IT之家 5 月 1 日消息，据“杭州日报”，全国首部具身智能机器人领域地方性法规《杭州市促进具身智能机器人产业发展条例》于今天正式施行。 IT之家获悉， 《条例》在全国率先对“具身智能机器人”作出明确定义 。在填补概念空白、明确法规适用范围的同时，明确了具身智能机器人的产业与监管边界，推动创新资源向算法、多模态感知、运动控制等核心技术方向集聚协同。 同时，《条例》明确，有关部门将支持运动控制系统、核心元器件、自主技术芯片等研发应用；要求规划建设中试、检测检验平台；推动行政机关及公共企事业单位开放应用场景，支持机器人在应急救援、医疗康养、城市管理等领域落地应用。 公开数据显示，目前杭州已集聚机器人产业相关企业 700 余家，2025 年具身智能产业集群产值达 1068 亿元。
IT之家 4 月 28 日消息，教育部今日公开发布《 普通高等学校本科专业目录（2026 年） 》（简称“2026 年本科专业目录”），共新增 38 种普通高校本科新专业。目前本科专业目录共涵盖 13 个门类、 92 个专业类、 883 种专业。 官方表示，为加强学科专业目录协同联动，推动本科专业目录与研究生教育学科专业目录有机衔接、上下贯通，更好适应新兴交叉学科发展和复合型人才培养需求，2026 年本科专业目录在“交叉学科”门类中 首批列入未来机器人、交叉工程 等 11 种目录内已有专业和 具身智能、脑机科学与技术 等 4 种本次列入目录的新专业。 IT之家获悉，教育部今年持续推进专业设置调整优化工作，引导和支持高校积极增设服务国家战略和现代产业发展需求的新专业： 精准对接国家战略需求，增设 能源科学与工程、深地科学与工程 等专业 服务传统产业优化升级，增设 交通能源融合工程、农业机器人 等专业 推动新兴产业和未来产业创新发展，增设 生物制造、脑机科学与技术 等专业 立足服务业扩能提质，增设 数字文旅、商业人工智能 等专业 聚焦打造智能经济新形态，增设 数字贸易、数字金融 等专业 进一步完善战略急需专业超常设置机制，支持哈尔滨工业大学、北京航空航天大学等 9 所高校增设 具身智能 新专业，推动新一代人工智能与实体经济深度融合，赋能经济社会高质量发展 据统计，“十四五”期间，全国高校新增本科专业布点 1.02 万 个、撤销或停招 1.22 万 个。专业调整幅度持续增大，累计调整比例超 30% ， 今年全国高校专业调整比例首次突破 10% 。
IT之家 4 月 27 日消息，在今天举行的小米投资者日上，新款小米机器人正式亮相， 博主 @粮厂研究员 Will 发文 ，展示了这款全新小米机器人的细节。 参考其发布的照片，这款机器人延续了 2022 年 CyberOne“铁大”具身人形设计，机身表面使用暗灰色面料，胸前印有醒目的小米标志，整体具有较强的科技感。 目前，小米官方尚未公布这款全新机器人的具体技术细节，不过参考相应博主发布的机器人的动作视频，其中显示机器人手部整体动作流畅，分发纸袋动作灵活自如。 作为比较，早在 2022 年，小米就曾 展示过名为 CyberOne 的首款全尺寸人形仿生机器人“铁大” ，其身高为 1.77 米，重 52kg，支持多达二十一个自由度，并能实现零点五毫秒级别的实时响应。 在交互能力上，“铁大”机器人搭载了自研的 Mi-Sense 深度视觉模组。结合先进的 AI 算法，它不仅拥有完整的空间感知能力，还能精准识别人物身份、手势及表情。
IT之家 4 月 27 日消息，具身智能企业星动纪元今日宣布，继今年 3 月完成 10 亿元人民币战略轮融资后，公司再度完成超 2 亿美元（IT之家注：现汇率约合 13.68 亿元人民币）新一轮融资。 据官方透露， 本轮融资由顺丰集团领投 ；红杉中国、IDG 资本、中金资本、京铭资本、朝希资本、鲁信创投、聚合资本、隆启投资等知名财务机构联合注资；科捷智能、东风产投、工银资本、联通旗下基金等多家头部产业方共同参与；老股东清控天诚、鸿瑞达亦持续加码增持；市场投资意向远超原定募资目标。 至此，星动纪元集齐高瓴、鼎晖 VGC、红杉中国、IDG 资本、中金资本等顶级财务资本，高成资本、清流资本等众多知名财务投资机构加持，同时成为获得 产业资本加持数量最多、跨界阵容最全 的具身智能企业，先后吸引了顺丰集团、阿里巴巴、吉利资本、北汽、东风、三星集团、联想、海尔、世纪金源、新加坡电信、联通旗下基金、韩国友利金融集团、工银资本、科捷智能等海内外产业巨头。 星动纪元成为业内首个打通物流领域具身智能商业化闭环的企业 ——2026 年第二季度，星动纪元已开启 千台级机器人交付。 IT之家从公告获悉，目前，星动纪元已和 中国邮政、顺丰集团等深度 合作，批量进驻华北、华东、华南区域的 10 多个物流中心，在部分恶劣、艰苦环境下工作，部分物流中心具身智能机器人在效率已超过人类水平的 85%，且能 24 小时稳定运行。
IT之家 4 月 22 日消息，追觅宣布将于 2026 年 4 月 27 日至 30 日在美国硅谷举办以“DREAME NEXT”为主题的全球发布会周，覆盖智能汽车、智能家电、智能手机及硬件、个护等业务矩阵，集中呈现追觅科技在 AI 驱动、具身智能、仿生交互等下一代技术方向的进展，展示其“人车家”智能生态。 IT之家注意到，此前有消息称追觅科技造车项目“星空计划”已进入实质性推进阶段。该公司计划在 2027 年开启首款轿跑车型的量产交付，相关业务目前隶属于内部“第一孵化器”，团队规模约 1000 人。 ▲ 追觅在今年 CES 上亮相的 Nebula Next 01 概念车 公开信息显示，自去年下半年以来，追觅已先后入局 牙刷 、 显示器 、 汽车 、 洗衣机 、 冰箱 、 手机 、 空调 、燃气灶、 热水器 、洗碗机、净水器、宠物用品、抽油烟机、航空、耳机、洗车机、 剃须刀 、 智能电视 、 音箱 、 智能戒指 、体脂秤、 路由器 、 移动电源 、 智能眼镜 、家装灯具、运动相机、空气炸锅、咖啡机、厨师机、 按摩仪 、 电竞椅 、 具身机器人 、 机票酒旅事业 、芯片、 算力卫星 等市场。
IT之家 4 月 17 日消息，据央视新闻今日报道，我国在国际标准化组织成功立项 具身智能领域全球首项国际标准《人形机器人数据集》 ，并推动成立了首个由我国专家担任召集人的工作组。 报道称，当前，美国、日本、欧盟等主要经济体都将人形机器人纳入国家科技战略，争相布局研发与应用。 国际标准化组织机器人技术委员会国内技术对口单位负责人王振林表示，全球机器人领域的话语权大多掌握在发达国家手中。过去，我们往往是跟着别人的标准走，在国际规则面前处于被动适应的地位。这次，我们实现了两个历史性的零的突破。 第一个零的突破是人形机器人国际标准制定，第二个零的突破是机器人国际标准工作组建设 。 据专家介绍，截至 2025 年底，全球人形机器人整机企业超过 300 家，市场的出货量 1.7 万台左右，规模逼近 29 亿元。在这个赛道上， 我国已经是名副其实的全球第一大市场 ，拥有 140 家整体企业，出货量达到了 1.44 万台，占全球总量的 84.7%。 此次立项的国际标准，参考了我国在研的人形机器人数据集系列国家标准内容，来自全球主要国家的专家将携手参与该标准以及后续人形机器人领域其他标准的研制。 IT之家注意到，我国在具身智能领域标准制定领域已经走向世界前列。2025 年 11 月，工业和信息化部公示了 人形机器人标准化技术委员会委员名单 ， 宇树王兴兴、智元彭志辉等在列，还有小米、华为、中兴、小鹏等公司人员也入选名单 。 今年 2 月，《人形机器人与具身智能标准体系（2026 版）》正式发布。这是我国首个覆盖人形机器人全产业链、全生命周期的标准顶层设计， 标志着相关产业进入规范化发展新阶段 。 体系设有基础共性、类脑与智算、肢体与部组件、整机与系统、应用、安全伦理 6 个部分。 基础共性标准是通用性、指导性的标准和规范，为技术演进和发展提供合规保障； 类脑与智算标准覆盖具身智能“大小脑”与智能计算等关键标准，规范数据全生命周期、模型训推部署全链路技术； 肢体与部组件标准包含类人躯干、臂与腿足、灵巧手，以及执行、感知、通信单元模组等关键标准，为人形机器人与具身智能模块化发展提供规范指导； 整机与系统标准是具身智能整机、系统软件及软硬件协同等关键标准，为实现人形机器人与具身智能的软硬件集成融合提供规范依据； 应用标准规范人形机器人与具身智能体在不同应用场景的开发、运行和维护等； 安全伦理标准贯穿于人形机器人与具身智能产业全生命周期，为技术演进和发展提供安全与合规保障。
IT之家 4 月 16 日消息，据“中国应急管理”公众号今日分享，云深处科技与浙江省应急管理厅联手推出的具身智能装备 ——“AI 防汛勇士”正式发布，并在杭州市余杭区径山镇水车坞开展地质灾害隐患排查直播演练。 据介绍， “AI 防汛勇士”是全国首个防汛防台具身智能机器人 ，是面向基层防汛巡查的第一代实战化具身智能应用，以云深处科技山猫 M20 轮足机器人为移动平台。 IT之家从“中国应急管理”获悉，这款机器人集成了大模型、车载平台，搭载双光谱吊舱、5G 模块、边缘算力盒等装备，可替代人力完成隐患巡查、险情侦察、人员搜救等核心防汛任务。 值得一提的是，“AI 防汛勇士”机器狗凭借轮足复合运动设计，兼具高效机动性与强悍越障能力，可在复杂地形中稳定行进，完成 45° 斜坡攀爬， 并支持 40cm 深度涉水 ，从容穿梭于泥泞路段、碎石堆、积水区及滑坡体等恶劣路况。
IT之家 4 月 16 日消息，在今天进行的京东具身智能生态发布会上，京东正式发布旗下 JoyEgoCam 超高清采集终端，该产品主要用于 AI 具身智能训练使用，同时也是全球首个覆盖“采、存、标、训、评、仿、测”全链路的具身智能数据基础设施。 据介绍，JoyEgoCam 配备双目摄像头，可实现 130 度垂直 / 水平 FOV 覆盖，支持录制 2160x2160 分辨率 60 FPS 视频，能够高速捕捉动作细节，适合数据采集、仿真评测等场景。 京东同时表示，其从上月开始展开人类历史上规模最大数据采集行动，计划两年内真实场景视频数据突破 1000 万小时。
IT之家 4 月 12 日消息，据央视新闻今日报道，我国近日在特种机器人领域取得多项技术突破，多款自主研发的智能机器人已正式投入实际应用场景。 据介绍，国内首个具身智能特种机器人已在化工储罐、船舶、能源设施等高风险场景投入使用。 该机器人采用人形上半身与轮式磁吸底盘相结合的设计，全身拥有 15 个自由度，可通过灵巧的双臂完成电焊、探伤、除锈等多种高危作业，并支持快速更换手部工具以切换不同工种。 其强大的电磁吸附能力使其能够在 90 公斤自重下稳固附着于垂直金属墙面，即使额外承载一名成年人也不会影响行走和作业。 该机器人采用线缆供电方式，可连续长时间工作。操作人员可通过遥控装置配合 VR 眼镜，实现双臂动作 1:1 同步遥控，在安全环境中远程操控数百米高空的机器人作业。 据研发负责人蒲潇介绍，该机器人背后依托的是国内最大的特种机器人大模型，累计作业时长超过 10 万小时，作业距离达 22500 公里，覆盖面积超过 5000 平方公里。 与之配套的陆地巡检机器人同样配备灵活的六轴机械臂，可在火灾或有害气体泄漏等危险场景中代替人工完成关闭阀门等操作，并具备 2000 米范围内的火情与故障预警能力。 与此同时，我国首台自主研发的海缆探测机器人也已投入使用。该机器人可在 300 米水深自主巡检海底电缆，搭载声呐探测仪、电磁传感器和五组照明灯光等设备，通过电磁波发现埋藏于海底淤泥中的电缆并检测其磨损及断裂故障。 机器人配备八台螺旋桨推进器，其中四台负责垂直浮潜、四台负责水平移动，水下行进速度可达每小时 5 至 7 公里。其外壳采用特殊的玻璃微珠材料，在水下具有良好的浮力性能。 机器人还搭载了磁探器和光谱探测器，可对海底电缆进行类似“超级 CT”的自主巡检，与水面智能无人船协同作业后，探测效率较传统人工方式提升十倍。 在粮食仓储领域，我国首台智能平仓机器人也已投入应用。该机器人采用独特的螺旋轮设计，可在粮堆等松散介质表面快速行进，行进速度可达每秒 2 米。粮仓顶部安装的激光雷达和墙壁上的定位传感器为机器人实时规划最优作业路线。 据平仓机器人研发团队负责人郭凤民介绍，一座 1400 多平方米的粮仓，传统人工平仓需要三人耗时三天完成，而三台平仓机器人协同作业不到一天即可完成。 另外，多台平仓机器人还可以像蜂群一样共同协作集群作业。每台机器人不光自身具备自动避障的能力，它们集群作业的时候还可以用智能算法统一规划路线。这样一来，任意两台机器人不管挨得多近，也不会互相碰撞。
文｜周鑫雨 编辑｜杨轩 规模化落地，今年的具身公司都在谈这个。 数字竞速，不约而同出现在具身公司的产线、招股书、出货量上——2026年4月以来，智元机器人宣布第1万台机器人量产下线，5000到10000，只用了三个多月；宇树科技的IPO招股书也摊开了激进商业化的一角：2025年营收17.07亿元，出货量超过5500台。 激进的数字背后，是“低价、高性能”的中国机器人在全球的扩张。宇树科技创始人王兴兴曾在2025年世界机器人大会上提到，过去几年，宇树的海外营收一直占总营收的50%以上。 在这些具身玩家中，魔法原子MagicLab近期提出了一个相当激进的营收目标： 2036年，要实现140亿美元的营收规模。 在全球范围内打响品牌，也让这家公司，将发布会开进了硅谷。美西时间2026年4月28日，在云集Adobe、TikTok、IBM等公司的圣何塞，魔法原子发起了全球具身智能创新大会（GEIS）。 魔法原子机器人MagicBot Z1现场给张艺兴表演。作者拍摄 在会上，魔法原子发布了从底层模型本体的一系列新产品： 世界模型Magic-Mix ：魔法原子自研的“自主进化模型”。Magix-Mix由两个引擎构成：让机器人学会理解真实世界的Magic-WAM，以及可以离线生成大批量许年数据的Magic-Creator——这意味着，Mix可以在“数据生成-模型训练-真实世界反馈-数据在生成”的闭环中持续自主迭代。 Magic-Mix架构。图源：魔法原子 灵巧手MagicHand H01 ：搭载了20 DOF（自由度，人手约24-27 DOF）和44个高分辨率三维触觉传感器，主打工业制造、服务护理等场景的精细操作。 MagicHand H01。图源：魔法原子 人形机器人MagicBot X1 ：一款身高180cm、体重70kg、全身搭载31个主动DOF、极限关节扭矩达450N·m的机器人。基于无限续航双电系统，X1可以7*24连续作业。产品分为标准版和科研版，前者商业部署效率高、开箱即用，后者则面向高校、实验室、开发者和产业伙伴，支持底层二次开发和外形定制。 MagicBot X1。图源：魔法原子 在会上，Openmind、PrismaX、Chestnut Roborics等来自硅谷的具身大脑和本体公司，也出现在现场。有关大脑、本体、数据的解决方案，这些公司给出了不同的解决思路。 以下是《智能涌现》关于现场讨论的整理： 用机器合成数据训练，效果会比真实世界数据更好吗？ 高质量数据的稀缺，一直是掣肘具身模型训练的瓶颈。当前真机数据采集一直存在成本高、周期长、场景覆盖等问题。 机器合成数据，就是解决方案之一。然而，合成数据的局限性在于真实信息的缺失，比如摩擦系数、延迟、触觉反馈等。这也造成业界对“sim-to-real-gap”的担忧。 混合数据训练，是当下中美具身智能企业提出的主流解决方案。比如，魔法原子总裁顾诗韬介绍，魔法原子日均采集约16000条数据，再通过数据合成实现1万倍的体量扩展。她提到，由于产品迭代快、60%-70%的工序依赖人工， 新能源汽车制造业，是数据采集的富矿 。 判断使用真实数据，还是机器合成数据，行业的共识是：基于具体训练目的和应用场景。 亚马逊前沿AI与机器人研究院科学家Haozhi Qi提到，合成数据适用于让机器学习单一的反应基本技能，但 难以让机器获得类似于做早餐之类的长程技能 。此时，引入真实数据训练是有必要的，因为构建一个足够丰富的模拟环境，成本很高。 英伟达GEAR Lab高级研究科学家Zhengyi Luo则透露，团队目前采用50%的模拟数据，用于基础训练；15%的动捕数据、25%的互联网视频数据，用于理解人类的动作；同时，训练还会添加10%的高质量真实世界数据。他还提到，有些公司甚至会使用社交媒体上的数据，来指导机器人的本体设计。 VLA（视觉-语言-行动）是具身“大脑”最好的解决方案吗？ 由于强大的任务泛化能力，当下VLA已经成为具身模型最主流的架构范式。 但事实上，当人类用手指旋转一个篮球时，只用依靠触觉和本体感知，并不需要视觉——这意味着，VLA在这两个感知系统上，存在短板。 在GEIS大会上，亚马逊前沿AI与机器人研究院科学家Haozhi Qi认为， VLA的流行，与硬件传感器的发展程度有关 ：当下，视觉传感器趋于成熟，但触觉传感器还在初级开发阶段。 因此，在他看来，具身系统需要通过其他感觉的输入，来补足不太成熟的传感系统，从而维持本体的操作。因此， 通过视觉和语言补足触觉缺陷的VLA，成了当下最好的解决方案之一 。不过，未来随着传感器和硬件层面的发展，算法也会随之迭代。 灵巧手的三大路线之争：连杆、腱绳与直驱 当下，有关灵巧手设计的核心迷思是：要不要像人手？围绕这一命题，诞生了连杆、腱绳、直驱三种设计方案。 其中，“连杆”最不像人手，但胜在成本低、易于控制；“腱绳”最像人手，可以做精细化操作，但成本高、控制难。“直驱”则是一种折中方案，将驱动单元直接集成在每个关节上，但成本不低，同时力传导效率和热管理上仍然面临工程层面的挑战。 混合架构路线，则是近期兴起的灵巧手技术解决方案。 Chestnut Robotics创始人、前Tesla Optimus灵巧手核心成员Evan Tao介绍，当下团队已经选择了混合架构路线，以可以完成精细化操作的腱绳结构为主，辅以AI控制和自主学习系统。未来的方案，“都会在灵活度和工程可靠性之间寻求平衡。”他提到。 机器人如何真正规模化落地？ 在数据层，引入真实世界数据，依然被认为是让机器人真正理解应用场景、学习复杂任务操作的关键。 比如，XGSynBot CEO Zizheng Li提到，他们采取的混合数据策略，依然引入了少量高质真实世界数据，控制成本的同时，也能提升模型能力和泛化水平。 在系统层，XGSynBot CEO Zizheng Li认为，机器人需要从“单一功能设备”向“多任务通用平台”演进，比如XGSynBot的机械臂，带有6个Quick-chage的模块化系统，这样做的好处是，一台机器人可以在不同工序间灵活切换，提高落地场景的广泛性。 最后，OpenMind创始人、斯坦福大学生物工程副教授Jan Liphardt总结： 机器人进入真实世界，越早越好 。 他发现，实验室环境无法模拟所有复杂的现实场景，比如过亮的光线、泥泞潮湿的地面、生锈的门铰链、多个系统同时运行的负载——这些复杂的真实场景，往往导致机器人在离开实验室后，出现系统故障。 因此，机器人落地前，不应该仅仅待在实验室中。Jan Liphardt建议，尽早让机器人在家庭、学校、机场、幼儿园和其他公共场景的实际部署中，收集交互数据，持续迭代。
36氪获悉，“杭州发布”微信公众号消息，5月1日，全国首部具身智能机器人领域地方性法规《杭州市促进具身智能机器人产业发展条例》正式施行。数据显示，杭州已集聚机器人产业相关企业700余家，2025年具身智能产业集群产值达1068亿元。
36氪获悉，专注于焊接垂直场景的具身智能机器人公司“昇视唯盛”已完成数千万元A+轮融资。本轮融资由韩国现代、微光创投联合投资，资金将主要用于“具身大脑”的研发、软硬件产品的迭代以及市场推广。
36氪获悉，4月26日，由北京小雨智造科技有限公司与北京航空航天大学共同成立的“工业具身智能联合实验室”正式成立。
文｜邱晓芬 编辑｜苏建勋 2026年，全球的具身智能机器人创业者不约而同将目光方向调转向深水区：家庭。 点燃这份热情的，是近期行业里闪烁着的一丝丝Scaling Law苗头—— 先是硅谷具身智能公司Generalist AI在GEN-1模型上验证了确定性，当他们给机器人喂进海量数据后，精细操作任务成功率竟从64%提升到了惊人的99%； 随后，硅谷当红的具身智能独角兽公司Sunday Robotics也试图解决家庭场景数据难关，不仅推出Umi手套数据采集方案，还直接将机器人Memo送进家庭做家务（收拾餐做、冲咖啡、叠衣服），因此吸引了大量的资本押注。 在大洋彼岸的中国，近期闯入家庭机器人领域的创业者中，还有一个熟悉的身影——许华哲。 “两年内，中国将会出现可用的家庭机器人”，他对于行业的判断，同样乐观且激进。 作为“伯克利归国四子之一”、清华大学交叉信息研究院助理教授，2023年，许华哲曾加入「星海图」任前首席科学家兼联合创始人，一起将这家公司打造成中国具身智能领域的明星公司。 不过，在这家公司估值冲破200亿、融资近30亿的巅峰时刻，许华哲又选择“单飞”并创办了全新的具身智能公司「破壳机器人」。 此次重新出发，他想做的是能在家庭场景干活的、真正有泛化性的具身智能机器人。 △ 许华哲 其实，想做一个家庭机器人公司并不是近期偶然的想法。初高中时的他读完《乔布斯传》后，内心便萌生创办一家伟大To C公司的种子。此后，在清华、伯克利、斯坦福的一路升学中，他一直深耕机器人强化学习方向，梦想便是把机器人送入千万家庭。 他理想中的家庭机器人，虽然不是无所不能，却能完成上一代机器人（比如扫地机、洗地机）无法完成的复杂任务，比如能进行更精细的清洁工作、有条理的完成诸如洗衣收纳的长序列、多步骤任务串联。 在他看来，这种创业方向的选择，也带有强烈的审美洁癖。许华哲直言，泛化性的本质是一种“美与影响力”——用最简洁优雅的模型，解决人类复杂的生活问题，并真正将AI转化为生产力，而非仅仅替代低端劳动力。 从更理性的层面，切入To C家庭场景也包含着许华哲的商业判断。在他看来，当前大量机器人厂商将人形机器人送进工厂，完成传统机械臂就能完成的上下料、搬运箱的工作，本质上只是在用新的人性在做旧时代的事情，机器人没有发挥出真正的通用性。 他认为，真正的AGI应该在家庭场景中诞生、运用，因为家庭场景任务比工厂场景更混乱随机，且数据丰富，恰恰是训练通用模型的最佳土壤。 因此，为了追赶时机，在创业的短短一个月内，新公司「破壳机器人」已经完成了融资、核心团队组建、具身模型的训练、以及硬件迭代工作。 《智能涌现》独家获悉，破壳机器人近期完成数千万美元天使轮融资，由云启资本领投，并获得顺为资本、弘晖基金等一线美元基金，小米战投、星海图等知名产业方，以及BV百度风投、英诺天使基金、水木清华校友种子基金、东方嘉富等一线市场化基金的支持。 快速得到资本押注，也因为许华哲在关键技术路线上有一些不同的选择。 为了实现泛化，在关键技术路线方面，他的选择也略显反常识。他完全放弃了行业主流的VLA（视觉-语言-动作）基座模型方案，转而构建一种能直接输入和输出“视频-动作”的 世界模型 。 在模型结构上，他也提出了独特的“ UAG架构 ”，用并联式预训练替代过去的瀑布式级联，并将强化学习贯穿预训练与部署全过程，实现了训练效率的五倍提升。 打好模型基础之余，在数据与硬件层面，他也通过UMI、外骨骼和第一人称视角三层方案采集高质量数据，形成从任务定义到数据、模型、本体的闭环迭代。 据许华哲透露，「破壳机器人」第一代 32B参数规模的具身世界模型 已完成首轮训练，正处于数据迭代的关键爬坡期。在硬件层面，「破壳机器人」为数据采集量身定制的手套硬件已迭代了五六个版本。 近期，《智能涌现》与许华哲聊了聊，以下是交流实录（略经摘编） 为何出走「星海图」？ 《智能涌现》：为什么选择离开星海图，创立一家新的机器人公司？ 许华哲：这个想法其实酝酿了很久。在2023年8、9月份，我就开始和高继扬聊，加入星海图。但经过了两年，到去年11、12月份，我已经基本决定要离开了，真正办完手续是在今年，创立「破壳机器人」是最近一个月的事情。 离开的原因主要是因为我内心一直想做一些To C的、真正泛化的通用机器人。 《智能涌现》：既然一直想做To C，为什么一开始不直接做To C方向机器人的创业呢？ 许华哲：原因是多方面的。2023年我加入星海图时，也考虑过要不要自己创业，但那时我刚从美国读完书回来，在叉院工作才一年左右，要自己开公司lead一摊事，还要兼顾教职，挑战很大。 那时星海图和其他一些具身智能公司也邀请我加入，我觉得先加入一个优秀的团队做联创，是一个更稳妥的选择，而且当时星海图的宣传里也提到大概是“让机器人服务千万人类”的话语，这和我的一部分想法是吻合的。 《智能涌现》：您现在新公司虽然只成立一个月，都有哪些进展？ 许华哲：团队方面，目前有20人左右，AI侧有一些天才少年，硬件侧有很多做过To C量产交付的工程师。我们还在火热招聘中。 在技术上，我们的AI模型在“动得快”、“泛化强”、“成功率高”三个维度都有较好的前期积累，能让机器人完成某些复杂任务时达到接近100%的成功率。 我们第一代32B的模型已经完成了第一次训练，但还需要数据量的迭代才能展现出更好能力。我们的硬件手套也已经迭代了五六个版本。 第一个月要处理公司注册、选址、装修等各种事务。能跑出这个速度，我觉得还是比较快的。 《智能涌现》：您这次创业，和第一次创业时心态有什么不同？ 许华哲：最大的不同是心态上更踏实、也更敢了。第一次创业前，我会担心，我没上过班怎么给别人“班”上？我没做过生意怎么办，没跟投资人、政府打过交道怎么办？ 在星海图的两年，我接触过这些事，“没打过就硬打，没上过就硬来”，其实最终结果也挺顺利的，太多的顾虑没必要，出来混最重要是先出来。这次心理上更从容。 《智能涌现》：在2023年和2026年两个节点创业做家庭机器人这件事，区别大吗？ 许华哲：区别挺大的。首先是硬件本体，这三年中国的硬件供应链打磨得更好了，有了更多能用的机器人，2023年时可能只能用工业臂； 第二是数据，2023年时机器人的数据几乎是0，现在网上开源数据就有几十万小时，还出现了大量的数据供应商，虽然数据质量和跨本体适配还是问题，但丰富度已经不可同日而语。 第三是融资和市场认知，2023年要做To C机器人可能很难融资，大家给的时间缓冲也更少。今天起步比2023年更好。 AGI应用于家庭，工厂是上一代技术的领地 《智能涌现》：一直想做To C的机器人，背后的触发点是什么？ 许华哲：首先，一个核心思考是，我们做机器人到底在做什么？机器人是人类自古以来的追求，我们在海底捞、酒店、工厂都见过机器人，但如果我们只是用人形的外壳去工厂拧螺丝、搬箱子，那本质上还是在做旧时代的事情。 这一代机器人最核心的不同在于它的通用性。 通用性该用在越混乱、越需要通用能力的地方。那答案就是家庭，或者广义的服务场景。我认为，通用的AGI（通用人工智能）应该用在家里。 第二，从个人偏好来说，做有品牌的事情是可以做得足够大、有梦想的。伟大的公司很多是To C的，比如苹果、小米。 第三，从数据角度看，通用性需要有丰富的数据，混乱的家庭场景恰恰能提供丰富的数据。如果你的数据源头错了，就得不到正确的模型。 基于这三点，我觉得做To C机器人是一件正确的事，我自己也特别感兴趣。 《智能涌现》：您认为AI模型什么时候可以支撑做家庭To C机器人？ 许华哲：我的预测比较乐观激进，我认为 两年内 会出现可以用起来的机器人。它不是万能的，但会是一个有完善产品定义、能做相当多通用事情的机器人，但它会有一些明确不做的事，比如抱婴儿、烧热水。 《智能涌现》：机器人进家庭能做的事情都包括哪些？能否举一些例子？ 许华哲：分两类。 一类是本身很难的任务， 比如更精细的清洁，比如清洁墙角霉点、擦掉干涸的饭汤、剥橘子、剥虾等等。 另一类是 长序列、多步骤任务的串联。 举个例子，一个完整的洗衣流程是——把脏衣服放进洗衣机、倒洗衣液、启动，然后机器人可以去做别的事，它会在监听到“洗完了”的声音后，把衣服拿出来放进烘干机，启动烘干，最后再把衣服拿出来叠好放进衣柜。 现在的机器人能做任何一个单一步骤，但没有机器人能像人一样，从头到尾，带着这些“任务间的缝隙”把它完成，我认为两年后的机器人能有这个能力。 《智能涌现》：家庭和工厂场景，最大的区别是什么？ 许华哲：家庭和工厂某种程度上都是“混乱”的，但是本质上不同。工厂的混乱更多是“管理混乱”，比如东西乱扔、人走来走去，但它具体干的活，比如上下料、装配是高度确定性的。 家里的混乱是任务本身的混乱， 比如衣服是团成一团的，杯盘狼藉需要收拾，这种混乱是需要通过工作去恢复秩序的。工厂的很多混乱并不需要去恢复。所以，这是两种完全不同性质的“混乱”。 《智能涌现》：您认为当前做家庭To C机器人，最大挑战是什么？ 许华哲： 机器人进家庭的逻辑和落地To B不同。 To B的账很难算，因为工厂给人形机器人干的活价值很低，一台二三十万的机器人可能相当于一个人三四年的工资，还要考虑可靠性、维护，很难回本。再加上工厂里采集的数据可能过于专化。 To C的账不是简单的“替代人力”计算。它更像 科技潮品+家庭助手+管家 的复合体。用户买它，是购买一种先锋的生活方式、极致的便利，就像二十年前大家买车一样。我们考虑的是，当用户有一笔预算时，是买辆车还是买个能改变生活的机器人。 所以，关键是产品体验要足够好，价值感知要足够强。价格区间我们内部还在讨论，但肯定会是五位数起步。 追求泛化，也是追求美和影响力 《智能涌现》：所以To C并不是您离开星海图后才有的想法，而是一贯的想法？ 许华哲：是的。我从小就想做To C，想创业。初高中的时候读《乔布斯传》、《迪士尼传》，读完了就很想创业，做一个像谷歌一样的公司，后来选电子系也是想要做IT，大学还修了管理学双学位，就是为了创业做铺垫。 后面去了伯克利、斯坦福，也是一直在做强化学习和机器人，后来还做了一些触觉相关的研究，也是在机器人大类里。 我博士毕业时（2021年），主要就是找教职还有找投资人聊，看看有没有创业机会，当时普遍观感是，下一代技术还远，这一代技术就是做扫地机、餐馆机器人，但是和AI关系不大，没看到特别匹配我专业技能的创业机会。 《智能涌现》：你判断一件事情做与不做，或者谈论你对某件事是否感兴趣时，你的标准是什么？ 许华哲：一个是美，这件事要能给我带来好的审美体验。另一个是影响力，我们学术圈有一个词叫impact追问。 美，更多是个人体验，我做这件事创造出来的东西是优雅、简洁的，就像简单的公式能描述复杂的现象，泛化性的本质也是美；影响力意味着，我做的这件事要能对世界产生足够大的影响，改变人们的生活方式。 现在我们被迫用巨大的参数量来描述世界，是因为我们还没找到AI领域的牛顿定律， 我相信大模型只是一个中间状态。 我的博士生涯是带着“AI一定存在一个优美理论”的心理开始的，但后来发现理论越来越解释不了AI，这是一个痛苦但必须接受的过程。 所以现在我的使命是追求简洁和影响力，如果有另一个公式（而不是AI模型）能描述机器人与世界的所有交互，我会觉得它更好。 《智能涌现》：这次创业你希望找到什么样的合作伙伴？你会更欣赏什么样的公司文化？ 许华哲：我对合作伙伴和团队文化有三个核心要求—— 极致： 我很喜欢戴密斯·哈萨比斯那本传记里的描述，里面说，一个人做事要做到什么程度，就像跑马拉松撞线后，有个救护车把你拉走了，但是你最后没死。虽然有点夸张，但是我觉得做事极致投入，永远想更进一步，是很重要的。 坦诚： 对自己、对同事、对事情绝对坦诚。不会因为不会而装会，搞砸了就承认，不要为了面子影响效率。 利他： 公司里有很多“缝隙”，如果每个人都只盯着自己的KPI，这些缝就没人填。对于初创公司，需要每个人在有余力时主动填缝，这种利他性长期看对个人和团队成长都有益。 （作者注：戴密斯·哈萨比斯（Demis Hassabis）是英国著名人工智能科学家、Google DeepMind 联合创始人兼CEO、神经科学家，被誉为“AlphaGo之父”。） 我很欣赏段永平的“本分文化”，也欣赏前段时间一篇报道中提到的，Kimi“没有部门墙”的协作模式，我倾向于弹性、扁平的组织，很赞同黄仁勋、亚马逊那种鼓励一线员工直接向老板直接发邮件反馈问题的文化。 做全新物种的家庭机器人 《智能涌现》：很多To C的机器人是曲线救国，先从陪伴场景切入，但是感觉你们的您的产品路径和其他家很不一样。 许华哲：完全不一样。他们做的是陪伴，核心能力是大模型提供的对话能力和娱乐。我们追求的 核心是物理世界的通用交互和干活能力。 我们的机器人是“家庭助理”，要能实际处理家务，所以在技术上，我们需要非常强的模型能力来保证通用性，但是很多家庭陪伴机器人是没做基础模型的。本质上，我们和他们是两个不同的品类。 《智能涌现》：你们最主要的技术的差异点是在模型侧吗？ 许华哲：我们的一大亮点我们的模型能 用好强化学习 。过去机器人对强化学习的使用一般停留在单机的后训练上，但是其实强化学习上有很多自己独特的东西。 第一个就是价值函数（value function）。 价值函数 可以对数据质量进行评估，让模型知道哪些数据好、哪些次优、哪些失败。数据带着权重，去让模型学习。 它带来的好处有两个，一是可以让模型学得更精准，二是可以理解失败的边界，这样模型就能够知道紧邻着成功的失败长什么样，让强化学习去把这些失败因素排除掉； 第二是，强化学习能同时在多个任务上保持高成功率高速度，而不过度拟合到单一任务。 第三是，强化学习也可以突破人类数据上限。以前我们用人采集的数据去做某件事，数据是什么样的，机器人就能做到怎么样的，甚至会更差，因为机器人是跟着数据学习的。 但是强化学习就是根据数据以及后续的自我改进，持续突破自己的上限，最终可能做出比人类示范数据更好的表现，上限更高。 《智能涌现》：你们的强化学习只用在后训练上吗？ 许华哲：我们的预训练也会用离线的强化学习。预训练现在还是有一些卡点的，比如说模型的选择上有很多种，市面上有用VLA+VLM的，也有世界模型的，还有VLWAM，就是VLM后面再内嵌一个世界模型。 《智能涌现》：那你们还是用VLA的路线吗？ 许华哲：现在模型的路线还远远没有收敛，我们的选择是 世界模型结合原生的机器人模型，不是用VLA的路线。 《智能涌现》：现在的世界模型有很多派别，有的人用的是偏3D视频的方向，有的又是偏向于世界仿真，你们对世界模型的理解方式是什么？ 许华哲：我们输入的是视频和动作，在训练和推理的时候，输出的也是视频和动作。这些视频和动作里面是遵循物理规律的真实世界的数据。 《智能涌现》：你们做这些事情的过程中，遇到的最大的挑战是什么？ 许华哲：要训练大模型所需的Infra （基础设施）是一个挺大的卡点，因为我们想做一个32B的大模型，要支撑比较大的数据量，GPU 集群的并行效率、数据吞吐都是一个很大的挑战和壁垒。 《智能涌现》：在模型侧你们提到了一项“UAG”架构，这个怎么理解？ 许华哲：UAG（Unconditioned Action Guidance）是我们的一种模型训练架构。 相对于传统的瀑布式级联的模型训练方式，我们采用的是一种并联的方式，核心思想是 先对动作进行预训练，然后再对所有的动作做整体联合的训练，做一个动作预测器，然后再将动作预测器和视觉模型一起进行联合训练。 背后的原理是，一个小时的图片、视频是巨大的，但是一个小时的动作很少，可能就是一系列关节的运动，也就是一堆小的浮点数。 这种方式可以最大程度保留基础模型的泛化能力，同时大幅提升训练效率， 估计至少5倍以上。 《智能涌现》：数据也是你们新公司的亮点，你们大概有哪些方案？ 许华哲：我们的数据方案主要分三层—— ①外骨骼数据采集： 提着机器人手臂直接操作，精度高，反馈更直接； ②UMI方案： 让人戴一个和机器人手部构型完全一样的“硬手套”进行操作，好处是没有机械臂的负担，采集效率高，数据量大。手套做硬是为了保持和机器人手的一致性，确保人能做的动作机器人都能做； ③第一人称视角人类数据： 在头上戴一个摄像头，记录人日常干活的视频。这是从人的视角（Ego-centric）采集海量自然行为数据。 《智能涌现》：这些采集方式其他家也在探索，你们最大的不同点在哪？ 许华哲：采集的数据，表层方法可能相似，但内核有本质不同。比如umi手套是否打磨得足够好，足够通用？采集的数据质量如何保证？以及如何清洗和处理这些数据，提升数据质量？ 我们一个很大的不同是，我们会大量使用评估数据，就是机器人自己做测试和探索的时候，自己在动的数据。这样的数据某种意义上是更“差”的数据，因为里面会有失败、会有次优。但是这种“差”其实也是“好”，会让模型更知道任务的目标是什么。 另外，手套的设计细节，比如摄像头位置、佩戴舒适度、是否适应不同手型等等，都需要针对家庭任务精心打磨，我们手套的构型设计是面向家庭任务，追求通用性的。我们会在8月末左右给大家看到我们和现在所有的形态都不一样的数采系统。 《智能涌现》：但是现在出来创业会不会太晚了？现在具身智能行业的融资环境怎么样？ 许华哲：市场热度还可以，投资人还是比较有热情的。和之前比，投资人更懂了，大家被市场教育过一轮，所以会问得更细。 关于创业出来是否太晚，我认为——在技术没有收敛的今天，仍然有巨大的机会。同时，因为我们更晚，所以我们的时间压力更小、负担更小，但是各种基础设施比如本体等也更加成熟了。另一方面，走向通用家庭机器人，其实才刚上半场。虽然后发，但是谁能先至，也未可知。 封面来源｜企业官方 end
作者 | 乔钰杰 编辑 | 袁斯来 当前，制造业正站在从“自动化”向“智能化”跨越的关键节点。 2026年是海康机器人成立十周年。作为工业智能化领域的创新者与实践者，海康机器人近年持续推进机器视觉、移动机器人与柔性制造技术的深度融合，构建起“眼、脚、手”一体化的全栈技术能力，形成了以机器视觉、关节机器人和移动机器人为核心的三大业务体系。 2025年全年，海康机器人营收突破64.52亿元，其中机器视觉类产品累计出货量超 1000 万台，移动机器人累计下线突破 18 万台。基于完善的硬件产品线，其自研工业软件授权用户超60万人次，全球服务客户超2万家。 2026年4月22日至24日，「海康机器人·智造大会2026」在杭州桐庐举办。海康机器人首席执行官贾永华提出“具身智造”的概念。他表示，传统自动化体系正面临灵活性不足的问题，难以适应需求碎片化与用工结构变化。“具身智造”需要通过两种能力来应对：一是具备多任务能力的高柔性设备，二是可快速复制的场景化应用能力，从而推动制造体系从“人适应机器”向“机器适应环境”转变。 大会期间，海康机器人除展示了机器视觉、关节机器人、移动机器人在制造、流通等行业场景的应用落地情况外，还并发布了超过35款新品，覆盖标准视觉（2D与2.5D计算光学）、高精度3D视觉以及AI智能视觉等方向，重点针对复杂场景成像、高精度测量及AI落地难等工程问题。 图源企业 面向未来，海康机器人也在积极推进AI融合与具身智能布局。 在接受36氪专访时， 海康机器人副总裁张文聪介绍，公司自2016年起系统性推进AI技术在产品中的落地，目前已在多个产品线中实现规模化应用，并成为提升产品性能与工程效率的重要手段。 早在2019年，海康机器人用于调度移动机器人的RCS（机器人控制系统）就开始在路径规划和任务调度中引入强化学习与运筹优化方法，突破调度规模上限；到2021年初，已在一汽丰田单厂实现超1000台机器人跨地图协同运行。 “接下来，公司也会探索AI进一步向工业深水区渗透的路径，包括更复杂场景下的质检能力。”张文聪表示。 在被问及具身智能在工业的应用，张文聪表示，“具身智能”并不代表产品都要做成拟人形态，“海康机器人现阶段把端到端的眼、手的协同做好，广义看也是朝向具身智能的很大进步，比如说机器视觉和关节机器人配合的视控一体应用就会有很大的提升。” 面向更长周期，张文聪表示，工业场景中，在高度标准化、高节拍的环节上，专用设备仍具效率优势；但在节拍要求相对宽松的场景中，具身智能具备“一机多能”的潜力。 整体上，具身智能与现有自动化方案将更多形成互补关系，而非直接替代。 图源企业 以下是36氪与海康机器人副总裁张文聪的交流内容，略经编辑： 问：机器视觉、移动机器人和机械臂，这三个板块的营收占比如何？ 张文聪： 目前来看，我们的营收还是主要来自机器视觉和移动机器人这两大板块，机械臂这一块占比还不算大。主要原因是我们切入机械臂相对比较晚，虽然已经做了大概5年，但整个产品线还在持续丰富的过程中,目前整体营收规模还在爬坡阶段。 问：目前AI在我们的产品中有哪些实际应用？ 张文聪： AI现在已经比较深入地用在我们的产品里面了，尤其是在机器视觉这一块。像读码、OCR识别这些场景，我们都已经用深度学习做了比较多的升级，以前很多识别算法是需要现场训练的，现在基本上可以做到“开箱即用”，大多数场景下不需要再做二次训练，效果也比较稳定。 另外一个重点方向是工业质检，我们这几年也在持续投入。从早期的小模型，到现在逐步引入大模型。以我们和一家国内大型医疗用品生产企业的合作举例，他们希望为生产的一次性医疗手套引入一套全自动、高精度、可追溯的质量检测系统。而手套属于柔性物体，容易变形，而且颜色类型非常多，这类缺陷检测其实难度很高。 我们在2021年最早用传统的CNN模型来做时，每上一条产线基本都要重新采样、重新训练，扩展起来比较慢。后来在23、24年切换到大模型方案之后，同一个车间内的多条产线可以快速复制，原来可能需要上万张样本，现在一两百张就够了。现在这套系统能稳定检出0.8毫米以上的缺陷，对污渍、破损等重要缺陷的检出率超过99.995%，一条线一天能检30万只，整个部署和交付效率提升非常明显。 问：整体来看，目前AI 类产品在工业场景的落地情况如何？ 张文聪： AI在工业场景的落地仍然偏慢，核心原因在于成本与交付周期。一方面，工业质检等应用场景复杂，系统开发周期长，导致整体解决方案成本较高；另一方面，终端客户在评估投入产出比时，如果回报周期过长，往往会延迟或放弃部署。 针对这一问题，公司一方面持续提升算法能力，降低开发和部署成本；另一方面通过引入大模型、优化工程化能力，缩短交付周期，减少对样本数据和人工调试的依赖。整体目标是推动AI能力“普惠化”，让更多行业能够以可接受的成本使用智能化方案。 问：您如何看待人形机器人在工业场景的落地价值？ 张文聪： 我觉得是有价值的，但前提是要把“通用性”真正做出来。如果一台人形机器人能够一机多用，既能搬运、又能做简单质检，甚至还能做上下料，那在一些节拍要求没那么高的场景里，它的价值就很明显了，可以成为“多能工”。 但如果高度标准化、节拍很快的产线上，还是“专机”效率更高、成本更可控，所以两者更像是互补关系，而不是替代关系。从现在来看，人形在工业里的落地还比较早期，尤其工业对稳定性要求很高，目前很多能力还需要持续迭代。 图源企业 问：海康机器人强调的“眼脚手”协同和VLA模型是什么关系？ 张文聪： VLA（Vision-Language-Action）模型是一种理想的端到端范式，目标是通过单一大模型实现从感知到决策再到执行的全流程闭环。但从当前技术成熟度来看，这条路还在比较早期的阶段，真正落地还有不少挑战。 相比之下，我们提出的“眼脚手”协同更偏工程化路径：通过视觉（眼）、操作（手）、移动（脚）等模块的协同，实现具体任务的自动化。在实际落地中，我们更多是用多个小模型组合来解决问题，而不是完全依赖一个大模型。当然，VLA这个方向我们也在做，而且有专门的团队在投入。整体来看，我们的理解是：短期靠“小模型组合”实现落地，长期再往端到端的大模型演进，两条路线是并行的、互补的关系。 问：软硬一体布局为公司带来了哪些核心优势？ 张文聪： 软硬件一体化是公司核心战略之一。一方面，单纯做硬件容易陷入同质化竞争，缺乏差异化壁垒；另一方面，仅做软件在商业模式和客户粘性上也存在挑战。软硬件协同，可以实现相互促进：硬件带动软件销售，软件提升硬件附加值。 以机器视觉为例，我们的自研软件平台可以以模块化方式开放给客户进行二次开发，从而形成生态粘性。同时，软件还能帮助客户降低开发成本、提升效率，规避知识产权风险。整体来看也构建了更高的技术与商业壁垒。
36氪获悉，4月24日，理想汽车旗下具身智能旗舰SUV——全新理想L9 Livis在2026年北京国际汽车展览会迎来全球首秀，计划于5月15日正式上市，并开启交付。
36氪获悉，4月22日，千寻位置正式发布“具身时空大脑（SpatiXBot）”产品集，它基于千寻位置时空智能全链路技术底座，融合通用大模型、自研专业模型的能力，构建起覆盖室内外的自主行走、环境感知与群体协同能力。据介绍，“具身时空大脑”主要面向机器人本体厂商及具身智能行业应用客户，覆盖人形机器人、机器狗、无人机、无人车、割草机等多类具身形态，旨在为各类设备提供统一的时空底座。
作者 | 乔钰杰 编辑 | 袁斯来 硬氪获悉，苏州极湃电磁科技有限公司（以下简称“极湃电磁”）近日完成新一轮数千万元融资。本轮融资由英诺天使基金、苏创投天使基金及苏高新融晟共同投资，资金将主要用于产线设备投入及研发升级。 极湃电磁成立于2023年5月，总部位于苏州，是一家面向工业自动化、汽车智能化及具身智能机器人领域的电磁执行器解决方案提供商，核心产品涵盖电磁阀、制动器及离合器等。 公司核心团队成建制来自于全球电磁行业龙头，包括原中国区事业部管理团队、研发、产品管理、项目管理、实验室、工程等成员，具备从产品定义到量产落地的正向开发能力，掌握核心技术，并拥有自主知识产权。 极湃电磁创始人姜宝在接受硬氪采访时表示，公司已实现量产的核心产品之一——应用于汽车电动门的电磁阻尼器，目前已稳定交付，并在该细分领域市占率第一。 （图源/企业） 在既有技术积累与本土化正向研发能力的基础上，极湃电磁正加速拓展产品版图， 当前重点布局两条核心产品线和四大应用场景：用于主动悬架的电控减震器阻尼控制阀（DCV）和空气弹簧刚度切换阀（ASV）、用于线控制动（EMB）的永磁制动器以及面向具身智能机器人的关节模组制动器（PMB）。 （图源/企业） 其中，DCV比例电磁阀是电磁悬架系统的关键部件，技术壁垒极高，目前国内整体国产化率不足10%。姜宝介绍称，公司已实现关键技术突破，成为国内首家可完全满足客户性能要求、并达到外资厂商水平的企业。其首条产线规划产能为100万台，今年预计可实现约20万台交付。 EMB永磁制动器是一类利用永磁场和电磁场的耦合设计，实现制动力锁定与释放的关键执行部件，相较传统方案在安全性、可靠性、功率密度与能耗控制上具备优势。在该领域，极湃电磁的产品已达到车规级标准，并突破了-40℃低温稳定运行难题，同时通过“双稳态设计”进一步提升可靠性，技术处于行业领先水平。目前，极湃电磁的EMB永磁制动器主要应用于矿卡、机场物流等封闭道路无人驾驶场景，预计今年交付规模为3000至5000台。 面向具身智能领域，公司开发的机器人关节模组制动器可适配人形机器人、双臂轮式机器人等多类新兴形态，支持定制化开发。目前产品已完成样件验证，并进入小批量交付阶段。 姜宝透露，公司已与头部关节模组和人形机器人本体厂商达成合作，预计今年第三季度进入量产阶段，年内有望交付5万至10万套（对应约3000至5000台机器人）。 针对国产替代过程中面临的供应链挑战与市场竞争，姜宝表示，公司已完成关键供应链的本地化适配。例如，针对中国本土材料与德国材料间的性能差异，团队联合西安交通大学、清华大学等机构开展材料导磁性能、摩擦性能校准工作，从而实现更贴合本土需求的产品开发。 同时，相较于外资企业“欧洲设计、中国销售”的模式，极湃电磁具备面向中国市场的正向设计能力，能够更好适配中国独立于欧美市场的技术需求与规模化需求，在产品迭代速度、成本控制及交付效率方面形成独特优势。 未来，极湃电磁将持续加大在核心产品线上的投入。本轮融资资金中，约60%至70%将用于产线设备建设，其余将投入研发，以进一步巩固技术与制造能力。
36氪获悉，近日，智平方正式发布面向全球开发者的一站式具身智能模型开源社区AlphaBrain Platform。AlphaBrain Platform一次性开源了当前具身智能领域最前沿的三条技术路线，包含全球首个开源类脑VLA模型（NeuroVLA）和全球首个基于RL Token的开源VLA训练架构以及世界首个可插拔世界模型架构（WA）。
36氪获悉，广东省人民政府办公厅印发《广东省加快推进人工智能全域全时全行业高水平应用行动方案》。方案提出，“人工智能+”脑机接口。研发新型类脑算法，开展类脑计算架构与神经形态芯片研究，构建低功耗、高性能通用类脑智能计算系统。推动脑机接口和具身智能等人工智能前沿技术的融合，支持脑控康复用人形机器人、外骨骼、机械臂、义肢假体等外围设备研发。