数亿融资！90后中科大博士创业，攻坚工规级机器人，科大讯飞站台

4月30日，聆动通用宣布完成数亿元Pre-A轮融资，本轮融资由华义创投领投、讯飞创投持续战略加码，泰达科投、博众精工产投等头部机构跟投。

这笔融资创下了安徽省具身智能领域单笔融资最高纪录。聆动通用成立于2024年12月，一年多完成4轮融资，累计融资超10亿元。

华义创投指出，聆动通用将通用机器人的宏大愿景转化为确定的产业价值，其技术路径与商业化能力均展现出成熟企业的特征。可以说，聆动通用从诞生起就没打算走炫技路线。创始人季超说过：工规落地是具身智能的唯一出路。

PART.01

讯飞系创始人：从首席科学家到创业者

聆动通用的创始人季超，90后，中科大机器人方向博士。2017年毕业后加入科大讯飞，一路做到机器人首席科学家。2024年12月创立聆动通用。

从学术圈到讯飞，再从讯飞到创业——这条路径本身没什么稀奇。但有个细节值得关注：季超在讯飞任职期间，累计实现了数亿元营收。

很多技术型创始人容易犯一个毛病：技术很牛，但不懂商业，季超却不一样。他在讯飞的这些年，不是在实验室里写论文，而是真正下场做过商业化落地。

聆动通用的第一大股东是安徽讯飞云创，持股50.14％，这是科大讯飞的生态公司。讯飞不仅给钱，还给资源——近千人规模的数据团队、成熟的AI基础设施、现成的客户渠道。

很多人觉得背靠大树好乘凉。但问题在于，生态是把双刃剑：用得好是加持，用不好是依赖。

从目前的情况看，季超的处理方式挺聪明的。他没有完全依赖讯飞的资源，而是在讯飞的基础上走出了一条独立的技术路线。

PART.02

工规级路线的反共识选择

聆动通用的技术路线，用一句话概括就是：工规级具身智能。

2026年的人形机器人行业，有个很明显的分化：一派在拼人形——机器人长得越像人越好；另一派在拼智能——大模型加持、AGI赋能、通用场景覆盖。

两种路线都有各自的拥趸。但问题在于，这两派都面临一个共同困境：落地难。

长得像人的机器人，动作是炫酷了，但故障率高、维护成本高，在真实工业场景里根本用不了。大模型加持的智能机器人呢？概念很美好，但真到了车间里，识别精度不够、响应速度跟不上。

聆动通用的选择很直接：放弃炫技，专注能干活。

首先，硬件自研率超过90％。业内普遍的自研率在60％－70％左右。能做到90％以上的，要么是老牌厂商，要么是像聆动这样从零死磕的新势力。

其次，产品定位直指工业场景。LDB01工规级具身智能通用机器人，硬件经过六轮内部迭代，算力、感知、功能安全模块都针对工业严苛环境优化。MTBF工业级平均无故障时长要求连续工作1万小时起。能耐受车间粉尘、温差，满足长时间连续作业。

第三，部署速度够快。最快三周内快速上线部署，无需改造现有产线。很多工业机器人的部署周期在3－6个月，改造产线还要额外花钱、花时间。聆动的方案让客户拿来就能用。

PART.03

双产品线：从卖硬件到建飞轮的商业进化

聆动通用的产品布局很有意思，形成了LDB＋LDT双产品线格局。

LDB系列：LDB01工规级具身智能通用机器人。这是旗舰产品，也是对外展示技术实力的窗口。前面提到的那些技术指标——90％硬件自研率、六轮迭代、万小时无故障——基本都体现在这个产品上。

LDT系列：具身智能采训推一体机。这个产品很多人可能不太熟悉，但它解决的是一个很关键的问题：数据稀缺。

具身智能行业有个痛点：训练模型需要海量真实场景数据，但真实场景数据的采集成本高、难度大、质量参差不齐。LDT系列就是来解决这个问题的——它让客户能够快速建立自己的数据采集和训练体系。

目前LDT已经在多个公共具身智能数据采集训练场、企业私有化训练场、高校科研机构落地。

这两条产品线的逻辑不是孤立的，而是形成了一个飞轮：

• LDB卖出去，在客户现场跑起来；

• 跑起来的过程产生真实场景数据；

• 数据回到聆动的训练平台，迭代模型；

• 模型升级后，LDB性能更强，LDT能力更强；

• 更好的产品带来更多客户，更多客户产生更多数据。

这就是数据飞轮的核心逻辑。博众精工副总裁韩杰说过：聆动是行业内少有能实现数据飞轮和基础模型持续迭代的玩家，具备长期复利效应。

从产品公司到平台公司——这个进化路径，是聆动通用比大多数竞争对手看得更远的地方。

PART.04

从卖产品到定标准的生态卡位

聆动通用的商业化进展，目前看有三个层次：

第一层：硬件销售。LDB01和LDT系列产品，已经在物流、汽车、3C电子领域头部客户完成验证，并且和多家上市公司及行业头部企业达成战略签约。

第二层：数据服务。基于数据飞轮，聆动可以向客户提供模型训练、技能部署等增值服务。这是软件端的收入来源。

第三层：标准制定。这是最容易被忽视，但也是最有长期价值的一层。

2026年6月1日，工信部首个具身智能行业标准将正式试行。聆动通用是这个标准的副组长单位——这意味着它参与了行业规则的制定。

此外，聆动还是国内首批、安徽省首个通过可信AI评测的企业，并且推出了国内首个具身智能基准测试评测标准。

标准就是话语权。谁参与了标准的制定，谁就在未来的竞争中占据了有利位置。这就像当年高通在通信领域靠专利授权赚钱一样——聆动今天在具身智能领域定标准，就是在为明天的收租做准备。

从卖产品，到卖服务，再到定标准——这是三种不同的商业化层次，也代表了三种不同的竞争壁垒。聆动通用正在完成从第一层向第二层、第三层的跨越。

PART.05

技术，最终要服务于场景

具身智能这个赛道，从2023年开始热，到2024年爆发，再到2025－2026年的分化，经历了一个完整的周期。这个周期教会我们一件事：技术，最终要服务于场景。

很多人喜欢谈通用人工智能、具身智能的iPhone时刻——这些概念听起来很美好，但如果落地不了，就是空中楼阁。

聆动通用的选择，某种程度上代表了一种回归：技术不是目的，解决问题才是目的。

当然，这条路并不好走。工规级路线意味着要啃硬骨头——工业客户要求的是稳定、可靠、低故障率，而不是酷炫的参数。季超说过工规落地是具身智能的唯一出路，这句话背后，是无数次的调试、迭代、踩坑。

但正因为难，才形成了壁垒。当别人还在PPT上画机器人时，聆动的产品已经在车间里跑起来了。当别人还在为融资讲故事时，聆动已经在和上市公司签战略合作协议了。

下一个问题在于：聆动的数据飞轮能否真正转起来？

飞轮的核心是数据。数据从哪里来？从客户的现场来。客户为什么愿意共享数据？因为模型升级后，他们能获得更好的产品体验。这是一个正向循环。

但如果哪天这个循环被打破——比如客户不愿意共享数据，或者数据质量不够好——飞轮就会减速。

这是聆动未来要面对的挑战，也是整个具身智能行业要面对的挑战。

文章来源：GEIA全球具身智能观察。