深圳殺出未來獨角獸：今年融資5億，前OPPO首席科學家下場

鉛筆道作者 | 華泰詩

最近，深圳殺出一個未來獨角獸。智平方宣佈完成過億元Pre A+輪融資，由敦鴻資產、雲啟資本、國投創盈等聯合投資。

在具身智慧機器人這場全球競速賽中，一家成立僅2年的中國公司殺出重圍——智平方，以"端到端VLA大模型+場景定義硬體"的新路徑。這家由前小鵬汽車、OPPO首席科學家郭彥東領銜的團隊，已在今年初完成兩輪累計超5億元融資。

值得一提的是，在商業化上，智平方已實現數千萬營收（確認收入）。這場由"造車基因"驅動的機器人革命，正重構全球智慧製造版圖。

–01 –

智平方成立於2023年4月，以“物理世界AGI”為願景，專注於研發通用智慧具身終端。其核心產品是Alpha Bot系列機器人，搭載自研的AI2R Brain大模型，透過輪式底盤、摺疊機械臂等模組化設計，在部分場景具有操作任意物件的能力。

目前，該系列機器人已應用於國際頭部車企、高階製造企業及網際網路巨頭，解決傳統工業機器人柔性不足、依賴定製化程式設計的痛點。例如，在汽車產線中完成預裝配、精密零部件分揀等高難度任務，展現了對非結構化場景的強適應性

創始人郭彥東博士是國家級創新領軍專，曾任微軟總部AI研究員、小鵬汽車首席科學家、OPPO首席科學家，主導過數億臺智慧終端與智慧汽車的AI系統研發。他觀察到，受限於單一任務演算法和結構化環境依賴，傳統機器人難以應對複雜需求，比如製造業柔性化升級、家庭服務場景等。

郭彥東的破局路徑是：以“端到端VLA大模型+場景定義硬體”的新方式，替代傳統預程式設計方案。例如，透過多模態感知與生成式操作模型（如RoboMamba），實現無需程式碼調整的任務泛化能力，即使是“開啟未知包裝盒”等未訓練指令，模型也可自主推理完成。

在盈利模式上，智平方從高階製造切入，逐步滲透公共服務與個人康養場景。2024年，智平方實現數千萬確認收入，客戶覆蓋全球TOP10車企中的3家。

智平方是一年非常年輕的公司，2023年4月份才成立，成立之初就獲得清華大學系基金SEE Fund天使投資。2024年6月，它聯合北京大學釋出RoboMamba模型，其“未見任務”的泛化能力超越Google RT系列30%，成為NeurIPS 2024會議首個入選的中國具身智慧成果。2024年Q4，Alpha Bot 1S量產，簽約多家車企與製造企業，全年營收突破數千萬。

2025年1-3月，它又完成兩輪累計超5億元融資。

–02 –

全球具身智慧機器人市場規模預計2025年超百億美元，年複合增長率超50%，中國有望成為最大的增量市場之一。

當前行業痛點集中於長尾任務泛化、硬體成本與可靠性平衡。

一、長尾任務泛化。

比如任務泛化困境。現有機器人多針對特定場景（如工業焊接、物流搬運）設計，難以適應複雜多樣的長尾任務。例如，家庭服務機器人無法同時處理清潔、陪護、應急響應等任務，需針對每個任務單獨訓練。

再比如硬體異構適配難題。例如，人形機器人的雙足平衡控制與工業機械臂的軌跡規劃需獨立開發，增加研發成本。

二、硬體成本與可靠性平衡難題。

比如成本結構制約商業化。人形機器人核心零部件（如高精度感測器、伺服電機）依賴進口，導致成本居高不下。例如，宇樹科技早期產品單價超百萬，雖2025年量產預期將降至30萬級，但仍高於工業機器人平均成本（約10萬/臺）。

再比如可靠性與壽命矛盾。消費級場景（如家庭陪護）對機器人可靠性要求高，但輕量化設計與低成本材料可能縮短使用壽命。例如，服務機器人需每日連續執行 12 小時以上，其機械結構磨損、電池衰減問題亟待解決。

三、行業破局路徑。

比如演算法最佳化與資料閉環。機器人必須減少對人工標註的依賴，透過強化學習、模仿學習演算法提升泛化能力（如 RT-1/2、OpenVLA 模型。