人懂需求 - 节卡机器人推动“人机协作”十年，当下希望让全球产线上的数万台协作臂“智能化”，从重复执行的工具变成懂一线工人需求的高价值伙伴 [11] - JAKA Zu50机器人配合节卡码垛工艺包，快速设置箱子尺寸、托盘尺寸及码垛样式，自动完成码垛，接电接气即可快速开机，30分钟内完成调试换产 [11] - 节卡发布基于JAKA Studio Pro虚拟仿真软件与离线编程软件的协作具身化应用范式，将JAKA Studio Pro融入AI能力，适用范围从项目前期仿真拓展到项目全生命周期的中期部署与后期换型 [13] - JAKA Studio Pro是与真机控制逻辑高度一致的仿真工具，支持应用在虚拟调试平台先进行全维度校验再部署实机，提前规避风险 [13] - 融入智能体平台后，AI驱动的任务理解与工作流自动生成能力大幅降低协作机器人的使用与开发门槛，智能体平台可实现基于场景模型语义的快速路径规划，仿真环境中的轨迹、节拍和逻辑数据可直接迁移至真实产线，构成高保真度的数字孪生底座 [13] - 节卡持续把工艺经验封装为Skill技能资产，特定箱型、特定托盘的垛型等传统工艺包存储的参数要点在适用条件下实例化参数并调用，让更换SKU时快速换型，同步提升作业质效并删减产线换型成本 [13][14] - 沉淀下来的Skill可持续复用到后续每一次部署中，并在过程中不断完善，让技能飞轮转动起来，用的越多沉淀越多，下一次部署越快 [14] - 节卡持续将十余年的场景Know-how经验与AI能力相嵌，推动成熟产业应用智能化提升，以车灯智能装配与检测一体化应用为例，JAKA S5力控机器人以六维力控与2D视觉完成电子元件柔性装配，力觉视觉协同、自适应调节补偿装配误差 [14] - JAKA A5L智能视觉感知机器人通过2D视觉、气压传感与多角度拍照，动态模拟装车场景，覆盖照明、光型、气密性等10余项检测，数据自动比对，检测效率提升3倍，AI融合检测准确率99%、误判率<2% [14] - 磁吸快换工装配合参数库联动，5分钟切换车型，满足混线生产需求，作业产能稳定 [14] 数据飞轮：让具身智能持续进化 - 节卡用JAKA K系列双臂人形机器人的数采演示，展示从真实物理交互中持续采集工艺数据、回流至JAKA EVO底座迭代技能模型，打通“现场作业-数据采集-模型更新-再部署”的数据飞轮 [16] - JAKA K系列机器人采用自研APEX系列一体化关节模组，覆盖数据采集、模型训练与任务执行全流程，是高质量数据的生产资料，当前已批量供给具身智能厂商和科研院校 [16] - JAKA-OTA云数中心与JAKA AiHub两大平台耦合联动、分工协同，一起驱动数据飞轮高速运转 [18] - OTA云数中心打通端云双向通道：负责任务规划、多模态数据安全采集上传，以及智能技能的灰度下发、远程运维与运行结果回传 [18] - AiHub作为模型与技能的锻造平台：聚焦数据治理、自动标注、分布式训练、仿真与真机评测、工业技能封装 [18] - 一采一炼、一发一收，形成“现场采集-平台锻造-下发部署-运行回流-迭代升级”的完整飞轮闭环，全流程可追溯可管控，有效压缩工业具身智能的落地周期，持续沉淀高价值的企业数字资产 [18] - 节卡部署在全球数万台通用智能机器人在产线上积累的带工艺标签的物理交互数据，尤其是工艺经验层的带扭力-位移曲线、工件层的来料批次信息、环境参数等数据，将进一步赋能JAKA EVO系统内的skill技能库，将真实产线部署中的标准化工序作业流程固化为可复用数字资产 [18] - 部署产生数据，数据提炼skill，skill反哺新任务，新任务带来新部署，JAKA K系列在现场采的每一条数据都是这个循环里的一格刻度，不断抬高下一台通用智能机器人的作业起点 [19] 通用即未来，落地就现在 - 节卡通用智能机器人除工业场景落地外，正在向更多领域拓展 [20] - JAKA π（派仔）应用落地延伸到公共与文娱场景，既有派仔与观众亲切交互下单，联动两台JAKA Lumi机器人系统完成机器人导购、自动分解任务、并行调度制作、拣选与配送等流程，同一平台覆盖商超与饮品店双业态 [21] - 展台各处派仔以灵活生动的肢体动作，可随时打断、对话的自然互动引观众纷纷驻足交流，舞台之上以四季为篇章，派仔身着东华大学设计服装翩翩起舞 [21] - 从汽车、电子、精密制造的工业产线，到商超零售、科研教育、生物化学等多元场景，再到展厅导览与文娱舞台，节卡通用智能机器人始终以真实场景定义产品，以工程能力保证稳定交付，以破界融合展现具身智能落地的核心竞争力 [21]