清华系具身智能公司获数亿元Pre-A轮融资，拿下三菱等头部客户订单｜硬氪首发

作者｜黄楠

编辑｜袁斯来

硬氪获悉，具身智能机器人公司Lumos Robotics鹿明机器人（以下简称“鹿明机器人”）近日完成Pre-A1和Pre-A2两轮融资，金额数亿元。我们总结了本轮融资信息和该公司几大亮点：

融资金额及投资机构

融资轮次：Pre-A1、Pre-A2

融资规模：总金额达数亿元

投资方：Pre-A1轮由鼎晖投资领投，南京创投、金景资本、金固股份跟投；Pre-A2轮由申能诚毅投资

资金用途：本轮融资将用于公司在具身智能数据和硬件领域的持续投入

公司基本信息

成立时间：2024年9月

注册地址：广东省深圳市宝安区

企业定位：鹿明机器人长期专注于具身智能机器人及核心零部件的研发、销售，构建了从真机数据采集、硬件本体创新到操作系统模型的全栈能力闭环。依托自研的FastUMI高效数据采集系统与高性能机器人硬件平台，为企业提供覆盖数据、硬件、算法的具身智能基础设施，推动具身智能技术在多领域的规模化落地与商业化应用。

公司聚焦家庭、物流、制造等高价值产业场景，其核心产品涵盖LUS、MOS系列人形机器人，以及机器人关节模组、视触觉模组等关键零部件。

鹿明机器人产品矩阵（图源/企业）

团队背景：创始人兼CEO喻超毕业于清华大学，自2016年起从事机器人学习算法领域研究，曾主导构建追觅科技具身机器人业务，并参与开发了机器狗“铁蛋”等多款消费级机器人产品。CTO曹俊亮是上海交通大学机械工程博士，曾深度参与过多款性能优异的具身机器人产品的研发工作。联席CTO丁琰为纽约州立大学人工智能博士、前上海AI lab明星研究员。目前公司研发人员占比达70%以上，包括十余位博士，是一支拥有深厚产业经验和技术积累的团队。

技术亮点：过去一年，鹿明机器人已推出四款机器人产品，围绕训练数据和硬件本体两大方向，公司已形成了从数据采集、本体设计、运动控制、感知算法到系统集成的全栈研发能力。

真机训练数据是机器人通用操作大脑的关键基础设施，成本、效率与泛化性是其核心考量维度。此前，美国Generalist公司推出的GEN-0大模型，通过27万小时真机数据采集，初步验证了具身智能领域的Scaling Law，但其数据绝大部分依托UMI数采技术获取。鹿明机器人的FastUMI高效数据采集系统，正是对其数采方案的迭代优化与性能跃升。

鹿明机器人数据采集软硬件系统FastUMI Pro（图源/企业）

相较于传统数采技术，FastUMI数采系统可将数采效率提升三倍、成本仅为传统方案的五分之一，精度可达到1-3mm。依托这一核心技术，鹿明机器人已初步完成了1万小时的真机数据积累与基座模型训练，正围绕数据硬件、软件及模型的全链条能力，构建完善的具身数据生态体系。

在硬件本体方面，鹿明机器人推出了高性能模块化机器人平台。其自研的大扭矩密度一体化关节，为业内首个实现了双臂50公斤负载的机器人系统；同时，采用全PEEK材料的摆线关节模组，在实现减重40%、扭矩密度提升60%的基础上，具备低噪音运行特性，为未来的人形机器人多元应用场景提供适配支持。

市场体量

人形机器人市场规模正呈现持续扩张的迅猛态势，根据高工机器人产业研究所（GGII）报告显示，2025年，全球市场规模预计达63.39亿元、中国占比超50%，预计到2030年，全球人形机器人市场销量将接近34万台，市场规模有望突破640亿元。Yole Group机构预测，2030年全球人形机器人市场规模将达到60亿美元，并预计在2035年快速攀升至510亿美元。

业务进度

在产业生态布局上，鹿明机器人已与日本三菱、中远海运等头部企业建立深度合作，并引入复星集团、商汤科技、德马科技、金固股份等具备产业资源的战略股东。

已同三菱等头部企业达成合作（图源/企业）

目前，公司正陆续同智慧物流解决方案及核心部件厂商德马科技、全球航运巨头中远海运等知名企业，就具身智能在物流及智能制造等场景落地、核心部件开发、开拓新的应用场景、推动机器人产业链与创新链深度融合等方面开展合作，加速具身智能在产业中的商业化落地。

创始人&CEO思考

硬氪：鹿明的Fastumi技术已完成1万小时真机数据积累。目前来看，大规模、高质量的真机训练数据在多大程度上决定了具身智能的规模化落地？

喻超：相较于仿真训练，真机训练数据的质量最高，这次GEN0基于27万小时真机数据训练的模型效果就是佐证。

真机训练带来了在复杂物理交互中的高保真动力学信息、对真实环境噪声与不确定性的鲁棒性建模，以及跨场景任务泛化的核心依据，在降低仿真到现实（Sim2Real）的迁移差距、确保动作执行的安全可靠等方面，具有仿真训练无法比拟的优势。因此我们认为，大规模、高质量的真机数据是实现规模化落地的关键。

当前，机器人真机数据采集面临三大核心痛点：采集成本高、效率低、跨本体适配性差。这些瓶颈严重制约了高质量训练数据的规模化积累，进而影响具身智能在实际场景中的落地速度与稳定性。

鹿明的FastUMI技术可以解决上述问题，将数据采集效率提升至传统方法的3倍，成本降至1/5，并达到1-3毫米的精度。这正是在为高效积累此类构建基础设施。

硬氪：如何进一步优化数据采集与模型训练闭环？

喻超：接下来，我们团队将通过以下三个方向持续推进。第一，丰富与拓展硬件产品体系；围绕工业与服务场景的多样化需求，团队正在构建覆盖多类型夹爪、力控/非力控结构及便携形态在内的硬件产品矩阵，以灵活、可配置的解决方案满足不同行业客户的差异化使用需求。

第二，数据与算法能力的系统性升级。在数据采集与处理环节，我们正持续优化全链路流程，构建高标准的数据质量评估体系，强化数据可信度与处理效率，为上层智能化能力的演进提供可靠的数据基础与算法支撑。

第三，为下一代具身智能模型做场景化开发。我们正通过与前沿科研机构合作，逐步融合触觉、力控等多模态数据，推动模型向更高维感知与自主决策能力演进。明年3月初，鹿明机器人计划发布面向工业核心作业场景的新一代模型。

基于数据-整机-场景的三角。通过优质的整机产品，在业务场景中运营，积累真机数据，训练更好的模型，再应用到更广的场景之中，是鹿明整体的业务路径。可以说，我们所有业务都是为了真机数据积累展开。结合商业化进程，在商业化的同时实现真机数据的规模化，这是鹿明机器人1-2年内的主要目标。

硬氪：公司自主研发的一体化关节、轻量化摆线模组等核心硬件，已在负载、静音等方面实现突破。这些技术将如何支撑机器人在工业、家庭等不同场景中的长期可靠运行？在硬件成本与性能平衡上，鹿明有什么样的策略？

喻超：机器人进入家庭，成为消费级的产品时，成本和可靠性非常重要的考量因素，这也是鹿明的硬件在设计时就关注的。在成本与性能平衡上，我们通过从本体到核心零部件再到算法的全栈自研，在保证产品可靠性的前提下实现成本可控，为机器人规模化落地奠定基础。

目前，鹿明机器人已经构建了一套兼顾高负载性能与家庭友好特性的机器人硬件体系。

针对工业场景中物流搬运等重负荷任务，我们开发的一体化关节技术已实现高负载性能突破，以Lumos机器人为例，其双臂负载能力可达50公斤，能够稳定支持高强度作业需求。

面向未来家庭服务场景，我们也推出了轻量化摆线模组，在实现结构减重的同时，显著降低运行噪音并提升安全性能，为机器人在家庭环境中的可靠运行提供技术保障。