具身智能行业正在经历一次尴尬的错位。资本与人才在过去两年把机器人本体、灵巧手、VLA 模型推到了前所未有的热度，但当一台人形机器人被送进矿山巷道、化工车间或浓烟弥漫的救援现场，真正让它停下来的往往不是算法不够聪明，而是它“看不见”或“看不懂”眼前的物理世界。理想实验室里的稳定光照、干净背景和可预测物体运动，在真实工况中几乎不存在。烟雾会散射激光，粉尘会遮蔽镜头，弱光会让视觉特征消失，而机器人一旦失去对环境的可靠感知，再强的决策模型也没有意义。
这正是深圳星际觅元科技有限公司试图切入的位置。这家成立于 2026 年 7 月的公司，把自己定义为全域场景具身智能系统供应商，而不是又一个人形机器人整机品牌。它的核心命题是：具身智能的瓶颈不在算法框架，而在多模态物理数据的供给方式。近日，星际觅元完成千万元级人民币种子轮融资，由同创伟业领投，家庭具身智能机器人企业卧安机器人和旭源资本跟投。公司称，目前客户群体包括国内主流具身智能厂商，以及能源、高端制造等行业场景客户，但未披露具体客户名称。
这轮融资的金额在当下动辄数亿的具身智能赛道里并不算大，但它的资本结构却透露出比金额更值得关注的信息：一家财务投资机构、一家产业机器人公司、一家早期风险资本同时出现在股东名单里。领投方同创伟业看中的是 Real2Sim2Real 路线的工程可行性，跟投方卧安机器人则明确表达了在家庭具身智能场景中获取高质量物理数据的产业诉求。这意味着，星际觅元从种子轮开始就被推到了一个既要做技术供应商、又要做数据基础设施、还要回应产业投资方真实需求的交叉点上。
| 字段 | 内容 |
|---|---|
| 公司 | 深圳星际觅元科技有限公司 |
| 轮次 | 种子轮 |
| 金额 | 千万元级人民币（具体金额未披露） |
| 投资方 | 同创伟业领投，卧安机器人、旭源资本跟投 |
| 总部 | 深圳 |
| 创始人 | 温明星 |
| 官网 | 未披露 |
把真实世界搬进仿真，问题在于“搬得多像”
星际觅元的技术叙事围绕一条 Real-Sim-Real 数据闭环展开。据公司披露，其数据采集端自研了多模态物理资产重构引擎，融合激光雷达、相机、热成像相机、4D 毫米波雷达等多类传感器，通过毫米级时空标定算法完成不同传感器之间的数据融合。公司称，相比传统单一视觉方案，多模态融合能显著提升机器人在弱光、烟雾、粉尘等复杂环境下的感知稳定性。公司还披露，目前支持多类异构传感器组合标定，单次标定流程可控制在 10 分钟以内。这一标定效率指标来自公司口径，未见独立第三方测试报告公开验证。
数据生成端则把真实环境数字化后导入仿真系统，构建可交互、可推演、可训练的数字孪生训练场，再通过规模化仿真生成实现复杂场景与长尾场景的数据扩展。这条路线在逻辑上并不新鲜，真正困难的是物理真实性。仿真环境里生成的烟雾是否具有真实烟雾对激光的散射特性？粉尘颗粒的分布是否会影响毫米波雷达的回波？弱光条件下的热成像数据是否与真实传感器输出一致？这些问题的答案决定了仿真数据能否真正缩小 Sim-to-Real 鸿沟，而不是制造一批在仿真里表现优异、在现实中失效的模型。
星际觅元创始人温明星在 36 氪的访谈中给出了公司的技术判断：合成数据最大的优势是不受物理时间约束，可以快速生成大量不同场景的数据，也能补足复杂工况和长尾场景所需的数据。但合成数据存在 Sim-to-Real 差距，原因在于物理真实性不足和数据丰富度不够。公司的解决方式是先用自主研发的多模态数据采集设备对真实场景和物理资产进行 1:1 建模重构，再在仿真中利用多次运行、时间加速、视角扩展等优势提高数据规模和覆盖范围。从已披露的技术路径看，这意味着公司把“真实采集”作为仿真生成的物理锚点，而不是完全依赖程序化生成。但 1:1 建模重构的具体精度、不同材质和工况下的物理仿真误差范围，以及仿真数据在真实机器人上的迁移成功率，均未披露。
多模态不是传感器堆叠，标定精度决定数据可用性
星际觅元与纯视觉仿真路线最明显的差异，在于它把激光雷达、热成像、4D 毫米波雷达等传感器纳入物理级仿真重建。同创伟业投资总监唐正在投资声明中称，团队依托七八年多模态传感器时空标定与鲁棒感知的积累，能对多源信号做物理级重构与仿真生成，而非停留在纯视觉，这是其他团队最难复制的壁垒。这一判断来自投资方声明，其“最难复制”的表述属于投资方主观评价，目前没有公开的第三方技术对比或专利数据可以独立验证。
从工程角度看，多模态数据融合的难点确实不在传感器数量，而在时空标定。不同传感器的采样频率、视场角、数据格式和物理安装位置各不相同，要把它们在统一时空坐标系下对齐，误差必须控制在足够小的范围内。如果标定误差过大，激光雷达点云与相机图像中的同一个物体就会错位，热成像中的温度区域与毫米波雷达中的反射点也无法对应。这种错位在干净场景中可能只是精度下降，在烟雾、粉尘等退化环境中则可能直接导致感知失效。
公司披露的单次标定流程 10 分钟以内，如果属实，意味着它把传统上需要数小时甚至数天的多传感器标定压缩到了可现场部署的级别。但这一指标需要放在具体传感器组合和标定精度要求下理解。不同传感器组合的标定难度差异很大，激光雷达与相机的联合标定相对成熟，热成像与 4D 毫米波雷达的联合标定则涉及更复杂的物理对齐问题。公司未披露 10 分钟标定对应的传感器组合类型、标定精度指标以及可重复性数据，因此这一效率指标目前只能作为公司单方面披露的技术能力看待。
不做整机，但数据生意比整机更难定义边界
星际觅元的商业模式有两条路径：一是项目制，为机器人本体厂商提供场景定制、软硬件集成、现场部署及后续运维服务；二是将沉淀的高价值场景数据资产化，通过 API 接口或授权方式，为机器人厂商、大模型训练团队及解决方案企业提供数据服务。公司称客户群体包括国内主流具身智能厂商及能源、高端制造等行业客户，但未披露具体客户名称、合同金额或收入数据。
这两条路径的商业逻辑完全不同。项目制是现金流生意，收入确认相对清晰，但规模化受限于交付团队的人力和项目周期。数据资产化是平台生意，理论上边际成本低、可扩展性强，但前提是数据本身具备可交易的价值，并且客户愿意为数据付费。具身智能领域的数据交易目前还没有形成成熟的市场定价机制。机器人厂商更倾向于自己采集或生成数据，因为数据与特定本体、特定任务、特定部署环境的耦合度很高。星际觅元要说服客户为外部数据付费，必须证明其数据在跨本体、跨场景的泛化能力上优于客户自采数据，而这一点目前尚未有公开案例可以验证。
更值得关注的是，项目制与数据资产化之间存在潜在的客户利益冲突。如果星际觅元为某家机器人本体厂商做场景定制项目，项目过程中采集和生成的数据是否可以在脱敏后授权给该厂商的竞争对手？如果数据授权业务与项目制客户的核心竞争力直接相关，客户是否愿意让第三方掌握这些数据？旭源资本创始人彭数学在投资声明中称，星际觅元不做整机机器人，聚焦上游的数据基建与具身智能大脑，能够同时赋能多种机器人本体，商业延展性很强。这一判断来自投资方声明，其“商业延展性很强”的结论建立在数据跨本体通用性的假设之上，而这一假设本身正是公司需要验证的核心商业风险。
产业投资方入局，协同价值与依赖风险同时存在
卧安机器人的跟投是这轮融资中最值得拆解的环节。卧安机器人长期深耕家庭具身智能场景，其 CTO 潘阳在投资声明中明确表示，机器人在实验室环境中能够完成任务，但进入真实家庭后，光照变化、物品摆放差异以及用户行为的不确定性都会对系统稳定性和泛化能力提出更高要求。他称星际觅元的 Real-Sim-Real 路线为解决这一问题提供了有价值的技术路径，并希望未来双方能在数据与场景层面形成更深入的产业协同。
产业投资方的进入通常意味着订单预期或场景入口。对于星际觅元这样的早期公司，卧安机器人既可能是首批付费客户，也可能是数据场景的提供方。但产业投资的另一面是，它可能限制公司向卧安机器人的竞争对手提供同类服务。家庭具身智能是一个竞争激烈的市场，如果星际觅元与卧安机器人的绑定过深，其他家庭机器人厂商可能会出于数据安全考虑而选择自建能力或寻找替代供应商。公司需要在产业协同与客户中立性之间找到平衡，而这一平衡在种子轮阶段还看不到清晰的答案。
从资本结构看，同创伟业作为领投方承担了主要的财务投资角色，旭源资本作为早期风险资本补充了资金和背书，卧安机器人则提供了产业资源。这种组合在早期硬科技项目中并不罕见，但三方的利益诉求并不完全一致。财务投资方关注的是估值增长和退出路径，产业投资方关注的是技术协同和供应链安全，早期风险资本关注的是团队执行力和下一轮融资能力。当这些诉求在具体商业决策中发生冲突时，创始团队能否保持战略独立性，是一个需要持续观察的问题。
应急场景的政策窗口，与真实商业化的距离
星际觅元的技术叙事与安全应急场景高度相关。工业和信息化部、应急管理部联合印发的《安全应急装备产业发展“十五五”规划》提出，到 2030 年重点领域产业规模达到 1.4 万亿元，并推动 AI 垂域大模型、救援机器人/无人机等前沿技术与应急装备融合。这一政策背景为公司的技术路线提供了宏观叙事支撑，但政策规划与创业公司的商业化之间隔着多层转化环节。
安全应急装备的市场结构以政府和大型国企采购为主，采购决策周期长、认证门槛高、定制化需求强。一家种子轮公司要进入这个市场，通常需要借助集成商或大型装备企业的渠道，而不是直接面对终端客户。星际觅元目前披露的客户群体是“国内主流具身智能厂商”和“能源、高端制造等行业客户”，并未明确提及应急管理部门或救援装备企业。这意味着，政策窗口期的红利可能需要通过服务机器人本体厂商、再由后者进入应急场景的方式间接兑现。这种间接路径的变现效率和利润空间，取决于星际觅元在产业链中的议价能力，而这一能力目前尚无公开数据可以评估。
另一个值得注意的问题是，安全应急场景对数据采集和验证的要求远高于普通工业场景。消防、矿山、化工等场景的数据采集往往涉及安全审批、设备防爆认证、现场作业规范等约束。星际觅元的多模态采集设备能否进入这些场景进行真实数据采集，采集到的数据能否合法合规地用于商业授权，都是尚未披露的关键环节。公司称其团队参与过新加坡第一台消防机器人等国家级项目，积累了复杂环境感知和机器人系统工程交付经验。这一履历来自公司披露，具体项目细节、团队在其中承担的角色以及可迁移到中国市场的经验边界，均未公开。
种子轮之后，真正的验证才刚刚开始
星际觅元这轮融资的资金用途未披露。对于一家成立仅数月、团队规模未公开、产品尚处于样机阶段的公司来说，千万元级种子轮资金最可能的去向是团队扩充、样机迭代和早期客户交付。但资金用途的沉默本身就是一个信号：公司还没有到可以清晰规划研发投入、市场拓展和交付体系建设比例的阶段，或者选择不向外界披露这些细节。
从已验证的事实看，星际觅元拥有一个学术背景和工程履历兼具的创始团队。创始人温明星博士是中新国际联合研究院智能感知创新研发中心执行主任，首席科学家王郸维是新加坡工程院院士，核心团队来自新加坡南洋理工大学、哈尔滨工业大学、北京理工大学、华南理工大学及国内上市公司。团队此前参与过新加坡多个国家级机器人项目。这些履历为公司的技术叙事提供了可信度，但学术履历和工程交付经验并不能自动转化为商业成功。具身智能数据基础设施是一个需要长期投入、持续迭代、且短期内难以看到规模化收入的赛道。
公司面临的核心待验证假设有三个：第一，多模态物理级仿真生成的数据能否在真实机器人上表现出比纯视觉仿真更低的 Sim-to-Real 迁移损失；第二，机器人本体厂商是否愿意为外部数据服务持续付费，而不是将其视为过渡性方案；第三，项目制交付与数据资产化两条业务线能否在资源有限的情况下并行推进而不互相拖累。这三个问题没有一个是融资新闻能够回答的，它们只能在接下来的客户交付、数据授权和场景验证中逐步显现答案。
从已披露的融资结构、技术路线和团队背景看，星际觅元选择了一条比整机创业更靠上游、也更难被外界直观感知的道路。它的价值主张建立在一个行业共识之上：具身智能的数据瓶颈是真实的，多模态物理数据比纯视觉数据更接近真实世界的复杂性。但共识不等于需求，需求不等于付费意愿，付费意愿不等于可持续的商业模式。种子轮融资解决的是公司启动的问题，而它要证明的，是这个启动方向本身是否成立。
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：星际觅元的种子轮融资规模不大，但它把具身智能行业一个被反复讨论却很少被单独定价的问题摆上了台面：物理数据到底值多少钱？当整机厂商还在为关节扭矩和模型参数竞争时，这家公司试图在更上游的地方建立壁垒。问题是，数据基础设施的生意只有在客户愿意为数据本身付费时才能成立，而具身智能行业距离这个时刻还有多远，目前没有人能给出答案。星际觅元真正的对手不是某家仿真公司或数据公司，而是整个行业对“数据应该自建还是外采”的默认假设。
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。