山西80后，融資數億

作者丨鉛筆道 松格

 編輯丨鉛筆道 鄒蔚

封面圖丨跨維智能提供

具身智能，找客戶難。

但深圳一家機器人公司，卻有一批千億級大廠為之買單。

美的工廠里，機器人分揀，效率是人工3倍；海信生產線中，機器人用于柔性插拔裝配，成功率達99.99%。2024年又推出人形機器人，2025年就批量出貨超百臺，拿下了比亞迪、廣汽、中聯重科、三一重工、松下、大金、藍思科技等客戶。

這就是跨維智能，通過為制造業客戶提供機器人大腦和人形機器人，年收入已突破億元。

跨維智能創立于2021年，之所以在不到五年就大規模落地，秘密是解決了數據難題。

物理世界的數據天生稀缺，行業大多靠真機采集數據，效率低還復用難?？缇S智能創始人賈奎帶著團隊，用計算機模擬物理環境“造數據”，解決了機器人在真實世界中訓練數據匱乏的難題。

在跨維智能搭建的虛擬世界里，物體有重量、會碰撞，能無限生成訓練數據——今天練分揀圓形零件，明天換方形；今天模擬晴天，明天換陰天，還能故意設置油污干擾。

資本同樣看好跨維智能的“數據核武器”?？缇S智能已經完成多輪大額融資。剛創立就獲得近千萬美元天使融資。

2025年年中，又獲得數億元A1&A2輪融資，投資方包括領投方成都科創投、洪泰基金，以及聯想創投等一眾新老股東。

跨維智能的客戶分部在汽車零部件、新能源、3C電子、航空航天、物流、家電、化工、醫療、教育等50多個細分行業。

賈奎是“80后”，山西人，本科畢業于西北工業大學，并在倫敦大學瑪麗女王學院獲得博士學位。目前，他的另一重身份是香港中文大學（深圳）教授。

最近，鉛筆道與多家媒體一道，與賈奎交流，共探機器人新機會。

1、機器人下一個落地場景是什么？

服務機器人。技術將成熟到“好用且不貴”，機器人成本能降到客戶18至36個月回本的區間。2027年開始起量，2028年有望迎來爆發，復刻工業機器人當年的發展路徑。

2、2026年，哪些領域會爆發？

三維物理世界模型成為行業熱點，接近人類自然動作的數據采集設備（如手環、頭環）會爆發。

3、樂觀看，具身智能的前景有多大？

如果核心數據問題能徹底解決，優秀公司的估值或能達到大模型公司的10倍。

聲明：訪談對象已確認文章信息真實無誤，鉛筆道愿為其內容做信任背書。以下是賈奎口述。

- 01 -

2021年創業的時候，“具身智能”概念別說火，行業里都沒幾個人提。

我們很想搞明白：AI能不能跳出屏幕，從文本、圖像這些虛擬數字世界，真正走進生活的三維物理世界？

而AI要在物理世界自主完成任務，必須有載體，就是機器人，這也是具身智能的核心邏輯。

很多人會把具身智能和人形機器人畫等號，其實這是個誤區。具身智能是“讓AI在物理世界做事的能力”，而人形機器人只是這種能力的一種載體。哪怕是一個只有一只“手”的機械臂，只要能靠AI感知環境、自主完成任務，也屬于具身智能的范疇。

但無論載體是什么，機器人最終的價值都要落到“勞動力”上：要么比人效率高，要么能做人做不了的事，要么能降低成本。

工業領域的機器人普及度一直最高——汽車工廠的焊接機器人、3C工廠的組裝機器人已存在幾十年——但有致命缺點：成本太高且太“死板”。

一套傳統工業機器人系統可能要幾十萬甚至上百萬，只有汽車、手機這種大批量生產的行業才用得起；而且它們只能做固定動作，一旦產品型號變更，就得重新編程、調整設備，中小批量生產的工廠根本扛不住這個成本。

而商業場景和家庭場景的問題更突出：機器人滲透率極低。商場里難見真正干活的機器人，家里的掃地機器人本質還是“自動化設備”，不是能自主決策的“智能體”，核心原因是這些場景太復雜、太靈活，傳統機器人的“腦子”不夠用。

具身智能還不能像人一樣，適配不同場景，兼顧智能、通用與低成本，根子在數據——物理世界的數據天生稀缺。

你想讓機器人學會分揀零件，互聯網上找不到“零件重量+抓取力度+環境光照變化”的組合數據；想讓它學會插拔電線，也沒有現成的“力覺反饋+插拔角度+電線材質”的數據集。這些數據是三維的、多模態的，還和具體場景強綁定，根本沒法像爬取文本那樣批量獲取。

既然真實數據不夠，能不能用計算機模擬物理環境“造數據”？這就是生成式仿真的雛形。當時這個想法很超前，行業里大多還在靠真機采集數據，我們卻開始琢磨怎么構建虛擬物理環境，生成機器人需要的訓練數據。

大模型讓AI的“理解能力”上了一個臺階，但數據瓶頸仍未突破。很多同行的嘗試都走不通：真機遙操作采集數據效率太低，百萬條模型訓練數據需要大量人工，且不同場景的數據無法復用；視頻生成技術只能提供二維表象，缺了物理機理支撐，模型到真實場景里很容易“翻車”。

我們的解決方案是在計算機里搭建一個遵循真實物理規律的“虛擬世界”（這個虛擬世界名字叫GS-World），物體有重量、會下落、碰撞會反彈，甚至摩擦力、重力、阻力都能精確模擬。

在這個虛擬世界里，我們能無限量生成訓練數據：今天讓機器人練分揀圓形零件，明天可換成方形；今天模擬晴天光照，明天能換成陰天；甚至能故意設置干擾，比如讓零件沾油污，看機器人怎么調整策略。

之后，我們通過微調模型，把仿真訓練的“能力”轉化為落地“技能”。目前已有多個行業案例：

美的工廠的無序零件分揀機器人，效率是人工的3倍；海信生產線的柔性插拔裝配機器人，成功率達99.9%，這些都是過去只能靠熟練工人完成的任務。

- 02 -

2021年公司運營后，我們將業務分為兩大板塊，核心都是“把具身智能轉化為商業價值”：

在泛智能制造領域，我們定位“賣機器人大腦”——提供操作大腦和純視覺傳感器，適配ABB、庫卡等國內外主流機器人本體，不用替換現有設備就能實現柔性生產。客戶涵蓋美的、海爾、海信、廣汽、比亞迪、松下、藍思等頭部企業，集中在汽車零部件、3C、家電、新能源行業。2023-2024年，這塊業務年增速至少翻倍。

商業服務板塊則走“大腦+本體”的全棧路線。因為商業場景沒有現成的機器人載體，我們2024年發布DexForce W1系列人形機器人，定位“通用靈巧作業平臺”。

它的上肢有7個自由度，能做出和人手類似的靈活動作，搭配GS-World訓練的模型，可完成沖咖啡、取餐、掃碼支付、導引講解等復雜任務。目前已與頭部文旅運營商、連鎖咖啡品牌深度合作。2025年8月開始批量出貨，出貨量已超百臺。

我預判2026年是商業服務機器人的元年——屆時技術將成熟到“好用且不貴”，機器人成本能降到客戶18-36個月回本的區間。2027年開始起量，2028年有望迎來爆發，復刻工業機器人當年的發展路徑。

我一直認為，具身智能行業要發展，必須解決“數據平權”。此次更是將GS-World的核心底座EmbodiChain直接開源，讓大家可以自己去生產數據，訓練模型，不怕技術抄襲，是因為我們的核心競爭力在物理建模算法和工程化落地能力，且行業需要更多參與者一起做大“蛋糕”。

“AI定義本體”是我們的特色：把機器人構型、關節參數建模成圖結構，AI可根據任務目標（如“最低成本實現最高抓取率”）優化設計，我們的人形機器人本體就大量采用這種方案，比傳統設計更靈活、成本更低。

過去一年，行業雖有泡沫，但進步實實在在：模型泛化能力更強、機器人成本更低、核心零部件供應鏈更成熟，尤其是以深圳為代表的中國硬件供應鏈，在響應速度和成本控制上優勢明顯。

我判斷2026年將有兩大趨勢：

1、三維物理世界模型成為行業熱點，

2、接近人類自然動作的數據采集設備（如手環、頭環）會爆發。

工業仿真技術已成熟幾十年，精度完全滿足需求；所謂差距是所有數據的共性問題，我們通過生成極端場景數據擴大數據分布，讓模型見過足夠多的“意外”，到了真實場景自然能應對自如。我們的商業模式核心是“賣能力”，交付給客戶的是“不用管就能干活的勞動力”，而非單純的數據或產品。

如果具身智能的核心數據問題徹底解決，優秀公司的估值或能達到大模型公司的10倍——因為具身智能作用于物理世界，能直接帶動實體經濟，提升工廠效率、降低服務成本、改善家庭生活。

本文僅為口述者獨立觀點，不代表鉛筆道立場，不構成任何投資建議。