交易所,交易所排名,交易所排行,加密货币是什么,加密货币交易平台,加密货币平台,币安交易所,火币交易所,欧意交易所,Bybit,Coinbase,Bitget,Kraken,全球交易所排名,交易所排行红杉等顶级VC坐镇，产业资本与多地国资悉数在列，Prosperity7、顺为资本更是连续多轮加注……

　　这种跨越不同底色、全维度的资本集结，释放的信号远比金额本身更重要——具身智能正在经历一场残酷的“去泡沫化”。

　　全国150多家具身智能公司还在拍Demo、卷参数之时，资本已经厌倦了“概念下注”，转而去寻找那些能真正走进工厂、解决实际痛点的“种子选手”。

　　春晚机器人表演引发的轰动余波尚未平息，开年第一天，具身智能行业便传来重磅消息——总部位于杭州的千寻智能宣布，公司于2026年2月连续完成两轮融资，总额近20亿元，总体估值突破百亿。

　　值得注意的是，本轮融资既有云锋基金、红杉中国、混沌投资（葛卫东）、TCL创投、360基金、杭州金投等顶级资本、产业巨头、国有资本，顺为资本、达晨财智、弘晖基金、华泰紫金、东方嘉富、广发信德等老股东继续大额加注。

　　这家创业仅2年的科技公司，有何魔力让顶级资本疯狂押注？千寻智能与宇树科技、智元机器人有何区别？具身智能热潮涌现的背后，为何又是杭州这座千年古城？

　　资料显示，千寻智能成立于2024年1月，距今刚满2年。2年估值破百亿，这样的速度实属罕见。

　　作为对比，同在杭州的宇树科技成立于2016年，据公开信息，宇树科技在2025年6月完成新一轮融资后，投后估值突破百亿至120亿元。从这个角度看，千寻智能的发展势头比宇树科技有过之而无不及。

　　千寻智能创始人兼CEO韩峰涛，2011年从浙大研究生毕业，2015年联合创立协作机器人公司珞石并担任CTO，曾带领团队成功交付数十款型号、超20000台工业机器人，是机器人行业的“老炮儿”。

　　千寻智能联合创始人高阳是技术大咖，号称“伯克利归国四子”之一。“伯克利归国四子”指吴翼、高阳、许华哲和陈建宇四位学者，均毕业于加州大学伯克利分校，在清华大学任教后创业，专注于具身智能领域。

　　韩峰涛表示，创业前并不认识高阳。2023年，他陆续接触了100多人，但多数并不靠谱。他最终决定与高阳携手创业，并称其“绝对靠谱”。

　　2024年1月，千寻智能（杭州）科技有限公司成立。2024年7月，成立不久的千寻智能Moz0初代机器人诞生。这种强强联合的创始团队，叠加热度高涨的赛道与快速落地的产品，使千寻智能迅速吸引资本关注。

　　2024年8月，千寻智能官宣先后完成近2亿元的种子轮+天使轮融资。其中，种子轮由顺为资本和绿洲资本投资（天使轮继续跟投）；天使轮融资由弘晖基金领投，达晨财智和千乘资本跟投。

　　2025年3月，千寻智能发布Spirit V1 VLA模型（视觉-语言-动作模型）抢先版。搭载该模型的机器人能够流畅完成叠衣服的全流程操作及连续长程复杂任务，当时在国内尚属首次。

　　于是，各路资本纷至沓来。2025年3月，千寻智能完成5.28亿元Pre-A轮融资，由阿美风险投资旗下Prosperity7 Ventures（P7）领投，招商局创投、广发信德、靖亚资本、东方富海、华控基金等多家机构深度参与。

　　2025年6月，千寻智能Moz1（小墨）机器人正式发布。Moz1依托全身26个自由度的配置，配备高精高速WBC算法实现负载自重比1:1，通过多维度数采设备实现全身零延迟遥操作，支撑模型小时级迭代，形成数据闭环系统。

　　资本持续加注。2025年7月，京东宣布领投千寻智能Pre-A+轮融资，金额为近6亿元人民币。

　　为推动具身智能行业发展，2026年1月，千寻智能效仿“DeepSeek”的开源策略，将Spirit v1.5模型开源。

　　千寻智能因此再度吸引资本重注，即本次官宣的近20亿元融资。回溯来看，千寻智能在不到两年时间内连续完成6轮融资，总融资额超33亿元，总体估值一举突破百亿。确实不简单。

　　当具身智能行业发展进入深水区，千寻智能凭借开源模型与数据积累，构筑起双重技术护城河，这也是千寻智能获得不同类型资本共同青睐的重要因素之一。

　　2026年1月，千寻智能在模型研发层面取得行业突破性成果。其开源模型Spirit v1.5成为中国首个超越Pi0.5的开源具身模型。这意味着，国内具身智能模型能力首次在公开评测中超越美国头部玩家。

　　据了解，与依赖特定场景训练的传统模型不同，Spirit v1.5展现出强大的零样本泛化能力。

　　其无需接受新样本训练，即可完成擦拭物体表面、操作铰链物体、操作柔性物体等复杂技能。这种“举一反三”的能力，使其在处理多样化任务时表现出色。

　　“我们坚持‘数据金字塔’训练理念，在预训练阶段没有走传统‘世界模型’预测每一帧的老路——那条路算力消耗巨大且效率不高。我们选择基于海量人类互联网视频进行预训练，在更少参数量下实现更好效果，显著降低算力成本。”千寻智能联合创始人高阳说。

　　在数据采集层面高阳补充道：“我们通过自研设备将数据采集成本降低了90%，这才有了海量真实世界数据的规模化落地。正是这些技术能力的叠加，让Spirit v1.5成为全球首个性能超越Pi0.5的开源基座具身模型。”

　　目前，千寻智能已累计获取20万小时高质量多类型真实交互数据，覆盖互联网人类视频、遥操作、可穿戴设备采集、真机rollout等类型，预计2026年该数据规模将突破100万小时。

　　长期以来，数据积累成本高昂且耗时繁琐，是具身智能创业公司普遍面临的难题。千寻智能自2025年7月起就确定了数据Scaling Law的技术路线，并开始进行可穿戴数采设备的研发和相应理论的验证。

　　通过该自研设备，团队目前已搭建起完整的数据采集-清洗-训练闭环，将具身智能数据采集成本降低10倍，仅为传统遥操采集方式的10%。

　　更为关键的是，当行业普遍追求高质量数据时，千寻智能提出“Dirty data is the key to scaling VLA models”的反直觉观点。通过在多样化“非完美数据”上的训练，团队发现了斜率更高的Scaling曲线——数据的多样性，远比“干净”本身更具价值。

　　从全球视野来看，千寻智能所聚焦的VLA技术路线，与全球头部玩家高度契合。Google DeepMind、Pi都在致力于打造通用的操作类型大脑，也就是在 VLA路线上进行持续投入。

　　据悉，Pi最近开始展示基于人类视频学习的技术，这也印证了人类视频数据是非常可Scalable且宝贵的数据源；Figure也正在与美国的一些地产商进行合作，广泛采集大批量的人类行为数据。

　　他们也计划通过视频的形式，海量地去scale数据的量级；Skilled公司正在打造通用的跨本体具身智能大脑。

　　他们的期待是跨越四足、双足、轮式底盘等各种物理硬件形态，构建包含Navigation和Manipulation的通用大脑。

　　千寻智能自两年前即坚定投入人类视频数据方面，在这场数据军备竞赛中占据先发优势。

　　可以看出，模型与数据的双重壁垒，正是其跻身具身智能“百亿独角兽俱乐部”的核心底气。

　　本轮融资后，千寻智能将持续加大具身基础模型与真实数据体系投入，深化产业生态共建。

　　千寻的20亿融资，似乎是去年具身热度的延续，真相可能正好相反。这个赛道，不是大家看到的升温，而是在慢慢的降温。

　　据中国信通院显示，2025年整年，具身智能赛道融资总额超过735亿，投资事件多达740起，平均每天都有两起投资，热度直追当年的新能源；而其中实现工业落地的不到10家。

　　其它公开数据显示，2025年Q3具身赛道融资额同比大幅下降42%，融资事件减少35%，早期项目融资占比从2024年的68%骤降至32%。

　　与走低的具身企业相比，头部企业最显著的特点是：不卷参数、模型性能，场景明晰，落地性强。

　　在大模型赛道，近期智谱AI、MiniMax同时IPO，同时创下3000亿市值纪录，核心在于商业闭环、前景明晰，前者有大体量的政府用户，可充分实现国产替代；后者则是验证了商业化能力——能造血养活自己。

　　比如与千寻同期融资的智平方，同样被资本热捧，B轮融资10亿，号称对标特斯拉，机器人产品也早已进汽车工厂“搬砖”。

　　具身智能市场已经改变，变的不是资本热情，而是评价的标准更具体，更朴素。市场不需要知道领先的参数，而需要知道解决什么问题、降低多少成本、扩大多少产能。

　　一些垂直场景的具身智能，往往有着相同的职责：代替人在严苛环境下工作，如水下机器人要为船只清理藤壶、维护风电设施、海底光缆，在发展海洋经济中前景光明；

　　通用具身智能，也在经历着“出实验室-登上舞台-进厂-进家”的演化路线：今天进厂打螺丝，未来3-5年可能进入家政、养老市场。

　　站在2026年初回望，具身智能已经不再是纯粹的“未来叙事”。机器人正在被拉进工厂、仓库和产线，但距离真正的大规模产业化，这条路还有多远？

　　第一是数据瓶颈。人类模态从语言到视觉再到行动存在巨大鸿沟，两岁小孩都能完成的搭积木动作，对机器人来说仍然困难重重。训练数据的规模和多样性远远不够，而采集成本又居高不下。

　　千寻智能通过自研采集设备将成本降低90%、并提出“非完美数据”策略来扩展数据规模，是目前行业内为数不多的系统性回答之一。

　　第二是从Demo到量产的鸿沟。大量公司可以在实验室里展示炫酷的动作视频，但要在真实工业环境中保持7×24小时稳定运行，面临的挑战完全不同，包括温度、振动、工件偏差、不确定性，每一个变量都可能导致失败。

　　千寻智能在宁德时代产线上验证了这种能力，但这种验证目前仍然是个案，规模化复制还需要时间。

　　第三是商业模式的闭环。一位投资人曾指出，具身智能技术真正进入工厂和家庭可能还需要3到5年甚至更久，在此之前，企业不可能永远依赖一级市场融资。谁能率先跑通“技术闭环-量产能力-数据回流-商业闭环”的正向循环，谁才有资格留在牌桌上。

　　千寻智能选择的VLA路线，是一条被公认为天花板最高、但门槛也最高的路。它追求的是通用具身模型，让机器人具备理解物理世界的能力，而不只是执行特定任务的工具。

　　这条路的终局指向的是一个更宏大的命题：当机器人真正具备零样本泛化能力，它就不再是“专用设备”，而是“通用劳动力”。

　　高阳曾公开表达过一个判断：我们正处在“Robot GPT-1”阶段，四年后可能达到3.5阶段。他也坦言，在一个相当长的时间内，大多数具身智能只能达到“有限场景内的L4”，广泛场景的通用智能还不现实。

　　这种清醒的技术判断，也许正是投资人愿意押注的原因之一。返回搜狐，查看更多