10亿到手！中科大、斯坦福校友，苹果前高管入局通用机器人

5月6日消息，RoboScience机器科学近日完成了10亿元人民币A轮融资，投资方涵盖多家国内外知名产业巨头及一线财务机构。

公开资料显示，RoboScience于2024年底注册，2025年3月正式运营，距今不过一年半。从种子轮到A轮，累计融资已超13亿元，成长速度在行业内居于前列。

据消息人士透露，RoboScience 的新一轮融资也接近完成，投资方包括互联网产业资本、国家队基金及顶级财务机构。

PART.01

创始团队：苹果＋斯坦福的“降维打击”

创始人兼CEO田野，本科中科大物理学院，硕士斯坦福AI Lab，师从吴恩达。更关键的是，他曾在苹果公司担任AI Platform技术负责人，带队打造了被内部誉为“苹果的PyTorch与CUDA”的核心基础设施平台。

这个经历很有意思。苹果不是一家传统的AI公司，但它的AI产品落地能力极强——App Store背后是全球数百万开发者的生态，AI技术要在这样的环境下跑通，难度不亚于任何一家纯AI公司。

田野选择创业的逻辑也很直接：苹果证明了“AI技术＋产品落地”这条路是通的，但具身智能领域的“产品落地”还远远没有实现。

首席科学家邵林，博士同样来自斯坦福AI Lab，师从Jeannette Bohg，联合导师是Leonidas J。 Guibas——几何计算的顶级学者。目前他在新加坡国立大学计算机系担任助理教授，提出了UniGrasp深度神经网络架构，成为数据驱动灵巧手抓取的基准性方法。

学术圈的都知道，在机器人操作领域，ICRA最佳论文奖的含金量极高。2025年，RoboScience团队提出的D（R，O）Grasp拿了ICRA机器人操作与运动最佳论文奖——这是近5年唯一来自亚洲的获奖团队。2026年，他们的T（R，O）Grasp再次刷新全球SOTA，入围ICRA 2026。

那么，学术成果能不能真正转化为产品？

从团队背景看，核心成员来自斯坦福、中科大、港大、上交大、新国立等高校，以及苹果、商汤、科沃斯等企业。产学研的闭环在这里形成了——邵林在学术端持续输出，田野在产业端负责落地，中间还有一批从头部公司出来的工程化人才。

PART.02

VLOA大模型的差异化路径

具身智能行业，大部分公司在讲“视频生成”或“世界模型”的故事，核心思路是“让机器人先'看'到要做什么”。

这个思路本身没问题。但问题在于，视频预测关注的是“机器人的视角看到什么”，而不是“物体的状态发生了什么变化”。

RoboScience的技术路线不太一样。他们的大模型叫VLOA——Vision－Language－Object－Action，字面意思就是把物体（Object）单独拎出来，作为连接视觉、语言和动作的中介。

具体来说，VLOA引入了一个叫“Object Trajectory”的概念——物体3D点云轨迹。不是让机器人预测“我要做什么的动作”，而是预测“这个物体接下来会怎么移动”。

这个区别很关键。比如你要让机器人把一个杯子从桌上拿起来。视频预测的思路是：机器人先想象自己伸手、抓住、抬起的画面。物体轨迹的思路是：机器人先预测“杯子会沿着什么轨迹移动”，然后把自己的动作适配到这个轨迹上。

两种思路都能完成任务，但第二种更符合“物理因果”——机器人的动作是因，物体的移动是果，抓住“果”比模拟“因”更容易泛化。

VLOA的架构分为两层：上层是具身世界模型，负责“认知＋预演物理轨迹”；下层是通用操作模型，负责“把轨迹转化为不同机器人的控制信号”。

这样的设计让RoboScience的操作模型具备了几个关键能力：支持刚体、铰链体、1D／2D／3D可形变体；支持跨本体操作——也就是说，同一个模型可以适配不同的机器人硬件；支持闭环操作和视觉、触觉、力觉多模态感知。

从数据积累看，RoboScience目前有“数百万小时以物体为中心的高维多模态操作数据集”，每周还在新增数十万小时，目标是2026年达到上千万小时。仿真数据方面，他们自研了多模态物理引擎，已经有数百亿次高质量操作轨迹数据，目标是2026年达到1万亿次。

这也就意味着他们的模型是在“海量数据＋物理仿真”的双重加持下训练的。不同于纯视频数据，仿真数据可以精确标注“物体状态变化”，而这正好是VLOA的核心需求。

PART.03

14个月从0到“本体＋大脑”

通常来说，创业公司会先选择一个切入点——要么做本体，要么做大脑。

而RoboScience选择两个都自己做，"软硬一体"。

他们将在近期发布自研机器人本体，涵盖零售、物流、工业与家庭等场景。配合VLOA大模型，形成了“软硬一体”的完整闭环。

这个策略有风险。软硬一体意味着同时做两件很难的事：硬件的工程化量产和软件的能力泛化。行业里折在这上面的公司不少。

但换个角度看，软硬一体也有它的逻辑。

现在行业里的问题是：本体公司和大脑公司互相不信任。本体公司觉得“模型公司不了解硬件”，模型公司觉得“本体公司不懂AI”。这种割裂导致“本体＋大脑”的整合方案很难真正落地——出了问题，双方互相推诿。

RoboScience的选择是把两个能力都握在自己手里。这需要更高的研发投入，但好处是出了问题只有一个责任方，迭代速度会更快。

有意思的是，RoboScience的商业模式不只有“软硬一体”这一条路。他们还提到了“模型即服务”的潜在模式——API调用和解决方案授权。

如果VLOA的能力足够通用，这种授权模式是有想象空间的。想象一下：一家工业机器人公司，不需要自己训练大模型，直接调用VLOA的API，就能让自己的机器人具备灵巧操作能力。这比“软硬一体”更轻，但前提是模型能力足够强。

两条腿走路。这是RoboScience的商业策略。

PART.04

2026年的具身智能走到哪一步了？

2026年以来，国内具身智能领域公开融资总额已超345亿元。这个数字不小，但更值得关注的是结构变化——资本从整机向关节模组、传感器、灵熟手等上游核心部件渗透。

也就是说，行业正在“下沉”。不再只是“我要做一台人形机器人”，而是开始关注“机器人的手能不能灵巧抓取”、“机器人的关节能不能精准控制”。

这个趋势对RoboScience是利好。他们的技术路线恰恰是围绕“物体操作”展开的——抓取、操控、交互。这不是做一台“看起来像人”的机器人，而是做一台“能真正做事”的机器人。

另一个趋势是，行业从“技术演示”转向“规模量产”。星动纪元联合中国邮政、顺丰，已经在10余个物流中心落地，Q2开启千台级批量交付。

量产意味着什么？意味着产品要经受住真实场景的考验，不是实验室里跑几个demo就能交代的。

RoboScience还没有公布具体的量产计划，但他们的技术路线和产品策略，都指向“能够量产、能够落地”这个目标。14个月走完从0到“本体＋大脑”的闭环，速度不慢。

技术会迭代，资本会进退，但最终能穿越周期的，一定是那些真正解决实际问题、创造真实价值的企业。

未来，RoboScience软硬一体的模式，能不能真正跑通？VLOA的技术路线，能不能在更多场景验证？跨界团队的优势，能不能持续转化为产品竞争力？

我们期待着最终的答案。

文章来源：GEIA全球具身智能观察。