智谷天厨获近亿元战略融资：AI数字菜肴大模型赋能中餐标准化与全球化

全球餐饮业正面临一个集体悖论：泛亚洲菜系的需求在纽约、伦敦、东京持续走高，但支撑这一需求的根基——厨师——正在加速流失。后厨高温、高压的工作环境让年轻一代望而却步，员工流失率却逐年攀升。更棘手的是，那些藏在老师傅手里的火候直觉、调味心法，随着一代人退出后厨，正在无声消失。中餐烹饪中“少许”“适量”“七成油温”这类典型的非标准化经验，构成了对规模化、连锁化餐饮运营最顽固的制约，也让地方风味与手工烹饪技艺的代际传承面临断裂风险。

这个矛盾催生了一条被资本反复试探却长期未跑通的赛道——智能烹饪机器人。过去十年，市场投给“炒菜机器人”的耐心与资金并不少，但多数产品始终困在“数控执行”阶段：设备只能机械复写预设程序，无法适应食材批次差异、环境温度波动与本地口味偏好，菜品研发与运维的人力成本居高不下，难以规模化盈利。行业曾一度陷入“硬件卖得越多，服务人力投得越重”的商业化泥潭，客户采购设备的初始成本看似可控，但后续为适配本地菜单、维护口味一致性所付出的长期服务费用，让投资回报周期被无限拉长。直到智谷天厨——一家至今未公开官网的深圳公司，据公司披露，用一组罕见的财务数据打破了僵局：营收破亿、实现盈利，并在2026年夏天拿到近亿元战略融资。

本轮融资由招商局创投领投，跃迁资本跟投，老股东云启资本与啟赋资本超额追投。在硬科技投资显著降温的当下，老股东用超额认购为商业化效率投了关键一票，也给行业抛出一个核心追问：烹饪机器人的竞争，是否已经从硬件制造进入模型驱动的新阶段？在这个普遍以亏损换规模的赛道里，这家公司声称同时实现营收破亿与盈利，可能意味着其产品架构在一定程度上解决了传统方案中“增长=线性堆人”的成本结构困境，而不仅仅是靠压缩硬件毛利换取订单。

硬件做执行，模型做大脑：一道菜背后的两层架构

智谷天厨将自身产品定义为一套双端体系：一端是烹饪机器人硬件，负责温度、转速、投料节奏的稳定执行；另一端是同时运行于云端与机器端的“AI数字菜肴大模型”，负责将客户对口味、食材、餐标、份量的不同需求，转化为可供硬件执行的标准参数。两者的关系并不是程序与执行器那么简单——硬件的每一次运行都在向云端回传真实烹饪数据，模型据此迭代优化，再将更新后的策略批量下发至所有终端。这种云端与机器端协同运行的架构，使得每一台部署在终端厨房里的设备都不是信息孤岛，而是整个数据网络中的一个感知节点与执行节点。

这一架构直指行业长期痛点。传统炒菜机的菜品研发高度依赖“人”对“机器”的手工调试，调试周期长、成本高。客户一旦提出“本地口味微调”，服务团队就得重新进场修改参数，再次重复调试、测试、验证的流程。智谷天厨创始人耿凯平博士对此的回应是：“老一代厨师的颠锅手法、火候直觉、调味心法，那些藏在老师傅手里的独门绝技，那些濒临失传的地方风味，正随着数据采集与模型训练，被沉淀为可追溯、可传承的数字资产。”这并非浪漫化叙事——它意味着菜品开发的核心正从人力经验，转向基于多模态数据的模型驱动，研发周期与边际成本可能被大幅压缩。

公司提供的本质上是一种“标准化的菜肴开发能力”：菜谱框架是标准化的，但口味输出可以高度个性化。客户围绕本地口味偏好与食材供应链特性，在模型层敏捷地完成菜肴的迭代，无需每次都从硬件端重新编程。这种产品逻辑打破了“标准化等于牺牲口味多样性”的二元对立，也为后续的数据飞轮效应铺好了轨道。不过，模型能否真正覆盖中餐菜系内部极为庞杂的地方变体——例如一道回锅肉在川渝两地、不同县市之间就存在用料与调味上的细微分化——仍需要更大规模的终端部署与数据回流来验证。

营收过亿的盈利样本：商业模式跑通了什么

在这个多数玩家仍以亏损换规模的赛道，据智谷天厨披露，它是行业中少数营收破亿且实现盈利的烹饪机器人公司。老客户复购强劲，新客户阵容从智能制造、健康养老、校园食堂一路延伸到快餐连锁、生鲜零售与文旅酒店。近期落地的标杆包括全球最大新能源主机厂的后勤食堂，以及在北京地区学校食堂的批量铺设。据公司预计，2026年营收较2025年保持300%的增速。必须指出的语境是：行业整体并无统一基准来验证300%增速是否领先，且高增速通常建立在营收基数相对较小的前提之上，但营收破亿叠加盈利，已使它跻身该赛道的商业化头部阵营，证明其产品在真实交付场景中产生了客户愿意持续付费的价值。

盈利背后，是产品架构对服务成本的压缩。当菜品研发从“人力堆叠”转向模型驱动，每增加一个终端客户，边际部署成本不会线性膨胀。更关键的是，机器人每运行一次，真实的烹饪与运营数据持续回流，形成数据飞轮：出品越稳定、效益越高，终端数量越多，沉淀的数据越丰富，模型的菜肴开发能力越强——增长不再依赖人力规模，而是随数据规模加速。这一效应的成立依赖于两个前提：数据回传的标准化程度足够高，以及模型对新增数据的泛化能力足够强；其中任何一个环节出现瓶颈，飞轮转动的加速度都可能被削弱。

意大利餐馆老板Marco的案例可能比财务数字更有说服力。据公司介绍，2026年3月，他把一台智谷天厨智能炒菜机器人请进后厨，店里“长”出了十几道从宫保鸡丁到干炒牛河的新菜式。客人尝鲜的选择多了，月流水涨了近三成。他对产品给出的评价不是关于参数，而是关于感知：“它打破了我对中餐的神秘感，为餐厅注入了新活力，门店营收实现了新增长。”这种来自终端用户的直接反馈，在面向企业客户的烹饪机器人市场中并不常见，也在一定程度上说明产品的价值感知已经从“省人力”延伸到了“增收”层面——但这一个案能否在不同菜系、不同定位的餐厅中普遍复现，仍需更多独立样本的观察。

物理AI的硬核挑战：让机器理解锅里的物理过程

AI数字菜肴大模型解决的是“做什么菜”的问题。但同一道菜要在地中海气候的美国加州、干燥的土耳其中部、湿热的新加坡后厨一样稳定出品，就必须面对物理世界的变量：食材含水量有差异，环境温度有波动，食材批次之间的油脂含量不同。传统基于预设程序的炒菜机，面对这些差异几乎无计可施——它们只能在假设输入条件恒定的前提下执行固定指令，而真实厨房从来不是实验室环境。

智谷天厨给这套应对机制一个明确的命名——“物理AI”。其核心不是让机器照搬菜谱，而是让机器理解真实的物理过程并实时调整。团队围绕烹饪数据采集与多模态感知展开研发，通过温度、重量、视觉及机器人运行数据，识别食材初始状态与烹饪过程中的关键差异，再将差异与火力、时间、转速、投料节奏等参数之间的关系沉淀为可持续训练的模型。最终目标是将优秀厨师依赖经验形成的火候判断与操作习惯，转化为可测量、可分析和可迭代的工程参数与算法模型，形成完整的闭环控制。这是一条从“经验驱动”到“数据驱动”的技术迁移路径，本质上是在用传感融合与实时控制技术，去逼近人类厨师在灶台前数万小时训练出的直觉判断。

这一技术路线的推进，与核心团队背景密不可分。CTO Vincent本科与硕士毕业于清华大学，博士由新加坡国立大学与麻省理工学院（MIT）联合培养，此后任职苹果公司高级工程师，在机器人、传感器、算法及软硬件系统开发领域有长期积累，并深度参与过消费级智能硬件的研发与大规模量产。他在公开采访中的表述带有浓厚的工具理性色彩：“我希望我们的智能烹饪机器人，能成为餐饮从业者的‘智能伙伴’，让烹饪从一项依赖经验的‘体力活’变成一种可精准控制、可自由创作的享受。”不过，物理AI的真实水准目前仍停留在“研发与小范围验证”阶段，距离全面部署的大规模量化验证还有相当距离。从实验室环境到数千家厨房终端之间的工程化鸿沟，包括传感器在油污、高温、高湿环境下的长期可靠性、边缘端算力对实时决策的支撑能力、以及模型在极端工况下的异常处理机制，都需要时间和场景积累来逐一攻克。

海外市场的高转化率从何而来

据公司披露，自2025年底以来，海外市场客户日均拜访量增长约三倍，来访客户的签单转化率超过50%，产品已落地欧洲、北美、澳洲、东南亚及日韩。外部独立验证尚未进行，但增速与转化率的绝对值仍值得关注——50%以上的签单转化率在面向B端客户的硬件销售中属于相当高的水平，可能意味着来访客户本身已经过较强的意向筛选，或者产品在演示环节对客户痛点的击中率较高。

驱动这套数据的并非把中国方案原封不动搬往海外。美国中餐厅老板Brain长期受后厨人手短缺与晚高峰出品不稳定的困扰，使用产品后给出了一句基础的积极反馈“Amazing”。日本居酒屋经营者小野先生则更具体地提到，机器“完美地还原和融合了本地的照烧汁风味”。土耳其客户Muhammad最关心炒面的均匀度问题，据公司表示，机器出品优于人工。这些使用场景指向一个共同逻辑：海外客户采购烹饪设备的核心考量并非价格驱动，而是出品稳定性和人力替代的可靠性。在欧美等发达市场，后厨人力成本高企且供给弹性极低，一台能够稳定输出、不需要休息、不会突然离职的设备，其投资回收周期可能远比国内更短。

智谷天厨海外业务负责人公开的判断同样透露出战略意涵：“全球餐饮市场中，以中餐、日料、东南亚风味为代表的泛亚洲菜系，消费需求持续走高，市场规模稳步扩张。”将产品定位从“中餐标准化工具”扩展到“泛亚洲菜系智能基础设施”，相当于把一个面向中国市场的品类逻辑，迁移到全球范围内的更大需求标的上。这一迁移的可行性，建立在一个关键假设之上：中餐、日料、东南亚菜在烹饪技法上存在共通的基础操作——炒、炖、蒸、炸——这些操作的物理过程可以被同一套传感与控制系统覆盖，而口味的本地化差异可以在模型层通过参数调整来实现。不过，这是一条既要扛得住本地餐饮文化复杂性，也要处理跨国售后、供应链与合规等现实挑战的路径。在欧洲，设备需要满足CE认证；在北美，NSF食品安全标准是准入门槛；在日本，厨房空间极度紧凑对设备体积提出严苛要求——每一层本地化适配都是额外的工程与合规成本。

投资人买了一笔什么账

招商局创投领投本轮，跃迁资本跟投，老股东超额追投——这笔近亿元的资金，在2026年的机器人赛道算不上巨型融资，但资方背景的组合存在指向性。招商局创投背靠招商局集团，后者在港口、物流、园区等产业基础设施领域布局广泛，为烹饪机器人落地大型食堂、产业园区餐饮提供了潜在场景入口。这种产业资本与场景资源的绑定，可能让智谷天厨在获取大型B端客户时获得超出纯财务投资机构的渠道优势。跃迁资本为跟投方，其投资组合公开信息有限，其在智能硬件或食品科技领域的过往布局暂未有公开资料可供参考。云启资本与啟赋资本作为老股东的超额追投，则代表了对商业化路径的二次确认，在后续轮次中愿意投入超过按比例跟投的资金，通常意味着投资方对公司在两次融资间隔期内交出的业务答卷较为满意。

招商局创投投资人的公开表态格外务实：“烹饪机器人是智能机器人中，少数能真正落地业务场景、让用户价值形成闭环的领域，我们对它的大规模普及非常有信心。智谷天厨团队，用行业里最少的资金，做出最好的产品，并跑通了商业化上最高效的路径。”这段话包含两个层面的判断：行业判断——烹饪机器人是机器人领域少数能形成商业闭环的细分赛道，而非停留在概念验证或政策补贴驱动的阶段；公司判断——智谷天厨用相对较少的资金实现了领先的商业化效率，意味着其在资金使用纪律性和产品迭代节奏上可能优于同行。两者的本质都在强调“落地”与“效率”，而非单纯的技术想象力。老股东超额追投则从另一个侧面印证了对团队及业务节奏的认可，但不排除投资组合内部策略调整驱动的可能性——在整体退出环境偏紧的背景下，老股东向已证明商业化能力的被投企业集中资源，也是一种防御性配置策略。

品牌升维：从智谷天厨到仟弈智能

公司即将完成品牌全面升级，正式更名为“仟弈智能”。“仟”代表万千智能终端，“弈”代表数据与模型驱动的智能博弈。品牌升格通常意味着一家公司准备进入更大规模的市场叙事——从一家聚焦于“厨电”场景的硬件公司，向一个以模型和数据为中枢的智能平台转身。更名动作本身也透露出一种商业意图：未来的增长不再仅仅依赖于卖出更多台烹饪机器人，而是希望将运行在全球厨房里的万千终端，织成一张持续产生数据、持续优化模型、持续锁定客户的网络。这张网络的价值，可能远远超过硬件销售的一次性收入——它沉淀的是全球泛亚洲菜系在不同气候、不同食材供应链、不同口味偏好下的烹饪数据资产，这种资产一旦形成规模，后来者几乎无法通过短期烧钱来追平。

但品牌升格无法替代物理AI从研发走向量产验证所需的系统性工程能力，也无法自动解决跨国供应链管理、本地化合规和售后服务体系搭建这些“苦活累活”。从“智谷天厨”到“仟弈智能”的更名，折射的是从“硬件公司”向“模型驱动平台”的战略升格野心——野心越大，待验证的工程化假设就越多。

烧钱打不动了，这一仗怎么继续

公司官宣中明确的资金用途只有两点：推进物理AI研发，加速中式及泛亚洲餐饮的全球化落地。前者的核心挑战在于物理AI仍处于研发与小范围验证阶段，从实验室级别的环境到大规模异构场景部署之间，存在工程化、成本与可靠性的多重鸿沟。传感器的长期耐高温耐油污性能、边缘计算模块在连续高强度运行下的稳定性、模型在未见过的新食材或新菜系上的泛化能力——每一项都需要通过成百上千个真实厨房场景的长期运行来验证和迭代，这个过程的周期和资金消耗可能远超实验室阶段的预期。后者的复杂性在于海外扩张必然拖累短期利润：跨国供应链搭建、本地化合规、售后体系建立，都是资金密集型投入。在一些市场，还需要建立本地化的菜品研发支持团队，以理解当地消费者对口味的微妙偏好——这些人力投入与公司“模型驱动减少服务人力”的核心叙事之间，存在一定的张力。

在竞争格局上，公司的公开材料没有列出具体竞争对手，但智能烹饪赛道在全球范围内并不冷清。国内市场已有至少数家企业布局炒菜机器人与智能厨房设备，部分同样在推进出海。海外市场中，一些专注于特定菜系的自动化烹饪解决方案也在争夺连锁餐厅和团餐客户。行业竞争加剧，可能从定价端和客户获取成本端侵蚀现有优势。当多个供应商都能提供“稳定出品”的基本价值时，差异化将更多取决于菜系覆盖广度、口味还原精度和长期运维成本——而这三个维度上的领先优势，在行业快速演进的环境中都很难被永久锁定。公司自身提及的风险——技术研发不及预期、行业竞争加剧影响市场份额——并非标准免责条款，而是智能硬件赛道中每一家公司都会反复面对的核心挑战。

公司能否在营收高速增长的通道中，持续将技术能力转化为标准化的产品交付，能否在海外扩张的成本压力与国内业务的盈利底线之间找到平衡，能否让物理AI从“研发与小范围验证”真正走向“规模部署与持续迭代”，才是融资之后真正需要被持续观察的核心变量。这一轮近亿元的战略融资，与其说是一次胜利的庆祝，不如说是一场更长期、更复杂的工程化长跑的发令枪。