星凡智能完成超3亿融资：从算力服务到物理AGI，让AI真正“动手”干活

当AI从“能思考”走向“能行动”，物理世界的大门正在被叩响。星凡智能（XFEON）近日宣布完成超3亿元人民币新一轮融资，这家成立仅五年的成都AI公司，正试图用自研芯片与数据飞轮，解决AI在真实场景中“眼睛多、脑子慢”的核心痛点。

从算力服务商到物理AGI赌徒：星凡智能的五年跃迁与战略豪赌

2021年，当应鹏飞在成都创立星凡智能时，他选择的赛道并非当时最炙手可热的大模型训练，也不是通用AI芯片的正面战场，而是一个看似“笨重”的起点——算力服务。彼时，国内AI芯片领域已是红海：寒武纪凭借“AI芯片第一股”光环登陆科创板，地平线聚焦自动驾驶芯片，壁仞科技、摩尔线程等初创公司则在GPU通用算力领域疯狂融资。星凡智能的“Token工厂”模式，本质上是一种务实的生存策略：不做最底层的芯片设计，而是搭建算力中间层，将分散的算力资源整合、优化后，以标准化产品交付给政府、国央企和上市公司。

这一选择背后，是应鹏飞对AI产业早期痛点的精准判断。2021年，大模型尚未爆发，但算力需求已从“能用”向“好用”转变。传统IDC机房提供的裸金属服务器，无法满足AI训练对异构计算、低延迟、高吞吐的苛刻要求。星凡智能的“Token工厂”本质是一个算力操作系统——通过自研的XBoost加速平台，将不同厂商的芯片（英伟达、华为昇腾、寒武纪等）进行统一调度和优化，实现模型压缩、推理吞吐提升和异构芯片适配。这种软硬协同的“中间件”能力，让星凡智能在客户侧形成了独特壁垒：政府智慧城市项目需要同时兼容国产化芯片和进口算力，国央企数字化转型要求数据不出域、算力私有化部署，而星凡智能恰好提供了这种“不挑芯片、不挑场景”的柔性方案。

数据印证了这种模式的爆发力。成立五年，星凡智能年均复合增长率达99.3%，累计交付数千P等效算力，客户覆盖北京、四川、重庆、安徽、广东、江苏等十余个省市，其中政府、国央企和上市公司占比超过70%。2024年，公司获得国家级专精特新“小巨人”企业认证，同年荣登“2026福布斯中国人工智能新锐企业榜单”。这一增速在AI基础设施领域极为罕见——对比寒武纪，其2021-2025年营收复合增长率仅为35%左右，且长期处于亏损状态；而星凡智能凭借“轻资产+高周转”的算力服务模式，在早期实现了正向现金流。

但应鹏飞的野心远不止于做一个“算力二房东”。2025年底，星凡智能内部启动了一场战略级复盘：算力服务虽然造血能力强，但天花板明显。一方面，英伟达H100/B200等高端芯片的供应限制，导致国产算力服务商被迫依赖华为昇腾等替代方案，毛利率被压缩；另一方面，大模型训练市场正被云厂商（阿里云、华为云）和头部芯片公司（英伟达、寒武纪）瓜分，星凡智能的“中间件”模式在通用训练场景下难以建立绝对优势。更关键的是，应鹏飞意识到，AI产业的下一波浪潮不在“云端”，而在“物理世界”——具身智能、太空计算、边缘智能等场景，需要的是“能思考、能行动、能适应环境”的物理AGI能力，而非单纯的算力堆叠。

这种判断与同期其他公司的路径形成鲜明对比。寒武纪坚持“通用AI芯片”路线，试图用思元系列覆盖从云端到边缘的全场景，但2025年其营收中仍有超过60%来自政府项目，商业化落地缓慢；地平线聚焦自动驾驶芯片，却面临Mobileye、英伟达的强势竞争，2025年市占率不足5%；而星凡智能选择了一条更“窄”但更“深”的路径——放弃通用芯片的幻想，直接切入具身智能和太空计算这两个高价值、高壁垒的细分场景。用应鹏飞的话说：“物理AGI不是大模型的简单延伸，它需要芯片、算法、数据和场景的闭环。我们不做‘万金油’，而是做‘特种兵’。”

这一战略跃迁在2026年7月的超3亿融资中得到了资本市场的背书。领投方鼎旭投资合伙人王成恺在投资逻辑中明确指出：“星凡智能围绕Token工厂、具身智能芯片、计算卫星芯片和场景的布局，并不是简单追逐热点，而是在算力需求结构变化的早期，完成了产研能力、算力产品和场景落地的连续积累。” 跟投方高捷资本董事孙玉则强调：“我们判断硬科技项目时，重点是看技术能力能否持续沉淀。星凡智能的产研实力覆盖算法优化、异构加速、算力系统和场景适配等关键环节，而不是停留在实验室阶段。”

然而，这场战略豪赌并非没有风险。从算力服务商转型为物理AGI企业，意味着星凡智能需要同时攻克三大难题：一是芯片端，星核R系列（具身智能芯片）和星核K系列（太空算力芯片）的研发需要巨额投入，且面临英伟达Jetson系列、华为昇腾310等成熟产品的挤压；二是数据端，具身智能数据飞轮需要大规模、高质量的物理世界数据采集，而“无人真机采集+仿真训练”的闭环尚未被验证；三是商业化，太空算力虽然概念新颖，但卫星在轨计算的市场规模在2026年仍不足百亿，且客户以政府和航天机构为主，回款周期长。应鹏飞对此并不讳言：“我们正在做一件从0到1的事，失败的概率不低。但如果成功了，星凡智能将成为物理AGI时代的基础设施。”

这种“赌徒”式的战略定力，或许源于创始团队的基因。应鹏飞本人是连续创业者，核心研发团队来自全球头部芯片和算法公司，与西安交通大学自主系统与智能芯片研究团队的产学研合作，则为“片上自学习AI芯片”提供了底层技术支撑。截至2026年中，星凡智能已实现浮点运算量与EMA成本减少近半，等效能量效率相比国内同类芯片提升一倍以上——这些技术指标，正是物理AGI场景对芯片“低功耗、高实时、强适应”要求的直接回应。

五年时间，星凡智能从一个算力服务商，成长为押注物理AGI的“赌徒”。它的路径选择，折射出中国AI基础设施创业公司的典型生存法则：在巨头环伺的市场中，先通过轻资产模式完成商业闭环，再以技术纵深切入高价值细分场景，最终用“芯片+数据+场景”的闭环构建长期壁垒。但这场豪赌的终局，取决于它能否在具身智能和太空计算这两个“无人区”中，真正跑通从技术到商业的飞轮。

芯片、数据与场景的三角飞轮：星凡智能如何破解‘AI进入真实世界’的工程难题

2026年7月，成都高新区的一间实验室里，星凡智能的工程师正在调试一块巴掌大小的芯片——星核R系列。这块芯片的使命，是让机器人“眼睛快、脑子快”。在具身智能的落地场景中，一个常见的悖论是：机器人搭载了多路摄像头、激光雷达和触觉传感器，数据吞吐量惊人，但端侧芯片的算力却无法支撑实时推理。结果是，机器人需要将大量数据上传云端处理，导致响应延迟从毫秒级飙升到秒级，这在工业分拣、家庭服务等场景中几乎是灾难性的。

星凡智能的解决思路，不是简单堆砌算力，而是通过算法与芯片的协同设计，将“智能”下沉到端侧。星核R系列的核心突破在于混合精度量化与低比特量化——传统AI芯片在推理时通常使用FP32或FP16精度，但具身智能场景中，许多任务（如目标检测、路径规划）对数值精度的要求并不高。星凡智能的工程师团队将模型中的权重和激活值从16比特压缩到4比特甚至2比特，同时通过稀疏化优化剔除冗余参数，使芯片在保持95%以上推理精度的前提下，将功耗降低60%以上。这一技术路线的灵感，部分来自西安交通大学自主系统与智能芯片研究团队的研究成果——双方在“片上自学习AI芯片”领域的合作，已经实现了浮点运算量与EMA（指数移动平均）成本减少近半，等效能量效率相比国内同类芯片（如华为昇腾310）提升一倍以上。

但芯片本身只是载体，真正的壁垒在于XBoost加速平台。这是一个连接芯片能力与场景应用的中间件系统，支持从英伟达Jetson到华为昇腾、再到星核R系列的异构芯片适配。对于机器人厂商而言，这意味着无需更换硬件平台，只需通过XBoost的软件栈，即可将模型部署到不同芯片上。例如，一家头部扫地机器人公司，原本依赖英伟达Jetson Orin芯片，但受限于供应和成本，希望切换至国产方案。星凡智能通过XBoost的模型压缩和推理优化工具链，在两周内完成了迁移，且推理延迟仅增加5%。这种“不挑芯片”的柔性能力，在国产替代浪潮中极具商业价值——政府客户要求关键场景必须使用国产芯片，而星凡智能恰好提供了“平滑过渡”的解决方案。

数据侧，星凡智能构建的“物理AI数据飞轮”是其技术体系中最具争议也最核心的部分。具身智能的训练需要海量、多样化的物理世界数据，但传统采集方式依赖人工遥控机器人执行任务，成本高、效率低、数据多样性不足。星凡智能的应对策略是基于综合知识论的数据采集智能体——这是一个能够自主规划任务、采集数据的AI系统，它不需要人类干预，而是通过预设的“知识图谱”理解场景（如“在仓库中搬运货物”），自动生成采集路径和动作序列。在成都的具身智能训练场中，数十台机器人昼夜不停地执行搬运、分拣、抓取等任务，每台机器人每天产生超过1TB的Ego数据（第一人称视角）和仿真训练数据。

这些数据经过Delta数据全流程处理架构的清洗、标注和增强，形成“数据油田”。Delta架构的核心是一个自动化流水线：原始数据首先通过多模态对齐（将视觉、触觉、力觉数据同步），然后由AI模型自动标注（如识别物体类别、标注抓取点），最后通过对抗生成网络（GAN）生成高难度场景的仿真数据（如光照变化、物体遮挡）。这一闭环的逻辑是：数据采集智能体产生的真实数据，用于训练具身智能大脑；大脑在仿真环境中迭代优化后，再部署到真实机器人上验证；验证过程中发现的新问题，又反馈给数据采集智能体，指导其采集更多针对性数据。理论上，这是一个自我强化的飞轮——数据越多，模型越强；模型越强，数据采集效率越高。

但这一闭环是否真能跑通，仍存疑。对比特斯拉的Dojo，其数据飞轮依赖数百万辆量产车在全球道路上行驶，每天产生PB级真实驾驶数据；英伟达的Omniverse则通过高保真物理仿真，生成合成数据。星凡智能的差异化在于“场景化”——它不追求通用数据，而是聚焦具身智能和太空计算这两个垂直场景。例如，在太空算力场景中，星核K系列芯片需要在轨处理遥感数据，而太空环境的辐射、温度变化和计算资源限制，使得地面数据无法直接复用。星凡智能通过“星算计划”与多家卫星公司合作，在轨采集卫星的能耗、温度、计算负载等数据，用于优化芯片的功耗管理和任务调度算法。截至2026年中，星核K系列已获得在手订单及商机数亿+，今年将有多组搭载星凡智能产品的算力卫星完成发射。

然而，数据飞轮的最大风险在于“冷启动”问题。星凡智能目前的数据采集主要依赖自建的训练场和合作伙伴的卫星，规模远不及特斯拉或英伟达。如果无法在短期内获得足够的高质量数据，闭环可能陷入“数据不足→模型效果差→商业化受阻→无力扩大数据采集”的恶性循环。应鹏飞对此的回应是：“我们不追求数据量的绝对规模，而是追求数据质量和对场景的深度理解。具身智能的数据飞轮，关键在于‘无人真机采集’的效率——我们的采集智能体已经能够实现24小时不间断运行，成本只有人工采集的十分之一。”

场景侧，星凡智能的落地策略体现了“成熟业务造血、前沿场景卡位”的务实逻辑。具身智能方向，公司正与多家头部机器人厂商推进产品适配，但尚未形成规模化收入；太空算力方向，星核K系列虽然订单可观，但客户以政府和航天机构为主，回款周期长达12-18个月。真正支撑公司现金流的，仍然是Token工厂这一成熟业务——通过向政府和企业交付算力产品，星凡智能在2025年实现了数亿元营收，毛利率保持在30%以上。这种“以战养战”的模式，让公司在研发投入巨大的同时，仍能维持正向现金流。

但风险同样明显：具身智能和太空算力这两个场景，目前的市场规模有限。据IDC数据，2026年中国具身智能芯片市场规模约为50亿元，太空算力芯片不足10亿元。星凡智能能否在巨头（英伟达、华为）尚未全力投入之前，建立起场景壁垒？答案取决于两个变量：一是芯片的性能能否持续领先——星核R系列的等效能量效率虽然比华为昇腾310高一倍，但英伟达Jetson Orin的下一代产品预计在2027年发布，性能差距可能被抹平；二是数据飞轮能否形成网络效应——如果星凡智能能够通过与机器人厂商的合作，获取更多真实场景数据，其模型迭代速度将远超竞争对手。否则，它可能只是一个“小而美”的芯片公司，而非物理AGI基础设施的构建者。

太空与机器人：星凡智能押注的两大‘物理AI’高价值场景，是蓝海还是陷阱？

2026年盛夏，成都高新区的一间无尘实验室里，星凡智能的工程师正在调试一枚即将随商业卫星发射的星核K系列芯片。这枚芯片将搭载于某家商业遥感卫星公司的低轨卫星上，执行在轨遥感数据预处理任务——将卫星拍摄的高分辨率图像进行初步分类、压缩和特征提取，再传回地面。传统模式下，一颗卫星每天产生数TB数据，全部下传需要数小时，且地面站资源有限；而星核K系列芯片能够将数据量压缩90%以上，使下传时间缩短至分钟级。这一场景，被应鹏飞称为“太空计算的第一缕曙光”。

但太空计算的商业化落地，远非技术指标那么简单。星核K系列作为“国产先行规模化商业交付太空算力芯片”，其核心壁垒在于空间环境可靠性。卫星在轨运行面临三大挑战：高能粒子辐射（单粒子翻转、总剂量效应）、极端温度波动（-150°C到+120°C）和有限的功耗预算（通常不超过10瓦）。传统地面芯片在这些环境下会频繁出错甚至失效。星凡智能的解决方案是：在芯片设计阶段引入辐射加固技术——通过三模冗余（TMR）和纠错码（ECC）机制，使芯片在辐射环境中仍能保持99.99%的计算正确率；同时采用自适应功耗管理算法，根据卫星的太阳翼供电状态动态调整算力输出，峰值功耗控制在5瓦以内。据星凡智能提供的数据，星核K系列在模拟太空环境的加速辐射测试中，累计运行超过1000小时无故障，这一指标已接近Xilinx（现为AMD）的太空级FPGA系列，但成本仅为后者的三分之一。

客户是谁？星凡智能并未公开具体名单，但据接近公司的人士透露，星核K系列的在手订单及商机数亿+，主要来自三类客户：一是国家航天机构，如中国航天科技集团旗下的某研究所，用于下一代遥感卫星的在轨数据处理验证；二是商业卫星公司，如长光卫星、银河航天等，它们需要低成本、低功耗的算力芯片来提升卫星的自主决策能力；三是太空计算生态项目，如“星算计划”——这是一个由多家商业航天公司发起的分布式太空计算网络，旨在利用低轨卫星构建天基算力池，星凡智能是其中的核心芯片供应商。今年内，将有至少三组搭载星核K系列芯片的卫星发射入轨，这将是国产太空算力芯片的首次规模化在轨验证。

然而，太空算力的市场规模能否支撑星凡智能的长期增长？据Euroconsult数据，2025年全球太空计算芯片市场规模约为12亿美元，预计2030年增长至35亿美元，年复合增长率约24%。但这一市场高度碎片化——卫星类型（遥感、通信、导航）、轨道高度（LEO、MEO、GEO）和任务需求（边缘计算、数据中继、AI推理）差异巨大，单一芯片方案难以覆盖全场景。更关键的是，星凡智能面临的竞争对手并非国内初创公司，而是Xilinx（AMD） 和英伟达。Xilinx的太空级FPGA已在NASA、ESA等机构的数十颗卫星上验证，拥有超过20年的可靠性数据；英伟达的Jetson Orin系列虽然未针对太空环境优化，但其强大的算力和软件生态，正被SpaceX等公司用于星链卫星的AI推理任务。星凡智能的“国产替代”定位，在政府订单中具有天然优势，但若想进入全球商业航天市场，需要跨越品牌信任和生态兼容性的双重障碍。

与太空算力的“小而美”不同，具身智能是一个被寄予厚望的万亿级市场。据高工机器人预测，2026年中国具身智能芯片市场规模约为50亿元，到2030年将突破300亿元，年复合增长率超过40%。星凡智能的星核R系列，正是瞄准这一赛道的“机器人大脑”芯片。但现实是，具身智能的商业化落地仍处于早期——2025年全球人形机器人出货量不足1万台，服务机器人（如扫地、配送）虽然出货量超过500万台，但绝大多数仍依赖低算力MCU（微控制器）而非AI芯片。星凡智能的星核R系列，目前正与宇树科技、优必选、傅利叶智能等头部机器人厂商进行产品适配和联合验证。据宇树科技内部人士透露，双方正在测试星核R系列在四足机器人上的实时路径规划能力，初步结果显示，其推理延迟比英伟达Jetson Orin NX低15%，功耗低40%，但软件生态的成熟度仍有差距——英伟达的Isaac Sim和CUDA生态提供了丰富的开发工具和预训练模型，而星凡智能的XBoost加速平台目前仅支持PyTorch和TensorFlow的有限算子。

星凡智能的“数据飞轮”能否避免成为成本黑洞？这是具身智能赛道最核心的质疑。星凡智能在成都自建的具身智能训练场，占地超过2000平方米，部署了数十台不同形态的机器人（机械臂、轮式机器人、四足机器人），每天产生超过10TB的Ego数据。但数据采集的成本触目惊心：每台机器人的硬件成本约10万元，电力、维护和运维人员成本每月超过50万元。如果数据飞轮无法快速产生商业价值，这一投入将成为公司的财务负担。应鹏飞的应对策略是“以战养战”——将数据采集与客户项目结合。例如，与某物流公司合作时，星凡智能的机器人直接在客户的仓库中执行分拣任务，既完成了数据采集，又为客户提供了实际服务，产生了收入。这种“数据即服务”的模式，在理论上降低了冷启动风险，但规模化复制仍需验证——不同行业的场景差异巨大，仓库、家庭、工厂的数据分布完全不同，星凡智能需要针对每个场景重新部署采集智能体，边际成本难以摊薄。

桉树资本顾斌在投资逻辑中提到的“成熟业务造血、前沿场景提升长期价值”，揭示了星凡智能业务组合的风险对冲逻辑。Token工厂的成熟业务，每年贡献数亿元营收和30%以上的毛利率，为芯片研发和数据飞轮提供了稳定的现金流；具身智能和太空算力则承担了“提升长期价值”的角色，一旦其中一个场景爆发，星凡智能将获得指数级增长。但这种对冲并非无懈可击：如果具身智能的商业化进展慢于预期（例如，人形机器人出货量在2028年前仍不足10万台），星凡智能的芯片研发投入将无法通过收入覆盖，导致毛利率被侵蚀；而太空算力虽然订单可观，但回款周期长（12-18个月），且客户高度依赖政府和国有航天机构，存在政策波动风险。

更值得警惕的是，星凡智能的“双场景”战略，可能陷入“两头不讨好”的尴尬。具身智能芯片领域，英伟达Jetson系列已占据超过70%的市场份额，地平线征程系列在智能机器人领域也有布局；太空算力领域，Xilinx和英伟达的生态壁垒短期内难以撼动。星凡智能的差异化在于“国产化+场景定制”，但这一优势在政府订单中明显，在市场化竞争中可能被削弱。一位不愿具名的机器人芯片领域投资人指出：“星凡智能的芯片性能指标确实不错，但客户选择芯片不只是看性能，还要看软件生态、开发工具链、社区支持。英伟达的CUDA生态是20年积累的结果，星凡智能想用两三年追平，几乎不可能。”

但应鹏飞对此有不同看法：“物理AGI芯片的竞争，不是算力军备竞赛，而是场景适配能力。机器人不需要1000TOPS的算力，它需要的是在5瓦功耗内完成实时推理，同时支持多传感器融合和动态环境适应。英伟达的Jetson Orin虽然强，但它是一个通用平台，不是为具身智能定制的。我们做的芯片，从架构设计到算法优化，都是围绕‘机器人大脑’这个场景展开的。” 这种“场景定义芯片”的路径，在理论上成立，但需要时间证明——如果星凡智能能够在明年内，与至少两家头部机器人厂商达成量产合作，并交付超过10万片星核R系列芯片，其场景壁垒将初步建立；否则，它可能只是又一个“技术领先但商业化滞后”的案例。

太空算力与具身智能，一个仰望星空，一个脚踏实地。星凡智能同时押注这两个场景，既是战略野心，也是生存焦虑——在AI基础设施的激烈竞争中，只有抓住下一代高价值场景的窗口期，才能避免沦为巨头生态中的“配角”。但窗口期有多长？英伟达的下一代Jetson芯片预计2027年发布，华为昇腾也在加速布局端侧AI芯片；而太空算力市场，SpaceX的星链计划已开始测试在轨AI推理，其自研芯片的迭代速度远超任何初创公司。留给星凡智能的时间，或许只有两年。

资本棋局：鼎旭投资领投3亿背后的产业逻辑与星凡智能的‘反脆弱’融资策略

2026年7月，当星凡智能宣布完成超3亿元融资时，资本市场正经历着AI芯片领域的“冷热分化”。一边是壁仞科技、摩尔线程等GPU通用算力公司陷入融资寒冬——壁仞科技2025年营收不足3亿元，估值较峰值腰斩，而摩尔线程的IPO计划因国产GPU商业化不及预期而搁浅；另一边，聚焦垂直场景的AI芯片公司却逆势获得追捧——地平线凭借自动驾驶芯片在2026年初完成Pre-IPO融资，估值突破80亿美元；星凡智能的3亿元融资，虽在金额上不及前者，但其“算力服务+芯片研发+数据飞轮”的组合拳，却折射出资本对AI基础设施从“通用”向“场景化”演进的新共识。

领投方鼎旭投资的出手，是这场资本棋局中最关键的一步。鼎旭投资合伙人王成恺在投资逻辑中强调的“长期关注AI基础设施从集中式算力向场景化、高效能算力演进”，并非空泛的行业判断，而是基于其过往投资组合的深刻反思。鼎旭投资此前重仓过一家国产GPU公司，但该公司的通用芯片在商业化中陷入“高不成低不就”的困境——云端算力不如英伟达，端侧场景适配不如定制芯片。这一教训让鼎旭投资意识到：在AI芯片领域，“大而全”的通用路线需要巨额研发投入和长期生态建设，而“小而美”的场景化路线，反而更容易在细分市场建立壁垒。星凡智能的Token工厂业务，恰好提供了“场景化算力”的验证样本——其客户以政府和国央企为主，需求明确（国产替代、私有化部署、多芯片兼容），且回款稳定。鼎旭投资内部对星凡智能的尽调持续了6个月，重点验证了三个问题：一是Token工厂的客户留存率（超过85%），二是芯片研发的进展（星核R系列已流片成功），三是数据飞轮的可行性（与西安交大的产学研合作已产出可量化的技术指标）。最终，鼎旭投资以领投方的身份，投入了约1.5亿元，占本轮融资的近半份额。

跟投方的产业资源，则构成了星凡智能的“生态安全垫”。开普云（股票代码：688228）作为一家深耕政务云和AI应用领域的上市公司，其战略价值在于“场景赋能”。开普云在智慧城市、数字政府领域拥有超过200个客户，覆盖税务、海关、应急管理等关键场景。星凡智能的Token工厂和星核R系列芯片，可以直接嵌入开普云的政务AI解决方案中——例如，在智慧安防场景中，星核R系列芯片可以部署在边缘摄像头中，实现实时人脸识别和行为分析，无需将数据上传云端。这种“硬件+软件+场景”的绑定，不仅为星凡智能带来了稳定的订单预期，还降低了其市场拓展成本。高捷资本董事孙玉的判断——“技术能力能否持续沉淀”，则指向了星凡智能的研发体系。高捷资本在硬科技领域投资了多家芯片公司，其投后服务包括协助对接产业链资源（如芯片代工厂、封测厂）。星凡智能的星核R系列芯片采用12nm工艺，由中芯国际代工，高捷资本在其中发挥了关键的协调作用。桉树资本顾斌提到的“收入基础可验证”，则是对星凡智能商业模式的背书——Token工厂在2025年贡献了数亿元营收，且毛利率超过30%，这在AI芯片初创公司中极为罕见。桉树资本本身是一家专注于“硬科技+现金流”策略的机构，其投资组合中超过60%的公司已实现盈利，星凡智能的“成熟业务造血”模式，恰好契合其风险偏好。

融资用途的分配，揭示了星凡智能的战略优先级。据公司内部人士透露，本轮超3亿元资金中，约40%将用于芯片研发（包括星核R系列和星核K系列的迭代，以及下一代“片上自学习AI芯片”的预研），30%用于数据飞轮搭建（包括成都训练场的扩建、数据采集智能体的优化，以及仿真平台的升级），20%用于市场拓展（重点覆盖长三角和珠三角的机器人厂商，以及太空算力的商业卫星公司），10%用于团队扩充（计划在一年内将研发团队从150人扩充至300人）。这一分配逻辑，体现了星凡智能“以芯片为核心、以数据为燃料、以场景为出口”的三角飞轮战略。但值得注意的是，芯片研发的投入占比最高，而市场拓展仅占20%，这反映出公司对“技术领先”的执念——应鹏飞认为，只要芯片性能和数据飞轮足够强，市场会自然找上门。这一判断在AI芯片领域并非没有先例：英伟达在CUDA生态建立之前，也曾长期依赖技术领先而非市场推广。但星凡智能面临的挑战在于，其目标客户（机器人厂商和卫星公司）并非“技术发烧友”，而是对成本、交付周期和生态兼容性高度敏感的商业客户。如果市场拓展投入不足，星凡智能可能陷入“酒香也怕巷子深”的困境。

星凡智能的“反脆弱”融资策略，是其资本棋局中最值得玩味的部分。所谓“反脆弱”，是指公司在面对不确定性时，不是被动防御，而是通过业务组合的阶梯式布局，将风险转化为收益。星凡智能的阶梯式布局分为三层：底层是Token工厂（现金流业务，年营收数亿元，毛利率30%以上），中层是具身智能芯片（高增长业务，2026年预计贡献数千万营收，但尚未盈利），顶层是太空算力芯片（高风险高回报业务，在手订单数亿+，但回款周期长）。这种布局的逻辑是：底层业务提供稳定的现金流和客户基础，中层业务在技术成熟后逐步贡献利润，顶层业务则押注未来爆发点。即使顶层业务失败（例如，太空算力市场增长不及预期），中底层业务仍能支撑公司生存。这种“不把所有鸡蛋放在一个篮子里”的策略，与同期AI芯片公司的“All-in”模式形成鲜明对比——壁仞科技将所有资源押注在GPU通用芯片上，一旦商业化受阻，便陷入资金链断裂的风险；而星凡智能的阶梯式布局，使其在芯片研发失败的情况下，仍能依靠Token工厂的现金流“活下去”。

鼎旭投资合伙人王成恺提到的“战略定力”，是否意味着长期陪跑？从鼎旭投资的过往案例来看，其平均投资周期为7-10年，远超行业平均的5年。但“战略定力”的前提是，星凡智能能够持续验证其技术路径和商业模型。鼎旭投资内部对星凡智能的考核指标包括：2027年星核R系列芯片出货量达到10万片，2028年具身智能业务营收占比超过30%，2029年公司实现整体盈利。如果这些指标未能达成，鼎旭投资是否还会“陪跑”？一位接近鼎旭投资的人士透露：“我们投资星凡智能，看中的是它的‘反脆弱’结构，而不是某个单一技术的成败。只要Token工厂的现金流不崩，芯片研发和数据飞轮就有持续的弹药。我们愿意给团队5年时间，但前提是每年都能看到明确的进展。”

对比同期AI芯片公司的融资节奏，星凡智能的“2021年成立，2026年超3亿”是否偏慢？答案是：既慢也快。慢，是因为星凡智能在成立前三年并未急于融资，而是通过Token工厂的自我造血能力完成了早期的技术积累——2021-2023年，公司仅完成了一轮数千万元的天使轮融资，2024年才完成A轮融资（金额未公开）。这种“慢融资”策略，避免了早期估值过高导致的后续融资压力。快，是因为星凡智能在2026年这一时间点，恰好踩中了资本对“物理AI”的关注热潮——2025年底，特斯拉Optimus人形机器人的量产计划、SpaceX星链的太空计算布局，以及英伟达Jetson系列的持续迭代，让资本意识到“AI进入物理世界”的巨大潜力。星凡智能的融资节奏，体现了创始团队对资本市场的精准把握：不追逐热点，而是在热点形成之前完成技术储备，然后在热点爆发时顺势融资。

“种子独角兽”到“小巨人”的资质认证，则为星凡智能提供了政策层面的“安全垫”。国家级专精特新“小巨人”企业认证，意味着公司可以获得地方政府在税收减免、研发补贴、人才引进等方面的支持。据成都高新区政策，专精特新企业每年可获得最高500万元的研发补贴，以及最高200万元的贷款贴息。四川省种子独角兽企业认证，则让星凡智能在申请政府项目时拥有优先权——例如，四川省智慧城市项目招标中，种子独角兽企业可以享受10%的价格扣除优惠。这些政策红利，虽然不能直接决定公司的生死，但在研发投入巨大的早期阶段，相当于每年为公司节省了数百万元的成本。更关键的是，资质认证构成了星凡智能与政府客户合作的“信用背书”——在政府招标中，专精特新“小巨人”企业往往被视为技术实力和稳定性的象征，这为星凡智能的Token工厂业务拓展提供了隐性优势。

然而，星凡智能的资本棋局并非没有隐忧。本轮融资的跟投方中，开普云作为上市公司，其投资决策受到二级市场波动的影响。2026年，开普云股价较年初下跌了30%，市值不足50亿元，其投资星凡智能的1亿元资金，占其2025年净利润的15%。如果开普云未来面临业绩压力，是否会削减对星凡智能的后续支持？桉树资本作为一家小型投资机构，其管理规模不足10亿元，本轮投资金额约为3000万元，占其基金规模的5%以上。如果星凡智能的研发进展慢于预期，桉树资本是否会在下一轮融资中选择退出？这些不确定性，使得星凡智能的“反脆弱”策略，在资本层面仍存在脆弱点。应鹏飞的应对之道是“不依赖单一投资者”——本轮融资后，星凡智能的股东结构变得多元化，鼎旭投资、开普云、高捷资本、桉树资本各持股约5%-10%，创始团队仍持有超过50%的投票权。这种分散的股权结构，降低了单一投资者退出对公司的冲击，但也意味着公司需要同时满足多家投资机构的利益诉求——鼎旭投资关注长期技术壁垒，开普云关注短期场景落地，桉树资本关注现金流健康。如何在多方利益之间取得平衡，将是星凡智能下一阶段面临的管理挑战。

资本棋局的终局，取决于星凡智能能否在两年内完成从“算力服务商”到“物理AGI企业”的身份切换。如果成功，它将成为中国AI基础设施领域的一个“反脆弱”样本——用轻资产模式完成早期积累，用阶梯式布局对冲技术风险，用政策红利降低生存成本。如果失败，它可能成为又一个“技术领先但商业化滞后”的案例，在资本寒冬中黯然退场。但无论结果如何，星凡智能的融资策略，已经为AI芯片创业公司提供了一种新的资本范式：不盲目追求“大而全”的融资规模，而是通过业务组合的“反脆弱”设计，在不确定性中寻找确定性。

结语：物理AGI的“特种兵”能否穿越周期？

星凡智能的故事，是一个关于“战略定力”与“路径选择”的典型样本。从2021年以“算力二房东”身份低调入局，到2026年豪赌物理AGI，这家公司用五年时间完成了从“生存”到“野心”的蜕变。其阶梯式业务布局——Token工厂造血、具身智能芯片卡位、太空算力芯片押注——在资本寒冬中展现出难得的“反脆弱”特质。鼎旭投资等机构的3亿注资，本质上是为这一“三角飞轮”战略投下了信任票。

然而，信任票不等于通行证。星凡智能面临的挑战是结构性的：芯片端，英伟达Jetson系列和华为昇腾的生态壁垒短期内难以撼动，星核R系列即使性能领先，也需面对客户“惯性选择”的阻力；数据端，具身智能数据飞轮的“冷启动”成本高昂，若无法在两年内与头部机器人厂商达成量产合作，闭环可能沦为成本黑洞；场景端，太空算力虽订单可观，但市场规模有限，且回款周期长，难以成为短期增长引擎。更关键的是，公司同时押注两个“无人区”，资源分散的风险不容忽视——一旦其中一个场景商业化慢于预期，另一个场景能否及时补位，仍是未知数。

应鹏飞的“特种兵”逻辑，在理论上成立：不做“万金油”，而是聚焦高价值、高壁垒的细分场景，用“芯片+数据+场景”的闭环构建长期壁垒。但现实是，物理AGI的战场并非无人区，而是巨头环伺的“红海边缘”——英伟达、华为、Xilinx等公司随时可能加大投入，将星凡智能的“先发优势”压缩为“时间窗口”。能否在2028年前，将星核R系列出货量提升至10万片级别，并让具身智能业务贡献至少30%的营收，将是检验星凡智能能否从“赌徒”蜕变为“赢家”的关键。

核心判断：星凡智能的未来12-18个月，将取决于两个关键观察指标：一是星核R系列芯片能否与至少两家头部机器人厂商达成量产合作，出货量突破10万片；二是具身智能数据飞轮能否在商业化层面实现“自我造血”，即数据采集成本被客户项目收入覆盖。若两者均达成，公司有望在2028年实现整体盈利，并确立在物理AGI基础设施领域的先发优势；若任一指标未达预期，其“反脆弱”结构可能面临考验，资本市场的耐心也将被消耗。这是一场与时间的赛跑，也是一场对“场景定义芯片”路径的终极验证。