站内正文
详细内容
这里展示站内保存的新闻正文，支持划线和批注；需要核对来源时，可以打开原始报道。
团队已与数十家头部机器人本体厂商建立深度合作关系。
作者 | 乔钰杰
编辑 | 袁斯来
硬氪获悉，乘物机器人（深圳）有限公司（以下简称“乘物机器人”）近日完成天使轮融资，由中国台湾工业自动化与智能机器人解决方案领域龙头企业和椿科技战略投资，华君资本担任独家财务顾问。
乘物机器人成立于2025年，总部位于深圳，专注工业具身智能技术研发与产品解决方案，具备从软硬件研发、数据采集、模型训练、场景部署与维护的一体化技术能力。
创始人黄金龙技术出身，拥有十余年机器人全栈研发与产业化经验，主导过多类工业机器人产品研发与落地；联合创始人单玉虎博士，曾先后在腾讯、小鹏、美团等企业负责机器人核心技术研发，深耕多模态大模型、3D感知、多传感器融合等领域，拥有丰富量产实战经验。
工业场景中，非标场景普遍存在，机器人落地应用往往需要定制化的解决方案。乘物机器人由此切入，成立之初便聚焦工业场景，通过本体整合成熟供应链方案，自研末端执行结构、电子硬件、软件算法、云端能力及核心大模型，快速沉淀出标准化的技术产品包，具备了覆盖工业场景全流程的交付能力。
目前，公司已完成十余个工业场景落地项目，2025年累计营收超两千万元，服务包括富士康在内的一系列代表性头部制造企业。
在此期间，团队与数十家头部主流机器人本体厂商建立深度合作关系，并获得8家头部品牌的最高权限授权，为其落地具体场景做定制化服务。
同时，乘物机器人也在布局模型端。公司正以工业垂类VLA（Vision-Language-Action）大模型为核心研发方向，希望打造具备“一脑多形”跨本体泛化能力的具身智能模型。
（图源/企业）
该模型融合空间感知、强化学习及世界模型的能力，能够提高对复杂异形物体的三维感知、精准操作与跨场景泛化能力，解决传统方案泛化性不足的问题。
具身模型的核心瓶颈之一在于数据。乘物机器人自研了Egocentric-UMI数据采集装置与Bybot-TeleOp远程操作系统，通过遥操模拟真实产线环境，高效采集视觉、力矩等多模态数据，大幅降低模型训练与部署周期，解决传统数据采集成本高、效率低的问题。
目前，公司自研VLA模型Bybot Foundation Model-1（BFM-1）的训练及部署流程已全面跑通，技术验证顺利推进。
硬件层面，乘物机器人同步研发工业精准操作的上半身机器人原型产品，搭载仿生力控双机械臂、灵巧手、腕部相机及RGBD相机等核心部件，为工业垂类基础模型训练与场景适配提供硬件支撑，推动大模型与工业机器人本体深度融合。
以下为访谈节选（略经编辑）：
硬氪：为什么从场景落地转向模型研发？
黄金龙： 我们非常看好VLA和具身智能的发展方向。在我们看来，机器人本体本身并不是最难的部分，尤其是在深圳这样的硬件产业链环境里，把机器人“做出来”并不算特别高的门槛。真正困难的是：模型如何和本体融合，并最终在真实客户场景中落地，让客户愿意持续付费。
目前行业里真正实现规模化落地的案例并不多。我们认为，具身智能的发展路径会遵循“工业—商业—服务—家庭”这样逐步演进的过程。其中工业场景最容易率先落地，因为很多工业任务并不需要特别复杂的灵巧操作，很多场景通过二指夹爪就能完成。相比之下，家庭场景对安全性、泛化性和稳定性的要求更高。
另外，和椿除了战略投资外，也为我们带来了大量产业客户资源。我们目前已经进入富士康等客户体系，并有项目进入实际交付阶段。由于能够直接接触一线客户，我们可以更清楚地理解客户真正需要什么：如果传统自动化技术能够解决问题，我们就优先采用传统方案；如果具身模型能够创造更高价值，我们就用具身技术去完成交付。
硬氪：乘物机器人做具身模型的核心优势是什么？
黄金龙： 首先是全栈能力与真实交付经验。团队具备从机械、电子到软件、算法、云端服务的完整研发能力，过去也长期为头部机器人厂商提供定制化解决方案，因此对工业场景中的非标需求、交付流程以及客户痛点有非常深入的理解。相比只做模型的团队，我们更清楚模型如何真正转化为可商用的解决方案。
其次，我们希望打造的是“平台化”的具身模型能力。目前VLA模型普遍存在泛化能力不足的问题：一个场景中训练出来的数据和模型，往往无法迁移到另一台机器人或另一个环境中。乘物机器人的模型设计并不绑定单一本体，而是能够适配不同厂商、不同类型机器人平台，从而解决行业中模型难以跨平台部署的问题。
本文由「乔钰杰」原创出品， 转载或内容合作请点击 转载说明 ；违规转载必究。
寻求报道
本文图片来自：企业授权