千诀科技完成数亿元A+轮融资：具身智能竞争重心转向模型与数据基础设施

机器人厂商正在为“大脑”重复买单

2026年的具身智能赛道出现了一个略显尴尬的局面：硬件本体的迭代速度远远跑在了智能能力前面。人形机器人、轮式双臂、带臂四足、悬臂无人机，形态层出不穷，但每一家厂商几乎都在重复做同一件事——为自己的机器人从头训练一套感知、决策、规划与控制栈。一个在咖啡店完成自主配送的机器人，其背后的智能系统换到另一款轮式单臂机型上，往往需要推倒重来。这种“一机一脑”的研发模式，正在成为具身智能规模化落地最昂贵的成本项。

问题不在于机器人不够多，而在于可复用、可迁移的“大脑”太少。当行业还在争论硬件成本何时降到量产拐点时，另一条更隐蔽的竞争线已经拉开：谁能在模型层和数据层建立起跨本体、跨场景的智能基础设施，谁就掌握了下一阶段产业链的定价权。资本市场的注意力，也开始从“造壳”向“造脑”迁移。

9月8日，北京千诀科技有限公司宣布完成数亿元A+轮融资。本轮融资由元禾厚望、筱光资本、芯能创投、英诺天使基金、京铭资本、未来边际创投等市场化机构及产业方投资人共同参与，Maple Pledge枫承资本长期出任私募股权融资顾问并参与本轮投资。公司称，资金将主要用于核心技术研发、工程化能力建设和真实场景拓展。公开材料中，投资方名单未逐家披露其产业背景或过往机器人底层技术投资记录，因此“多家机构带有产业背景或长期押注机器人底层技术的记录”这一判断缺乏可逐字核实的来源，本文不予采用。

从清华实验室走出的“预测式世界模型”路线

千诀科技成立于2023年，核心团队源自清华大学自动化系。据公开资料，CEO高海川为清华大学自动化系博士。据公司披露，千诀科技此前已完成9轮融资。这一融资频率在具身智能领域并不常见，反映出资本对其技术路线的持续押注，也折射出早期轮次可能包含多笔小额、快速推进的融资安排。

千诀科技的技术底座由两条线构成：预测式世界模型和多项式表征架构。公司称，其预测式世界模型不以还原现实世界的全部像素和细节为目标，而是聚焦真正影响任务完成的状态变化，在特征空间中预测行动可能带来的结果。据公司披露，千诀科技作为预测式世界模型公司，对标的是Yann LeCun团队JEPA技术路线。但需要指出的是，对标并不等于技术等价。JEPA的核心在于联合嵌入预测架构，而千诀科技的具体实现方式、模型规模、训练数据构成和性能基准，均未在公开材料中披露。公司称其路线“聚焦任务相关的状态预测”，这一描述与JEPA的理念存在方向上的相似性，但两者之间的技术差距和独立性，目前缺乏第三方评估。

多项式表征架构是千诀科技技术叙事中的另一个关键支点。据公司披露，该架构能够对影响任务执行的关键特征进行有效表达与组合，并支持对表征空间进行简单性正则化，降低表征坍缩的风险。公司称，这一设计使模型将学习重点放在与任务真正相关的信息上，并支持不同能力的组合与独立升级——当某项能力需要改进时，可进行针对性迭代，减少局部更新对整体系统的影响。这一描述指向一个明确的工程目标：模块化的能力管理，避免传统端到端模型中“牵一发而动全身”的更新困境。但从公开信息看，公司尚未披露该架构在标准基准测试上的对比数据，也未说明“简单性正则化”的具体实现方式与效果边界。

类脑化大模型与Causal Dreamer：一项发表的工作，一个未经验证的能力宣称

在模型层面，千诀科技此前推出了自研原生的类脑化机器人大模型。据公司披露，该模型采用了分化解耦大组织结构线性预训练技术。据公司披露，该模型能实现全自主决策，无需手柄或编程控制、无需语言指令和Prompt也能规划任务并应对环境变化，可灵活适配不同形态的机器人本体，实现“感知-决策-行动”的全闭环工作。这一能力宣称如果成立，意味着机器人可以在没有人类指令输入的情况下自主规划任务——这在具身智能领域属于相当激进的目标。但需要明确的是，这一说法来自公司自身，目前没有独立第三方测试报告或公开基准数据可以验证。公司也未披露该模型在哪些具体场景、哪些机型上实现了上述“全自主决策”，以及失败率和人工干预频率等关键指标。

更值得关注的是Causal Dreamer。据公开信息，千诀科技在去年提出了这一方法，在训练过程中引入反事实筛选机制：模型会尝试删除部分历史观测，然后重新进行多步预测。通过这种干预式评估，模型可逐步提炼出影响未来状态与奖励的历史集合。这一工作发表于《Neurocomputing》。从已披露的信息看，Causal Dreamer的核心在于用反事实干预来识别对任务结果真正重要的历史信息，这与预测式世界模型“聚焦任务相关状态变化”的总体思路一致。但论文发表本身只能说明该方法经过了同行评审，不能直接等同于该方法已经在真实机器人上完成了规模化验证。从论文到量产部署之间的距离，恰恰是具身智能领域最容易被资本叙事模糊掉的部分。

“近50款机型、超10万台、20亿条3D资产”：数字背后的验证边界

千诀科技在商业化层面给出的数据相当醒目。据公司披露，目前已适配近50款机器人机型，落地规模超10万台，积累真实场景感知3D资产20亿条。这三个数字构成了千诀科技对外叙事中最具冲击力的部分，但每一个数字都需要被拆开审视。需要明确的是，这三项数据均为公司单方面披露口径，公开材料中未见独立审计或第三方交叉验证。

“适配近50款机型”意味着千诀科技的智能系统已经在多种机器人形态上完成了接入和运行验证。公司称已面向人形机器人、轮式双臂机器人、轮式单臂机器人、带臂四足狗、带臂清洁、悬臂无人机等不同形态推进适配与验证。这一形态覆盖范围在同类公司中确实少见，但“适配”的定义边界并不清晰——是完成了系统接入，还是已经在真实任务中稳定运行？是实验室验证，还是客户现场部署？公司未披露适配的深度分级。

“落地规模超10万台”是另一个需要谨慎对待的数字。如果这10万台指的是搭载了千诀科技智能系统的机器人在真实场景中运行，那将是具身智能领域罕见的规模化成绩。但公司未说明这10万台的具体构成：是已出货的机器人总量，还是接入过千诀系统的设备数量？是终端客户实际使用，还是厂商测试设备？在没有独立审计或客户交叉验证的情况下，这个数字只能作为公司单方面披露的运营数据来理解。

“20亿条真实场景感知3D资产”则指向数据壁垒的构建。如果这一数据积累属实，千诀科技在真实场景数据上的先发优势将构成后来者难以复制的护城河。但同样，数据的质量、标注方式、场景分布和可复用性均未披露。20亿条数据如果大量来自单一场景或低质量采集，其实际训练价值可能远低于数字本身所暗示的规模效应。

投资逻辑：从“造壳”到“造脑”的资本迁移

本轮融资的投资方组合中，英诺天使基金是千诀科技的追加投资方。英诺科创基金合伙人王晟表示，千诀科技团队在底层技术研究、模型架构研发和真实场景验证方面的持续推进，是英诺追加投资的考量之一。这是目前公开材料中唯一一条来自投资方的直接引语。

从已披露的融资频率和投资方构成看，千诀科技在资本市场上获得了超出其成立年限的信任。但9轮融资也意味着股权结构可能已经相当分散，后续轮次的估值弹性和创始团队的控制力，是需要持续观察的变量。本轮“数亿元”的金额未披露具体数字，在A+轮阶段，这一模糊表述并不罕见，但也给外部评估留下了信息缺口。

竞争格局：JEPA路线之外，还有像素级重建的对手

世界模型赛道内部存在两条明确的技术路线分歧。一条是像素级重建路线，追求对环境的完整视觉建模，试图让机器人在“看到”的层面尽可能接近真实世界；另一条是预测式路线，以任务相关的状态预测为重心，放弃对全部像素的还原，转而聚焦“什么变化会影响任务结果”。千诀科技明确选择了后者，并以JEPA作为技术对标。

从产业链位置看，千诀科技的竞争对手不只是其他世界模型公司，还包括机器人厂商自建的AI团队。如果一家头部机器人厂商认为智能能力是自己的核心壁垒，它就不会轻易将“大脑”外包给第三方。千诀科技的商业模式能否跑通，取决于一个关键假设：足够多的机器人厂商愿意放弃自研大脑，转而采用外部智能基础设施。这个假设在短期内并不成立——头部厂商大概率会坚持自研，千诀科技更现实的目标客户是那些缺乏AI研发能力的中小厂商和场景集成商。这一判断属于基于产业链结构的编辑分析。公开材料中尚未披露千诀科技与具体机器人厂商自研团队之间的直接竞争案例或客户迁移数据，也未披露目标客户的规模、付费能力、技术整合能力等可核验指标。要验证这一判断，需要补充以下待核验指标：目标客户中已签约的中小厂商和场景集成商数量、客户规模分布、客单价与付费周期、客户自研AI团队规模及技术能力、以及是否有客户从自研转向采购千诀系统的迁移案例。

资金用途与待验证假设：工程化能力是真正的分水岭

公司称，本轮融资将主要用于核心技术研发、工程化能力建设和真实场景拓展。这三个方向中，工程化能力建设最值得关注。具身智能领域的最大陷阱之一，就是实验室演示与真实场景部署之间的鸿沟。一个在实验室里能完成自主配送的机器人，到了真实咖啡店可能因为光照变化、地面材质、人流干扰而频繁失效。千诀科技声称已适配近50款机型、落地超10万台，如果这些数字有真实部署支撑，那么其工程化能力已经经过了相当程度的场景检验；如果这些数字更多停留在适配测试层面，那么工程化能力恰恰是这轮融资需要补上的最短木板。

从已披露的信息看，千诀科技在家庭、零售、服务等场景中持续推进应用。据公司披露，高海川此前在采访中表示，机器人行业不存在类似ChatGPT的单点突破时刻，落地需要围绕具体场景逐个推进，公司在餐饮、保洁、酒店服务等已有明确需求的领域先行部署。这一判断与具身智能行业的现实高度吻合——通用机器人大脑的“ChatGPT时刻”尚未到来，甚至是否会在可预见的未来到来都存在争议。千诀科技选择从餐饮、保洁、酒店服务等结构化程度相对较高的场景切入，是务实的路径选择。但这些场景的付费意愿、客单价和复购率，将直接决定“基础设施”定位能否转化为可持续的商业收入。公开材料中未披露上述场景的具体客户数量、合同金额或复购数据。

技术路线的不确定性是另一个必须正视的风险。预测式世界模型虽然在算力效率上具有理论优势，但其在复杂、开放、长尾场景中的泛化能力尚未被大规模验证。JEPA路线本身在学术界也仍处于快速演进阶段，远未到技术收敛期。千诀科技押注的这条路线如果被证明在真实场景中无法达到足够的任务成功率，公司积累的20亿条3D资产和近50款机型适配经验，可能无法直接迁移到新的技术路线上。从已披露的Causal Dreamer工作和多项式表征架构看，千诀科技在技术上有自己的原创性探索，但这些探索距离形成确定性的技术壁垒，还有相当长的验证路径。

市场竞争的激烈程度也在快速上升。具身智能领域的融资热度持续高涨，世界模型赛道上不断有新的创业公司进入，同时大型科技公司和头部机器人厂商也在加大对“大脑”层的投入。千诀科技的9轮融资记录说明其融资能力强劲，但融资能力不等于竞争壁垒。当更多玩家带着更大的资金规模和更丰富的产业资源进入同一赛道时，千诀科技需要证明的不仅是技术路线的先进性，更是将技术转化为客户愿意持续付费的产品的能力。

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：千诀科技这轮融资的真正看点，不在于“数亿元”的金额，而在于它把具身智能的竞争焦点从“谁造的机器人更像人”拉回到“谁的智能系统能跨过实验室到量产之间的鸿沟”。预测式世界模型加多项式表征的路线选择，在理论上回应了算力效率与任务精度的矛盾，但“适配近50款机型、落地超10万台”的公司口径，需要在真实客户场景中接受检验。当资本开始为“机器人大脑”的基础设施化买单，这个赛道最残酷的筛选才刚刚开始——不是看谁融得多，而是看谁的系统能在客户现场跑得久。