核心融资与估值 - 银河通用完成超3亿美元新一轮融资 刷新具身智能领域单轮融资纪录 [1] - 本轮融资由中国移动链长基金领投 中金资本、中科院基金、苏创投、央视融媒体基金、天奇股份等联合注资 并吸引新加坡及中东国际投资机构参与 [1][2] - 融资完成后公司估值达到30亿美元（约211.3亿人民币） 在短短半年内估值翻了三倍（此前一轮估值约10亿美元） [1][5] - 公司累计融资额已达约8亿美元 [1] 投资方背景与战略意义 - 投资方结构显示明显的“国家队”与产业链协同特征 产业资本的注资被视为对公司技术路径及规模化能力的背书 [2] - 宁德时代在2024年6月的领投 使公司成为目前唯一获得该动力电池巨头投资的具身智能大模型企业 [2] - 战略投资方将为公司产业化发展提供全场景赋能 加速在工业、商业及家庭场景的布局 [2] - 新加坡和中东资金的入局 被视为公司拓展全球市场的信号 [2] 技术路线与产品进展 - 公司采用仿真合成动作数据集预训练、真实数据后训练的范式 宣称已实现从“百亿数据集”到“具身大模型”再到“机器人本体”的全栈自研 [3] - 2025年1月推出基于十亿级仿真合成动作数据预训练的端到端抓取基础大模型GraspVLA 旨在实现零样本泛化能力 [3] - 后续发布了面向零售的GroceryVLA、导航大模型NavFoM以及灵巧手神经动力学模型DexNDM [3] - 在世界人形机器人运动会上 其Galbot机器人队在零遥操作情况下实现全自主运行并夺冠 [3] 商业化落地与订单 - 在工业制造领域 已与宁德时代、博世集团、丰田汽车、韩国现代、北汽集团、上汽集团、极氪汽车、长城汽车等企业达成合作 [3] - 公司累计订单规模已达数千台 并实现了人形机器人进厂真实自主干活 [3] - 在商业服务与即时零售领域 推出“银河太空舱”解决方案 已在北京颐和园、王府井等商圈落地 [4] - 2024年底与爱博医疗合作推出24小时智慧医疗门店 在北京地区近十家门店实现常态化运营 [4] - 在医疗康养方面 正与宣武医院等医疗机构合作 推动机器人在病房辅助和药房管理等场景应用 [4] 资本运作与上市计划 - 公司已于2024年11月28日完成股份制改革 目前正在筹备赴港上市 [1] - 最早可能在2025年首季向港交所递交申请 目标估值在30至40亿美元之间 [1] - 公司官方回应称股改是为完成后续正常融资需求 引入新的一级市场投资人 [6] - 行业趋势显示头部创企正在集体加速证券化进程 2024年以来已有宇树科技、乐聚机器人、云深处、智元机器人等五家企业完成股改 [6] - 宇树科技已于2024年11月完成上市辅导 进入正式申报阶段 [6]

银河通用机器人新一轮融资与行业动态 - 银河通用完成新一轮融资，规模超过3亿美元（约合超21亿元人民币），投后估值超过30亿美元（超200亿元人民币），刷新了国内人形机器人赛道的单笔最大融资额和估值天花板[1] - 本轮融资由中国移动链长基金领投，投资方包括中金资本、中科院基金、苏创投、央视融媒体基金、天奇股份等国内平台及产业巨头，以及新加坡和中东的国际投资机构，股东生态呈现多元化与国际化[1] - 公司累计融资金额已达约8亿美元（合56亿人民币），半年前该数字仅为24亿元，且另有未公布的大额融资[1] 大额订单与商业化进展 - 银河通用已与某单一产业方签订一笔G1机器人采购合同，规模达1000台，按约70万元单价计算，合同金额达7亿元[1] - 对比行业，宇树和智元两家头部企业2025年营收预计在10亿元左右级别，此7亿元订单是促成刷新纪录融资的直接原因之一[2] - 公司已获得包括宁德时代、博世集团、丰田汽车、韩国现代、北汽集团、上汽集团、极氪汽车、长城汽车等制造业龙头的千台级订单[3] 投资方背景与战略意图 - 领投方中国移动链长基金锚定AI+、人形机器人等核心赛道，近期投资的具身智能企业包括银河通用和戴盟机器人，更早前也为智元、宇树提供代工订单[4] - 中金资本近期领投松延动力近2亿元融资，其投资偏好显示被投公司可能是IPO种子选手；银河通用已完成股改，但公司否认了明年一季度以40亿美元估值赴港IPO的传闻[5] - 中科院基金可提供核心算法与本体设计支持；苏创投曾牵头发起100亿元具身智能基金，投资策略为“抓两头”，即头部公司与快速落地案例[5][6] - 央视融媒体基金投资了云深处、松延动力等公司；天奇股份与银河通用深度绑定，共同设立合资公司，并计划与富士康新能源合作在5年内部署不低于2000台具身智能机器人[6] 国际资本参与与行业红利 - 中东资本对中国机器人资产热情高涨，近期案例包括沙特阿美旗下基金投资地瓜机器人、迪拜磊石资本投资众擎机器人，以及阿布扎比背景机构为优必选提供10亿美元融资授信[7] - 中东国家的“2030愿景”等转型规划，通过设立百亿乃至千亿美元体量的基金在全球寻找优质科技资产，为中国机器人企业带来了红利[7] - 新加坡投资机构也出现在银河通用本轮新增股东名单中[7] 公司技术产品与市场地位 - 以超200亿元人民币估值计，银河通用成为目前国内估值最高的人形机器人公司[8] - 产品重点布局工业制造、即时零售、医疗康养等领域，已在部分场景实现7X24小时持续稳定运营1年[8] - 发布了行业首个面向零售的具身智能大模型GroceryVLA、导航大模型TrackVLA，以及全球首个跨本体、全域环视的导航基座大模型NavFoM，突破了复杂动态场景下的“小时级长程导航”[8] - 在灵巧操作方面，通过灵巧手神经动力学模型DexNDM，让机器人能应对极长、极小物品的精密操作[9] - 核心技术路径为“Sim-to-Real”（仿真到现实），通过虚拟环境训练机器人后迁移至现实，迭代速度快，但需应对现实物理世界的复杂性挑战[9] 行业融资趋势与投资逻辑演变 - 具身智能是过去一年多以来凝聚最多共识的赛道之一，但非共识依然存在，格局变得更加复杂[9] - 头部公司能占据行业全年融资额的四成，获得融资的企业数量和融资规模同比继续大涨[10] - 投资逻辑已从“看人、看技术、看路线”逐渐过渡到“看格局、看规模、看确定性”，资源向头部集中，投资人风险意识增强，倾向抱团投资[10] - 赛道依然亢奋，资源链接能力在增强，头部公司处于卖方市场，但“无脑”热钱已不多，公司需持续融资以留在牌桌上[11]

生成式AI模型进展 - OpenRouter平台上线隐名模型Polaris Alpha，其知识库截止2024年10月，最大上下文容量256K，单次最大输出128K，目前可通过API免费调用 [1] - 纽约大学谢赛宁等发布Cambrian-S多模态新范式，提出"空间超感知"概念，在空间认知任务上中小型模型超越Gemini [2] - 阶跃星辰发布全球首个开源LLM级音频编辑大模型Step-Audio-EditX，该模型约3B参数，情感与风格控制准确率优于MiniMax、Doubao等闭源模型 [5] AI编程工具发展 - 美团推出AI IDE编程工具CatPaw，背后核心引擎为自研LongCat大模型，在内部研发人员周活占比超80%，每周新增代码中AI生成占比约50% [3] - 芸思智能推出AI IDE Vinsoo，通过算法突破实现极限有效上下文达千万量级，支持最多8个智能体同步运行开发 [4] - 行业观点认为AI工具无法替代创始人的销售能力，AI SDR仅在已有运转良好销售流程时有效，技术挑战和开源策略是护城河而非障碍 [9] 多模态AI硬件与应用 - 百度小度AI眼镜Pro正式开售，融合多模态AI大模型，支持中英文实时翻译3秒内出字幕等功能 [6] - 银河通用推出灵巧手神经动力学模型DexNDM，首次实现通用灵巧手对多类物体的稳定、多姿态、多轴向旋转操作，能完成拧螺丝等工具使用 [7][8]

核心技术突破：DexNDM模型 - 银河通用推出的灵巧手神经动力学模型DexNDM，实现了从能动到能用的飞跃[2] - 模型通过分布有偏的真实数据训练，无需成功示例即可精准弥合Sim2Real鸿沟[2] - 首次在真实世界中突破手掌任意朝向的物体旋转限制，实现跨物体、跨姿态的稳定手内旋转与工具操作[4][39] 核心性能优势 - 实现跨类别、跨尺寸、跨姿态的稳定旋转，处理对象从微小零件到大书本、长棍、复杂几何体[5][6] - 无论手掌朝上、朝下或侧向，均能沿任意轴向进行稳定、持续的旋转[5] - 可自如抓、转、拧各类工具，胜任拧螺丝、家具组装等长程、复杂操作任务[5][21] - 在手掌朝下的姿态下，实现10–16cm长物体沿长轴的空中完整旋转[17] 技术创新细节 - 采用关节级神经动力学模型，将复杂的手–物交互拆解到关节级，提升数据利用效率和泛化能力[8][9][10] - 开发全自动数据收集策略，在任务无关的随机扰动下自主生成丰富的接触数据[11][13][14] - 训练残差策略网络弥合仿真到现实的差距，使基础策略能迁移到真实世界[15] - 采用"从专家到通才"训练流程，先训练多个专家策略再融合为统一通用策略[16] 行业应用意义 - 推动机器人从简单抓取向精细操作能力跨越，是通用机器人部署中最艰难的前沿[23][31][36] - 手内旋转和工具使用能力代表灵巧操作向更高维度发展的趋势，是灵巧操作皇冠上的明珠[37][38] - 为遥操作系统的数据生成与策略迁移提供基础，为灵巧操作工业化落地奠定条件[55][56] - 使机器人能在工业装配、家具组装、工具使用等多场景中实现可扩展部署，提升实际生产力[58] 应用场景演示 - 在装配任务中展示全链路灵巧控制：使用螺丝刀固定电路板、安装音量旋钮、敲击安装装饰部件[59][60][61][62][63][64] - 灵巧操作正从"抓取放置"迈向"任务理解"，成为真正的生产力单元[58][64]

文章核心观点 - 清华大学与北京大学研究团队提出名为DexNDM的新方法，旨在解决灵巧手在真实世界中执行复杂手内物体旋转任务的仿真与现实鸿沟难题 [2][4] - DexNDM通过创新的关节级神经动力学模型和全自动数据采集策略，实现了对各类物体在多种腕部姿态下的通用、稳定旋转，其能力远超现有工作 [5][7][12] - 基于DexNDM强大的原子技能，研究团队构建了一套高灵巧性、高鲁棒性的半自主遥操作系-统，能够完成使用螺丝刀、锤子等复杂工具操作以及长程家具装配任务 [5][21] 技术背景与挑战 - 高灵巧性复杂工具遥操作是机器人领域的核心挑战，传统直接映射方案仅能处理简单抓取任务，无法胜任精细指尖协调的复杂操控 [4] - 手内物体旋转是灵巧手“灵巧性”的集中体现，也是使用大多数工具的前提，但其涉及复杂且快速变化的接触动态，仿真与现实鸿沟巨大 [4] - 以往研究受限于特定场景，如简单物体几何形状、受限物体尺寸或特定手腕姿态，难以形成通用解决方案 [4] 技术亮点与性能突破 - **全场景物体覆盖**：首次实现在手掌朝下、侧向等挑战性腕部姿态下，对长条状物体沿长轴的持续稳定旋转，以及对微小物体沿多轴的灵巧转动 [7] - **极广物体覆盖**：使用通用的Leap Hand机械手，在旋转复杂几何体时性能相当甚至优于此前最佳工作Visual Dexterity所用的定制化D'Claw机械手 [12] - **全姿态精准操控**：对腕部姿态和旋转轴向具有强大适应性，无论机械手处于何种朝向，都能稳定、精确地完成指令 [17] - **高灵巧性遥操作系-统**：操作者仅需通过手臂控制机械臂位姿并下达简单指令，系统便能自适应规划并执行精细手指运动，完成如拧螺丝、切菜、锤钉子、写字等复杂工具使用任务 [21] - **高鲁棒性**：系统能够胜任对稳定性要求极高的长程装配任务，例如成功完成了为一张桌子安装全部四条桌腿的完整装配流程 [21] 核心技术方法 - **关节级神经动力学模型**：将复杂的交互动力学在每个关节进行分解，通过从单关节历史信息中独立预测其自身下一时刻状态，完成全手状态转移预测，此方法具有高数据利用效率和强泛化能力 [24][27] - **自动化数据采集系统（“混乱之盒”）**：将机器人手放入装有软球的容器中，以开环方式重放仿真基础策略动作，手与球的相互作用会施加丰富、随机化载荷，整个过程完全自动化且无需人工复位 [28] - **残差策略训练**：利用已学习的动力学训练一个残差策略网络，输出校正量以补偿基础策略的动作，从而弥合仿真和真实世界之间的动力学差距 [25][30] 行业意义与前景 - DexNDM在Sim-to-Real这一机器人学核心难题上迈出重要一步，解决了在灵巧操控中学习可靠真实世界动力学模型的难题 [31] - 该技术为真实世界中复杂的交互动力学建模提供了新思路，并为交互数据采集困难昂贵的问题提出了巧妙有效的解法 [25][31] - 研究成果展示了先进Sim-to-Real方法的潜力，为实现机器人在工厂拧螺丝、在家切菜做饭等复杂操作愿景提供了可行的技术路径 [2][5]

文章核心观点 - 清华大学等机构的研究团队提出了一种名为DexNDM的新方法，旨在解决灵巧手在复杂工具操作中的仿真到现实难题 [2] - 该方法通过创新的关节级神经动力学模型和自动化数据采集系统，显著提升了灵巧手在真实世界中旋转各类物体的通用性和稳定性 [5][19] - 基于DexNDM提供的强大原子技能，成功构建了一套高灵巧性、高鲁棒性的半自主遥操系统，能够完成使用螺丝刀、锤子等复杂工具操作以及长程装配任务 [7][15] 技术背景与挑战 - 实现高灵巧性的复杂工具遥操作是机器人领域的核心挑战，传统直接映射方案难以胜任精细指尖协调任务 [4] - 手内物体旋转是灵巧手“灵巧性”的集中体现，但涉及复杂且快速变化的接触动态，仿真与现实鸿沟巨大 [4] - 以往研究常局限于特定场景，如简单物体几何形状、受限物体尺寸或特定手腕姿态，缺乏通用解决方案 [4] 技术亮点与性能突破 - **全场景物体覆盖**：首次实现在手掌朝下、侧向等挑战性腕部姿态下，对长条状物体沿长轴的持续稳定旋转及对微小物体的灵巧转动 [9] - **极广物体覆盖**：使用更通用的Leap Hand机械手，在旋转相同物体时表现出比定制化D'Claw机械手的Visual Dexterity工作相当或更优的性能 [13] - **开创性能力**：首次展示使用Allegro、Leap Hand等通用机械手在挑战性腕部姿态下稳定旋转多种表面凹凸不平的复杂几何体 [13] - **强大适应性**：无论机械手处于何种朝向或任务要求物体沿哪个轴旋转，DexNDM均能稳定精确地完成指令 [14] 系统应用与鲁棒性 - 将手内旋转能力作为原子技能构建遥操作系统，操作者仅需通过手臂控制机械臂位姿并下达简单指令，即可完成使用螺丝刀、刀、锤子、笔等复杂工具任务 [15] - 策略的超强鲁棒性使系统能胜任对稳定性要求极高的长程装配任务，例如成功完成为桌子安装全部四条桌腿的完整装配流程 [15] 核心技术方法 - **关节级神经动力学模型**：将复杂交互动力学在每个关节进行分解，独立预测各关节状态转移，具有高表现力、高数据利用效率和强可泛化性 [19][20] - **自动化数据采集系统**：构建名为“混乱之盒”的自动化系统，通过将机械手放入软球容器中重放仿真策略动作，以全自动方式收集多样化真实世界交互数据 [21] - **残差策略训练**：利用已学习的动力学训练残差策略网络，输出校正量以补偿基础策略动作，从而弥合仿真和真实世界之间的动力学差距 [23]