今天小編分享的互聯網經驗：深圳殺出未來獨角獸：今年融資5億 前OPPO首席科學家下場，歡迎閱讀。
鉛筆道作者 | 愛羽
最近，深圳殺出一個未來獨角獸。智平方宣布完成過億元 Pre A+ 輪融資，由敦鴻資產、雲啟資本、國投創盈等聯合投資。
在具身智能機器人這場全球競速賽中，一家成立僅 2 年的中國公司殺出重圍——智平方，以 " 端到端 VLA 大模型 + 場景定義硬體 " 的新路徑。這家由前小鵬汽車、OPPO 首席科學家郭彥東領銜的團隊，已在今年初完成兩輪累計超 5 億元融資。
值得一提的是，在商業化上，智平方已實現數千萬營收（确認收入）。這場由 " 造車基因 " 驅動的機器人革命，正重構全球智能制造版圖。
01
智平方成立于 2023 年 4 月，以 " 物理世界 AGI" 為願景，專注于研發通用智能具身終端。其核心產品是 Alpha Bot 系列機器人，搭載自研的 AI2R Brain 大模型，通過輪式底盤、折疊機械臂等模塊化設計，在部分場景具有操作任意對象的能力。
目前，該系列機器人已應用于國際頭部車企、高端制造企業及互聯網巨頭，解決傳統工業機器人柔性不足、依賴定制化編程的痛點。例如，在汽車產線中完成預裝配、精密零部件分揀等高難度任務，展現了對非結構化場景的強适應性
創始人郭彥東博士是國家級創新領軍專，曾任微軟總部 AI 研究員、小鵬汽車首席科學家、OPPO 首席科學家，主導過數億台智能終端與智能汽車的 AI 系統研發。他觀察到，受限于單一任務算法和結構化環境依賴，傳統機器人難以應對復雜需求，比如制造業柔性化更新、家庭服務場景等。
郭彥東的破局路徑是：以 " 端到端 VLA 大模型 + 場景定義硬體 " 的新方式，替代傳統預編程方案。例如，通過多模态感知與生成式操作模型（如 RoboMamba），實現無需代碼調整的任務泛化能力，即使是 " 打開未知包裝盒 " 等未訓練指令，模型也可自主推理完成。
在盈利模式上，智平方從高端制造切入，逐步滲透公共服務與個人康養場景。2024 年，智平方實現數千萬确認收入，客戶覆蓋全球 TOP10 車企中的 3 家。
智平方是一年非常年輕的公司，2023 年 4 月份才成立，成立之初就獲得清華大學系基金 SEE Fund 天使投資。2024 年 6 月，它聯合北京大學發布 RoboMamba 模型，其 " 未見任務 " 的泛化能力超越 Google RT 系列 30%，成為 NeurIPS 2024 會議首個入選的中國具身智能成果。 2024 年 Q4， Alpha Bot 1S 量產，籤約多家車企與制造企業，全年營收突破數千萬。
2025 年 1-3 月，它又完成兩輪累計超 5 億元融資。
02
全球具身智能機器人市場規模預計 2025 年超百億美元，年復合增長率超 50%，中國有望成為最大的增量市場之一。
當前行業痛點集中于長尾任務泛化、硬體成本與可靠性平衡。
一、長尾任務泛化。
比如任務泛化困境。現有機器人多針對特定場景（如工業焊接、物流搬運）設計，難以适應復雜多樣的長尾任務。例如，家庭服務機器人無法同時處理清潔、陪護、應急響應等任務，需針對每個任務單獨訓練。
再比如硬體異構适配難題。例如，人形機器人的雙足平衡控制與工業機械臂的軌迹規劃需獨立開發，增加研發成本。
二、硬體成本與可靠性平衡難題。
比如成本結構制約商業化。人形機器人核心零部件（如高精度傳感器、伺服電機）依賴進口，導致成本居高不下。例如，宇樹科技早期產品單價超百萬，雖 2025 年量產預期将降至 30 萬級，但仍高于工業機器人平均成本（約 10 萬 / 台）。
再比如可靠性與壽命矛盾。消費級場景（如家庭陪護）對機器人可靠性要求高，但輕量化設計與低成本材料可能縮短使用壽命。例如，服務機器人需每日連續運行 12 小時以上，其機械結構磨損、電池衰減問題亟待解決。
三、行業破局路徑。
比如算法優化與數據閉環。機器人必須減少對人工标注的依賴，通過強化學習、模仿學習算法提升泛化能力（如 RT-1/2、OpenVLA 模型。
再比如供應鏈國產化與技術創新。加速傳感器、伺服電機等核心部件有待國產化，降低成本。此外，必須探索新型材料（如碳纖維）提升硬體可靠性。
03
智平方所處的賽道是：具身智能機器人 - 通用智能機器人。它強調的是跨場景适應能力，如 AlphaBot 系列，能執行工業總裝、物料搬運、服務康養等多樣化任務。
具身智能機器人二級分類
通用智能機器人目前尚未形成絕對頭部，但已經跑出一批有成長潛力的企業，比如智元機器人、智平方等。此外，作為 " 第二創新方向 "，部分巨頭也已紛紛下場，比如優必選、科大訊飛等。
在商業化上，行業還處于破局階段。頭部企業 2024 年已實現千台級交付（如智元）或千萬級收入（如智平方），但量產成本較高，比如人形機器人單價仍超 30 萬元。
此外，生态競争初見端倪。頭部企業通過開源模型（如 DeepSeek）、數據共享（如智元 AgiBot World 數據集）、產業鏈投資構建生态壁壘。例如，智元聯合華發集團布局康養與安防場景，形成 " 硬體 - 數據 - 模型 - 平台 " 閉環；智平方與北京大學合作研發具身大模型等。
鹿死誰手尚不可知，行業格局仍存在較大變數。未來 3-5 年，通過量產能力、數據積累與生态協同等，市場才決出最終勝出者。
