20亿融资，百亿估值加冕！千寻智能开年引爆具身智能赛道

允中 发自 凹非寺
量子位 | 公众号 QbitAI

具身智能被视作AI真正进入物理世界的关键一跃。

但这关键的一跃，并不是谁都能跳过去。

近日，千寻智能完成两轮融资近20亿元，估值突破百亿大关。

翻看名单，云锋、混沌、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”。

而千寻智能的这轮集中爆发，恰好踩在了这个分水岭上。

新老股东重金加码，千寻智能以真实场景落地构建核心壁垒

具身智能赛道的热度，正通过头部玩家的融资动作具象化。

根据千寻智能披露的新一轮融资细节，其资方阵容覆盖了顶级资本、产业巨头、国有资本及战投大咖。

从具体名单看：

• 云锋基金、某头部国资机构、混沌投资（葛卫东）、红杉中国等超一线机构重磅入局；
• Synstellation Capital、TCL创投、明荟投资（汇川技术董事长朱兴明家办）等产业资本协同加注；
• 重庆产业投资母基金、杭州金投等国有资本鼎力支持；
• 360基金、厚雪资本等战投机构共同参与。

值得注意的是老股东的追加力度——

顺为资本、Prosperity7、达晨财智、柏睿资本、弘晖基金、华泰紫金、东方嘉富、千乘资本、广发信德等老股东全部选择继续大额认购，其中Prosperity7、顺为资本都是连续多轮加注。

这种“新机构入场+老股东跟投”的闭环，在当前具身智能融资泡沫初现的背景下尤为难得——

数据显示，国内人形机器人相关企业已超150家，但半数以上处于初创或跨界阶段，研发重复与产品同质化问题日益凸显。随着政策引导与市场筛选，行业正进入首轮洗牌期。

资本向头部靠拢的背后，是对企业工程化能力的考量。据中国信通院数据统计，2025年国内具身智能融资总额虽达735.43亿元，投资事件超740起，但真正实现工业级落地的企业不足10家

千寻智能在突围中能够胜出，很大程度上归因于其“真实场景落地+开源生态”的差异化路径。

在资本市场回归理性的当下，能否实现从技术原型到工业场景的闭环，成了衡量具身智能公司成色的一道硬门槛。

对于此次融资，云锋基金执行董事董怀谨表示：

• 专属物理世界的AI大脑是具身智能实现跃迁的重要前提，而穿越周期的核心壁垒来自于技术对生产力的实际创造
• 高阳作为新一代具身智能科学家，牵头打造AI基础模型与自研核心设备，高效高质地推动“多样数据—基础模型—真实场景”的飞轮升级，并基于软硬一体全栈能力在实际产业场景中迭代闭环。
• 期待千寻智能持续深耕Physical AI 基础模型，以技术底座驱动产业场景规模化落地与协同价值释放。

顺为资本合伙人耿益璇表示：

• 顺为长期关注AI与硬科技的交叉创新，千寻智能是我们在这个方向上最早发掘、且连续多轮加注的核心项目。
• 团队兼具顶尖学术底蕴与产业实战基因，更难能可贵的是，他们从一开始就选择了一条“难而正确”的路——用“数据金字塔”理念构建壁垒，用低成本采集破解行业数据瓶颈。正是这种务实的创新路径，让千寻率先跑通了“场景反哺模型”的正向循环。
• 我们坚信，这支年轻的梦之队有望成为定义下一代具身智能的中坚力量。

拆解千寻如何用1/10的成本跑通工业量产

在资本向头部集中的趋势下，千寻智能的技术路径提供了一个观察样本。

其核心逻辑在于通过对“模型+数据”的底层重构，试图解决具身智能行业长期存在的四大痛点：硬件非标化、算法泛化弱、数据成本高、测试平台缺

1、模型层面：零样本泛化突破，跻身全球顶级梯队

2026年1月，千寻智能开源的Spirit v1.5模型成为首个在性能上超越Pi0.5的中国开源模型

这一突破的核心价值，在于其强大的零样本泛化能力

无需接受任何新样本训练，即可自主完成擦拭物体表面、操作铰链物体、插拔柔性线束等复杂任务，展现出跨场景的高效执行能力。

2、数据层面：反直觉创新，构建低成本规模化体系

如果说模型决定了上限，数据规模则决定了具身智能的落地边界。

千寻智能在数据层面的策略较为“反直觉”：不再盲目追求极高纯度的演示数据，而是强调数据的多样性、低成本、可规模化

其提出的“Dirty data is the key to scaling VLA models”（脏数据是VLA模型规模化的关键）理论，打破了行业对数据纯度的盲目追求——

通过在多样化“非完美数据”上训练，千寻发现模型Scaling效率显著提升，泛化能力反而更强。

而且也正是因为这套数据哲学，让千寻所聚焦的VLA技术路线与Google DeepMind、Pi等全球头部公司高度同频，印证了其技术布局的前瞻性。

截至目前，千寻智能已积累超过20万小时的高质量数据，覆盖互联网视频、遥操作、可穿戴设备采集等多种类型。

按照千寻的规划，其2026年数据总量预计将突破100万小时

为了支撑这一数据规模，工程化的数采工具成了关键。

千寻智能自2025年7月确定数据Scaling Law技术路线后，便开始进行可穿戴数采设备的研发和相应理论的验证。

据了解，截至目前，该数采设备已迭代至第5代，将单场景数据采集成本降至传统遥操作方式的10%，为规模化采集扫清了障碍。

这种低成本、可复制的数采管线，正成为具身智能从实验室走向大规模量产的工程底座。

对此，千寻智能联合创始人高阳表示：

• 我们坚持“数据金字塔”的训练理念，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。
• 千寻智能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，显著降低了算力成本。

在宁德时代产线，具身智能完成了“去盲盒化”实测

具身智能的竞争终局，在于能否将顶尖算法与复杂的机器人工程、及商业落地能力相融合。

观察千寻智能的团队构成，可以发现其组织设计试图在“模型、算法、硬件、商业”维度建立闭环：

• CEO韩峰涛作为珞石机器人前联合创始人兼CTO，拥有十余年机器人行业经验，主导交付过超2万台工业机器人，深刻理解制造业场景的真实需求；
• 联合创始人高阳，构建了千寻的技术内核。现为清华大学交叉信息研究院助理教授，主要研究计算机视觉与机器人学。此前曾于美国加州大学伯克利分校获得博士学位，师从Trevor Darrell教授，后于加州伯克利大学与Pieter Abbeel等人合作完成了博士后研究；
• 联合创始人郑灵茵则是工业机器人出海先行者，曾从0到1搭建海外事业部并实现规模化盈利，为千寻的全球化布局奠定基础；
• 骨干成员中，既有来自UC Berkeley、清华、北大的学术精英，也有来自各个顶尖AI公司的工程专家。

团队平均年龄不到30岁，却已在多模态大模型、机器人学、强化学习、模仿学习等领域拥有学术与工程方面的积淀。

这种组织能力的协同效果，在与宁德时代的合作中得到了体现。

目前，全球首条人形具身智能产线已在宁德时代中州基地投运，千寻自研的小墨机器人成为该产线核心设备，主要承担EOL（下线检测）与DCR（直流内阻测试） 工序。近千块电池实现了零故障量产，作业节拍与熟练工人相当甚至更快。

在实际运行中，搭载了Spirit具身智能模型的小墨机器人，展现出三个关键的工程特性：

• 精准适应：可自主应对来料位置偏差、插接点位变化等不确定性，实时调整操作姿态；
• 柔性操作：在插拔柔性线束时，能动态调节力度，确保连接可靠且不损伤部件；
• 高效可靠：插接成功率稳定在99%以上，作业节拍已达到熟练工人水平。

这也意味着，千寻智能从单纯卖硬件，转为输出感知、决策、执行的全栈能力，快速定制以适配不同产线，并实现全球化规模复制。

未来还将覆盖多种电池类型与工艺环节，尝试重塑新能源制造的商业边界。

在商用领域，这一边界还被进一步拓展。

千寻的墨子机器人在京东零售场景中，替代人类进行讲解互动与产品操作演示。

目前，双方正共同探索京东云及Joyinside大模型在大型零售网络中的落地潜力，以期实现技术研发与应用场景的双向赋能。

百亿估值之后：开启具身智能产业化元年

百亿估值之后，千寻智能面对的将是一条更陡峭、也更漫长的技术攀爬之路。

在创始人韩峰涛看来，2026年之于具身智能，就是2023年之于大语言模型——数据和算法开始收敛，模型性能通过Scaling的方式快速攀升，真正的“GPT时刻”正在这一年发生。

而千寻要做的，就是成为这场变革中那个“能干活”的推动者。具体从三方面来看：

首先是模型能力的持续验证

Spirit v1.5在RoboChallenge的登顶，实则是VLA路线在系统性层面的一次逻辑闭环。

此次成绩是在统一硬件与真实任务的压测下取得的，这种“去温室化”的测评，标志着该模型的泛化能力已突破实验室的理想化边界，具备了应对物理世界复杂变量的底层素质。

其次是数据体系的持续深耕

韩峰涛此前曾这样描述千寻的数据野心：

• 就在这栋楼下面，今年就会有一个上千人的数据采集团队，冲击100万小时数据大关。

再者是商业化路径的持续走实

宁德时代产线上的小墨机器人，现已成为具身智能行业罕见的“非Demo”样本。

这背后其实代表着一个更深层的产业逻辑：机器人必须先成为生产力，才能让数据飞轮真正转起来。

韩峰涛将此过程比作自动驾驶的演进——没有智驾功能的车也会有人买，这为边卖产品边采数据提供了可能；而没有大脑的机器人完全没用，所以只有先把能干活的机器卖出去，才能再现当年人们边开车边采数据的过程。

一个值得留意的产业观察点是：千寻智能正在有意识地脱离具身智能早期的“硬件叙事”路径。

在赛道普遍受困于Demo竞赛与卷参数时，千寻将竞争逻辑拉到了以模型为核心的“能力定义”上。

开源动作，本质上是在技术定义期尚未终结时，通过标准输出，先行卡位“通用大脑”的底层生态

这种策略，印证了韩峰涛此前对具身行业的定调：

• 真正的机器人是生产力，不是展品和玩具。

据了解，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的投入，深化产业生态共建。

千寻智能始终坚信，具身智能将成为未来十年的核心基础设施，当机器真正具备物理世界理解能力，人机协作、生产流程乃至社会运行效率都将迎来深刻变革。

在完成阶段性的估值跨越后，千寻此时此刻选择的方向非常明确——

锚定模型泛化与数据规模化，继续做难而正确的事，让机器人真正走出温室、走进工厂、走进生活。

这场变革的终点或许还很远，但至少，方向已经踩实了。