作者：高恒（中国科技新闻学会科幻传播与未来产业专委会会员专家）

马云和雷军，第一次站在了同一张投资清单上。

4月7日，成立仅两年多的千寻智能宣布完成新一轮10亿元融资；而就在2月24日，公司刚刚完成两轮近20亿元融资，估值突破百亿元。一个月左右累计融资30亿元，让这家公司迅速成为具身智能赛道最密集的资本落点之一。更关键的不是金额，而是投资方结构：从雷军旗下顺为资本、马云旗下云锋基金，到京东、宁德时代、TCL，再到红杉中国、地方国资与产业基金，多条产业链核心角色开始在同一家公司集结。

如果只看数字，这仍像一轮典型的“融资热”；但如果把时间、资本结构和行业阶段放在一起看，它更像一次提前发生的共识重构：当消费电子、制造业、零售、电商和地方资本同时下注，市场讨论的重点，已经不再只是“机器人能不能做出来”，而是具身智能是不是正在从技术想象，进入产业预期。

01：不是融资能力，而是入场门槛被抬高

在具身智能这个赛道里，融资已经不是加分项，而是入场券。

千寻智能这轮融资最值得关注的，并不只是一个月左右快速30亿元这个数字本身，而是它把一件事讲得很清楚：在这个阶段，如果没有足够多的钱，你连继续做技术验证的资格都没有。公开资料显示，千寻智能成立于2024年1月，两年多时间里已完成7轮融资，累计融资约43.28亿元，其中仅2026年初一个月左右，就连续完成近20亿元和10亿元两轮融资，迅速把资金储备拉到了一个新量级。

在笔者看来，这种融资强度，并不是简单的“资本看好”，而是赛道属性倒逼出来的结果。和互联网或纯软件创业不同，具身智能从一开始就是一条典型的重投入路径：机器人本体研发需要钱，硬件打样和量产需要钱，模型训练依赖算力，数据采集和标注又是一项长期、重复、难以压缩的支出。它不是那种可以“先做产品、边跑边融”的行业，而更像一场需要提前准备足够弹药的长期战役。

也因此，行业里正在形成一种越来越明确的共识：先拿到足够多的钱，才有资格谈后面的技术兑现。作为千寻智能财务顾问的高鹄资本董事总经理舒雪梅就提到，千寻智能作为起步相对较晚的具身智能创业公司，能否拿到足够多的钱，直接决定了公司能否“上牌桌”。“有些公司选择小步快跑、每轮少量融资抬高估值，这种做法会耗费大量精力去考虑生存问题，也不适合具身智能这类后续需要大额投入的赛道。一旦估值上去了但钱没拿够，非常危险。”

这种情况下，一旦公司进入模型训练、硬件迭代和场景验证同步推进的阶段，任何一环资金断裂，都会让前期投入迅速失去价值。

更重要的是，这轮融资的意义并不只体现在金额上，还体现在资本结构上。围绕千寻智能，已经形成了一张高度重叠的产业资本网络：既有顺为资本、云锋基金这样的头部基金，也有京东、宁德时代、TCL等产业方，还有国资平台与多类产业基金共同参与。

这些钱并不对应同一个回报模型，却在同一时间集中下注，背后反映的也不是单一投资判断，而是多个产业环节都在对未来形态提前站位。京东看中的是零售和物流场景，宁德时代给的是制造场景，消费电子和国资平台看中的，则是未来产业协同和长期布局。资本不只是来投一家公司，更是在提前卡位一条可能改变生产和服务方式的新链条。

从这个角度看，千寻智能拿到的，并不仅仅是几十亿元资金，而是一种更关键的能力：在一个重投入、长周期的赛道里，获得持续试错和持续迭代的时间窗口。当资本开始以这样的密度和结构集中进入，行业门槛也就随之被整体抬高。未来真正的分水岭，可能不再是谁更早讲出一个好故事，而是谁能在正确方向上，持续投入得更久，跑得更远。

02：资本为什么敢押它：不是讲故事，而是路径更完整

如果先拿到钱是结果，那么最开始要回答的问题是：资本凭什么相信真的能把这件事做出来并且愿意掏钱。

在当前的具身智能赛道里，真正稀缺的并不是“会讲故事的公司”，而是能够把机器人、模型和场景三件事同时往前推进的能力。千寻智能之所以能在短时间内迅速聚拢资本，关键不在于它讲了一个更宏大的愿景，而在于它从一开始就搭出了一条相对完整的执行路径。

先看团队。千寻智能最容易被资本看懂的一点，就是它的创始班底，几乎正好踩中了当下具身智能创业最稀缺的那种组合：一边是懂机器人本体、懂制造、懂交付的人，一边是懂大模型、懂算法、懂前沿研究的人。

创始人兼CEO韩峰涛，是典型的工业机器人出身的连续创业者，本硕阶段就读于浙江大学控制科学与工程方向，随后在华中科技大学攻读博士，师从机器人学术泰斗丁汉院士。更关键的是，他不是纯学术型背景，而是有过完整的产业化履历。此前他联合创办珞石机器人并担任CTO，主导过超过2万台工业机器人的规模化交付，是国内较早推动力控协作机器人量产落地的一批人之一。简单说，他不是做“Demo机器人”的人，而是做过“能交付、能进产线”的机器人产品的人。

联合创始人、高级科学家高阳，则代表的是另一条路径。他拥有“清华—伯克利—清华交叉信息院”的学术背景，自2020年起担任清华大学视觉与人形机器人实验室主任，是国内较早一批系统性研究具身大模型的人之一。相比韩峰涛偏工程、偏产品化的一面，高阳更像是千寻智能的大脑搭建者，负责科学问题、新技术方向以及AI整体路线判断。换句话说，韩峰涛解决的是“机器人怎么真正做出来、交出去、跑起来”，高阳解决的是“机器人怎么变聪明、怎么拥有泛化能力、怎么把模型能力持续抬高”。

这两类能力的组合，在今天的具身智能阶段并不是锦上添花，而是基础配置：没有工业交付经验，机器人很难进入真实场景；没有模型能力，机器人又很难从自动化设备升级为具备泛化能力的智能体。

也正因为团队同时理解“机器人怎么做成产品”和“模型怎么获得泛化能力”，千寻智能从成立之初就没有走纯硬件公司或纯模型公司的路线，而是很早确定了“软硬一体”的方向。这个选择在今天看越来越像行业共识，但在2024年公司成立时并不主流。其背后的逻辑并不复杂：对于机器人来说，硬件决定能力上限，软件决定能力能被发挥到什么程度。两者不是可替代关系，而是必须同步迭代的工程系统。

但真正拉开差距的，并不是“是否软硬一体”，而是公司把资源压在了什么地方。从千寻智能的投入结构来看，它真正重仓的，并不是某一个模型版本，而是“数据生产能力”。公司以“多样性数据”为核心推进Scaling路线，现已累计获取超20万小时的多类型真实交互数据（覆盖互联网视频、遥操作、可穿戴采集等维度），预计2026年数据总量将突破100万小时；同时，通过自研设备，将数据采集成本压缩约90%，并持续扩大数据采集团队规模。按照韩峰涛接受媒体采访时透露的内容，其95%以上的数据来自真实世界，仿真数据占比不超过5%。

笔者认为这背后的逻辑，其实和大模型的发展路径很像。能力的提升最终依赖于数据规模、训练强度和迭代速度。不同的是，大模型处理的是文本和图像，具身智能处理的是动作、接触、空间、失败和纠偏，它面对的是物理世界本身。所以，仿真数据当然重要，但真实世界数据才真正决定模型上限。千寻智能押注真实数据，本质上押的是一个判断：未来具身智能的竞争，不只是比谁模型概念讲得漂亮，而是比谁先把真实世界的数据体系搭起来，谁更有机会跑出持续的能力爬坡。

对此，知名科技产业时评人彭德宇对笔者分析到，千寻智能之所以能被资本持续押注，并不只是因为它会讲“机器人通用大脑”的故事，而是因为它已经把一条更重、更慢、但也更扎实的路铺开了：前端有做过大规模交付和产品化的硬件老兵，中间有做具身模型和AI方向判断的科学家，后端有持续扩张的真实数据体系和训练能力。这种组合未必最轻，也未必最性感，但它更容易让市场相信，这家公司不是只想做一个会表演的机器人，而是想做一个真正“能干活”的系统。

03：具身智能的分水岭，开始落在工程化上

如果把千寻智能放回整个行业去看，这一轮融资真正对应的，并不是某一个模型能力的突破，而是一个更关键的变化正在发生：具身智能的竞争，正在从“能不能做出来”，转向“能不能稳定地用起来”。

这种变化，其实已经能从行业热度和资本关注点的转移中看出来。《具身智能发展报告（2025年）》显示，据不完全统计，截至2025年12月，我国具身智能和机器人领域投资事件数已达744起，融资总额735.43亿元。进入2026年一季度，融资热度仍然只高不低。从天眼查、企查查等渠道不完全统计，截至目前，具身智能领域披露的融资事件已至少达到210起。

与此同时，《中国发展报告2025》显示，我国具身智能产业规模有望在2030年达到4000亿元，2035年突破万亿元大关。国泰海通分析师也指出，未来投资关注点将更多集中在具身智能应用落地上，尤其是“感知—决策—执行”闭环所催生的全新需求。换句话说，行业资金虽然仍在快速涌入，但市场真正开始在意的，已经不只是技术能不能做出来，而是这些能力能不能进入真实场景、形成稳定运行的系统。

这也是为什么，具身智能这一阶段的核心，不再只是算法，而是工程化。

过去一段时间，行业讨论更多集中在模型能力和Demo效果上：能不能完成一段连续动作，能不能在视频里完成复杂任务，能不能在陌生环境中保持基本操作能力。但这些能力，本质上仍然停留在“可验证”的阶段，还没有进入“可复制”的阶段。真正决定技术是否跨过门槛的，不是一次成功，而是在真实环境中能否持续成功。

千寻智能自身的能力爬坡，也是一条比较典型的路径：从早期展示做咖啡，到后续验证插花、扶水瓶、捡糖果、擦桌子，再到训练机器人完成叠衣服这类长程复杂任务，它并不是一步跨到终局，而是沿着任务复杂度一点点往上走。

真正把这件事往前推了一步的，是产线。千寻智能在宁德时代产线的落地，是目前少数能够说明问题的案例之一。其机器人已经进入电池生产流程，在实际产线中参与作业，实现近千块电池的零故障量产。这个案例的意义，不在规模，而在标准——工业场景对系统稳定性、可靠性和安全性的要求，远高于实验室环境。

高阳在接受采访时提到，实验室中的Demo，成功率达到95%已算不错；但在宁德时代的产线上，成功率至少要达到99.99%，才具备继续推进的价值。这一差距，本质上就是“Demo能力”和“工程能力”之间的分水岭。前者更多体现为模型能不能跑通，后者则要求系统稳定性、控制精度、数据闭环以及大量工程细节共同到位。

也正因为工程化仍处在爬坡阶段，千寻管理层对商业化节奏的表态一直比较克制。据媒体报道，舒雪梅表示，2026年公司内部将营收目标定在1亿至1.5亿元，销售数量约200台。韩峰涛则解释，2026年的核心主题是数据量级与模型性能的突破，而非追求落地和营收增长，真正的大规模落地预计要到2027年下半年至2028年。谈到商业路径时，他的原话是，千寻智能的目标是“先to大B，再to小B，最后to C”，整个B端至少需要五年。“to C的门槛很高，一台机器人卖一两万元甚至三五万元，消费者不可能为‘花架子’买单。”

企事界北京科技有限公司执行董事李睿对笔者表示，这段表态背后反映出的，其实是行业当前一个很现实的阶段特征：相比尽快放大收入，企业更在意的，还是先把模型能力、系统稳定性和场景适配性做扎实。尤其在工业和零售等真实场景里，机器人能不能连续稳定工作，远比短期卖出去多少台更重要。

品牌战略定位专家吴玉兴则进一步指出，把这些因素放在一起看，千寻智能现在所处的位置，已经从“技术验证者”转向“工程化探索者”。当数据开始规模化、模型开始具备基础能力、产业场景逐步打开，真正的分水岭就不再是谁能做出更复杂的动作，而是谁能让这些能力在真实系统中长期稳定运行。

这也是这轮融资背后更深的一层含义：具身智能的竞争，正在从“讲得通”，进入“跑得通”，更是具身智能竞争门槛被抬高的信号。