芝能科技出品

人形機器人正在從實驗室走向產(chǎn)業(yè)化落地的關(guān)鍵階段。眾擎機器人在短時間內(nèi)完成近10億元融資，千尋智能、逐際動力等新銳企業(yè)亦獲京東等資本加持，標(biāo)志著人形機器人產(chǎn)業(yè)已進入資本、技術(shù)、應(yīng)用三位一體深度耦合的發(fā)展階段。

這場“具身智能”驅(qū)動下的競賽，其核心不僅是關(guān)節(jié)、電機與結(jié)構(gòu)的高度集成能力，更在于算法、模型與數(shù)據(jù)迭代的綜合協(xié)同。技術(shù)成為決勝關(guān)鍵，生態(tài)成為規(guī)�；�落地的加速器。

01

 具身智能：

從硬件突破到運動控制閉環(huán)

在人形機器人的產(chǎn)業(yè)化進程中，“擬人”不再僅僅是一種結(jié)構(gòu)外形的模仿，而是一個復(fù)雜系統(tǒng)在感知、決策、執(zhí)行三大層面同時擬合人類能力的過程。

眾擎機器人之所以在Pre-A++及A1輪融資中獲得多方青睞，背后是其在核心硬件與控制系統(tǒng)領(lǐng)域所展現(xiàn)出的自研閉環(huán)能力。

眾擎的核心優(yōu)勢在于全自主研發(fā)的關(guān)節(jié)模塊系統(tǒng)，集成高爆發(fā)力、高力矩及高轉(zhuǎn)速特性，這一系統(tǒng)為機器人的靈活動作提供了真實“肌肉”支撐。

在結(jié)構(gòu)設(shè)計上，這些關(guān)節(jié)不僅追求功率密度的極限，還在動態(tài)響應(yīng)方面做了優(yōu)化，支持機器人執(zhí)行復(fù)雜的多關(guān)節(jié)協(xié)調(diào)動作。

這種能力的關(guān)鍵指標(biāo)在于負(fù)載自重比和模塊響應(yīng)延遲，眾擎在部分高動態(tài)場景中實現(xiàn)毫米級動作精度，已在實際中完成如舞蹈、空翻與高速奔跑等動作驗證。

而要真正實現(xiàn)這些動作的“可控性”，需要構(gòu)建一套從仿真到實物的完備運動控制系統(tǒng)。

眾擎在Sim2Real（仿真到現(xiàn)實）的技術(shù)棧上建立起了較強壁壘，利用自研算法優(yōu)化器與多物理場仿真引擎，實現(xiàn)了在復(fù)雜環(huán)境中訓(xùn)練出的策略遷移至實體機器人時的快速適配。

通過多級PID控制、WBC（Whole Body Control）算法融合，以及對實時反饋的高速處理，其運控體系可在毫秒級做出反饋修正，進而穩(wěn)定支持高動態(tài)動作的執(zhí)行。

這種能力對于機器人的“泛化能力”至關(guān)重要。傳統(tǒng)工業(yè)機器人受限于預(yù)設(shè)路徑和控制程序，而人形機器人面對開放環(huán)境中的變量，需要具備自主調(diào)整的能力。

Sim2Real技術(shù)正是在確保動作精度與響應(yīng)效率的基礎(chǔ)上，提供了從數(shù)據(jù)生成、模型訓(xùn)練到行為部署的完整通路。

自研高功率密度關(guān)節(jié)是實現(xiàn)高力矩與高速響應(yīng)的硬件基礎(chǔ)，Sim2Real 仿真體系可有效解決從虛擬到現(xiàn)實的策略遷移問題，毫米級控制精度與高動態(tài)動作支持體現(xiàn)了具身智能運動控制的核心能力，WBC 全身控制算法體系則支撐多自由度關(guān)節(jié)間的協(xié)調(diào)動作。

02

大模型驅(qū)動：

千尋與逐際的“人腦”方案比拼

在人形機器人進入服務(wù)、工業(yè)與商用領(lǐng)域的過程中，僅有出色的本體控制能力遠(yuǎn)遠(yuǎn)不夠，構(gòu)建“類人認(rèn)知”能力的具身智能大模型成為產(chǎn)業(yè)新焦點。

千尋智能與逐際動力分別走出了不同的數(shù)據(jù)路徑與模型架構(gòu)，代表了目前國內(nèi)具身智能發(fā)展的兩條主要技術(shù)路線。

千尋智能的VLA（Vision-Language-Action）大模型，核心目標(biāo)是建立一個可泛化、可感知并能跨模態(tài)執(zhí)行任務(wù)的Agent體系，人形機器人Moz1配備了全身26自由度結(jié)構(gòu)，力控關(guān)節(jié)系統(tǒng)兼具功率密度與實時反饋能力，結(jié)合WBC控制算法，提供了極為細(xì)膩的動作響應(yīng)基礎(chǔ)。

Moz1還具備“零延遲遙操作”能力，借助自研多維度數(shù)采模塊，支撐小時級數(shù)據(jù)迭代節(jié)奏。這使得VLA模型能夠在連續(xù)交互中快速調(diào)整策略，提升執(zhí)行準(zhǔn)確性。

更關(guān)鍵的是，VLA模型的“理解力”來自于其多模態(tài)對齊能力，即通過自然語言與視覺、動作之間建立因果關(guān)聯(lián)，讓機器人具備“看圖指令執(zhí)行”的基礎(chǔ)能力。

例如，在辦公室場景中，Moz1可以根據(jù)自然語言指令完成“座椅歸位”“桌面整理”等任務(wù)，逐步向“自主執(zhí)行+人類交互”雙模式發(fā)展。

逐際動力在模型側(cè)的策略更強調(diào)“數(shù)據(jù)的結(jié)構(gòu)性”。其推出的LimX VGM模型不依賴于真機樣本，而是通過分析人類操作視頻、結(jié)合仿真與合成數(shù)據(jù)生成策略，構(gòu)建“跨平臺、跨任務(wù)”的通用具身大腦。

這種思路強調(diào)“數(shù)據(jù)配方”（Data Recipe）而非特定數(shù)據(jù)集，通過不同維度的輸入提升模型在未知任務(wù)中的泛化能力。

在模型開發(fā)范式上，逐際動力強調(diào)快速部署與模塊化復(fù)用，從強化學(xué)習(xí)控制小腦、到VGM感知決策大腦，以及硬件驅(qū)動底座，三者協(xié)同構(gòu)成完整具身Agent鏈條。

其雙足機器人TRON 1已在巡檢、配送與安防等場景實現(xiàn)初步應(yīng)用，并支持模塊化拓展能力，為面向開發(fā)者的可插拔式擴展提供了接口。

◎ 千尋智能 VLA 模型強調(diào)多模態(tài)融合與自然交互，以 “遙操作 + 數(shù)據(jù)采集 + 快迭代” 形成反饋閉環(huán)；

◎ Moz1 機器人憑借全身力控與多維度感知支撐多場景任務(wù)部署；

◎ 逐際動力 LimX VGM 不依賴真機樣本，通過視頻數(shù)據(jù)訓(xùn)練具身認(rèn)知模型；

◎ 模塊化與平臺化戰(zhàn)略則用于提升機器人模型跨任務(wù)、跨平臺的遷移效率。

小結(jié)

從眾擎、千尋到逐際，人形機器人正在從“具形態(tài)”走向“具智能”的階段躍遷，核心競爭不再只是單一指標(biāo)的技術(shù)領(lǐng)先，而是整體系統(tǒng)能否閉環(huán)協(xié)同。硬件底座提供擬人化物理支撐，Sim2Real打通策略遷移通路，大模型形成決策認(rèn)知能力，三者缺一不可。

產(chǎn)業(yè)層面，京東、寧德時代等企業(yè)的投資不僅提供資金，更是未來落地場景、上下游資源的整合加速器。以京東為例，其零售、倉儲與服務(wù)場景天然為人形機器人提供了實驗田，這些落地場景又將反哺模型的優(yōu)化，形成數(shù)據(jù)-應(yīng)用-產(chǎn)品的正向循環(huán)。

       原文標(biāo)題 : 人形機器人融資競賽：眾擎、千尋、逐際個有什么優(yōu)勢？