上海飒智智能科技有限公司选择了一条少有人走的路：不做人形，做多臂。近日，这家成立于2017年的工业具身智能机器人企业宣布完成数亿元Pre-B轮融资，投资方包括建投投资有限责任公司、南通投管和云启资本三家机构。据36氪报道，本轮资金将主要用于大模型研发、多臂机器人本体迭代、产线扩建以及全球市场的深度拓展。指数资本继续担任财务顾问。

这笔融资的特别之处不在于金额规模，而在于它所押注的产品形态。当行业主流叙事围绕“通用人形”展开时，飒智智能已经构建起覆盖单臂、双臂、四臂、六臂的全形态本体矩阵，并把六臂机器人“玄甲”作为旗舰产品推向工业现场。公司称，这种空间异构的六臂构型在全球范围内具有唯一性，尚无独立第三方验证。

字段 内容
公司 上海飒智智能科技有限公司
轮次 Pre-B轮
金额 数亿元人民币
投资方 建投投资有限责任公司、南通投管、云启资本
总部 上海（闵行区）
创始人 张建政
官网 http://www.sageaiplus.com/

六臂不是营销噱头，而是对存量产线空间约束的直接回应

理解飒智智能的产品逻辑，需要回到一个被反复忽略的工业现实：中国大量制造企业的自动化改造发生在既有厂房里，而不是新建的“灯塔工厂”中。产线间距、工位密度、设备布局都是刚性约束。在这种条件下，机器人形态的选择首先是一个空间问题，其次才是技术问题。

据36氪报道，创始人兼CEO张建政对六臂构型的解释建立在一个朴素类比上：“多臂并不是越多越好，就像桌子最少三个腿能稳定，四个、五个也能接受，但再多就没有意义了。”通过空间构型理论的支撑，他认为6个臂是目前最合理的布局方式。六臂机器人“玄甲”采用前腰、后腰、肩膀各分布两臂的空间异构设计，据36氪报道，其能够360度照顾周边多条生产线，实现双工位并行、四臂交替。

这种设计试图解决的实际问题是：在狭小空间内，如何让一个机器人本体同时服务多个工位。据张建政在访谈中描述，左侧三个臂作业时，下面两个臂分别拿不同工件组装，上面一个臂拿电批或胶枪进行锁附或涂胶。这种多工序并行能力，是单臂或双臂堆叠在物理空间上难以实现的。

但多臂构型的代价同样明确。相较于四臂，六臂的自由度增加了60%。公司称，六臂相较四臂效率提升达50%，尚无独立第三方验证。更多的机械臂意味着更复杂的运动规划、更严苛的安全空间动态隔离要求，以及对算力和算法有效性的指数级压力。张建政承认，在狭小空间内避免碰撞并实现复杂工艺协同，对算力和算法提出了极高要求。

从产品迭代轨迹看，飒智智能并非一步跳到六臂。据张建政介绍，新一代四臂机器人采用空间对称构型，通过一个大脑控制四个机械臂，借助高级协同算法使多臂并行运行效率比上一代翻了一倍。四臂到六臂的演进，是在同一技术路线上增加空间异构复杂度。今年6月第十二届上交会上，六臂机器人“MAHAKBOT六臂玄甲”全球首发。据腾讯新闻报道，飒智智能在展会首日达成采购意向订单超百台。但意向订单与确认收入之间的距离，在工业设备领域通常以季度甚至年度计。

世界模型试图绕开VLA的反射式模仿陷阱，但验证路径仍然狭窄

具身智能行业当前的技术分歧集中在“大脑”层面。行业普遍采用的VLA（视觉-语言-动作）模型，本质上是一种端到端的反射式模仿：看到场景，直接输出动作。这种范式在演示环境中表现流畅，但缺乏物理因果理解，一旦场景偏离训练分布，泛化就会失效，且失败原因不可解释。对于要求99%以上确定性的工业场景，这是致命缺陷。

飒智智能的应对方案是在今年世界人工智能大会上发布自研工业世界模型“玄枢·SageNexus”（WASM）。据36氪报道，该模型的核心架构是Encoder-Decoder分离：Encoder将视觉、点云、力反馈和工艺文档等异质数据映射到统一的物理语义空间，Decoder再将高层任务意图转译为可执行动作序列，并进行物理可行性校验。据36氪报道，这一设计能够有效抑制大模型幻觉，避免生成不安全或不符合工艺约束的动作。

从技术逻辑看，这种架构试图在“理解”与“执行”之间插入一层物理约束校验，本质上是对纯端到端路线的修正。但需要指出的是，物理可行性校验的具体实现方式、校验规则的完备性、以及在边缘侧的实际推理延迟，本次来源材料均未披露。公司称，基于360TB多模态真实工业数据与三阶段训练，该模型沉淀了2000余个场景技能库，在工业场景下能够达到99.9%以上的可靠性，尚无独立第三方验证。

更值得关注的是算力策略。在行业普遍陷入“堆卡竞赛”的背景下，张建政提出了一个反向判断：用算法的有效性来解决算力的依赖性。他的逻辑是，持续叠加算力资源会推高客户投入成本，而工业客户对成本的敏感度远高于实验室场景。张建政称，其模型不完全依赖暴力计算，部分训练好的Skill可以直接部署在终端端侧执行。这一策略的成立条件，是模型在边缘设备上的推理能力确实能够覆盖工业场景的实时性要求，而这一点在公开材料中缺乏具体技术指标支撑。

从已披露的架构信息看，飒智智能试图在云端与边缘端之间建立分层闭环：云端“慢闭环”负责长周期策略优化，边缘侧“快闭环”处理实时动作控制，安全底线“闭环”作为独立保护层。这种三环架构在工业控制领域并非新概念，但将其与具身智能世界模型结合，是飒智智能区别于纯算法公司和传统机器人集成商的关键差异点。

客户口径存在“超50家”与“百余家”的落差，数据飞轮的真实转速待考

飒智智能的商业化叙事围绕一个核心概念展开：数据飞轮。张建政强调“数据、本体、控制、模型、场景这5个元素的闭环”，其隐含逻辑是：更多工业场景落地产生更多真实数据，更多数据训练出更可靠的模型，更可靠的模型推动更多场景落地。这个飞轮能否转起来，取决于两个前提：落地场景的数量与质量，以及数据回流的技术通道是否畅通。

在客户数量上，本次来源材料出现了两种口径。36氪报道称公司“全球500强或上市公司客户超50家”；而建投投资投资总监王枫在同一篇报道中表示，飒智智能的产品“已在百余家大型国央企及世界500强企业实现规模化工业场景落地”。两种表述的统计口径未披露，无法直接比较。对于一家以数据积累为核心壁垒的公司而言，客户口径的精确性直接关系到数据飞轮的真实规模。

行业覆盖方面，据36氪报道，公司已覆盖3C半导体、汽车、能源、食品医药四大行业。南通投管在投资声明中称，飒智的具身机器人已在上述多个领域“实现规模化商业落地，获得多个头部标杆客户的重复采购”。重复采购是工业设备领域最硬的验证指标之一，但具体重复采购率、复购金额占比等数据未披露。

海外市场被定位为第二增长曲线。据36氪报道，公司去年在墨西哥业务较多，今年开始全面开发东南亚市场，覆盖越南、印尼、马来、泰国、新加坡，并在欧洲市场逐渐斩获大订单。据36氪报道，其海外意向订单超五亿元。需要明确的是，意向订单在法律和财务意义上均不构成确认收入，从意向到交付再到回款，中间存在大量变数。尤其对于需要本地化部署、调试和售后支持的工业机器人，海外订单的转化周期通常比国内更长。

产能端的信息则相对具体。据36氪报道，公司称其位于上海马桥人工智能实验区的工厂目前处于满产状态，计划未来三年内扩建至现有场地4倍左右规模。满产状态本身是一个积极信号，但扩建计划的执行取决于本轮融资的实际到位金额——而本轮金额仅披露为“数亿元”，未给出精确数字，也未披露各投资方的具体出资额和领投方。

资本结构折射出产业资本与财务资本的混合押注

本轮三家投资方的组合值得拆解。建投投资有限责任公司是中国建银投资旗下的产业投资平台，其投资逻辑通常带有产业协同和长期持有的色彩。南通投管则具有地方政府背景，其参与往往与区域产业招商和制造业升级政策相关。云启资本是一家聚焦科技领域的早期风险投资机构，在机器人、智能制造方向有持续布局。

这三类资本的共同入场，说明飒智智能的融资叙事同时打动了不同逻辑的钱：产业资本看重的是工业场景落地能力和数据壁垒，财务资本看重的是具身智能赛道的高成长预期。建投投资投资总监王枫的表述直接点出了投资逻辑的核心：“真实有效的工业场景落地和相关数据的匮乏，是当前具身智能企业面临的核心瓶颈与挑战。”在王枫看来，飒智智能已经在百余家大型国央企及世界500强企业实现规模化落地，并沉淀了海量数据，这构成了技术壁垒。

南通投管的声明则更强调团队能力与商业验证的匹配度：“飒智团队对工业场景、具身智能理解深刻，同时具备较强的落地能力。”云启资本关注的是产品矩阵的完整性和工程化交付经验，其声明提到“团队已在多个制造行业实现批量交付”。

本轮融资的财务顾问为指数资本。但历史融资轮次明细、前期投资人名单、本轮估值等关键信息均未披露，无法判断其连续服务的具体安排，也难以评估本轮融资对创始团队股权稀释的具体影响。

资金用途聚焦模型与本体，但群体智能的承诺需要更长的验证周期

大模型研发的投入逻辑相对清晰。玄枢·SageNexus作为公司技术壁垒的核心载体，需要持续的数据回流和算法迭代才能维持领先性。但世界模型的研发投入具有高度不确定性——它不像硬件迭代那样有明确的工程周期和成本曲线，模型能力的提升往往呈现非线性特征。据36氪报道，公司已沉淀2000余个场景技能库，但技能库的覆盖广度与工业场景的碎片化需求之间仍存在巨大鸿沟。工业制造的工序种类数以万计，2000个技能意味着模型距离“通用工业智能”还有相当距离。

多臂机器人本体迭代则面临一个更根本的问题：市场教育成本。工业客户对机器人形态的接受度建立在长期使用习惯和供应链成熟度之上。六臂机器人在全球范围内缺乏可参照的成熟产品，这意味着飒智智能不仅要卖产品，还要说服客户改变对“机器人应该长什么样”的既有认知。这一判断需要更多客户的实际采购和长期运行数据来验证，而非仅靠理论推演。

产线扩建的紧迫性来自满产状态。但扩建决策的时间窗口与融资到位节奏之间的匹配存在风险：如果扩建先行而资金到位延迟，公司可能面临现金流压力；如果等待资金到位再扩建，又可能错失订单交付窗口。本次来源材料未提供本轮融资交割进度和资金到账安排的信息。

全球市场拓展是四个方向中变数最大的一个。工业机器人的海外销售涉及本地化认证、售后网络建设、渠道伙伴选择等系统性工程。据36氪报道，其海外意向订单超五亿元，但意向订单的转化率、交付周期、回款条件均未披露。从墨西哥到东南亚再到欧洲，三个市场的工业基础、劳工成本、自动化接受度差异巨大，同时推进对团队的国际化能力是严峻考验。

张建政在访谈中称，公司已初步实现将几百台机器人在一个工厂里联合作业的群体控制算法。这一表述如果属实，意味着飒智智能的竞争维度正在从单机性能扩展到系统级调度能力。但“初步实现”的具体含义——是实验室验证还是客户现场运行，是几百台同型号机器人还是跨型号异构集群——均未得到进一步说明。群体智能的工程复杂度远超单机智能，它涉及通信协议、任务分配、冲突消解、容错机制等一系列系统性问题，其验证周期通常以年为单位。

风险不在技术路线，而在数据壁垒的可证伪性与商业验证的透明度

飒智智能的融资故事建立在一条清晰的因果链上：工业场景落地产生真实数据，真实数据训练出可靠模型，可靠模型形成技术壁垒，技术壁垒推动更多场景落地。这条链的每一环都指向同一个核心资产——工业数据。但恰恰是这一核心资产，在公开信息中缺乏可独立核验的量化证据。

据36氪报道，公司基于360TB多模态真实工业数据训练模型。360TB是一个具体的数字，但这个数字的构成——哪些来自客户现场、哪些来自自有测试、数据标注成本、数据清洗后的有效规模——均未披露。工业数据的价值高度依赖场景覆盖度和标注质量，单纯的数据量并不能直接推导出模型能力。一个在3C半导体场景积累的数据集，对汽车装配场景的迁移价值可能非常有限。

增长率的表述同样需要审慎解读。张建政称“今年上半年已经完成了去年全年的任务，全年业务基本翻番，增长率在100%~120%”。这一表述来自创始人单方，且未披露基数。如果去年营收基数较低，翻番增长的绝对规模可能仍然有限。对于一家成立八年的公司，在Pre-B轮阶段仍未披露精确营收数字，这本身就是一个值得关注的信号。

从竞争格局看，飒智智能面临的压力来自两个方向。向上，发那科、ABB等传统工业机器人巨头正在将AI能力集成到既有产品线中，它们在工业客户关系、供应链成熟度和品牌信任度上拥有压倒性优势。向下，一批具身智能创业公司正在从不同角度切入工业场景，有的做人形机器人，有的做单臂灵巧操作，有的做移动复合机器人。飒智智能的多臂路线在形态上具有差异化，但这种差异化能否转化为持续的竞争壁垒，取决于客户是否愿意为多臂构型支付溢价，以及竞争对手跟进多臂路线的时间窗口有多长。

飒智智能选择了一条在工业具身智能赛道中足够独特的路。多臂构型直面了存量产线的空间约束，世界模型试图解决VLA范式的物理因果缺失，数据飞轮瞄准了行业最稀缺的真实场景数据。这三个判断在逻辑上自洽，也获得了三类不同属性资本的共同背书。但从融资公告到可验证的商业成功之间，仍横亘着一系列未解问题。

验证边界与可复核指标

本文中涉及公司技术指标、客户数量、订单金额、增长率等数据，除已注明来源者外，均来自公司或投资方单方披露，尚无独立第三方验证。本次来源材料未提供公司官网信息，也未披露本轮融资的精确金额、领投方、各投资方出资比例、历史融资轮次明细及公司估值。

后续判断飒智智能商业验证质量，可重点复核以下指标：其一，客户口径能否统一，“超50家”与“百余家”的统计范围是否包含终端部署场景或集团下属工厂；其二，海外意向订单超五亿元的转化率、交付周期与回款条件；其三，99.9%以上可靠性数字是否由客户现场长期运行数据支撑，而非实验室或演示环境；其四，360TB工业数据的场景构成与标注质量，以及2000余个场景技能库对工业工序碎片化需求的覆盖边界。

RecodeX 极客视：工业具身智能最稀缺的从来不是模型参数，而是那些藏在产线深处的真实场景数据。飒智智能用六臂构型换取了在存量工厂中的空间可行性，用世界模型试图补上物理因果的缺失，这比展厅里的人形机器人更接近制造业的真实需求。但数据壁垒的成立需要可核验的客户、可追溯的场景、可复现的可靠性，而这三者在当前披露中仍然模糊。当“数亿元”融资和“超五亿元”意向订单都停留在约数层面时，市场有理由要求这家公司拿出更精确的账本——不是因为它不够好，而是因为它声称自己已经站在了工业具身智能的验证临界点上。

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。