铅笔道作者 | 爱羽

最近，深圳杀出一个未来独角兽。智平方宣布完成过亿元Pre A+轮融资，由敦鸿资产、云启资本、国投创盈等联合投资。

在具身智能机器人这场全球竞速赛中，一家成立仅2年的中国公司杀出重围——智平方，以"端到端VLA大模型+场景定义硬件"的新路径。这家由前小鹏汽车、OPPO首席科学家郭彦东领衔的团队，已在今年初完成两轮累计超5亿元融资。

值得一提的是，在商业化上，智平方已实现数千万营收（确认收入）。这场由"造车基因"驱动的机器人革命，正重构全球智能制造版图。

01

智平方成立于2023年4月，以“物理世界AGI”为愿景，专注于研发通用智能具身终端。其核心产品是Alpha Bot系列机器人，搭载自研的AI2R Brain大模型，通过轮式底盘、折叠机械臂等模块化设计，在部分场景具有操作任意对象的能力。

目前，该系列机器人已应用于国际头部车企、高端制造企业及互联网巨头，解决传统工业机器人柔性不足、依赖定制化编程的痛点。例如，在汽车产线中完成预装配、精密零部件分拣等高难度任务，展现了对非结构化场景的强适应性

创始人郭彦东博士是国家级创新领军专，曾任微软总部AI研究员、小鹏汽车首席科学家、OPPO首席科学家，主导过数亿台智能终端与智能汽车的AI系统研发。他观察到，受限于单一任务算法和结构化环境依赖，传统机器人难以应对复杂需求，比如制造业柔性化升级、家庭服务场景等。

郭彦东的破局路径是：以“端到端VLA大模型+场景定义硬件”的新方式，替代传统预编程方案。例如，通过多模态感知与生成式操作模型（如RoboMamba），实现无需代码调整的任务泛化能力，即使是“打开未知包装盒”等未训练指令，模型也可自主推理完成。

在盈利模式上，智平方从高端制造切入，逐步渗透公共服务与个人康养场景。2024年，智平方实现数千万确认收入，客户覆盖全球TOP10车企中的3家。

智平方是一年非常年轻的公司，2023年4月份才成立，成立之初就获得清华大学系基金SEE Fund天使投资。2024年6月，它联合北京大学发布RoboMamba模型，其“未见任务”的泛化能力超越Google RT系列30%，成为NeurIPS 2024会议首个入选的中国具身智能成果。2024年Q4，Alpha Bot 1S量产，签约多家车企与制造企业，全年营收突破数千万。

2025年1-3月，它又完成两轮累计超5亿元融资。

02

全球具身智能机器人市场规模预计2025年超百亿美元，年复合增长率超50%，中国有望成为最大的增量市场之一。

当前行业痛点集中于长尾任务泛化、硬件成本与可靠性平衡。

一、长尾任务泛化。

比如任务泛化困境。现有机器人多针对特定场景（如工业焊接、物流搬运）设计，难以适应复杂多样的长尾任务。例如，家庭服务机器人无法同时处理清洁、陪护、应急响应等任务，需针对每个任务单独训练。

再比如硬件异构适配难题。例如，人形机器人的双足平衡控制与工业机械臂的轨迹规划需独立开发，增加研发成本。

二、硬件成本与可靠性平衡难题。

比如成本结构制约商业化。人形机器人核心零部件（如高精度传感器、伺服电机）依赖进口，导致成本居高不下。例如，宇树科技早期产品单价超百万，虽2025年量产预期将降至30万级，但仍高于工业机器人平均成本（约10万/台）。

再比如可靠性与寿命矛盾。消费级场景（如家庭陪护）对机器人可靠性要求高，但轻量化设计与低成本材料可能缩短使用寿命。例如，服务机器人需每日连续运行 12 小时以上，其机械结构磨损、电池衰减问题亟待解决。

三、行业破局路径。

比如算法优化与数据闭环。机器人必须减少对人工标注的依赖，通过强化学习、模仿学习算法提升泛化能力（如 RT-1/2、OpenVLA 模型。

再比如供应链国产化与技术创新。加速传感器、伺服电机等核心部件有待国产化，降低成本。此外，必须探索新型材料（如碳纤维）提升硬件可靠性。

03

智平方所处的赛道是：具身智能机器人-通用智能机器人。它强调的是跨场景适应能力，如AlphaBot系列，能执行工业总装、物料搬运、服务康养等多样化任务。

具身智能机器人二级分类

通用智能机器人目前尚未形成绝对头部，但已经跑出一批有成长潜力的企业，比如智元机器人、智平方等。此外，作为“第二创新方向”，部分巨头也已纷纷下场，比如优必选、科大讯飞等。

在商业化上，行业还处于破局阶段。头部企业 2024 年已实现千台级交付（如智元）或千万级收入（如智平方），但量产成本较高，比如人形机器人单价仍超30万元。

此外，生态竞争初见端倪。头部企业通过开源模型（如 DeepSeek）、数据共享（如智元 AgiBot World 数据集）、产业链投资构建生态壁垒。例如，智元联合华发集团布局康养与安防场景，形成“硬件-数据- 模型-平台”闭环；智平方与北京大学合作研发具身大模型等。

鹿死谁手尚不可知，行业格局仍存在较大变数。未来3-5年，通过量产能力、数据积累与生态协同等，市场才决出最终胜出者。