社区

北京春寒未退，但一级市场的热度却已提前入夏。

2026年4月7日，千寻智能再次宣布完成新一轮融资，此次融资金额达10亿元，30天前，这家公司刚拿下近20亿元融资。

两轮叠加，高达30亿的资金不仅刷新了具身智能领域的融资纪录，更因领投方名单里“雷军+马云”的组合，成为行业热议的焦点。

雷军代表的顺为资本，从智能硬件到新能源汽车，总能在技术拐点前精准卡位；马云掌舵的云锋基金，从电商到云计算，屡次押中时代红利。两位商业巨擘，一个深耕制造业升级，一个布局数字经济生态，却在具身智能这一尚处“技术爬坡期”的赛道罕见联手。

在当下这个资本愈发理性、甚至趋于谨慎的时代，“烧钱换增长”早已不再吃香。尤其是在人工智能领域，过去几年充斥着太多概念炒作、实验室 Demo与难以落地的PPT技术，让无数投资人铩羽而归。

为何千寻智能能在如此短的时间内，连续获得顶级产业资本与财务资本的集体“砸钱”？为何马云与雷军，会同时选择在这个时间点，对一家仍处于早期发展阶段的公司下重注？

马云雷军为何“罕见同框”下注？

近日，千寻智能宣布完成新一轮 10亿元融资，本轮由顺为资本、云锋基金联合领投，达晨财智、某头部人民币基金、银河源汇、图灵基金、新鼎资本、庚辛资本等跟投。

二者的同框往往预示着风口的转向，从移动互联网到云计算，两人的投资版图偶有交集，但在具身智能这一极度前沿、尚未完全脱离“科幻电影”的领域联合领投，当真是破天荒头一遭。

过去五年，AI投资经历了从NLP到大模型的狂热，却始终困于“虚拟与现实的割裂”……

大模型能写诗作画，却无法搬起一块砖；机器人能精准装配零件，却缺乏应对复杂环境的灵活性。

具身智能的出现，恰好填补了这一缺憾，它让AI拥有“身体”，能通过感知、决策与行动与环境实时交互，真正实现“AI+物理世界”的融合。

马云与雷军的联手，正是用资本的投票宣告，具身智能不再是实验室里的玩具，而是即将爆发的下一代生产力革命。

雷军需要的，是AI与制造业结合的“实体抓手”；马云期待的，是数字经济向物理世界延伸的“新终端”。两者的交汇点，正是千寻智能所代表的“具身智能+生产力工具”路径。

当然，资本看项目，亦是在是看人。

千寻智能的三位创始人，更是“黄金铁三角”：CEO韩峰涛曾是珞石机器人CTO，主导交付过近百款工业机器人，深谙硬件工程化与量产之道；联合创始人高阳，带领团队开源的Spirit模型已在RoboChallenge榜单超越美国头部模型Pi0.5，技术实力领跑全球；商业化负责人郑灵茵则是工业机器人出海先锋，曾从0到1搭建海外事业部，让中国机器人走进欧美工厂。

既有顶级AI算法能力，又有扎实的硬件工程经验，更懂如何将技术转化为商业价值，这样的组合，在国内具身智能领域也是“独一份”的。

对雷军和马云而言，投千寻智能，就是投一个“技术-产品-商业”三位一体的完整闭环，投一个能穿越技术周期的“确定性团队”。

雷军和马云都是经历过多次技术周期的老兵。千寻智能近期开源的Spirit v1.5模型，仅凭20万小时真实交互数据，就实现了零样本泛化。

高阳曾说：“数据每增加10倍，结果里就会多一个9。”也就是说，当数据规模突破临界点，模型能力将迎来“涌现”。

雷军与马云看到的，正是这条被初步验证的技术路径，以及千寻智能在数据积累与模型迭代上的先发优势。

千寻智能凭什么打破行业“数据荒”？

资本的疯狂涌入，必然对应着技术层面的某种“破局”。在具身智能领域，长期以来横亘在从业者面前的一座大山，那便是“数据荒”了。

不同于大语言模型（LLM）可以肆无忌惮地吞噬互联网文本，机器人需要的是物理世界的交互数据，即“示教数据”。

传统路径依赖昂贵的遥操作或人工编写脚本，成本高昂且难以规模化，导致模型训练陷入“无米之炊”的窘境。

千寻智能之所以能在短时间内成为资本的“宠儿”，核心在于它用一套极具创新性的“数据引擎”，击穿了这一痛点。

2026年1月，千寻智能开源了其具身大模型 Spirit v1.5，在权威评测榜 RoboChallenge 上，它一举超越了此前霸榜的美国头部模型 Pi0.5，登顶世界第一。

但这并非最令投资人兴奋的点，真正的拐点在于，Spirit v1.5展现出了稳定的零样本泛化能力。

机器人不再需要针对“擦桌子”“开门”“叠衣服”每一个单一任务进行枯燥的训练，而是像人一样，学会了“举一反三”。

其背后的技术底座是一个端到端的 VLA统一模型。这一架构摒弃了传统方法中复杂的“感知-规划-控制”分层模块，直接学习从多模态感知到动作执行的映射关系。简单来说，它像训练GPT一样训练机器人，相信 Scaling Law（缩放定律）的力量。

然而，路径正确只是前提，数据才是燃料。为了解决“数据荒”，千寻智能做了一件极具工程魄力的事情——重构数据采集工具。

团队研发了专用的可穿戴数据采集设备，但这并非简单的手套，而是一套集成了26个自由度的三指灵巧手系统。

通过让人类佩戴这套设备完成各种日常任务，千寻智能能够以极低的成本获取高质量的“专家级”操作数据。

相比动辄数十万元的专业遥操作平台，可穿戴设备的成本被压缩到了遥操作的十分之一，并且经过五代迭代，其数据的可用性从最初尴尬的30%，飙升到了目前的95%。

截至目前，千寻智能已积累超过20万小时的真实交互数据，并计划在2026年将这一数字推高至100万小时。

更关键的是，千寻智能转向了一种多样化的采集范式，不再规定死板的动作路径，而是允许失败、允许打翻、允许中断。但这种“野性生长”的数据分布，反而极大地提升了模型在真实世界的鲁棒性和迁移效率。

落地“生产力工具”，千寻智能引爆具身智能

如果说模型和算法是“内功”，那么商业化落地就是检验内功的唯一标准。

在具身智能领域，一直存在“Demo惊艳，量产抓瞎”的问题。

千寻智能的解法，是坚持“沿途下蛋”，在通往通用AGI的长路上，先在可控场景中变现，反哺模型。

在福建宁德时代的动力电池产线上，一台名为“小墨”的千寻机器人，正在执行一项关乎安全的核心任务：动力电池包的最终功能测试。

这是一个容错率极低的环境。但数据显示，“小墨”已累计完成超过1000块电池的插接作业，成功率稳定在 99% 以上，作业节拍已无限逼近熟练工人水平。

这不仅证明了具身智能在工业高精度场景的可行性，更为千寻智能带回了海量的、高价值的工业级力控数据。

走出工厂，千寻智能的“墨子”也出现在了人流密集的京东MALL。

在这里，“墨子”的角色切换为咖啡师。它不仅能够制作拉花精美的咖啡，更重要的是，它在服务过程中同步采集着多模态感知数据、顾客的语音交互以及精细的力反馈信息。

通过与京东的深度合作，千寻智能正计划将触角伸向数码导购、巡检清洁，甚至京东药房的自动分拣与配药等高价值环节。

从工业到服务业，千寻正在证明，机器人不应只是昂贵的玩具，而是能够降本增效的“生产力工具”。

结语

回望过去一年，具身智能赛道经历了从狂热到冷静，再到如今理性回归的周期。

雷军与马云的联手，与其说是押注一家初创公司，不如说是押注“Scaling Law 在物理世界的兑现”，押注“中国供应链+顶级AI人才”的化学反应，押注“技术-产品-商业”三位一体的落地范式。

30天30亿，对于千寻智能来说，既是粮草，也是倒计时。

随着数据规模的指数级增长和模型能力的持续迭代，具身智能的“GPT-4 时刻”或许真的不再遥远。