当一架C919进入批产爬坡阶段，真正卡住节奏的往往不是设计图纸，而是机身大部件上数以万计的制孔与铆接点。大型壁板、框段和长桁的装配仍高度依赖人工划线、人工制孔和人工铆接，精度波动、效率瓶颈与数据不可追溯同时存在。更棘手的是，航空制造对工艺数据有严格的保密要求，通用工业机器人方案很难直接进入主机厂现场。这个矛盾在国产大飞机进入稳定交付周期后变得更加突出：一边是逐年上升的批产目标，另一边是难以同步扩张的高技能装配工人队伍。
飞钛智造科技（绍兴）有限公司试图从装配机器人切入这一缺口。投资界9月20日消息，飞钛近日完成数千万元融资，由海愿资本、浙大控股领投，中富创业、金柯桐创、南通江海英才天使投资基金及天使投资人跟投。公司称其已成为C919批产一期制造设备的核心供应商，客户覆盖中国商飞、航空工业、中国航发、航天科工等企业。不过，本轮融资的具体轮次未披露，资金用途也未披露。
值得注意的并非融资本身，而是一家在公开渠道几乎没有留痕的融资主体——“飞钛智造科技（绍兴）有限公司”本身查不到官网、专利与中标记录，公开可查的是同品牌的“杭州飞钛航空智能装备有限公司”（官网 hzfeat.com，位于杭州萧山，持有航空装配相关专利），两者关系未获公开确认——这样一家公司，如何在航空航天装配这一高壁垒、长验证周期的市场里，同时讲出国产替代与具身智能两个故事。从已披露信息看，飞钛的叙事建立在两个支点上：一是C919批产带来的确定性工艺需求，二是具身智能与商业航天带来的远期想象。两个支点的时间尺度不同，验证难度也不同，资本市场对它们的定价逻辑可能完全不同。
| 公司 | 飞钛智造科技（绍兴）有限公司 |
| 轮次 | 未披露 |
| 金额 | 数千万元人民币 |
| 投资方 | 海愿资本、浙大控股领投；中富创业、金柯桐创、南通江海英才天使投资基金及天使投资人跟投 |
| 总部 | 绍兴 |
| 创始人 | 章易镰 |
| 官网 | https://www.hzfeat.com/（同品牌关联主体“杭州飞钛航空智能装备有限公司”的官网；与本轮融资主体绍兴公司的股权关系未获公开确认） |
编辑说明：本文为这笔融资的唯一正式报道。RecodeX 当日曾因采集环节未取到来源正文，另外生成过一篇把公司写成“未披露”的重复稿（681121），该稿已于 2026-09-20 合并入本文并 301 跳转至此；其中来自 36氪（硬氪）专访的增量信息已补入下文「来自 36氪 专访的增量信息」一节。
从±0.25毫米到骨架中心线：装配精度不是单一指标
飞钛把技术叙事的起点放在精度上。据投资界披露，公司自研底层控制算法，对机器人旋转关节进行高精度改造，并结合机器人形变补偿算法，将本体控制精度提升至±0.25毫米。这个数字需要放进真实工况里理解：航空结构件尺寸大、刚性弱，机器人末端精度只是基础，真正的难点在于工件本身变形、移动平台误差与工艺基准漂移。换句话说，±0.25毫米描述的是机器人本体在受控条件下的控制能力，而不是一个孔在真实机翼壁板上最终落点的位置偏差。
飞钛披露的第二层技术是面向航空制造的机器视觉。据公司介绍，系统能够通过视觉识别临时基准钉，并动态调整加工轨迹，使孔位保持在骨架中心线；同时通过识别产品基准点，计算机器人与产品之间的相对坐标关系，对AGV移动产生的定位误差进行补偿。从已披露的这两项能力看，飞钛的技术路线并非单纯追求机器人本体绝对精度，而是把“机器人—工件—移动平台”作为一个闭环系统来补偿误差。这与航空装配中“基准优先于坐标”的工艺逻辑一致。临时基准钉的识别尤其值得注意：在大型壁板装配中，工艺基准往往不是固定坐标系，而是随工装、随零件状态变化的临时基准。如果视觉系统能够稳定识别这些临时基准并动态修正轨迹，意味着飞钛试图解决的是航空装配中更接近现场真实痛点的误差源，而不是停留在实验室里的重复定位精度。
但需要指出的是，±0.25毫米为本体控制精度，并非最终装配孔位精度；后者还取决于视觉识别误差、AGV定位误差、工件热变形与刀具磨损等环节，公司未披露综合工况下的最终精度数据。从工程逻辑看，视觉识别误差与AGV定位误差可能叠加，也可能在闭环补偿中被部分抵消，但具体抵消到什么程度，取决于算法对误差源的建模完整性与现场标定质量。这些关键参数均未公开，因此±0.25毫米只能被视为一个必要但不充分的技术指标。
软件侧，公司称拥有工艺仿真与人机交互软件及工艺数据库，支持AR/VR引导及数字孪生系统。其全自研的四维生产管理与质量管控系统在三维空间基础上增加时间轴，可实现生产过程的可追溯与“倒放”检索，并结合机器学习技术对海量质量数据进行风险预判。这一描述指向航空制造的核心诉求：不仅要把孔打好，还要让每一个孔的位置、力、速度、刀具状态与操作者都可回溯。对主机厂而言，这种可追溯性本身就是质量体系的一部分。在适航审查语境下，制造过程数据的完整性与可检索性，往往与产品本身的尺寸合格率同等重要。但“四维生产管理”的实际部署深度、与主机厂现有MES/QMS系统的对接方式，以及机器学习风险预判的误报率，均未披露。一个可能的挑战是，主机厂的质量体系通常已经高度固化，外部供应商的数字化系统要嵌入其中，需要经过漫长的兼容性验证与流程适配，这比单纯开发一套软件要复杂得多。
“机器狗+机械臂”订单：具身智能标签下的产品化问题
飞钛本轮融资最容易被传播的标签，是它开发了LHVA（Lightweight Hierarchical Vision-Action Model）轻量化模型，并据公司介绍已成交一套搭载该模型的“机器狗+机械臂”订单，为航空装配领域首个具身智能订单。这一表述来自投资界，公司口径为“首个”，目前没有独立第三方验证该订单是否为航空装配领域首个具身智能订单。需要区分的是，“首个”可能意味着时间上的第一，也可能只是公开报道中的第一；在航空制造这种高度封闭的行业里，很多工艺验证并不进入公开信息渠道，因此“首个”的含金量需要更谨慎地评估。
从技术描述看，LHVA模型通过线激光采集少量点云数据作为特征样本，将产品轮廓特征与工具位姿信息进行编码，以降低训练数据量；同时训练机器人关节运动，针对具体工艺学习加工轨迹，再结合经典运动学算法执行。公司称该模型支持客户现场采集数据自行训练。这个技术路线的现实意义在于：航空装配场景数据量小、工艺保密要求高，无法像互联网大模型那样依赖海量公开数据训练。用少量点云加经典运动学约束，是在数据受限条件下的一种务实选择。它意味着模型不需要把大量工艺数据上传到外部服务器，而是可以在客户现场完成训练与推理，这在数据保密要求极高的航空制造环境中可能是一个关键卖点。
但“机器狗+机械臂”订单本身需要更冷静地拆解。四足机器人在航空装配现场的价值，理论上在于跨厂房、跨工位的移动能力，以及进入狭窄区域的能力。问题是，航空制孔与铆接对末端稳定性要求极高，四足平台在行走与作业切换时的振动、沉降和姿态漂移，会直接叠加到末端精度上。飞钛披露的AGV误差补偿方案针对的是轮式移动平台，四足平台的非线性运动误差是否能用同一套视觉基准补偿逻辑覆盖，公司未披露。从运动学角度看，轮式AGV的误差模型相对成熟，主要涉及平面内的位置与航向偏差；而四足平台涉及足端接触状态、机身姿态、步态相位等多个自由度，误差模型复杂得多。如果飞钛的视觉补偿逻辑只针对轮式平台的误差特征设计，那么它在四足平台上的适用性仍需独立验证。换句话说，这套订单证明了具身智能形态在航空场景中的工程可行性，但它距离替代固定工位或轮式AGV上的装配机器人，还有很长的验证路径。一个更现实的定位可能是：四足平台先在检测、巡检、辅助搬运等对末端精度要求较低的工序中落地，再逐步向制孔、铆接等高精度工序渗透。但这一路径是否与飞钛的实际产品规划一致，公司未披露。
70%份额与1/8价格：国产替代叙事的两个未解前提
36氪报道称，飞钛已占据国内航空航天装配机器人近70%份额。这是所有公开信息中最具冲击力的数字，但也是最需要谨慎对待的数字。该份额的统计口径未披露：是按台数、按合同金额，还是按已交付产线数量？分母是仅统计国产厂商，还是包含欧美进口设备？如果包含进口设备，那么在中国商飞、航空工业等主机厂现有产线中，历史进口设备存量巨大，70%的份额意味着飞钛在新增市场中的渗透率远超行业常识；如果不包含进口设备，则“国内航空航天装配机器人”这一表述存在误导性。一个可能的解释是，该份额统计的是某一特定细分品类，比如小型化协作臂式装配机器人，而非整个航空航天装配机器人市场。但这一解释只是编辑推断，飞钛与36氪均未披露统计边界。
另一个关键数字是价格。据投资界披露，飞钛产品性能对标欧美同类产品，价格约为其1/8-1/10。这是公司口径，没有独立第三方验证。即使价格差异属实，也需要区分“机器人本体价格”与“整线系统价格”。航空装配的采购决策中，本体只占一部分，末端执行器、工艺软件、质量追溯系统、现场调试与适航相关验证成本往往更高。如果1/8-1/10只是本体价格，那么对客户总拥有成本的影响会显著缩小。更重要的是，航空主机厂对供应商的选择从来不是纯价格驱动，适航要求、工艺验证周期、历史交付记录与供应链安全权重极高。低价可以成为敲门砖，但不足以解释70%的份额。从采购逻辑看，主机厂在关键工序设备上往往倾向于选择已验证的成熟方案，因为一次工艺变更带来的适航重新验证成本可能远超设备采购差价。飞钛能够进入C919批产一期供应商名单，说明其方案至少通过了主机厂的工艺验证门槛，但“进入名单”与“占据70%份额”之间仍有巨大的信息缺口。
商业航天延伸：从C919的工艺确定性到火箭卫星的标准未定
飞钛在航空之外开始布局商业航天制造。据公司披露，面对火箭、卫星等产品制造需求增长，其正在探索火箭及卫星部件的标准化生产，并将航空航天装配机器人和数智化产线规划建设能力向商业航天延伸。这个方向在产业逻辑上成立：商业航天对交付速度与成本更敏感，对标准化产线的接受度可能高于传统军工体系。传统航天制造长期以型号定制为主，工艺路线固化，批量小，自动化改造的动力相对不足；而商业航天企业更倾向于用标准化、可复制的产线来摊薄成本，这为装备供应商提供了新的市场空间。
但“标准化生产”在商业航天内部仍是一个未完成的概念。火箭贮箱、舱段与卫星结构件在材料、尺寸、批量上差异极大。液体火箭贮箱以薄壁铝合金焊接件为主，其装配核心在焊接与焊缝质量，而非制孔铆接；卫星结构件批量小、构型多变，更接近离散制造。飞钛在C919上积累的制孔、铆接、涂胶、打磨工艺，能否直接迁移到火箭与卫星部件，取决于具体部件类型。例如，火箭级间段或整流罩中的部分结构可能涉及铆接工艺，但贮箱筒段与箱底的主要连接方式是焊接，这与飞钛在航空壁板装配中积累的制孔铆接能力并不完全对应。公司未披露其商业航天业务的具体产品形态、客户或订单。从已披露信息看，商业航天对飞钛而言仍处于探索阶段，而非已验证的收入来源。一个更可能的切入路径是，飞钛把在航空领域验证过的数字化产线规划能力，先用于商业航天企业的总装与检测环节，再逐步向部件制造环节延伸。但这只是基于产业逻辑的推测，公司未披露具体实施计划。
资本结构中的信号：浙大控股与地方天使基金的组合
本轮投资方组合值得拆解。海愿资本与浙大控股领投，中富创业、金柯桐创、南通江海英才天使投资基金及天使投资人跟投。浙大控股的参与，与公司核心团队来自上海交通大学、浙江大学、上海大学等院校的背景形成呼应。创始人章易镰博士毕业于上海交通大学，曾任上海拓璞数控科技股份有限公司技术总监，拥有超15年航空航天机器人研发制造经验。技术团队占比超60%，这一比例在硬科技装备公司中并不罕见，但结合航空航天装配的工艺复杂性看，高比例技术团队意味着公司在工程实施与现场调试上可能更依赖自有人员，而非外包或渠道伙伴。南通江海英才天使投资基金的出现在一定程度上说明，飞钛的融资网络已经超出绍兴本地，进入长三角区域性的政府引导基金视野。地方天使基金的参与通常带有产业落地预期，但飞钛是否在南通有产能或研发布局，公司未披露。
但投资方名单存在冲突。投资界与36氪列出的跟投方为中富创业、金柯桐创、南通江海英才天使投资基金及天使投资人；而搜狐与MSN转载的天眼查信息则列出中富投资、吉林中科、新源投资。两套名单的差异可能源于工商变更与新闻稿披露口径不同，也可能涉及不同主体在不同时间节点的进入。飞钛未对投资方名单差异作出公开说明。此外，有来源将本轮称为天使轮，但主来源未明确轮次。若确为天使轮，则意味着这家已交付C919批产一期设备、据称占据近70%份额的公司，在资本化路径上仍处于非常早期的阶段；若为更晚轮次，则“数千万元”的融资规模与70%份额的市场地位之间存在明显张力。这种张力本身可能说明，飞钛的收入规模与市场份额之间并不线性对应，或者其市场份额的统计口径与资本市场通常理解的行业集中度存在差异。无论哪种情况，都指向同一个事实：飞钛的公开信息密度远低于其市场声量，投资者需要更多披露才能建立可靠的估值锚。
待验证的假设：从单点设备到整线交付的跨度
飞钛的商业模式包含三个层次：智能装备、自动化产线与工厂数字化服务。其中，智能装配产线“交钥匙”工程被描述为根据客户零件及工艺要求，统筹规划从单机设备、信息化系统到物流系统的整线实施。这是航空航天装备供应商向系统集成商跃迁的典型路径，但跨度远超单机销售。单机设备交付的核心是产品性能与工艺适配，而整线交付的核心是系统设计与多设备协同，两者的能力模型、项目周期与风险结构完全不同。
整线交付意味着飞钛需要承担产线级的设计责任、多设备协同调试责任与交付后的产能爬坡责任。航空主机厂的整线项目周期通常以年计，验收标准严格，回款周期长。公司称已交付多个国家级重点项目，但未披露这些项目的规模、交付周期与收入贡献。从已披露信息看，飞钛的核心验证点仍集中在单机设备与关键工序上，整线交付能力是否已经形成可复制的收入模型，尚缺乏公开数据支撑。另一个待验证假设是LHVA模型的客户自训练能力。公司称该模型支持客户现场采集数据自行训练，这意味着飞钛需要把模型训练工具产品化，而非依赖自身算法团队驻场服务。这种“授人以渔”的模式在工业软件领域并不容易实现，尤其是面对航空客户的数据保密与工艺固化需求。客户自训练的前提是训练工具足够易用、足够稳定，且训练结果能够通过工艺验证；如果客户训练出的模型无法稳定复现工艺要求，责任边界就会变得模糊。飞钛是否已经建立了标准化的训练工具链与客户培训体系，公司未披露。
从已披露的C919核心供应商身份、客户名单与多工序产品线看，飞钛在航空航天装配机器人领域已经完成了从0到1的验证。本轮数千万元融资的真正意义，不在于金额本身，而在于它能否支撑公司从单点设备供应商向整线方案商、从航空存量市场向商业航天增量市场的双重跨越。这两个跨越的验证路径都很长，且目前公开信息只能证明第一个跨越的起点，不能证明其终点。对于一家融资主体本身在公开渠道几乎查不到登记、专利与官网信息的公司而言，飞钛需要在后续披露中回答的问题，远比本轮融资已经回答的问题更多。
来自 36氪 专访的增量信息：小型化参数、成本对比与 2026 年订单目标
本轮融资的所有公开报道同源——36氪（硬氪）9 月 20 日的首发稿，以及投资界、21经济网、凤凰网、同花顺等随后的转载，未见独立采访或第二信源。其中只有 36氪 原文附带创始人章易镰的访谈节选，以下几组数字来自该篇，转述时均保留“公司口径”属性。
先是小型化方案的具体参数。据章易镰介绍，飞钛的机器人本体重量 40 公斤、末端工具约 10 公斤、占地 1 米×1 米；对照他描述的传统路径——大型专用机床一台几千万元，机器人加立柱、升降平台与 AGV 底盘的整套方案十几吨重，进口设备三四千万元、国产化后也要一千多万元——飞钛给出的价格约为原大型设备的十分之一，其通用设备单价则是“一百多万元一台”。他称一台机器人可顶两三个人工，按当前设备价格计算约两年收回投资。
更关键的是它对市场边界的重新定义。章易镰的说法是，过去大型设备移动不便、价格高昂，自动化通常只能覆盖约 10% 的工序，而飞钛瞄准的是此前 90% 依靠人工完成的部分。如果这个比例成立，飞钛的增长来源就不是从既有设备厂商手里抢份额，而是把原本不做自动化的工序变成可自动化的市场——这两种增长的天花板完全不同，对应的竞争对手也不同。
精度门槛也有了对照系。据其介绍，库卡、ABB 等传统工业机器人精度一般在 0.8 到 1 毫米，而航空装配部分工艺要求在 0.5 毫米以内，这正是通用工业机器人无法直接进场的原因，也是 ±0.25 毫米这个数字的意义所在。在软件侧，公司称其四维生产管理与质量管控系统可压缩质检流程，而质检目前约占整个生产过程时间的 40%。
LHVA 模型的设计取舍在 36氪 原文中也更具体：现有 VLA 类模型把视觉图像、语言指令与机器人关节数据放在一起训练，样本量大，且本体与视觉误差会不断迭代进模型，章易镰称其最终动作准确率可能只有 30% 到 40%，无法用于航空装配这类低容错场景；叠加航空客户“只能用国产化计算机与操作系统、不能使用英伟达 GPU”的保密要求，算力也受限。LHVA 的做法是砍掉语言模态、改为分层训练，用线激光采集少量点云，只提取几个产品轮廓特征加上工具位姿的 6 个坐标值，单个样本仅几 KB；并且不训练关节数据，而是针对产品特征学习工艺轨迹，再交由经典运动学算法执行。牺牲通用性、换取受限算力与小样本下的可用性，这是它与通用具身路线最根本的分歧。
最后是一个可被时间检验的承诺：公司预计 2026 年订单额将超过 1.5 亿元、营收超过 1 亿元。相比“近 70% 份额”这类无法外部验证的表述，这个数字才是本轮融资真正的考核线。
近 70% 份额与 1 亿元营收预期之间的算术缺口
把两个公司口径的数字放在一起，会出现一处需要读者自行注意的张力。据 36氪 原文引用的市场数据，2024 年全球航空航天装配机器人市场规模超过 240 亿元，国内市场规模约 62 亿元，国内 CAGR 为 17.9%、高于全球 14.2%。若“国内航空航天装配机器人近 70% 份额”按这个 62 亿元的口径计算，对应的收入规模约为 43 亿元；而公司对 2026 年的营收预期是“超过 1 亿元”。
两个数字相差约两个数量级，说明它们不可能建立在同一个统计口径上。合理的解释有两种：要么“近 70%”指的是一个远比 62 亿元市场更窄的细分（例如国产大飞机装配设备中的特定工艺环节或特定机型配套），要么 62 亿元这一市场规模的统计边界与公司所说的“装配机器人”并不重合。RecodeX 未能确认这组市场数据的原始出处与统计机构，也未获得公司对份额口径的界定。
这不是一处文字瑕疵，而是判断这家公司时最需要先厘清的前提：在这个行业，“份额”往往描述的是合格供应商稀缺条件下的客户集中度，而不是竞争意义上的市场占有率。读者在引用“近 70%”时，应当同时引用它的边界。
验证边界与可复核指标
本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。
- 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
- 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
- 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。
RecodeX 极客视：飞钛的故事里有两个时间尺度。一个是C919批产带来的确定性需求，它给了公司订单与客户背书；另一个是具身智能与商业航天带来的叙事弹性，它给了公司估值想象空间。真正需要被持续追踪的，不是“首个具身智能订单”的标签，而是那个订单背后的四足平台能否在真实航空工况中稳定复现±0.25毫米的承诺——因为在这个行业，一次演示和一套可交付产线之间的距离，往往比一轮融资要长得多。