中国版 Figure AI，再次震动创投圈

摘自 向欣 星河频率

时隔一年，银河通用又创下了国内具身智能领域的融资记录，震动整个创投圈与具身智能行业。

6 月 23 日，银河通用宣布完成新一轮 11 亿元融资，由宁德时代领投，溥泉资本、国家开发银行国开科创、北京机器人产业基金、纪源资本等顶级投资方参投。

这也是自 2024 年以来，国内具身智能赛道最大的单笔融资。往前追溯，上一笔如此高额的交易，还是 2023 年优必选获得的 8.2 亿美元 D 轮融资。
这样的「高光时刻」对银河通用而言已不是首次。
2024 年 6 月，银河通用宣布完成了 7 亿元天使轮融资，创下了 2024 年国内最大天使轮的记录。

同年 11 月，银河通用又获得了 5 亿元战略轮融资。
银河通用融资的融资轮次并不算多，但作为一个成立仅两年的企业，每次都能获得大额融资，已经累积融资超 24 亿元，吸金能力称得上是国内版 Figure AI。
今年 4 月，银河通用创始人王鹤透露，截至 2025 年上半年，银河通用已经成为估值 10 亿美元（约合人民币 71.6 亿元）的独角兽。

资本的偏爱从来不是无的放矢。银河通用之所以能在短时间内获得如此高密度、高额度的资金加持，靠的不仅是创始团队亮眼的履历，更关键的是，他们找到了具身智能可商业化的那条现实路径。
这也意味着，具身智能已不再是单纯「讲故事」的概念阶段，而是开始在产业实践中「见真章」。

近 40 家投资机构追着投

银河通用背后，已集结了近 40 家投资机构，投资机构数量为现今具身智能初创企业之最，涵盖市场化基金、政府背景基金、产业投资方以及高校相关基金，形成了当前具身智能创业公司中最全的一套「资本联盟」，还聚齐了北京、上海、深圳、香港等地政府背景基金。
市场化投资机构：经纬创投、蓝驰创投、IDG 资本、启明创投、源码资本等；
国家/地方政府基金：中网投、中关村科学城、京国瑞投资、上海人工智能基金等；
战略及产业投资方：宁德时代、美团战略投资部、商汤国香资本、容亿投资、恒旭资本等；
高校/科研基金：北大资产、燕缘创投。

这些机构的追投意愿也非常强，有 13 家进行了追投，有的更是连续三轮押注，如蓝驰创投、雅瑞资本。而经纬创投、IDG 资本、北汽产投、招银国际资本等老牌机构也不止一次加码。
如此高频的追投，其背后反映的，是一种明确的集体判断——这家公司具备穿越周期的能力。而这份信任，首先来自于对团队的信心。
银河通用的两位创始人组合堪称「技术+产业」的经典范式。
一位是曾在斯坦福深耕具身智能研究的科学家王鹤；
另一位是出身 ABB、拥有千万级硬件出货经验的产业老兵姚腾洲。
王鹤拥有清华、斯坦福双名校背景，师从美国三院院士、计算机图形学与机器人学领域的泰斗 Leonidas J.Guibas 教授。

回国后，他担任北京大学前沿计算研究中心助理教授、博士生导师，并主导成立了具身感知与交互实验室（EPIC Lab），也是北京智源人工智能研究院具身智能研究中心首任主任。他代表着中国具身智能学术力量中最前沿的那一拨人。
另一创始人姚腾洲曾就职于全球工业机器人龙头 ABB 集团上海机器人研发中心，从事多年的工业和服务机器人研发工作，拥有销量千万级智能硬件产品的量产经验。在设计、制造和销售硬件产品方面积累了丰富的行业经验。
与多位从自动驾驶转入具身智能领域的产业老兵不同的是，姚腾洲来自传统机器人领域，更清楚传统机器人的智能化困局和具身智能机器人的应用潜力，不仅对机器人技术有透彻的了解，对机器人应用落地场景也有深刻的洞察。

仿真技术路线：
一周可生成 10 亿级数据

资本对于银河通用的第二层认同，来自其在技术路径上的差异化选择——使用仿真合成数据训练模型。
当前具身智能面临的最大技术瓶颈之一，就是缺乏低成本、高质量、可泛化的训练数据。
遥操采集的真机数据虽然具有高度的真实性与可靠性，但耗时耗力、成本极高、场景覆盖度有限。
例如，谷歌为了研发 RT-2 机器人模型，耗时 17 个月，花了上千万美元，才收集 13 万条真机数据，但当场景从特定厨房切换到工地等复杂场景后，任务成功率便从近 98% 降至 30%。

采集互联网视频数据虽然便捷，但视频中的人体动作又通常与机器人的关节约束和运动学不匹配，缺乏物理一致性与可控性。
相比之下，仿真数据能大规模、低成本生成，同时具备高度可控性与自动标注能力。
问题在于，合成数据和现实世界之间始终存在「仿真鸿沟」，模型在训练时的成功率，往往在现实部署中大打折扣。这也是许多企业尝试了仿真后又转回真机路线的原因。
而银河通用王鹤已经在高质量仿真合成数据这条路上埋头研究了 9 年，团队自研了一套完整的仿真合成数据生成管线，能在一周内生成 10 亿级别的数据，数据生成效率是传统真机采集的上千倍，并在 NVIDIA Isaac 平台的基础上，进一步提高数据的物理真实性和物理渲染的并行度。

正是在这一数据体系支撑下，银河通用先后推出了三大具身智能模型。

这三大模型，分别覆盖了机器人「动脑、动手、移动」的三项核心技能，其共同的特点是「零样本泛化」能力，即无需专门训练，即可在新场景或新任务中迅速执行。
这些模型所具备的高度泛化能力，为银河通用在多元场景中快速部署打下了坚实基础。

商业化是第一要义

资本对银河通用的第三层认同，来自它始终把商业化作为技术落地的起点与归宿。
简单来说，就是从创立起就开始考虑 PMF（产品与市场匹配），奔着能卖出的目标，一边研发，一边寻找落地的场景。

这种策略，一方面表现在硬件形态的选择上：银河通用从使用场景和实际需求倒推硬件设计，不做双足，做轮足，主要聚焦上肢操作能力。
王鹤认为，从实际使用去考虑，轮式机器人的成本和稳定性都远胜于双足。同等身高下，两条腿的 BOM（原材料成本）比一个轮式底盘贵十倍。双足不仅成本高昂，而且在多数场景中并非刚需。

况且，人类上肢功能占全身功能的 60%。做好机器人上肢操作能力对于大部分场景而言已经具备实际应用价值。
他们的首款产品 Galbot G1 是一台轮式双臂机器人，能够执行家庭场景中的倒饮料、套衣架，零售场景中的取药、补货，以及工业场景中的天窗转运、拆跺、料箱转运等工作。

此外，银河通用的机器人本体较为稳定，尚未公开迭代。
这也反映出，与同为具身智能头部企业的宇树科技、智元机器人、傅利叶智能不同，银河通用优势在于大脑，而其他三家企业的优势更倾向于研发多样化的本体。
以商业化落地为导向的策略，另一方面表现在银河通用的产品能力较为聚焦，不做全能型机器人，而是首先聚焦「移动-抓取-放置」的闭环操作。
技能虽简单，但银河通用具身大模型的场景迁移性和和物体识别泛化性极强，使得产品具备可批量复制的潜力。

王鹤介绍，部分厂商虽然展示了非常多样化的技能，但其背后高度依赖特定数据采集环境：一旦更换场景或物体，模型往往难以稳定工作。
而抓取、放置、移动虽然是基本动作，但在零售前置仓和车企 SPS（分拣配料系统）等高频场景中，「抓—放—移动」式作业需求极为庞大，仅工业分拣一项，潜在出货量就可达数十万台。

银河通用目前选定了两类场景：零售与工业场景。
这些场景中分拣的需求高度重复，意味着可以批量化部署，技术一旦成熟，复制成本将迅速下降，形成「技术+硬件+落地场景」的飞轮效应。
王鹤认为，以全球工业机器人年产值约 1000 亿美元、出货量也不过数十万台。如果「抓—放—移动」式机器人在这些场景全面落地，其市场规模有望与传统工业机器人比肩甚至超越。

在零售场景方面，2024 年 9 月，银河通用就和美团宣布战略合作，联手打造全球首个人形机器人智慧药房解决方案，也就是让机器人在 24 小时的药店中完成取货、送货、补货等操作。

今年 3 月，银河通用发布全球首个人形机器人智慧零售解决方案，这一方案具备以下亮点：
自动化程度高：由轮式双臂机器人 Galbot 全天候在 50 平米的无人店铺自动执行全流程任务；
可处理高复杂度任务：可执行 5000 种商品种类、6000 个货道、10000 多盒商品的盘点、补货、取送、打包等任务；
部署快：单个新门店部署仅需 1 天。
目前，银河通用的机器人已在北京近十家店实现部署和常态化运营，年内有望在全国百家门店投入使用。

在工业场景方面，银河通用已与奔驰、极氪等头部车企合作，并在今年 6 月，与全球工业巨头博世集团旗下博原资本共同成立合资公司「博银合创」，同时与博世中国、博原资本签署三方战略备忘录。该合作将聚焦工业制造场景，加速具身智能机器人在汽车工业中的规模化落地。

王鹤介绍，今年，银河通用应该有数亿元收入。一台银河通用的机器人价格大约为几十万，能够替代客户「三班倒」三年的人力成本。
他也认为，在三年内，我们能够看到 1 万台人形机器人完全自主地干活，替人类在封闭环境里进行 24 小时的工作。

具身智能赛道从不缺少光环和幻想，缺少的是清醒和确定性。很多公司都希望将技术拉长到最远的未来，却忽视了如何穿越今天的真实场景。
银河通用的特别之处就在于，它并未选择一条高举高打的路径，而是从「手」开始，从「抓取」开始，把模型的能力一步步兑现为可售卖、可复制的产品。

无论是数据路线的差异化、模型泛化能力的验证，还是硬件产品的真实部署，银河通用都展现出一套「先想好怎么落地再设计技术」的路径，这或许正是它短短两年吸引近 40 家投资机构、数十亿资金追投的根本原因。
从某种意义上讲，这不仅是一家公司的融资事件，更是一条具身智能可行之路的首次验证。

在技术光环与资本热度交织的 2025 年，银河通用的经验，给具身智能行业通往规模化落地又提供了一把钥匙。