融资与股东结构 - 公司于2026年2月11日完成10亿元人民币B轮融资 [2] - 新投资方包括产业资本金鼎资本、北汽产投、碧鸿投资，PE基金正心谷资本、前海方舟，以及国际化基金毅峰资本 [2] - 五位主要老股东凯辉基金、美团龙珠、今日资本、襄禾资本和高瓴创投联手超额或满额追加投资 [2] - 产业资本的加入将加速公司在智能制造、汽车工业等核心场景的技术融合与战略协同 [4] - 国际化资本的加持为公司全球化布局注入国际视野与资源 [4] - 老股东联手追加是对公司执行力、团队迭代力与业务成长性的认可 [4] 技术实力与研发进展 - 公司坚持端到端的视觉-语言-动作基础模型技术路线 [5] - 于2025年8月发布SOTA的G0模型，并于2026年1月推出升级版G0 Plus，定位为“全球首个开箱即用的VLA模型” [5] - 公司开源的开放世界数据集下载量已超50万次，登顶世界第一 [5] - 公司是目前唯一同时开源本体、数据、模型与开发工具链的企业 [5] - 2026年，公司正式迈入数十万小时级高质量数据的规模化训练阶段 [5] - 公司深度赋能蚂蚁灵波科技开源的具身大模型LingBot-VLA，在权威GM-100真机评测中刷新泛化性能纪录 [6] - 公司R1 Pro软硬件平台在多个主流具身大模型的适配评测中均取得领先的任务成功率 [6] - 公司构建了全链路具身智能开发平台EDP，集数据采集、管理与真机测试于一体 [11] 商业化与市场地位 - 公司已实现订单数千台，客户覆盖全球顶尖高校、研究机构及行业领军企业 [7] - 已完成核心模组、整机设计、高质量数据、端到端模型及场景解决方案的全栈自研 [7] - 在轮式双臂机器人领域实现了全球领先的部署规模与市场占有率 [7] - R1 Pro和R1 Lite平台覆盖超90%的全球顶级开发者，成为斯坦福大学李飞飞团队、Physical Intelligence等顶尖实验室的核心开发平台 [7] - 已与海内外数十家制造业、物流业及服务业头部企业开展深度场景验证 [8] - 已收获国内头部汽车制造商与智慧物流企业的千台级订单 [8] 公司战略与愿景 - 公司致力于构建支撑整个物理世界智能化转型的底层基础设施，打造“物理世界的AI基座” [9][11] - 以“From motor to model”为技术主线，通过标准化关节模组、统一通信协议与开放工具链，打通从硬件到智能的全栈能力 [11] - 以“整机+智能”为战略支点，以智能定义本体，预训练端到端VLA基础模型，并构建后训练工具链 [11] - 以“标准硬件 + 标准数据 + 标准工具”为核心，为全球开发者提供可落地、可扩展、可评测的具身智能基础设施 [11] - 公司愿景是“部署100亿台智能体，服务100亿人” [11]

赛事亮点 - 多元化项目设置包括田径、足球等传统竞技项目以及酒店清洁、工厂物料搬运、医院药品分拣等场景赛单元，标志着人形机器人从"展示型"走向"实用型"[3] - 首创"全球首个人形机器人半程马拉松"，综合考验电池续航、控制系统、运动协调能力[3] - 工业场景、医药场景、酒店场景、仓储场景等赛事安排具体，如物料搬运复决赛09:00-11:20，药品分拣初赛09:00-12:00[4] 参赛阵容 - 星海图作为场景赛独家整机提供商，推出R1 Pro和R1 Lite两款机器人，获美团战略投资，布局"末端服务机器人"[3][4] - 宇树科技采用"硬件开源+算法自研"模式，类似安卓策略，成为行业基础设施提供商[5] - 国内头部企业如天工、加速进化、松延动力、傅利叶等分别专注仿生结构、运动控制、灵巧操作、康复机器人领域[5] - 清华大学、北京大学等高校及美、德、日等15国国际队伍参赛，体现产学研融合与全球化竞争[5] 技术突破 - 合肥团队开发高反光物体视觉检测模型，提升机器人视觉识别精度[7] - 宇树机器人在百米飞人大战中展现出色动力学控制与关节响应速度[8] - 星海图R1 Pro在酒店清洁赛中展示AI任务理解与执行能力[8] 产业趋势 - 人形机器人从技术验证转向场景落地，进入"商业化前夜"[9] - 头部企业显现，资本向少数公司集中，未来3-5年为行业"关键窗口期"[10] - 产业链协同成为关键，需整合传感器、电机、AI、电池、操作系统等多领域[11] 投资逻辑 - 底层技术供应商如伺服电机、SLAM算法、视觉识别芯片企业值得关注[11] - 平台型公司如宇树科技、优必选具有"安卓式"生态潜力[11] - 场景应用公司如星海图、傅利叶商业化路径清晰，盈利预期明确[12] 行业意义 - 赛事标志人形机器人从实验室走向现实世界，类比1936年柏林奥运会开启体育媒体融合新时代[13]

2025世界机器人大会核心亮点 - 大会以"让机器人更智慧，让具身体更智能"为主题，汇聚ABB、库卡、埃斯顿等200+家企业展出1500+件展品，人形机器人成为焦点[1] - 50家人形机器人整机企业展示最新解决方案，同期世界机器人大赛吸引全球10余国6000+赛队、10000+选手参与[1] 人形机器人技术突破 乐聚"夸父" - 实现5G-A超远距实时操控，北京至上海1200公里实测保持低时延通信与自主导航稳定性[1] - "大小脑"协同：大脑搭载智源多模态具身大模型，小脑融合model-based control与RL算法提升柔性环境运动稳定性[3] - 已落地物料分拣、SMT料盘出库、商服导览等场景，未来将拓展消防、化工等高危领域[3] 赛博格机器人 - Cyborg-H01灵巧手采用5指节16自由度设计，抓握功耗降低60%，实现毫米级自适应抓取[4] - Cyborg-R01搭载VLA2.0具身大模型，新环境适应效率提升80%，已吸引20+零部件商开发专用传感器[6] 众擎机器人 - PM01展示拟人化动作与复杂环境自适应能力，T800重载人形机器人计划参与自由格斗比赛[6] - 推出定价3.85万元起的轻量化陪伴型机器人SA02，定位"年轻人的第一台人形机器人"[7] 优必选Walker系列 - Walker S2具备52个自由度，腰部旋转±162°，3分钟完成自主换电支持7×24小时作业[31] - 11台Walker S1通过毫秒级集群控制展示动态随机分拣能力，重新定义生产力标准[33] 关键技术进展 感知技术 - 奥比中光发布Pulsar ME450 3D激光雷达，支持三种扫描模式，80kLux强光下噪点率低于行业水平[12] - Gemini 345Lg双目3D相机工作温域-20°C至65°C，深度视场角达104°×87°，2025年1-5月营收同比增长117.18%[14] 触觉传感器 - 帕西尼PX-6AX-GEN3传感器采用6D霍尔阵列技术，测量精度0.01N，耐受1000万次按压[24] - 分Elite/Core/Omega三大系列，支持15种信息输出，采样频率达每秒百万次[25] 运动控制 - 魔法原子MagicBot Z1关节扭矩超130N・m，运动范围320°，四足机器人MagicDog-W可跨越60cm障碍[14] - 星动纪元L7实现360度旋转跳，关节模组峰值扭矩400N・m，ERA-42大模型支持无预编程技能学习[36] 应用场景拓展 工业领域 - 川机器人T1 Ultra强化关节扭矩（髋/膝360Nm，踝80Nm），瞄准工业制造与物流搬运场景[28] - CW系列复合机器人融合AMR与Cobot技术，单机臂负载10kg，定位精度±5cm[30] 服务领域 - 智平方"爱宝"机器人60秒完成搬箱码垛，0.375秒节奏演奏架子鼓，已落地车企工厂与无菌车间[17] - 优理奇Wanda平台覆盖打鼓演奏、射箭陪练、厨房清洁等六大场景，实现高重复性操作[22] 生活场景 - 星尘智能Astribot S1展示早餐准备、咖啡制作、非遗漆扇创作，末端重复定位精度±0.1mm[38] - 星海图R1 Lite仅凭语音指令完成自主铺床，G-0模型实现视觉感知到关节控制的端到端映射[20] 生态建设 - 睿尔曼RealBOT开源平台基于百万条数据研发，联合科大讯飞等展示双轮足机器人、AI按摩机器人等方案[9] - 速腾聚创Active Camera平台提供多传感器一体化方案，助力10+合作伙伴产品落地[33] - 地瓜机器人RDK计算平台成为多个明星产品的通用基础组件[41]

具身智能行业发展趋势 - 2026年将是具身智能的下半场，核心是应用，供需两侧正在走向成熟[1][34] - 行业已度过全民探索可用场景阶段，市场预期回归理性，应用场景逐渐清晰[1][33] - 当前阶段最有商业价值的是实现对象泛化和动作泛化，而非本体泛化[3][26][27] 具身智能技术发展瓶颈 - 发展缓慢的根本原因是高质量数据缺失，而数据缺失源于缺乏合适的标准本体[4][10] - 需要从电机、整机、遥操作、数据管线到模型五个层面全面成熟[10] - 具身智能是"没有短板的游戏"，需要软硬件深度结合，从电机到模型的完整整合[4][5] 数据采集与模型训练 - 将数据采集视为生产活动，已部署几十台机器人在真实场景采集数据[17] - 到第三季度将累计获得1万小时交互数据，覆盖1000+操作对象和300+任务[18] - 预训练解决"本体与物理世界交互的基本法则"，需要几千到上万小时交互数据[21][23] - 采用"快慢结合"模型结构，快执行模型参数量约10亿，慢思考模型达百亿级[22] 产品形态与商业化路径 - 核心产品形态是"整机+预训练模型+后训练工具"组合[6][9] - 商业闭环核心在于开发者群体，应用繁荣才能创造价值[28][29] - 计划在2023年8月WRC和9月CoRL开源基础模型和数据集[30] - 当前操作精度达厘米级，速度为人类70-80%，新任务学习需约100条样本[32] 技术指标与泛化能力 - 定义四个泛化维度：对象、动作、场景和本体泛化[24] - 对象泛化指对不同物品执行相同动作，动作泛化指对同一物品执行不同操作[26] - 工站式场景降低了对场景泛化的需求，本体泛化在现阶段商业重要性较低[26][27]