家庭机器人没有共识，但钱先到了
2026年10月，一家成立仅半年多、尚无整机面世的公司，完成了近半年内的第四轮融资。据36氪报道，“欧拉万象”近日完成数亿元天使轮+融资，由诚元祥基金、芯能创投、锡洲国际、拓邦股份、弘毅投资等联合投资，值观资本担任独家财务顾问。每日经济新闻记者张梓桐的报道进一步确认，欧拉万象创始人周顺波曾是华为具身智能Lab“一号员工”，2026年3月从华为离职后成立该公司，瞄准家庭场景。
这轮融资的特殊之处不在于金额本身——数亿元在当下的具身智能赛道并不罕见——而在于它投向了一个连创始人都承认“远未成为行业共识”的方向。据盖世汽车《Seeds》栏目报道，周顺波判断具身智能真正的“GPT时刻”尚未到来，其标志应是用户仅凭一次演示就能让机器人学会任务、把使用边际成本降到极低，而家庭机器人远未成为行业共识，多数同行实际仍从酒店、商业或工业场景切入。换句话说，欧拉万象在本轮融资中拿到的，是一笔押注于“非共识”的钱。
这种“非共识”在资本端与产业端之间形成了明显的温差。资本端愿意为华为系创始人的履历和家庭场景的长期想象支付溢价，产业端却仍受制于供应链成熟度、产品交付节奏和用户付费意愿等现实约束。欧拉万象的融资节奏越快，这种温差反而越值得被拆开审视：钱先到了，但产品、数据和商业验证都还在路上。
| 字段 | 内容 |
|---|---|
| 公司 | 欧拉万象（OlaDimensions） |
| 轮次 | 天使轮+ |
| 金额 | 数亿元 |
| 投资方 | 诚元祥基金、芯能创投、锡洲国际、拓邦股份、弘毅投资 |
| 财务顾问 | 值观资本 |
| 总部 | 未披露 |
| 创始人 | 周顺波、张靖 |
| 官网 | 未披露 |
华为“一号员工”的履历溢价，撑起了半年四轮融资
欧拉万象被资本快速锁定的核心原因，在公开材料中指向一个高度集中的事实：创始人的华为背景。据盖世汽车《Seeds》栏目报道，周顺波曾是华为机器人方向“天才少年”和公司级首席专家，在华为期间作为具身智能领域的“1号员工”，从零开始搭建了华为规模最大的具身智能团队，并主导研发华为云具身平台CloudRobo。联合创始人张靖曾任亚马逊AWS产品经理、华为创新云服务产品总监，在华为期间主导孵化了包括CloudRobo、Talk2Video在内的多款创新产品。
这一履历组合在2026年的具身智能融资环境中具有明确的信号意义。据盖世汽车《Seeds》栏目援引IT桔子统计，2026年以来截至8月中旬，已有12家华为系背景具身智能公司完成24笔融资、总额约86亿元，且高度集中在种子、天使阶段。欧拉万象是这轮“华为系具身创业潮”的缩影之一。资本市场的逻辑并不复杂：华为具身智能团队的核心成员，被认为具备从零搭建复杂机器人系统、整合软硬件栈、管理大规模研发团队的经验，而这些经验在早期创业公司中属于稀缺资源。
从投资决策的角度看，这种履历溢价可能同时包含两层含义。第一层是对执行力的信任：在华为体系内从零组建大规模团队并主导平台级产品研发，意味着创始人经历过复杂组织内的资源协调、技术路线取舍和工程落地压力，这些能力在早期创业中可能直接转化为团队搭建和研发推进的效率。第二层则是对技术判断力的信任：华为云具身平台CloudRobo的研发经历，可能让创始人对具身智能的软件栈、云边协同和数据链路有更完整的认知，而这种认知在家庭机器人这一尚未定型的方向上，被部分投资方视为一种稀缺的“路线筛选能力”。
但履历溢价有其边界。周顺波在华为期间主导的是云平台与团队搭建，而非面向家庭场景的消费级机器人产品定义与量产交付。据盖世汽车《Seeds》栏目报道，欧拉万象成立至今约七个月，团队约70人，尚无整机面世。这意味着本轮融资的估值基础，更多建立在团队背景与技术路线叙事之上，而非已验证的产品能力或商业收入之上。从公开信息看，投资方愿意为这种“非共识方向+强团队背景”的组合支付溢价，但这一溢价的兑现条件，是后续产品交付与数据闭环的实际进展。如果整机开发周期拉长，或者首款产品在真实用户中无法形成持续使用，履历溢价可能从估值支撑转变为估值压力。
动作原生模型：把“动作”塞进预训练，而不是事后外挂
欧拉万象的技术叙事围绕一个核心概念展开：Action-Native Foundation Model，即动作原生基础模型。据36氪报道，公司面向家庭服务机器人搭建Real-world RSI系统，并发布Action-Native Foundation Model路线的阶段成果UniWAM。据盖世汽车《Seeds》栏目报道，该路线主张让“动作”从预训练阶段就参与模型对物理世界的理解，而非在视觉、语言模型训练完成后再外挂动作模块。
这一技术主张针对的是当前具身智能模型的一个普遍问题：大多数系统沿用“视觉-语言模型+动作解码器”的架构，动作生成被视为下游任务，模型对物理世界的理解与动作执行之间存在割裂。欧拉万象的路线试图从预训练阶段就引入动作表征，使模型对空间、物体和任务的理解天然包含“如何操作”的维度。据盖世汽车《Seeds》栏目报道，公司已发布OLA-Sem、OLA-Geo两款模型，分别强化空间语义与动作生成的关联、空间几何表征；该信息为背景报道内容，并非本轮融资披露。
从技术逻辑上看，这一路线与当前具身智能领域对“世界模型”和“具身预训练”的探索方向一致，并非凭空提出的概念。将动作表征前置到预训练阶段，理论上可能带来两方面的潜在收益：一是减少视觉语言理解与动作执行之间的信息损耗，使模型在理解一个物体的同时就包含“如何抓取、如何移动”的隐式知识；二是为后续的Real-world RSI数据闭环提供更统一的表征基础，使真实任务中的执行反馈能够更直接地回流到模型训练中。
但需要明确的是，欧拉万象目前公开的成果仍停留在模型层面。据盖世汽车《Seeds》栏目报道，公司于2026年8月刚训练出第一版基础模型，UniWAM作为阶段成果被提及，但公开材料未披露其在标准基准测试上的具体表现、与同类模型的对比数据，或在实际家庭任务中的成功率。从已披露的信息看，这意味着技术路线的方向性判断可以讨论，但其相对优势尚未被可验证的指标所证明。对于投资方而言，这轮融资中与技术路线相关的部分，本质上是在为一种尚未被基准测试验证的架构选择下注。
先极客后大众：一条用开发者共创替代整机销售的路径
欧拉万象在产品策略上做出了一个与多数家庭机器人创业公司不同的选择。据盖世汽车《Seeds》栏目报道，公司现阶段坚持“移动底盘+双臂”形态，主张用人类操作数据驱动机器人，但本体不必模仿人的身体；同时走“先极客、后大众”的路径，首款产品面向Maker和开发者共创，而非直接铺向普通家庭。
“移动底盘+双臂”的形态选择，意味着欧拉万象在操作能力上比单一移动底盘更重，但在拟人程度上又比完整人形机器人更克制。这种中间形态可能反映了一种工程上的权衡：双臂提供了执行家庭任务所需的基本操作自由度，移动底盘则保留了在家庭环境中导航的灵活性，而不追求人形外观则可能降低整机复杂度和成本压力。但这一判断仍需验证，因为公开材料并未披露该形态在具体家庭任务中的表现，也未说明其相对于其他人形或非人形方案的成本优势。
这一策略的现实约束在于：欧拉万象至今尚无机器人整机面世，最新交付仍停留在模型成果与家庭场景Demo阶段。在整机尚未交付的情况下，“首款产品面向Maker和开发者”的表述，实际上描述的是一种产品定义的意向，而非已经发生的市场行为。据盖世汽车《Seeds》栏目报道，公司已储备1000多名高价值种子用户，但公开材料未披露这些用户是否已接触过实际产品、以何种方式参与共创，或是否产生了任何形式的付费或持续使用行为。
“先极客、后大众”的路径在硬件创业中并不罕见，其逻辑在于通过开发者社区获得早期反馈、降低产品定义风险，并在大众市场启动前积累一批高粘性用户。但这条路径的成立依赖于一个前提：首款产品必须足够快地交付到开发者手中，并且开发者愿意在功能不完善、供应链不成熟的阶段持续投入。如果整机交付一再推迟，种子用户的注意力可能转移，开发者共创的飞轮就难以启动。
周顺波本人也承认，家庭机器人整个供应链仍不成熟，电机失力、散热、硬件稳定性等问题仍未完全解决。这意味着欧拉万象选择了一条在工程实现上更重、在供应链上更不成熟的路径，其“先极客”策略既是对技术成熟度不足的务实回应，也意味着大规模商业化的时间表被进一步推后。从融资节奏看，投资方显然接受了这种推后，但接受的前提是公司能在合理周期内拿出可被开发者实际使用的整机。
数据闭环的赌注：家政SOP能否变成机器人可用的训练数据
欧拉万象长期目标是构建Real-world RSI（递归自我改进）数据闭环，让机器人在真实任务中执行、反馈、再训练。这一目标的关键不在于模型架构本身，而在于高质量真实数据的持续获取。据盖世汽车《Seeds》栏目报道，欧拉万象与高端家政公司好慷在家达成战略合作，计划2027年把保洁、收纳、育儿等专业家政SOP转化为高质量家庭数据。
这一合作的价值在于，家政服务场景天然包含大量可结构化、可重复、有明确质量标准的操作序列，比随机采集的家庭视频数据更接近机器人训练所需的任务级标注数据。保洁、收纳、育儿等家政SOP通常已经包含步骤分解、质量标准和操作规范，这些结构化信息如果能够被转化为机器人可理解的动作序列和状态标注，可能显著降低家庭场景数据采集和标注的成本。如果能够按计划执行，欧拉万象有可能在家庭场景数据上建立起差异化的供给能力。
但这一计划的时间点是2027年，距离当前还有相当距离。在此之前，公司需要先完成整机开发、让机器人具备执行基本家庭任务的能力，才能将家政SOP转化为可采集的操作数据。换言之，这是一个“先有鸡还是先有蛋”的问题：数据闭环需要机器人先在真实场景中执行任务，而机器人执行任务的能力又依赖于足够的数据训练。欧拉万象试图用家政SOP来打破这个循环，但前提是整机能力先达到可以执行家政任务的最低门槛。在整机尚未面世的当前阶段，这一前提本身还未被满足。
此外，据盖世汽车《Seeds》栏目报道，欧拉万象同时是地瓜机器人的战略合作伙伴。这一合作关系的具体内容未在公开材料中披露，但从产业链位置看，它更可能指向算力平台与开发工具链层面的协同，而非数据或场景层面的直接贡献。地瓜机器人作为机器人计算平台供应商，其与欧拉万象的合作如果落地，可能影响后者在端侧算力选型和开发工具链上的选择，但公开信息不足以判断这种合作对数据闭环的具体价值。
拓邦股份入局：产业资本要的是业务协同，不是财务回报
本轮融资的投资方名单中，最值得关注的是上市公司拓邦股份。据盖世汽车《Seeds》栏目报道，拓邦股份作为新晋产业股东入局，同时双方拟在业务层面展开合作。
对于欧拉万象而言，拓邦股份的入局具有超出资金层面的意义。家庭服务机器人的硬件成本结构中，电机、驱动器、控制器和电源管理占据显著比例。拓邦股份作为智能控制领域的上市公司，其业务覆盖可能涉及机器人硬件中的关键控制部件。如果双方的合作能够落地到具体的硬件方案选型、成本优化和供应链协同上，欧拉万象在整机开发阶段可能获得比纯财务投资方更直接的工程支持。这种支持在供应链不成熟、电机失力和散热问题尚未完全解决的背景下，可能比单纯的资金输入更具实际价值。
但“拟在业务层面展开合作”的表述本身说明，这一合作尚处于意向阶段，未披露具体项目、金额或时间表。产业资本入局早期项目时，业务协同的兑现往往需要经历从意向到方案、从方案到量产的多轮磨合。在欧拉万象尚无整机面世的阶段，拓邦股份能够提供的硬件支持还无法转化为具体的采购规模或成本数据。因此，这一产业股东的价值目前更多体现为一种潜在的供应链背书，而非已经发生的业务协同。
从资本结构看，本轮融资由诚元祥基金、芯能创投、锡洲国际、拓邦股份、弘毅投资等新老股东联合投资。据盖世汽车《Seeds》栏目报道，老股东超额追投。欧拉万象在半年内完成四轮融资，这种高频次节奏意味着公司处于快速扩张期，需要持续补充资金以支撑研发和团队增长；同时，由于成立仅半年多，所谓“老股东”的观察窗口期本身就很短。在整机尚未面世、收入为零的阶段，老股东追投更多反映的是对团队执行力和技术方向的持续认可，而非对商业验证结果的确认。这种认可在早期项目中可以降低后续融资的不确定性，但也可能让公司在产品节奏上承受更高的期待。
资金用途的算术：三分之一算力、三分之一人才，剩下的是早期运营
据盖世汽车《Seeds》栏目报道，欧拉万象创始人周顺波披露，本轮融资资金约三分之一投向算力与数据，约三分之一用于人才招募等人力开支，其余主要为运营、设备采购等早期投入。
值得关注的是算力与数据合计占三分之一的比例。对于一家以“动作原生基础模型”为核心技术叙事的公司而言，这一比例并不算激进。如果公司后续需要训练更大规模的模型、在更多家庭场景中采集真实操作数据，算力与数据的支出占比可能进一步上升。尤其是在Real-world RSI数据闭环启动后，真实任务数据的采集、清洗、标注和回流训练都可能产生持续且递增的成本。当前三分之一的占比，可能只是模型训练早期阶段的水平，而非数据闭环运转后的稳态结构。
人才招募占三分之一的比例，则与公司约70人的团队规模和快速扩张节奏相匹配。在具身智能赛道，具备机器人软硬件全栈能力的人才供给有限，华为系背景的创始团队在招聘上可能具有一定吸引力，但相应的人力成本也更高。如果团队规模继续扩大，人力开支的绝对金额将随之上升，而“数亿元”的融资规模在扣除三分之一算力与数据、三分之一人力后，剩余部分用于运营和设备采购，在整机开发尚未完成的情况下，资金消耗速度将取决于硬件研发的推进节奏。
从融资节奏看，欧拉万象在半年内完成四轮融资，这种高频次融资在早期项目中通常意味着两种可能：一是公司处于快速扩张期，需要持续补充资金以支撑研发和团队增长；二是单轮融资规模不足以支撑较长周期的运营，公司需要频繁回到市场。公开材料未披露此前三轮的金额与投资方，因此无法判断本轮“数亿元”在公司累计融资中的占比，也无法评估现有资金能够支撑多长的运营周期。如果整机开发和数据闭环的推进速度低于预期，公司可能需要在更短时间内启动下一轮融资，而这将取决于届时是否有可验证的产品进展作为支撑。
验证的边界：模型、Demo与整机之间的距离
欧拉万象目前公开的交付物包括：据盖世汽车《Seeds》栏目报道的OLA-Sem、OLA-Geo两款模型，36氪报道的UniWAM阶段成果，以及家庭场景Demo和1000多名种子用户储备。这些交付物共同构成了一个早期具身智能公司的典型画像：技术方向明确，模型层面有初步产出，但距离可交付的整机产品仍有显著距离。
需要集中说明的是，本轮融资的核心字段——金额、轮次、投资方——来自36氪快讯与每日经济新闻报道；其余技术、团队、用户数据来自盖世汽车《Seeds》栏目背景报道，尚无独立第三方验证。具体而言：据盖世汽车《Seeds》栏目报道的1000多名高价值种子用户，其数量与质量未披露统计口径；与好慷在家的战略合作计划2027年执行，目前仅为意向性安排；OLA-Sem、OLA-Geo两款模型的性能表现未披露任何基准测试或对比数据；团队约70人的规模来自公司披露；资金用途比例来自创始人周顺波的披露。此外，各来源均未披露公司官网与总部所在地，本次融资的首次披露或完成日期也未给出。集微网报道将本轮称为“天使轮融资”而非“天使轮+”，并将投资方之一写作“无锡国联锡洲基金”而非“锡洲国际”，来源间存在轮次名称与投资方表述的不一致；本轮轮次与投资方以36氪快讯及每经报道为准。
从已披露的事实看，欧拉万象的核心待验证假设集中在三个层面。第一，动作原生基础模型是否能在真实家庭任务中表现出相对于“视觉-语言模型+动作模块”路线的可测量优势；第二，公司能否在供应链不成熟、整机尚未面世的条件下，按计划完成首款面向Maker和开发者的产品交付；第三，与好慷在家的数据合作能否在2027年如期转化为高质量训练数据，并真正驱动Real-world RSI闭环运转。这三个假设中的任何一个被证伪，都会动摇本轮融资所依据的核心逻辑。
这三个假设之间还存在明显的依赖关系。整机交付是数据合作的前提，数据闭环是模型优势的前提，而模型优势又是整机在家庭场景中形成用户价值的前提。欧拉万象需要在同一条时间线上同时推进这三件事，而每一件事的完成度都依赖前一件事的进展。对于一家成立仅半年多、尚无整机面世的公司而言，这种多线程依赖意味着执行风险不是简单叠加，而是可能形成连锁反应。本轮数亿元融资提供的，是让公司有机会在2027年之前跑通第一个循环的资金和时间窗口，但窗口本身并不等于结果。
RecodeX 极客视：欧拉万象用半年四轮融资证明了一件事——在具身智能赛道，华为系创始人的履历本身就能成为一种融资能力。但履历能买来算力和人才，却买不来一台能在家里跑起来的机器人。当“动作原生”还停留在模型命名、当“先极客后大众”还停留在产品定义、当数据闭环的起点被推到2027年，这轮数亿元融资真正买到的，是一张进入家庭机器人长跑的门票，而不是提前冲线的资格。
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。