智平方B轮融资破10亿：高频融资背后的百亿估值逻辑

中经记者 陈靖斌 广州报道

在全球人工智能技术由算法智能迈向具身智能的关键阶段，行业重心正由“模型突破”转向“产业落地”。资本的态度也随之发生变化——从对概念的追逐转向对验证能力的审视。在这一背景下，2026年2月23日，智平方宣布完成B轮融资，融资规模超过10亿元人民币，公司估值突破百亿元。

这一轮融资，并非孤立事件。自2025年以来，智平方在一年内累计完成12轮融资。在硬科技投资趋于理性的周期里，如此高频的融资节奏，构成了与行业惯常路径不同的资本曲线。

智平方在回复《中国经营报》记者的函件中，对一年内完成12轮融资的动因给出了直接表述：“一年12轮融资的核心目的只有一个：持续拉开GOVLA与同行的代差。”这一表述，将融资频率与技术代际竞争直接挂钩。换言之，资本并非单纯用于规模扩张，而是被纳入技术路线竞争的时间变量之中。

融资热背后的技术与产业路径

智平方成立于2023年4月。三年时间内，公司从一个技术创业团队成长为估值达百亿级别的企业，其资本进阶路径几乎与具身智能赛道的热度同步上行。

2025年成为智平方融资密集释放的一年。上半年，公司连续完成Pre-A、Pre-A+及A+轮融资，引入达晨财智、敦鸿资产、普华资本等机构，单轮融资规模从过亿元到数亿元不等；下半年A系列及后续轮次中，深创投、国中资本、南山战新投、华熙生物等相继入局。至B轮系列收官，智平方累计完成12轮融资，估值跨越百亿门槛，成为深圳首个达到百亿估值的具身智能企业。

记者梳理发现，仅2025年上半年智平方便完成7轮融资，一年扩展至12轮，在具身智能赛道中属于节奏偏快的资本推进轨迹。值得注意的是，B轮投资方结构呈现出明显的多元化特征：既包括互联网平台型企业百度，也涵盖央企资本中国中车，以及产业协同方宇信科技、森麒麟，同时还有国泰海通基金、沄柏资本等财务投资机构，多家老股东亦持续加注。资本结构的变化，与公司由技术验证迈向产业部署的路径形成呼应——从单一财务支持，逐步过渡到产业资源、场景能力与供应链协同的系统布局。

对于资金用途，智平方在回函中表示，将重点投向三条主线：其一，算力与训练体系升级，以支撑模型的高频迭代；其二，建设真实场景数据平台，加速“正反金字塔”体系由冷启动向规模化反向闭环演进；其三，扩大产业级部署规模，让更多机器人进入工厂与公共空间，持续采集高价值作业数据。整体逻辑并非单点技术突破，而是围绕“数据—模型—部署”的循环体系强化。

B轮融资对公司而言亦具有阶段性意义。智平方相关负责人表示，本轮资金将支撑自有产线从千台级迈向万台级规模，核心目标在于通过规模化实现成本结构优化。公司坚持软硬件垂直整合路径，通过核心部件自研定制、国产替代及战略伙伴协同降低关键依赖；以量产为导向进行正向设计，减少结构冗余，从源头控制BOM成本。规模扩张带来的采购议价能力提升与良率改善，将推动单机成本随产能提升而自然下降。“我们强调真实交付与现金流健康，而非盲目扩张。量产能力本身，是对估值泡沫最有效的缓冲。”上述负责人称。

不过，资本高密度推进并未消解产业落地的结构性难题。

在2025年3月举办的第三届具身智能机器人产业发展论坛上，有专家指出，目前机器人在真实工业环境中的部署仍以试点为主，其在数据稀缺条件下的复杂任务泛化能力、动态场景控制精度以及人机协作安全等关键能力尚未完全突破。

2025年8月举行的具身智能与机器人技术论坛上，北京智源人工智能研究院郝孝帅等专家亦表示，大模型在规划、导航与操作层面虽已有探索，但要实现持续、稳定的工业级部署，仍需大量长期验证数据作为支撑。

2025年11月，由中国计算机学会举办的CCF技术前线论坛上，多位从事具身智能研发的专家进一步指出，尽管产品迭代加快，在结构设计与硬件耐久性方面有所进展，但机器人系统在真实工况下的任务泛化与连续操作能力仍存在明显约束。论坛同时强调，大规模合成数据与真实场景数据之间的质量一致性、力觉反馈模拟等关键技术尚待突破，控制算法与感知模型在动态环境中的稳定性仍需提升。整体来看，现阶段机器人更多依赖受控测试环境，与自主处理非标准化工业任务仍有距离。

对于行业普遍关注的“长尾问题”，智平方在回函中回应称，解决路径不在实验室内堆积样本，而在于高频真实作业场景的持续验证。公司未来融资将优先投向场景规模化与数据资产沉淀，推动模型泛化能力由“可运行Demo”向“工业级稳定生产力”演进。

瓶颈约束下的突破路径探讨

融资节奏的持续提速，并不意味着产业难题随之化解。相反，随着资本加速入场，具身智能在数据质量、模型泛化与规模化制造等层面的结构性瓶颈愈发清晰。资金可以缩短研发周期，却无法替代工程验证与产业磨合。在这一背景下，围绕行业真实进展与潜在约束的讨论，也逐渐从“技术叙事”回归到“落地能力”。

浙大城市学院副教授、中国城市专家智库委员会常务副秘书长林先平在接受记者采访时指出，数据规模与数据质量、长尾场景泛化能力以及量产成本控制，仍是具身智能企业普遍面临的三重约束。尤其是在从技术领先向规模化过渡的阶段，模型的跨场景适配能力、产线爬坡效率与单机经济性验证，往往比实验室性能指标更具决定性。

这一判断同样适用于正处于扩张阶段的智平方。公司创始人郭彦东此前公开表示，在硬件量产爬坡阶段，距离消费级“iPhone时刻”仍需5—7年时间。这一表述某种程度上为行业预期“降温”——具身智能的商业化拐点并非一蹴而就，而是需要穿越漫长的制造与成本曲线。

苏商银行特约研究员张思远则从资本结构与产业组织方式出发，对智平方的路径进行了另一层解读。在他看来，公司已形成“技术壁垒+产业协同+资本分层”的组合模式：前瞻性技术路线吸引平台型企业入股，产业资本提供场景资源，财务资本则放大估值弹性；分阶段融资与订单验证同步推进，有助于强化资本市场信心。

不过，张思远也提醒，同类企业在融资过程中需警惕两种风险：一是过度依赖单一投资方导致控制权结构失衡；二是在技术尚未充分验证前抬升估值，从而埋下后续融资断层隐患。资本结构的稳定性，本身也是产业长期性的组成部分。

对此，智平方方面亦在回函中表示，具身智能本质上是一条长期赛道，高研发投入是构建基础模型壁垒的必经阶段。公司的策略是“技术压强+商业闭环”并行：一方面持续加码算法、数据与算力投入，保持GOVLA代际领先；另一方面通过工业与公共服务的真实部署，形成现金流与数据回流。

“面对同质化竞争，我们坚持端到端VLA与软硬一体化的差异路径，不做拼装式方案。融资不是目的，而是构建数据、算法与算力飞轮的工具。只要真实场景持续扩张，保持大模型能力的持续领先，我们的长期竞争力就会持续强化。”智平方相关负责人向记者表示。

（编辑：赵毅 审核：童海华 校对：刘军）