NE时代

千寻智能再获10亿元融资。

在具身智能领域，数据采集是公认的根本性瓶颈，这是行业内几乎所有人的共识。而千寻智能的快速发展，正试图打破这一困境，同时获得了资本的高度认可。

4月7日，千寻智能对外宣布完成新一轮融资，金额达10亿元。本轮融资由顺为资本、云锋基金联合领投，还有达晨财智、某头部人民币基金、银河源汇等多家机构共同加持。

早在2月，千寻智能就完成了近20亿元融资，短短30天内再次获得资本青睐，累计融资额达到30亿元，融资节奏十分迅猛。

值得关注的是，这次融资中出现了雷军（顺为资本）和马云（云锋基金）的组合，这是两人首次在具身智能赛道共同领投。

今年1月，千寻智能开源了其Spirit v1.5模型，该模型在具身智能模型评测平台RoboChallenge的最新榜单中，以50.33%的成功率超越国际标杆Pi 0.5，成功登顶世界第一。

Spirit v1.5是面向真实世界任务的端到端具身智能基础模型，核心是在单一框架内实现三大能力：一是强大的跨任务、跨本体泛化能力，二是应对真实场景的连续任务稳定性，三是对操作目标和执行结果的精准控制。

它基于开放、非脚本化的真实数据进行预训练，数据中蕴含着物理常识，能够应对遮挡、打滑等干扰，稳定完成任务。同时，它采用高可扩展的数据采集范式，大幅提高了采集效率，减少了对算法专家的依赖。

这也意味着，机器人不再只局限于学会单一任务，而是具备了跨任务迁移的能力，让人们看到了具身智能解放人类生产力的可能。

这背后的技术路径，和大语言模型（LLM）高度相似。

具体来说，Spirit v1.5是端到端的VLA统一模型。它不追求还原世界的全部细节，也不强调显式的世界模拟，而是直接学习从感知到动作的映射关系。

其训练方式也和LLM类似，只是把文本数据换成了机器人数据：先用海量互联网视频预训练，建立基础的世界认知，再用真实交互数据对齐，先获得泛化能力，再逐步逼近具体任务。最终，在更低的算力和参数规模下，实现了更强的泛化表现。

在数据体系建设上，千寻智能始终以“多样性数据”为核心，推进Scaling路线。

目前，千寻智能已累计获取超20万小时的多类型真实交互数据，涵盖互联网视频、遥操作、可穿戴设备采集、真机部署等多个维度，预计2026年数据总量将突破100万小时。

硬件方面，千寻智能也选择了可穿戴方案，且进一步升级。为了让模型学会人类级别的精细操作，他们采用三指结构设计，智能整机配备26个自由度，每个关节都集成了力传感器，搭载三指灵巧手。这也带来了更高的技术挑战，三指结构在可穿戴数据采集中，需要应对更高的自由度、更精细的力控要求和更复杂的动作映射。

目前，千寻智能自研的可穿戴式数据采集设备已迭代至第5代，将采集成本大幅降至传统方式的1/10，数据可用性也从30%提升到95%，彻底扫清了规模化数据采集的成本障碍。

在技术路线上，国内头部具身智能公司与以Generalist为代表的国外公司，已在数据驱动Scaling Law、低成本多样化数据采集这两个方面形成高度共识。

4月2日，Generalist AI发布了GEN-1具身基础模型，用50万小时的真实物理交互数据，验证了具身智能领域的Scaling Law。

该模型将多项物理任务的平均成功率从64%提升至99%，执行速度几乎和人类相当，是现有最先进系统的约3倍，还能临场即兴发挥。更令人意外的是，它每获得一项能力，仅需约1小时的机器人数据。

值得关注的是，GEN-1的训练没有使用机器人数据，而是采用人类佩戴低成本可穿戴设备产生的数百万项活动数据。

此外，Generalist AI明确将数据驱动的Scaling Law作为发展方向，这和千寻智能的技术路线高度吻合。

Generalist AI的CEO Pete Florence表示，当前机器人领域的发展，和人们打开GPT-3并让它写一首全新五行打油诗时的情形十分相似。

千寻团队也有类似的观察，联合创始人高阳曾提到，他们发现了具身智能领域的Scaling Law，数据每增加10倍，结果里就会多一个9。他认为，我们正处于具身智能的Scaling Law时刻，但由于机器人数据采集难度更高，机器人领域的GPT-4可能还需要4-5年才能出现。

然而，和Generalist AI完全依赖可穿戴数据不同，千寻智能构建的是多源融合的数据引擎。

千寻智能的模型训练分为三个阶段，预训练阶段融合大量可穿戴数据与互联网视频，以此习得通用常识和基础能力，随后引入真机遥操作数据开展精细的监督微调（SFT）以提升实际任务表现，最后通过强化学习持续优化，让模型在真实环境运行并生成新数据反哺自身迭代。

同时，千寻智能摒弃行业主流的脚本化数据，采用开放的多样化数据采集范式，围绕任务目标让执行过程自然展开、允许各类失误，使模型掌握问题处理方法而非固定操作步骤，在相同数据规模下大幅提升了模型迁移效率，同时降低了算力依赖。

截至2026年4月，千寻智能的数据团队将扩展至千人规模，持续为模型迭代提供高质量的真实物理交互数据。

千寻智能成立于2024年1月，由韩峰涛、高阳、郑灵茵联合创立，三位创始人分别覆盖AI、机器人、商业化三大核心能力。

创始人兼CEO韩峰涛曾是珞石机器人联合创始人兼CTO，主导交付过近百款机器人型号，拥有深厚的工程化与量产能力；

联合创始人高阳毕业于加州大学伯克利分校，师从计算机视觉大师Trevor Darrell，目前担任清华大学交叉信息研究院助理教授；

联合创始人郑灵茵是工业机器人出海的先行者，曾从0到1搭建海外事业部，带领团队深耕多个海外市场，实现了商业化成果转化。

作为国内首家将多样化数据采集路线从理论推向工程化、规模化，并在真实商业场景中完成双重验证的具身智能公司，千寻智能从可控场景切入，优先进入工业和服务业领域。

在商业化落地方面，3月19日，千寻智能与京东正式签署战略合作协议，自研的Moz机器人已全面接入京东MALL智慧零售场景。

在高精度的咖啡制作任务中，Moz机器人不仅实现了真机稳定作业，还能在完成服务任务的同时，同步采集多模态感知数据、关节运动轨迹以及精细力反馈信息，在真实商业环境中跑通了“数据采集与模型迭代”的飞轮闭环。

双方还计划将具身智能扩展到更多零售细分领域，包括数码家电导购、巡检导览、自动化清洁等。同时，京东药房也被视为核心突破口，机器人将参与自动分拣、精准配药等高精度任务，探索无人化智慧药房方案。

工业场景方面，千寻智能已在宁德时代中州基地部署了全球首条人形具身智能产线，“小墨”机器人走上动力电池包产线，承担下线前的最终功能测试。

“小墨”所替代的EOL与DCR工序，是电池包下线前的最终功能测试。该环节因具有“多品种、小批量、高柔性”的特点，长期依赖人工操作。工人需要将带有数百伏高压的测试插头精准插接到电池包指定位置，这不仅有高压打火风险，也存在效率与质量不稳定等问题。

截至目前，它已完成超过1000块电池的插接作业，成功率稳定在99%以上，作业节拍也逼近熟练工人水平。

▌写在最后

30亿累计融资的快速落地，雷军与马云首次在该赛道联合领投，不仅是资本对其破局路径的坚定认可，更彰显了行业对突破数据困境的强烈渴求。

千寻智能以Spirit v1.5模型登顶世界第一的技术实力，第五代可穿戴采集设备将成本降至传统方式1/10的创新突破，以及多源融合数据引擎的构建，精准直击数据采集“效率低、成本高、可用性差”的核心痛点，有望扭转了行业“数据荒”的被动局面，与国际同行在数据驱动的发展路线上形成共识，走出了一条兼具技术先进性与工程可行性的道路。

此外，从宁德时代产线上“小墨”机器人的稳定作业，到京东MALL里Moz机器人跑通“数据采集与模型迭代”的飞轮闭环，千寻智能正逐步将数据优势转化为商业化落地的实效。