逐際動力更新“人形大腦系統”，估值最高的 Figure 該坐不住了

作者：彭堃方

編輯：呂鑫燚

出品：具身研習社

具身智能來到了新產業階段。

過去幾年，行業用技術突破完成了第一輪信心建設。人形機器人開始穩定行走、完成全身運動，在家庭、工廠和商業空間里執行更長程的任務；VLA、世界模型和大小腦融合不斷刷新能力邊界，一段段 Demo 也持續推高資本市場的預期。它們證明了具身智能并非遙遠概念，機器人確實正在獲得理解環境、調用身體并完成復雜任務的能力。

但技術驗證和 Demo 更像行業早期的“應急手段”。在一個新賽道尚未形成穩定收入和成熟產品時，它們承擔著解釋技術、吸引資本、建立市場認知的任務。進入大規模出貨和 IPO 市場之后，這套邏輯很難繼續獨立支撐一家公司的長期價值。資本市場最終關心的，仍是產品能否持續迭代，訂單能否轉化為穩定交付，企業能否進入更多區域和場景，并建立可重復的收入增長路徑。

這也是當前具身智能競爭正在發生的變化。行業前半程比拼技術能否跑通，后半程則要看誰能把技術裝進產品，把產品推向市場，再把市場反饋重新帶回研發體系。模型能力、運動控制和本體創新仍然重要，但它們必須匯入一條更完整的產品化主線。

逐際動力最新完成的 Pre-IPO 輪融資，正是在這一背景下顯得值得關注。近日，逐際動力完成近 2 億美元融資，投后估值達到 150 億元，過去半年累計融資 4 億美元；更早之前，逐際動力已經完成股份制改造，上市路徑逐漸清晰。

對一家即將進入資本市場長期檢驗的具身智能公司來說，這輪融資所指向的，已經不只是下一次技術發布，而是大腦系統的持續迭代、數千臺產品的規?；渴穑约叭蚴袌龅倪M一步拓展。

而所有關于逐際動力未來的想象，都能在這支最新 Demo 里找到現實的落點。全尺寸人形機器人 Oli 在全程站立、持續移動的狀態下，以連續動作串聯起一整套家庭整理任務。一鏡到底，不剪輯，不復位，這不是一次常規的技術演示，而是一份向資本市場發出的確定性信號。

從輪次上看，Pre-IPO 通常意味著一家公司從“賣想象力”到“賣確定性的增長”。

對于具身智能企業來說，這個轉變來得格外早。行業中的大多數公司仍在證明技術可行性，用單項技術的摸高來證明未來有多少可能性。但逐際動力已經開始同時回答技術、產品、訂單、交付和全球市場的問題。這也意味著，資本對它的判斷標準已經開始接近一家成熟硬科技公司的標準：除了技術想象力，還要考察產品定義、供應鏈整合、商業收入以及跨區域擴張能力。

率先在具身智能行業中達成這種標準本身就是一個信號，而這也是逐際動力吸引全球投資者的核心原因。

新進入的機構包括 IDG 資本、全球 AI 硬件智造龍頭藍思科技、泛歐洲多元化產業與投資集團 GGG Group 與 Redstone VC、華山資本，以及合肥濱湖產發集團。阿聯酋磊石資本連續多輪追投，綠洲資本、基石資本、南山戰新投、尚頎資本、蔚來資本等老股東繼續加碼。資本來源覆蓋中國、歐洲、中東和北美，既有財務投資者，也有制造業和汽車產業資本。

這樣的股東結構，首先反映了國際資本對中國具身智能供應鏈與產品能力的判斷。具身智能是一門高度依賴制造業基礎的生意。減速器、電機、傳感器、結構件、電子制造、整機裝配和質量控制，最終都會沉淀到產品成本、可靠性與交付速度上。全球 AI 硬件智造龍頭藍思科技進入股東陣容，帶來的價值也不局限于資金，還可能延伸到制造能力、供應鏈協同和海外客戶網絡。

中東與歐洲資本的集中出現，則更接近一種市場前置布局。這些地區既是機器人應用需求增長較快的市場，也是中國機器人企業全球化的重要落點。當地資本進入股東體系，相當于把市場關系、渠道資源和產業協同提前嵌入公司發展階段。

老股東超額加注同樣值得關注。早期投資通常押注團隊和方向，連續多輪追投則更多建立在技術進展、產品交付和訂單反饋之上。逐際動力目前各類機器人產品累計獲得數千臺訂單，其中過半來自海外；全尺寸交互人形機器人 Luna 在發布后不到一個月便開始向國內外客戶交付，新一代多形態具身機器人 TRON 2 也獲得了大量海內外訂單。

因此，這輪融資更像一次產業坐標的確認：逐際動力正在從一家機器人技術公司，轉向一家同時接受資本市場、全球客戶和規?；圃鞕z驗的產品公司。

股改、Pre-IPO、150 億元估值以及全球資本陣容，共同勾勒出一條上市前的加速曲線。上市仍然要經過漫長的財務、合規與市場驗證，但至少從資本動作看，逐際動力已經開始主動進入下一階段。

逐際動力最早被行業認識，很大程度上來自硬件創新和讓人折服的運控能力。

它曾以多形態具身機器人 TRON 探索輪式、雙足等不同形態之間的切換，又陸續推出全尺寸人形機器人 Oli、交互型人形機器人 Luna。相較于圍繞一款標準人形本體不斷迭代，逐際動力長期強調形態與場景之間的適配關系。這種產品思路，讓其硬件體系帶有更強的原創性和工程特征。

但硬件只是理解這家公司的一個入口。

在“硬”的另一面，大家往往自然聯想到“軟”，并進一步把軟件能力等同于模型能力。過去兩年，VLA、世界模型、端到端模型成為具身智能估值最重要的支點，一批高估值公司也由此誕生。模型規模、數據量和任務成功率，逐漸成為評價機器人大腦的通用語言。

在這之下，諸如 Figure 這類企業憑借 Helix 架構和家務 demo 已經成為估值最高的人形機器人企業。但在逐際動力看來，這種 System 1、System 2 的架構，仍是在押注端到端模型。逐際動力對此有一套不同的定義：大腦等于系統，模型等于能力。模型可以是一項技能，卻無法單獨構成大腦。

在逐際動力創始人張巍看來，視覺、語言到動作的模型，更接近機器人完成某項任務的技能。機器人會不會開門、疊衣服、搬箱子，描述的是技能豐富度；真正的大腦還要負責觀察、記憶、思考、規劃、糾錯，并根據任務調用不同模型和工具。

他曾用一個直觀的比喻解釋這一區別：一個人不會開車，并不意味著他沒有大腦。同樣，機器人掌握了大量技能，也不意味著這些技能自然堆疊成了大腦。“模型不是大腦，大腦也不是模型。大腦是個操作系統?！痹谶@套認知下，LLM、VLM、VLA 都是大腦可以調用的引擎或工具，管理這些能力并讓它們協同工作的 是Agent OS。最后，身體能夠在真實世界，完成你希望他完成的所有動作，而且穩定、可靠地完成，才是機器人大腦系統的完整形態。

為此，逐際動力成為全球率先提出并布局人形大腦系統的企業。這條路線的產業意義在于，它把具身智能的競爭從單模型能力拉回到整機系統。

真實世界的任務很少能由一次模型推理完整解決。機器人整理房間時，需要識別環境、理解目標、形成任務順序，隨后調用移動、抓取、彎腰、避障、放置等不同能力；執行過程中還會遇到物體滑落、路徑被占用、目標位置變化等意外情況。每一個局部動作都可以由模型完成，但把它們組織成一個連續、穩定、可恢復的長程任務，需要更高層的系統管理。

基于這種判斷，逐際動力形成了 System 0、System 1 和 System 2 三層技術架構。

底層的 System 0，即 LimX WBT 全身運動基礎模型。它不理解任務，也不參與決策，主要解決機器人如何穩定、協調、連續地使用身體。該模型采用約千萬參數的 Transformer 策略，完全運行在機器人本體上，控制頻率達到 1000Hz，并通過統一接口把上游給出的全身運動目標轉化為平衡、協調的關節指令。逐際動力在技術報告中將其與公開全身跟蹤模型 SONIC 對比：全身位置誤差 MPJPE 為 12.85 毫米，平均關節角誤差為 1.5 度；在關節空間 jerk 和基座朝向 jerk 兩項平滑度指標上，也分別低約 11%和 20%。這些指標共同指向一個前沿的問題——機器人既要動作準確，也要足夠平滑，才能支撐長時間、連續的真實任務。

中間的 System 1 負責技能，將視覺感知、任務要求和動作能力連接起來。它不是一個包打天下的單一模型，而是一組可以獨立訓練、復用和調度的技能，VLA 只是其中之一。在 LimX COSA 0.5 中，S1 中的技能，自身也是一套快慢雙系統：較慢的 VLM 生成動作意圖，較快的 flow-matching 策略將意圖轉化為底盤、軀干、頭部、雙臂與雙手協同的全身動作塊，再通過 System 0 落實到真實身體上。這也是 Demo 里機器人能夠邊走、邊彎腰、邊伸手操作的技術基礎。

真正構成“大腦”的，是頂層 System 2，也就是具身智能體操作系統Agentic OS。

System 2 以視覺語言模型為核心組件，但它并不等同于一個模型，而是一整套負責理解、記憶、調度、決策和人機交互的智能體系統。它讀取頭部與手腕相機及語言指令，決定機器人“要做什么”，再把任務下發給技能層。System 0 解決“身體怎樣穩定地動”，System 1 解決“用什么技能完成任務”，System 2 則判斷“現在應該做什么、先做什么、出現變化后如何調整”。

這套三層架構的關鍵，也不只是分工，而是不同時間尺度下的協同。System 2 以約 1Hz 的頻率負責審慎思考，System 1 以約 50Hz 的頻率生成和執行技能，System 0 則以 1000Hz 持續維持平衡與精準控制。意圖自上而下流動，機器人狀態自下而上反饋，各層異步運行、互不阻塞。逐際動力強調的“大小腦融合”，正是讓上層思考真正能夠通過技能層和運控層，轉化為物理世界中的連續行動。

COSA 0.5 最新 Demo 展示的價值，也正在于這種系統能力開始進入家庭場景。

在視頻中，一臺 31 自由度的全尺寸人形機器人 Oli 在全程站立、全程移動的狀態下，連續完成晾衣、收納、搬箱摞箱、深彎腰拾物、清理垃圾、遞物等一整套家庭整理任務。整個過程一鏡到底，任務之間不剪輯、不復位，每段演示前的場景還會被人工隨機重新布置。與只展示某個動作片段相比，這種設置更接近對系統穩定性、環境適應能力和長程執行能力的綜合檢驗。在這樣一個開放環境，三層系統能否協同，直接決定任務能不能完整跑下來。

由此再看逐際動力對“大腦”的定義，它針對的是具身智能走向產品時必然面對的問題。實驗室可以分別優化模型、運控和硬件，用戶最終購買的卻是一套完整體驗。機器人能夠識別垃圾，卻彎不下腰；能夠規劃任務，卻在移動中失去平衡；能夠完成一次操作，卻無法連續工作，這些都會直接影響產品價值。

模型決定機器人的能力上限，系統決定這些能力能否成為穩定產品。逐際動力的技術路線，正是試圖在兩者之間建立長期壁壘。

高估值可以由技術愿景撐起，上市與長期市值最終仍要由商業化兌現。

逐際動力目前已經形成了覆蓋科研教育、商業服務、全地形巡檢、工業、建筑等場景的產品布局，各機器人產品累計獲得數千臺訂單，其中海外訂單超過一半。這使其全球化不再只是一項未來規劃，而是已經進入訂單、交付和服務體系建設階段。

海外訂單占比過半，對一家中國具身智能公司有兩層意義。

第一層是產品需求的驗證。具身智能在國內仍受到項目制、示范性采購和地方產業政策影響，海外市場則更看重產品能否解決具體問題，以及購買、部署、維護的總成本。能夠獲得跨區域訂單，說明產品已經開始接受不同客戶體系和應用環境的檢驗。

第二層是全球交付能力的驗證。機器人出海遠比消費電子復雜，它涉及本地認證、備件供應、開發支持、渠道培訓和售后維護。訂單本身只是起點，能否準時交付、穩定運行并形成復購，才決定全球化能走多遠。

那從產品結構看，逐際動力也在嘗試用不同形態覆蓋不同市場階段。

TRON 2 強調模塊化和開發接口，更適合科研、開發者和特定行業應用；Luna 聚焦交互體驗，能夠較快進入商業展示、演藝和服務場景；Oli 則承擔全尺寸通用人形機器人和大腦系統驗證平臺的角色。這種組合降低了公司只依賴一款通用人形機器人等待市場成熟的風險，也為技術迭代積累了更豐富的真機數據與客戶反饋。

不久前，FluxVLA Engine 的開源，則承擔著另一層全球化任務。通過向開發者開放從數據、訓練到真機部署的工程鏈路，逐際動力可以讓更多模型、任務和硬件接入自身生態。對于一家具身智能公司而言，全球化并不只有賣設備一條路徑。開發工具、模型基礎設施和操作系統，同樣可能成為連接全球開發者與合作伙伴的入口。

當然，逐際動力接下來面對的考驗也會更加現實。

數千臺訂單要轉化為數千臺交付，Demo 能力要轉化為長時間穩定運行，家庭場景展示要走向可重復、可量化的產品體驗。Pre-IPO 意味著外界對公司的關注點將逐漸從“能否做到”轉向“能否持續做到”，從技術突破轉向收入質量、毛利結構和交付效率。

Pre-IPO 輪的數億美元融資，給逐際動力帶來了更充足的糧草，也抬高了下一階段的預期。資本已經為人形大腦系統投下選票，產業仍要等待規?；Y果。

具身智能真正成熟的標志，不會是某個模型在 Benchmark 上再次刷新紀錄，也不會是一段更流暢的機器人視頻。它會表現為一套系統能夠裝進不同產品，在不同國家穩定交付，在真實環境里持續工作，并讓客戶愿意再次購買。

當行業從模型競賽走向系統競爭，逐際動力所押注的“人形大腦系統”才剛剛進入最關鍵的驗證期。