融资情况 - 宁德时代及旗下溥泉资本领投 国家开发银行旗下国开科创等跟投 完成对银河通用的11亿元投资 创具身大模型机器人领域最大单笔融资纪录 [1] - 银河通用两年累计融资超24亿元 成为该领域累计融资额最高企业 此前在2024年6月和11月分别完成7亿元天使轮和5亿元战略轮融资 [1] - 公司估值已超10亿美元 成为具身机器人领域"独角兽" 同赛道超10亿美元估值企业还包括宇树科技、智元机器人等 [3] 技术突破 - 首款产品Galbot G1仅借助合成数据训练即实现95%高成功率抓取各类材质物体 应用于工业、商业及家庭场景 [1] - 推出全球首个基于十亿级仿真合成动作数据预训练的端到端具身大模型GraspVLA 实现零样本泛化能力突破 [2] - 发布全球首个人形机器人智慧零售解决方案 轮式双臂机器人可执行5000种商品的全流程自动化操作 新门店部署仅需1天 [2] 商业化进展 - 在北京已开设7家无人药店并实现机器人常态化运营 机器人可24小时执行捡药、对接骑手等任务 计划年内在北上深新增100家门店 [2] - 宁德时代投资被分析认为包含产品合作与产业布局考量 不排除未来布局机器人产线的可能性 [3] - 宁德时代通过柏睿资本连续投资千寻智能、维他动力等具身机器人企业 并与富临精工签署智能机器人零部件合作协议 [3] 行业背景 - 锂电技术进步推动能量密度与安全性提升 为人形机器人应用提供支持 全固态电池或成未来智能设备核心技术 [4]

融资情况 - 银河通用完成由宁德时代领投的11亿元人民币新一轮融资，投资方包括宁德时代上市公司战投、溥泉资本、国家开发银行国开科创、北京机器人产业基金、纪源资本等顶级机构 [2] - 过去两年累计融资超过24亿元，包括2024年6月7亿元天使轮融资（美团战投、北汽产投、商汤国香基金等参与）、2024年11月5亿元战略轮融资（上汽恒旭、深创投等追加投资）、2023年6月种子轮融资（经纬创投和蓝驰创投参与） [3] 产品与技术 - 专注于具身多模态大模型通用机器人研发，2024年6月发布首代具身大模型机器人Galbot（G1）及抓取、零售、导航端到端大模型GraspVLA、GroceryVLA、TrackVLA [5] - GraspVLA为全球首个全面泛化的端到端具身抓取基础大模型，实现零样本泛化能力 [5] - GroceryVLA解决复杂零售环境中智能抓取难题，支持全品类商品无需单独调参 [5] - TrackVLA实现纯视觉环境感知与自然语言指令理解，具备高动态目标跟随能力和环境高鲁棒性 [7] 商业化进展 - 智慧零售场景：Galbot机器人已在北京近十家无人店铺部署，支持5000种商品、6000个货道、10000多盒商品的自动化全流程运营，单店部署仅需1天，年内计划扩展至全国百家门店 [7] - 工业领域：与博世集团成立合资公司「博银合创」，聚焦复杂装配等高精度制造场景，推动具身人工智能规模化落地 [8][10] 战略合作 - 宁德时代作为产业战略领投方，将深化产业协同，助力银河通用技术在工业领域落地 [2] - 与博世中国、博原资本签署三方战略备忘录，加速全球智能制造布局 [8][10]

融资与战略合作 - 银河通用机器人完成由宁德时代领投的11亿元人民币新一轮融资 累计融资金额超过24亿元 [1][3] - 宁德时代作为产业战略领投方 计划与银河通用在工业领域技术落地和规模化应用形成协同 同时加强自身机器人电池业务和工厂自动化转型 [1][4] - 银河通用与博世集团旗下博原资本成立合资公司 签署三方战略备忘录 聚焦工业制造场景的具身智能机器人商业化 [6] 公司背景与技术进展 - 银河通用成立于2023年5月 是国内具身智能赛道头部项目 创始团队包括北京大学助理教授王鹤等顶尖科研人才 [3] - 已发布首款具身大模型机器人Galbot G1 采用"双臂+折叠+轮式底盘"结构 侧重上肢操作能力 并研发多款具身智能模型如GraspVLA、GroceryVLA等 [3] 应用场景与商业化 - 智慧零售领域推出全球首个人形机器人智慧零售解决方案 单店部署仅需1天 北京已部署近十家店 计划年内扩展至全国百家门店 [6][7] - 无人药店场景已在北京开设7家 计划在北上深三地共开设100家 实现24小时自动化药品分拣和配送 [7] - 汽车工业领域与博世深化合作 推动具身智能机器人在工业制造场景的全球商业化落地 [6] 行业趋势与产业链优势 - 人形机器人40%-50%供应链与新能源汽车重合 30%-40%与3C消费电子重合 中国制造业企业通过技术迁移密集布局该领域 [11] - 中国在全球人形机器人100强企业中占60席 产业链集聚优势显著降低制造成本 有望定义全球人形机器人发展标准 [11] - 上市公司如均普智能、长城汽车等通过合资或战略合作切入人形机器人核心零部件及总成领域 [9]

融资情况 - 公司完成由宁德时代领投的11亿元人民币新一轮融资，投资方包括宁德时代上市公司战投、溥泉资本、国家开发银行国开科创、北京机器人产业基金、纪源资本等顶级机构[1] - 本轮融资是国内具身大模型机器人领域单笔最大融资，创下该领域累计融资额最高纪录[2] - 公司成立于2023年5月，至今累计完成6轮融资，总金额超24亿元[2] - 历史融资包括：天使轮7亿元（启明创投、源码资本等）、天使+轮5亿元（容亿投资、IDG资本等）、Pre-A轮（中国互联网投资基金等）[3] 创始人背景 - 创始人王鹤出生于1992年，本科毕业于清华大学电子系，斯坦福大学博士，师从美国三院院士Leonidas J Guibas教授[3] - 2021年回国加入北京大学任助理教授，创立北京大学具身感知与交互实验室，2022年在北京智源人工智能研究院建立具身智能研究中心并任主任[4] 技术突破 - 推出全球首个基于十亿级仿真合成动作数据预训练的端到端具身大模型GraspVLA，实现全球首个仅靠预训练即可零样本泛化的能力[6] - 发布全球首款面向零售商业化的端到端模型GroceryVLA，可在复杂货架场景中精准抓取全品类商品而无需单独调参[6] - 推出产品级端到端导航大模型TrackVLA，具备视觉环境感知、自然语言指令理解、复杂场景零样本泛化等能力[8] 商业化进展 - 发布全球首个人形机器人智慧零售解决方案，轮式双臂机器人Galbot可在50平米无人店铺内执行5000种商品的全流程自动化操作，新门店部署仅需1天[8] - 北京已有近十家店实现部署和常态化运营，年内有望推广至全国百家门店[8] - 与博世集团旗下博原资本成立合资公司，签署三方战略备忘录，聚焦工业制造场景的具身智能机器人商业化应用[10]

博世与银河通用合资公司成立 - 博世与银河通用成立合资公司"澄迈博银合创科技有限公司"，专注工业制造领域的具身智能机器人研发，包括灵巧机械手、单臂机器人等高精度解决方案 [1][2] - 合资公司聚焦高复杂制造、复杂零部件处理、精密装配、柔性质检等工业场景 [2] - 合作方银河通用是2023年成立的具身智能头部企业，核心团队来自清华、斯坦福、北航等知名院校，拥有计算机视觉、机器人运动控制等领域背景 [4] 银河通用的技术与融资 - 银河通用采用"仿真数据驱动+大小脑模型分离"技术架构，实现任务规划与运动控制的解耦设计 [8] - 公司开发了GraspVLA（全球首个端到端抓取大模型）和TrackVLA（纯视觉导航模型），具备七大泛化能力 [9] - 技术底层依托千万级仿真数据工厂，降低对真实数据的依赖并加速迭代 [11] - 成立一年内完成两轮融资共12亿元，天使轮7亿元创当年纪录，投资方包括IDG资本、北汽产投、经纬创投等 [6][7] 博世的战略布局 - 博世选择银河通用因其"仿真训练+合成数据"技术路线与中国本地研发响应速度，双方技术互补性强 [11] - 合资公司成立后立即与联合汽车电子（博世在华合资企业）签署协议，共建机器人实验室"RoboFab"，聚焦汽车制造环节的智能感知与操作控制 [13] 车圈与具身智能的融合趋势 - 车圈企业通过合资、投资或自研切入具身智能赛道，例如均胜集团与智元机器人成立"普智未来"，比亚迪投资智元机器人（持股2.32%） [14][17] - 其他案例包括小米投资斯坦德机器人（持股9.29%）、吉利参与宇树科技C轮融资 [19] - 车企自研代表有特斯拉擎天柱、小鹏Iron、广汽GoMate、小米CyberOne等 [20] - 行业趋势显示车圈正加速布局具身智能，将汽车产业链能力迁移至机器人领域，抢占万亿市场机会 [22]

人形机器人行业发展现状 - 人形机器人在全地形动态挑战赛、工业场景赛、家庭场景赛、商业场景赛等五大赛道28个高难度场景中表现出一定自主性，例如自主寻找和归类物品 [1] - 行业在精度、速度、泛化度等维度仍显不足，训练数据不足是主要瓶颈，特斯拉、谷歌及国内企业正通过建设训练场和数据集解决，但面临成本高、周期长问题 [1] - 合成数据技术路线已有突破，完全基于合成数据训练的具身智能大模型开始商用落地 [1] 具身智能训练数据挑战 - 具身智能训练数据稀缺，与文本数据相比数量差距可能达百万倍，多模态数据尤为缺乏 [2] - 特斯拉通过远程操作记录动作和环境数据，谷歌DeepMind联合斯坦福推出Open X-Embodiment Dataset含100多万条真实机器人轨迹，智元开源百万真机数据集AgiBot World [2] - 头部车厂每日数据回流达1亿条，但具身智能领域最大数据集仅百万条规模，数据不足导致模型训练效率低、场景适应能力弱 [3] 合成数据技术应用与局限 - 银河通用展示完全基于合成数据训练的GraspVLA大模型，采用10亿级合成数据，已应用于24小时无人药店，单店可管理5000多种药品、6000多个货道，北京6家门店常态化运营，年底计划扩展至全国100家 [4] - 合成数据生成视觉数据较成熟，但触觉、温度、声音等多模态数据生成仍存挑战，仿真与真实环境匹配度不足影响数据有效性 [5] - 行业通过"模拟到现实"迁移技术缩小模拟与物理环境差距，需引入物理规律约束以提升数据质量 [6] 异构数据互通解决方案 - 国地中心启动具身智能训练场，进驻100多台全尺寸人形机器人，探索数字与物理世界链接 [6] - 推出"格物-致知"开发平台，收集100多款机器人构型，通过仿真平台对齐异构数据并实现跨平台映射，避免基础功能重复训练 [7] - 计划在7月WAIC期间发布多项重要成果，解决行业数据互通痛点 [7]

具身智能与VLA模型发展 - 灵初智能发布Psi-R1大模型，声称是真正的VLA模型，能在开放场景下解决长程复杂任务[2] - 2025年以来至少有七家企业发布VLA相关模型，包括Physical Intelligence、英伟达、银河通用等[2] - VLA模型成为机器人厂商展示技术先进性的重要手段，但部分展示视频可能掩盖真实技术能力[7] 机器人进厂打工的挑战 - 人形机器人从实验室到实际工厂应用需经历漫长的概念验证阶段，目前大部分仍处于试用期[2][10] - 概念验证需证明技术成功率、可靠性、效率、成本和收益，是商业化落地的关键障碍[3] - Figure机器人被曝在宝马工厂实际仅有一台执行简单搬运任务，与展示视频存在差距[10] VLA模型的技术难点 - 动作信号输入是VLA模型的核心难点，缺乏动作输入会导致泛化性不足和长线推理偏差[5] - 真正的VLA模型需具备长时序动作执行能力、跟随描述性语言指令并由单一模型完成所有任务[8] - 当前部分VLA模型仅通过模仿学习加原子技能调用完成简单操作，缺乏自主推理能力[7] 机器人落地的工程化流程 - 工厂落地需经历三个阶段：3个月实验室环境内测、3个月客户场景验证、6个月有人陪产部署[12] - 实际工厂环境中存在光线干扰、电磁干扰、流程差异等问题，需针对性优化[12] - 部署阶段需应对人为打断等突发情况，要求上层大脑具备实时推理和决策能力[13] 人形机器人的应用场景选择 - 当前进厂机器人多从事搬运、检测等基础工种，如优必选S1进行物料搬运和车灯检测[14] - 未来目标应是替代人力完成自动化设备无法胜任的精细化工作，如3C制造质检[14] - 客户更关注落地可行性而非技术完美性，需平衡长程推理能力与实时控制要求[15]