千寻智能凭借近20亿元融资和突破百亿元估值，在新一年中成为具身智能领域的焦点。
近日，千寻智能成功获得多轮融资，总额接近20亿人民币，其企业价值也已超越百亿大关。
这种多元化且全面的资本注入表明市场正在经历一场“去泡沫化”的过程——即投资者不再仅仅押注于概念性项目，而是寻求能够解决实际问题、具备强大工程能力的企业。
在众多从事具身智能业务的初创公司中，千寻智能脱颖而出，在这一行业转折点上迎来了爆发式增长。全国超过150家同类企业仍停留在展示原型阶段或专注于参数竞赛时，资本已转向支持那些能够将技术应用于实际生产环境并解决现实问题的企业。
新老股东一致看好千寻智能，并通过大额投资来增强其在真实场景落地方面的核心竞争力。
具身智能领域热度的提升，很大程度上得益于头部企业的融资活动所引发的关注和市场反应。
千寻智能此轮融资中，顶级资本、产业巨头及国有战略投资者悉数到场。具体包括云锋基金、某重要国资背景机构以及混沌投资（葛卫东）等；同时还有Synstellium Capital、TCL创投、Pi Ventures和高榕资本的加入。
韩峰涛认为2026年对于具身智能的重要性如同2023年之于大语言模型，即数据与算法开始集中，并通过规模效应快速提升性能。千寻正致力于成为这一变革的关键推动者。
从技术角度来看，Spirit v1.5版本在RoboChallenge赛事中夺冠标志着VLA路线的技术逻辑闭环完成。该成绩是在统一硬件和实际任务环境下取得的，验证了其泛化能力已超出实验室理想条件限制。
在数据层面，韩峰涛表示今年将组建一个千人规模的数据采集团队，在公司楼下即开始冲击百小时目标。
在商业应用方面，宁德时代产线上的小墨机器人展示了具身智能从展示品向生产力转变的潜力。这项合作中，搭载了Spirit模型的小墨机器人在面对现实操作挑战时表现优异，其精准适应性、灵活操作能力和高效可靠性均达到高水平。
韩峰涛比喻称，没有大脑的机器人完全没有用处，这意味着必须先将具备实际工作能力的机器推广出去才能开始采集数据。这一策略与自动驾驶技术的发展路径相类似。
从具体名单看：
- 千寻智能正逐渐放弃早期以硬件为中心的竞争逻辑，转而强调通过模型定义核心竞争力和商业化路径。其开源举措旨在构建“通用大脑”的底层生态体系，在技术标准尚未明确前抢占先机。
- 韩峰涛重申：“真正的机器人是生产力，而非展品或玩具。”这表明千寻智能致力于推动具身智能从概念阶段进入实际应用领域。
- 完成阶段性估值跨越后，千寻智能明确了未来发展方向：继续深耕模型泛化与数据规模化建设，实现技术的真正突破和商业化落地。
- 千寻智能坚信，随着机器对物理世界的理解能力增强，人机协作、生产流程乃至社会运行效率都将迎来重大变革。在当前阶段，公司将继续致力于基础模型研发及真实场景下的大规模应用探索，为未来十年的核心基础设施奠定坚实基础。
值得注意的是老股东的追加力度——
顺为资本、Prosperity7、达晨财智、柏睿资本、弘晖基金、华泰紫金、东方嘉富、千乘资本、广发信德等老股东全部选择继续大额认购，其中Prosperity7、顺为资本都是连续多轮加注。
这种“新机构入场+老股东跟投”的闭环，在当前具身智能融资泡沫初现的背景下尤为难得——
数据显示，国内人形机器人相关企业已超150家，但半数以上处于初创或跨界阶段，研发重复与产品同质化问题日益凸显。随着政策引导与市场筛选，行业正进入首轮洗牌期。
资本向头部靠拢的背后，是对企业工程化能力的考量。据中国信通院数据统计，2025年国内具身智能融资总额虽达735.43亿元，投资事件超740起，但真正实现工业级落地的企业不足10家。
千寻智能在突围中能够胜出，很大程度上归因于其“真实场景落地+开源生态”的差异化路径。
在资本市场回归理性的当下，能否实现从技术原型到工业场景的闭环，成了衡量具身智能公司成色的一道硬门槛。
对于此次融资，云锋基金执行董事董怀谨表示：
专属物理世界的AI大脑是具身智能实现跃迁的重要前提，而穿越周期的核心壁垒来自于技术对生产力的实际创造。
高阳作为新一代具身智能科学家，牵头打造AI基础模型与自研核心设备，高效高质地推动“多样数据—基础模型—真实场景”的飞轮升级，并基于软硬一体全栈能力在实际产业场景中迭代闭环。
期待千寻智能持续深耕Physical AI 基础模型，以技术底座驱动产业场景规模化落地与协同价值释放。
顺为资本合伙人耿益璇表示：
顺为长期关注AI与硬科技的交叉创新，千寻智能是我们在这个方向上最早发掘、且连续多轮加注的核心项目。
团队兼具顶尖学术底蕴与产业实战基因，更难能可贵的是，他们从一开始就选择了一条“难而正确”的路——用“数据金字塔”理念构建壁垒，用低成本采集破解行业数据瓶颈。正是这种务实的创新路径，让千寻率先跑通了“场景反哺模型”的正向循环。
我们坚信，这支年轻的梦之队有望成为定义下一代具身智能的中坚力量。
拆解千寻如何用1/10的成本跑通工业量产
在资本向头部集中的趋势下，千寻智能的技术路径提供了一个观察样本。
其核心逻辑在于通过对“模型+数据”的底层重构，试图解决具身智能行业长期存在的四大痛点：硬件非标化、算法泛化弱、数据成本高、测试平台缺。
1、模型层面：零样本泛化突破，跻身全球顶级梯队
2026年1月，千寻智能开源的Spirit v1.5模型成为首个在性能上超越Pi0.5的中国开源模型。
这一突破的核心价值，在于其强大的零样本泛化能力——
无需接受任何新样本训练，即可自主完成擦拭物体表面、操作铰链物体、插拔柔性线束等复杂任务，展现出跨场景的高效执行能力。
2、数据层面：反直觉创新，构建低成本规模化体系
如果说模型决定了上限，数据规模则决定了具身智能的落地边界。
千寻智能在数据层面的策略较为“反直觉”：不再盲目追求极高纯度的演示数据，而是强调数据的多样性、低成本、可规模化。
其提出的“Dirty data is the key to scaling VLA models”（脏数据是VLA模型规模化的关键）理论，打破了行业对数据纯度的盲目追求——
通过在多样化“非完美数据”上训练，千寻发现模型Scaling效率显著提升，泛化能力反而更强。
而且也正是因为这套数据哲学，让千寻所聚焦的VLA技术路线与Google DeepMind、Pi等全球头部公司高度同频，印证了其技术布局的前瞻性。
截至目前，千寻智能已积累超过20万小时的高质量数据，覆盖互联网视频、遥操作、可穿戴设备采集等多种类型。
按照千寻的规划，其2026年数据总量预计将突破100万小时。
为了支撑这一数据规模，工程化的数采工具成了关键。
千寻智能自2025年7月确定数据Scaling Law技术路线后，便开始进行可穿戴数采设备的研发和相应理论的验证。
据了解，截至目前，该数采设备已迭代至第5代，将单场景数据采集成本降至传统遥操作方式的10%，为规模化采集扫清了障碍。
这种低成本、可复制的数采管线，正成为具身智能从实验室走向大规模量产的工程底座。
对此，千寻智能联合创始人高阳表示：
我们坚持“数据金字塔”的训练理念，在预训练阶段没有走传统“世界模型”预测每一帧的老路——那条路算力消耗巨大且效率不高。
千寻智能选择基于海量人类互联网视频进行预训练，在更少参数量下实现更好效果，显著降低了算力成本。
在宁德时代产线，具身智能完成了“去盲盒化”实测
具身智能的竞争终局，在于能否将顶尖算法与复杂的机器人工程、及商业落地能力相融合。
观察千寻智能的团队构成，可以发现其组织设计试图在“模型、算法、硬件、商业”维度建立闭环：
- CEO韩峰涛作为珞石机器人前联合创始人兼CTO，拥有十余年机器人行业经验，主导交付过超2万台工业机器人，深刻理解制造业场景的真实需求；
- 联合创始人高阳，构建了千寻的技术内核。现为清华大学交叉信息研究院助理教授，主要研究计算机视觉与机器人学。此前曾于美国加州大学伯克利分校获得博士学位，师从Trevor Darrell教授，后于加州伯克利大学与Pieter Abbeel等人合作完成了博士后研究；
- 联合创始人郑灵茵则是工业机器人出海先行者，曾从0到1搭建海外事业部并实现规模化盈利，为千寻的全球化布局奠定基础；
- 骨干成员中，既有来自UC Berkeley、清华、北大的学术精英，也有来自各个顶尖AI公司的工程专家。
团队平均年龄不到30岁，却已在多模态大模型、机器人学、强化学习、模仿学习等领域拥有学术与工程方面的积淀。
这种组织能力的协同效果，在与宁德时代的合作中得到了体现。
目前，全球首条人形具身智能产线已在宁德时代中州基地投运，千寻自研的小墨机器人成为该产线核心设备，主要承担EOL（下线检测）与DCR（直流内阻测试） 工序。近千块电池实现了零故障量产，作业节拍与熟练工人相当甚至更快。
在实际运行中，搭载了Spirit具身智能模型的小墨机器人，展现出三个关键的工程特性：
- 精准适应：可自主应对来料位置偏差、插接点位变化等不确定性，实时调整操作姿态；
- 柔性操作：在插拔柔性线束时，能动态调节力度，确保连接可靠且不损伤部件；
- 高效可靠：插接成功率稳定在99%以上，作业节拍已达到熟练工人水平。
这也意味着，千寻智能从单纯卖硬件，转为输出感知、决策、执行的全栈能力，快速定制以适配不同产线，并实现全球化规模复制。
未来还将覆盖多种电池类型与工艺环节，尝试重塑新能源制造的商业边界。
在商用领域，这一边界还被进一步拓展。
千寻的墨子机器人在京东零售场景中，替代人类进行讲解互动与产品操作演示。
目前，双方正共同探索京东云及Joyinside大模型在大型零售网络中的落地潜力，以期实现技术研发与应用场景的双向赋能。
百亿估值之后：开启具身智能产业化元年
百亿估值之后，千寻智能面对的将是一条更陡峭、也更漫长的技术攀爬之路。
在创始人韩峰涛看来，2026年之于具身智能，就是2023年之于大语言模型——数据和算法开始收敛，模型性能通过Scaling的方式快速攀升，真正的“GPT时刻”正在这一年发生。
而千寻要做的，就是成为这场变革中那个“能干活”的推动者。具体从三方面来看：
首先是模型能力的持续验证。
Spirit v1.5在RoboChallenge的登顶，实则是VLA路线在系统性层面的一次逻辑闭环。
此次成绩是在统一硬件与真实任务的压测下取得的，这种“去温室化”的测评，标志着该模型的泛化能力已突破实验室的理想化边界，具备了应对物理世界复杂变量的底层素质。
其次是数据体系的持续深耕。
韩峰涛此前曾这样描述千寻的数据野心：
就在这栋楼下面，今年就会有一个上千人的数据采集团队，冲击100万小时数据大关。
再者是商业化路径的持续走实。
宁德时代产线上的小墨机器人，现已成为具身智能行业罕见的“非Demo”样本。
这背后其实代表着一个更深层的产业逻辑：机器人必须先成为生产力，才能让数据飞轮真正转起来。
韩峰涛将此过程比作自动驾驶的演进——没有智驾功能的车也会有人买，这为边卖产品边采数据提供了可能；而没有大脑的机器人完全没用，所以只有先把能干活的机器卖出去，才能再现当年人们边开车边采数据的过程。
一个值得留意的产业观察点是：千寻智能正在有意识地脱离具身智能早期的“硬件叙事”路径。
在赛道普遍受困于Demo竞赛与卷参数时，千寻将竞争逻辑拉到了以模型为核心的“能力定义”上。
其开源动作，本质上是在技术定义期尚未终结时，通过标准输出，先行卡位“通用大脑”的底层生态。
这种策略，印证了韩峰涛此前对具身行业的定调：
真正的机器人是生产力，不是展品和玩具。
据了解，本轮融资后，千寻智能将持续加大具身基础模型与真实数据体系的投入，深化产业生态共建。
千寻智能始终坚信，具身智能将成为未来十年的核心基础设施，当机器真正具备物理世界理解能力，人机协作、生产流程乃至社会运行效率都将迎来深刻变革。
在完成阶段性的估值跨越后，千寻此时此刻选择的方向非常明确——
锚定模型泛化与数据规模化，继续做难而正确的事，让机器人真正走出温室、走进工厂、走进生活。
这场变革的终点或许还很远，但至少，方向已经踩实了。