在中国制造业的毛细血管里，一场关于“手”的危机已经持续多年。消费端对个性化、小批量的渴求，倒逼产线必须从“三年造一款”转向“一天换三款”。但工业机器人的“手”却远未跟上节奏——一台六轴机械臂要抓起一只新色号的口红管，可能需要工程师花一周时间重新调整夹具、标定视觉、改写程序。更让工厂主焦虑的是，那些在实验室里靠海量数据训练出来的“具身智能”方案，一遇到产线上从未见过的异形瓶、软塌塌的包装袋，照样抓瞎。数据从哪里来？换产怎么做到分钟级？这是横亘在万亿工业柔性制造赛道面前的两道死结。

就在行业还在为“数据驱动还是仿真驱动”争论不休时，一支“非共识”的团队给出了第三种答案。今日，投中网独家获悉，橡木果机器人（Acorn Robot）正式完成天使轮融资，由招商局创投和蔚来资本共同领投，水木清华校友种子基金跟投。这家脱胎于清华大学与哈佛大学、成立仅一年多的公司，没有走海量采集数据的路线，而是选择了一条更靠近神经科学的路径——他们认为，机器人操作应该像人类抓握一样，是一种“本能”。

这一判断并非凭空而来。橡木果发起人姜峣在哈佛大学从事博士后研究时发现，语言能力需要后天习得，但人类操作物体的底层行为却跨越文化，几乎一致。“全球不同文化背景的人，抓取物体的行为方式几乎一模一样——这意味着，操作背后存在一种客观规律，或者说‘先天的本能’。”姜峣说。基于此，他与八名清华机械系博士组成核心团队，自2017年起便押注“本能驱动”这一技术路线，历时九年完成从理论、工程验证到工业场景落地的闭环，直至今天才带着产品与融资正式浮出水面。

字段 内容
公司 橡木果机器人（Acorn Robot）
轮次 天使轮
金额 未披露
投资方 招商局创投（领投）、蔚来资本（领投）、水木清华校友种子基金（跟投）
总部 北京
创始人 姜峣
成立时间 2024年底
官网 未披露

“本能驱动”并非玄学，是一套自下而上的技术协议栈

要理解橡木果的差异化，必须拆开“本能”这个笼统的概念。在公司披露的技术架构中，Natus AGE-0 模型并非一个端到端的任务规划黑盒，而是被明确切分为感知层、本能层和技能层。其中，本能层是整个系统的轴心，它的核心信号源不是相机，而是触觉。

行业过去三年都在卷视觉，触觉长期被忽视。但视觉解决的是“物体在哪、长什么样”，触觉解决的才是“接触瞬间发生了什么”——这是决定抓取成败的最关键物理交互。橡木果早在2019年便自主研发了视触觉传感器，其最核心的“动态滑移表征”技术由团队在2020年首次提出。据公开资料，这一技术让机器手能在感知到物体即将滑落的瞬间，像人类的抓握反射一样，不经过“大脑”规划便自动调整握力。这种依赖触觉反馈的实时闭环，可能意味着机器人不再需要将每个接触瞬间分解为独立的视觉识别任务，而是将“要抓稳”这种物理约束直接编码为硬件响应机制。

这套机制被姜峣称为“白盒”：它类似于万有引力定律，在物理世界是一个恒定的约束，不依赖数据训练，却普遍适用。Natus AGE-0 模型就是将这类与接触力学绑定的底层规律编码进模型，使其脱离了对特定本体、物料和工况场景数据的依赖，从机制上具备了跨硬件、跨物料的零样本泛化与冷启动能力。这与主流的数据预训练范式形成了根本性分野。然而，这里的“零数据”并非完全没有数据，而是指在针对一个全新任务时，模型不依赖该任务的预先采集数据集。将接触力学的底层规则提炼为通用算法，其本身仍然需要大量物理实验作为工程基础，只是这部分研发数据的积累发生在上游，下沉到工业现场时被抽象为了即插即用的能力。这部分工程数据的规模、覆盖的物料边界，以及是否足以支撑模型在未接触工况中仍保持稳定，目前尚未有公开量化披露，仍需更多工业现场数据来验证。

一堂工业现场的“开箱即用”课，换产从一周缩至40分钟

技术路线的差异，最终要在产线上接受检验。橡木果选定的首个战场是工业柔性制造，而非家用服务机器人。姜峣的判断很务实：家庭场景涉及长时序任务规划，要求机器人“知道去哪、然后怎么干”，而对操作执行本身的容错度较高；工业场景则相反，任务规划单一，但对操作的精度、泛化能力和开箱即用性要求极高——产线没有时间等你重新训练一个模型。

当前制造业最普遍的多SKU、小批量、频繁换产痛点，恰恰暴露了传统自动化和新兴具身智能方案各自的软肋。传统工业机器人是预编程设备，换一个物料就要改夹具、调参数甚至重写程序，换产周期动辄一周。新兴方案虽然引入了AI，但高度依赖预先采集的数据集，做不到“换活即干活”。在更为极端的离散制造场景中，比如同一产线上午处理化妆品塑料软管、下午切换为易拉罐或异形玻璃瓶，物料材质、表面摩擦系数、几何形状的差异极大，任何需要前置训练的方案都会在转场时遭遇效率断崖。此时，能否在分钟级内完成从一种物料到另一种物料的平滑切换，就从“降低成本”的加分项，直接升级为“产线能否盈利”的生死线。

橡木果的产品逻辑因此直指这一真空地带。其搭载Natus模型的标准化双臂柔性生产单元，无需任何前置数据训练，机器人运抵产线后可做到毫秒级响应、即插即用。在全球某头部化妆品代工厂的实际落地中，这套系统覆盖了各种形状、材质的软管、瓶装、盒装产品，将抓取、旋拧、放置的换产时间从传统方式的一周，直接压缩至6至40分钟。这意味着，一条产线在一天之内可以完成数次、甚至十几次产品切换，这在过去近乎天方夜谭。更值得关注的是，这个落地场景并非在实验室受控环境，而是在真实的粉尘、温湿度变化和产线节拍压力下完成的，这对触觉传感器的信噪比和本能模型的鲁棒性提出了严苛的短期考验。橡木果通过这个案例证明了其技术底线的可靠性，但长期运行中传感器漂移如何补偿、本能模型在面对极端磨损后的操作策略是否会劣化，这些问题的答案仍需在更长的产线服役周期中逐步浮现。

做“全能运动员”，而不是“专业运动员”的商业取舍

这套技术在产品化时面临一个关键的商业化拷问：是做高毛利的定制化集成项目，还是做标准化的产品？橡木果的答案是后者，而且做得很坚决。

姜峣明确表示，公司主动砍掉了所有定制化集成项目，避免沦为同质化的集成商。“我们的目标不是做一个比人更快的‘专业运动员’，而是做一个能快速适应不同任务的‘全能运动员’。”他说。这套说法的商业含义是：橡木果不靠为一个特定场景做深度优化来赚钱，而是通过一套标准化的硬件与模型，覆盖尽可能多的行业和物料品类。这意味着公司必须在产品定义上做出关键取舍——放弃在单个场景做到99.9%的极致效率，转而追求在数百种物料间都能达到90%以上的可用度，并通过后续的技能层迭代逐步逼近最优。这种策略的一个隐含假设是，工业市场对“足够好且通用”的需求，远远大于对“极致但窄域”的需求，而这一假设是否成立，仍需看后续跨行业的客户导入速度和合同复购率。

为此，公司探索了一种“制造即服务”的商业模式。据披露，整套解决方案不单独售卖零部件，而是为客户提供一站式柔性生产服务。这有点类似云计算对服务器硬件的抽象——客户不需要知道里面是哪种型号的传感器、算法如何迭代，只需要为“可靠的生产能力”付费。目前，其客户已拓展至消费电子、日化、食品、汽车等领域多家头部企业。这种模式如果跑通，最大的好处是能绕过单纯比拼硬件BOM成本的陷阱，把利润空间转向产品定义和持续服务。但与此同时，它也意味着橡木果需要自己承担硬件铺货的前期成本，机器人的产权可能并未转移，公司现金流将直接面对资产重度和应收账款周期的双重压力。对于一家刚完成天使轮的公司而言，如何管理铺货速度与回款节奏之间的时间差，可能成为决定其能否平稳进入下一轮融资的关键变量。姜峣也说得很直白：“中国拥有全球最成熟供应链，硬件成本已经压到极致。真正的利润空间应在产品定义和品牌价值上。”这暗示橡木果未来的溢价可能并不来自某种独门硬件参数，而是来自它能定义“即插即用的本能操作单元”这个新品类本身，以此建立客户心智和品牌壁垒。

招商局与蔚来共同押注，看上什么？

本轮领投方组合值得拆解。招商局创投背后是中国最大的央企集团之一，其产业生态覆盖港口、物流、保税园区、航运等大量涉及物料搬运与分拣的实体场景；蔚来资本则代表着汽车及高端制造产业链对下一代柔性生产工具的迫切需求。这两家机构共同出手，表明资本正开始为工业场景中“脱离预编程和数据依赖”的操作能力单独定价。

这与2025年后具身智能投资的分化趋势一致。当大部分初创公司还在比拼训练数据量、仿真环境规模和任务规划链长度时，把核心壁垒建立在“与生俱来的底层物理交互能力”上的方案，形成了一种非对称竞争。它避开了数据收集的高昂成本和仿真到现实迁移的鸿沟，直接在一个更底层的维度上构建护城河。蔚来资本相关人士在采访中评价：“他们不盲从主流，敢于从第一性原理出发，找到了一条更高效、更优雅的通用操作解决方案。”这里的“第一性原理”，指向的就是从接触力学和生物行为机理出发重构操作模型，而非用更多数据拟合现有缺陷。对招商局而言，这套方案的“即插即用”和跨物料泛化能力，直接关联其庞大实体网络中最头疼的混拣、拆零等非标作业痛点。如果本能模型真的能在不区分箱体尺寸、表面材质的情况下完成拆垛和订单拣选，那么港口和保税仓的分拣环节可能不再需要昂贵的定制化视觉立库，这将释放巨大的降本空间。但反过来，招商局的场景通常节拍更快、货物破损率容忍度更低，这对本能模型在碰撞、挤压等极端工况下的表现提出了比化妆品工厂更高的标准，目前尚未有信息表明橡木果已经在类似场景完成了技术验证。

资金将投向三个“非技术”高地

天使轮融到的资金，将用于加速Natus模型迭代、产品研发、品牌体系构建及商业化团队搭建。值得注意的是，姜峣将“从跑通到跑赢”列为此阶段最紧迫的任务，而非单纯放大技术优势。

“跑通”已有化妆品代工厂的案例支撑，但“跑赢”意味着回答一连串更深层的问题：本能模型在反复物理冲击下的衰退曲线如何？跨至汽车零部件这类更高洁净度、更高节拍要求的场景时，是否真的无需二次开发？分布式离散制造的服务体系如何构建，是自营还是找当地集成伙伴？这些都是比发布一个模型更难啃的骨头。姜峣自己也意识到，“很多人认为做完POC就离成功不远了，但事实上，从技术到产品，再到业务落地，这个闭环的每一次迭代，才是真正的壁垒所在。”团队从底层将资源投向品牌和商业化团队，暗示他们已经意识到，在一个技术尚未被广泛认知的“本能驱动”路线上，建立客户认知和行业标准可能比打磨某个算法指标更紧迫。在工业自动化行业，客户的决策链极长且保守，往往需要看到同行三个以上成功案例才愿意启动测试。因此，把钱花在品牌和标杆案例的传播上，可能是加速跨过“早期采用者鸿沟”的必要条件。团队“九名博士创业时无一人离开”的高稳定性，在此刻会转化为执行上的战略定力，但九个人的能力圈能否撑起体系化的商业拓展，仍需外部验证。特别是当客户行业从日化延伸到汽车、食品等监管要求和工艺标准迥异的领域时，商业化团队中可能需要引入具有行业背景的人员来弥合技术和具体生产规范之间的缝隙，目前尚不清楚这部分人才储备的计划。

高悬的拷问：本能模型的边界在哪？

尽管产品已落地，但橡木果的路径仍背负几大待验证假设。其一，本能模型的泛化边界尚未被公开界定。从化妆品的小物件到汽车零部件的金属重件，接触力学的底层规则固然不变，但执行所需的力矩、刚度、安全域度完全不同。在化妆品场景下，最大风险可能是拧坏一个塑料瓶盖；而在汽车零部件装配中，力度失控可能导致精密阀体或螺纹损伤，产生远远超出机器人自身价值的质量损失。模型是否只需一个版本，还是需针对不同工业垂直细分进行大幅重训？公司未给出量化数据。如果模型确实需要根据物料密度、表面硬度和几何容差进行参数域的分区管理，那么所谓“零数据冷启动”可能仅在同一个参数域内成立，跨域时仍需一定量的初始标定，这会削弱其相比传统方案的部署速度优势。

其二，“制造即服务”模式面临的资产重度和应收账款周期压力不容小觑。提供一站式服务意味着机器人产权可能未转移，橡木果需要自己扛硬件铺货成本，这对于一家天使轮公司来说，现金流管理堪称刀刃上的舞蹈。可以推测，公司在短期内可能会选择与头部客户签订长期服务合同，以可预期的经常性收入去匹配融资节奏，但这要求客户对该服务产生真正的依赖，而非把它作为一个降低自身CAPEX的过渡方案。其三，与现有自动化巨头的博弈尚不明朗。发那科、ABB等已经在自家机器人上加载了力控和简易触觉套件，若它们在未来三到五年内通过收购或自研，将类似的本能驱动逻辑嵌入其封闭生态，橡木果作为独立“大脑”供应商的空间可能被压缩。不过，巨头们庞大的存量装机量和向下兼容的负担，也可能拖慢其拥抱全新架构的速度，这是留给橡木果的宝贵窗口期。更关键的是，市场上对该技术路线“零数据”的宣传已有质疑——一些研究者指出，“零数据”是指在任务执行时不依赖该任务的特定预训练数据，但模型本身的底层规则提炼仍需要大量物理实验，这部分工程数据的积累同样是壁垒，只是战场从客户现场转移到了研发后端。橡木果未来可能需要更透明地披露本能模型的物料覆盖矩阵，让客户理解哪些物体已确保本能可靠，哪些仍需技能层的学习介入，否则“零数据”的宣传可能反噬客户的信任。

具身智能第三极，还是产业化前夜的一次冒险？

橡木果的出现，让具身智能操作能力从“数据驱动”和“仿真迁移”的二元叙事，延伸出了第三条路。它把触觉感知从辅助角色提升为操作基座的核心，并用九个年头的学术-工程闭环证明，这条路至少能走通从0到1。在产业逻辑上，这条路径的价值在于，它试图回答一个根本问题：如果机器人的操作能力不能像人类一样随环境泛化，那么无论单个任务完成得多漂亮，都无法支撑起万亿级柔性制造所要求的产线弹性。招商局和蔚来的联合背书，强化了它在工业场景中的可信度。

但产业化从来不是一场技术秀。从为一家化妆品工厂拧瓶盖，到为一个汽车零部件车间装配精密阀体，中间横亘的不仅有工程鸿沟，更有客户信任、商业模型和现金流的多重考验。尤其在客单价较高、产线停机损失巨大的汽车和电子制造领域，“首次即成功”的要求近乎苛刻，任何一次本能模型的边缘失误都可能拖慢整个验证进程。姜峣说“做公司重要的是必然性，而不是可能性”，这恰恰点中了这条非共识路线的命门：必须同时证明本能模型的不可替代性——即其他任何方案都无法以同样成本实现同等泛化水平，和“制造即服务”模式的可持续性——即客户愿意持续为稳定运行买单而非在跑通后自研替代。两者只要有一步踩空，橡木果就可能被困在“天才的实验室原型”与“能跑通的商业机器”之间的漫长缝隙里。而融资节奏本身也是一个潜在的变量：如果后续资本对这条新路径的耐心不够，公司可能被迫在“高度标准化的远期目标”和“短期现金流所需的有限定制”之间做出妥协，这反过来又会模糊其最核心的差异化定位。橡木果的下一程，既是一场对技术边界的极限测试，也是一次对创业团队战略纪律的持久考验。

RecodeX 极客视：橡木果最大的产业贡献，或许不是发布了一个叫Natus的模型，而是率先在工业现场用分钟级换产验证了“触觉本能”可以脱离海量数据活着。这为厌烦了数据内卷的具身智能行业，撕开了一个新的入口。但摆脱数据依赖，也意味着它必须直面更残酷的物理世界拷问——模型老化、极端工况和跨行业迁移的鸿沟，每一项都在等着这家九人核心团队交出答卷。工业史告诉我们，颠覆旧范式从来不是靠更聪明的算法，而是靠让客户愿意买单的稳定生产力。橡木果的下一站，必须从“换产很快”走向“永不掉链”。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。