很少有其他投資賽道，比當下的“具身智能”更有一股“不甘心”的沖勁。自從今年3月投資圈出現(xiàn)了“正在批量退出”的聲音，具身智能的投融資市場似乎反向進入了一段“繁榮期”。據(jù)CVSource統(tǒng)計，2025年3月至今，國內具身智能（本體研發(fā)相關）賽道發(fā)生的融資事件達到了101起。

除了數(shù)量，體量天花板也在幾何倍放大。據(jù)CVSource統(tǒng)計顯示，在上述101起融資事件中，達到億元級別規(guī)模以上的融資有35起，記錄也不斷被刷新。3月，它石智航（TARS）宣布完成天使輪1.2億美元融資，創(chuàng)下了中國具身智能行業(yè)天使輪的最大融資額紀錄。4月，帕西尼感知科技（PaXiniTech）拿到比亞迪超億元戰(zhàn)略投資，創(chuàng)造了比亞迪在具身智能領域完成的最大單筆投資。6月，銀河通用宣布完成人民幣11億元融資，刷新了具身大模型機器人領域單筆融資和累計融資額雙紀錄。

今天，這個故事迎來了新的主角。據(jù)投中網獲悉，跨維（深圳）智能數(shù)字科技有限公司（以下簡稱“跨維智能”）近日完成了數(shù)億元A1&A2輪融資，投資機構包括領投方成都科創(chuàng)投、洪泰基金，及天鷹資本、四川院士基金、南山戰(zhàn)新投、一村資本、探元創(chuàng)投等知名機構，老股東聯(lián)想創(chuàng)投等持續(xù)加碼，融資金額數(shù)億元人民幣。

與今年的其他明星案例相比，跨維智能本輪融資有3個非常鮮明的標簽：實干型學者創(chuàng)業(yè)；“非風口”周期成立；已找到具身落地場景并實現(xiàn)“億元級營收”。

首先從發(fā)展歷程來看，跨維智能是標準意義上的“技術轉化成果”。創(chuàng)始人賈奎是香港中文大學（深圳）數(shù)據(jù)科學學院的教授，曾先后于中科院深圳先進技術研究院、香港中文大學、UIUC下屬新加坡高等研究院從事研究工作，主要研究領域是機器學習與計算機視覺——跨維智能的雛形，正來自他在華南理工大學牽頭成立的“幾何感知與智能實驗室”。

“幾何感知與智能實驗室”是國內最早一批嘗試將人工智能技術應用于三維空間的研究團隊，涉及機器學習、計算機視覺、圖形學、機器人等交叉學科，推動機器去理解曲面、不規(guī)則圖形，而機器人是這個研究路徑天然的終端場景。因為一個基礎邏輯是，如果要讓機器人順利地抓取一個物體，開發(fā)團隊就需要建立相應的物理引擎、進行物理仿真，進而意味著需要信息化該物體在不同環(huán)境、不同狀態(tài)下的所有數(shù)據(jù)，包含位置、角度、尺寸等。

但問題在于，“幾何感知與智能實驗室”的啟動是在2016年。在當時，創(chuàng)投圈還并沒有絕對的“具身智能概念”，熱門賽道主要集中于新消費、web3、元宇宙。即使細化到計算機視覺領域，已經涌現(xiàn)了以商湯科技為代表的“AI四小龍”，在人臉識別、圖像理解領域已經有相當成熟的發(fā)展。因此無論是在學術層面還是在商業(yè)應用層面，賈奎選擇的都是一條小眾的路線。

跨維智能成立的直接原因，一定程度上正來自于“發(fā)展需要”：2020年，賈奎發(fā)現(xiàn)如果要深入AI研究，就需要足夠多的算力、數(shù)據(jù)以及場景，而高校能做的事情有限，在很多方面進展逐漸落后于大廠，因此需要通過企業(yè)化的方式來爭取更多的資源支持。

跨維智能也確實因此搶到了很好的身位。跨維智能構建的基于物理引擎的仿真到現(xiàn)實（Sim2Real）技術體系，為機器人搭建了一個“場景技能訓練場”。通過模擬現(xiàn)實世界中的物理規(guī)律、環(huán)境變量和復雜場景，智能體可以在虛擬環(huán)境中進行高頻次、低成本的訓練，快速掌握各類復雜任務的執(zhí)行邏輯。

到今天，基于Sim2Real技術底座，跨維智能推出了一系列具有行業(yè)領先水平的產品。核心產品PickWiz及X-Wiz具身大腦搭載了先進的多模態(tài)感知系統(tǒng)，融合了視覺、觸覺、力覺等多種傳感器數(shù)據(jù)，能夠對周圍環(huán)境進行毫秒級的實時感知與解析。在雙臂協(xié)同操作方面，X-Wiz采用了獨特的運動規(guī)劃算法，通過對人類雙臂協(xié)同動作的深度模仿學習，實現(xiàn)了如人類雙手般的精密配合。

更難得的是，在已經有成規(guī)模機器人應用的工業(yè)領域，跨維智能已經擁有了相當體量的商業(yè)場景。聯(lián)想創(chuàng)投投資總監(jiān)史晨星透露：“跨維已經累計開發(fā)完成上百家客戶，落地數(shù)十個場景，年營收達到億元級，是具身智能工業(yè)場景落地第一名。”擔任獨家財務顧問的華興團隊也指出，跨維智能目前擁有自研的底層仿真引擎和基于sim2real的VLA模型，這幫助跨維在“數(shù)據(jù)-模型-本體”的訓練閉環(huán)中，擁有更完整的工具和更高的效率，更好幫助具身智能高效落地。

但這種“非風口創(chuàng)業(yè)”需要經歷的考驗，也相當程度反映在了跨維智能的融資歷程中。根據(jù)工商信息顯示，跨維智能在成立后的一年內，也就是在2021年底到2022年中敲定了多輪早期投資，引進了真格基金、松禾資本、聯(lián)創(chuàng)永宣等多家VC。而第二個融資活躍期，則出現(xiàn)在2024年之后，跨維智能在這一階段獲得了聯(lián)想創(chuàng)投、天鷹資本、清智資本等投資方。

可以說，跨維智能的經歷在當下幾乎是“樣板式”的。它的萌芽方式、它的賽道變化、它的發(fā)展方式，都不同程度地體現(xiàn)了當下創(chuàng)投行業(yè)的審美、困境、痛點、以及未來的可能性。因此在獲悉跨維智能完成新一輪融資消息后，我們第一時間聯(lián)系了跨維智能創(chuàng)始人賈奎，與他展開了一段關于“具身智能、學者創(chuàng)業(yè)、風口融資”的對話。

以下是對話節(jié)選，希望對您有所幫助：

“不是為融資而融資”

投中網：首先恭喜跨維完成新一輪融資。但我很好奇，跨維智能為什么會選擇這樣的融資節(jié)奏？是什么因素推動了跨維智能決定重新開放融資窗口？

賈奎：從本質上來說，我們的融資節(jié)奏、每輪融資所需要的資金，都是根據(jù)如何更好地完成新產品、新業(yè)務的開發(fā)來設計的，不是為了融資而融資。核心理念是怎么以更高效的方式利用融到的資金和資源，形成整個業(yè)務的閉環(huán)，產生增量價值。

所以相比于2021年，所以我們的融資節(jié)奏加快，更多是從資金成本和時間窗口考慮的。實際上就“具身智能”而言，我們從2016年就開始積累底層技術了。

投中網：是的，關于您創(chuàng)建跨維的經歷，我也做了些功課。就個人感覺而言，機器人——或者統(tǒng)稱為“具身智能”——是您研究路徑的一個自然結果，是機器學習、機器視覺最自然的體現(xiàn)。

賈奎：您說得非常對，也很精準。但我可以再補充一些細節(jié)。

2016年，我開始研究如何將AI應用于三維物理世界。在那之前，全球學術界——包括國內的商湯四小龍——主要關注的是AI在人臉識別、圖像理解等2D領域的應用。舉個例子，通過二維的AI技術，我們可以通過美國時代廣場實時傳回的圖像，識別出特朗普在進行集會演說，但無法得知特朗普與觀眾臺的距離等物理屬性。想要知道這些物理屬性，就需要將AI應用于三維信號。

二維和三維的計算機視覺技術，從底層的AI或深度學習技術，到數(shù)據(jù)獲取、模型設計與訓練，都是完全不同的。從2016年起，我們就致力于用AI實現(xiàn)三維視覺，并將其落地到機器人領域。2021年，我們開始推進產業(yè)化落地，創(chuàng)立公司，將這些技術應用到真正需要“機器人智能化”的場景中。

而無論是2016年還是現(xiàn)在，從技術到產品、業(yè)務再到商業(yè)真實需求的閉環(huán)場景，“機器人智能化”主要集中在泛智能制造領域。因為該領域本來就存在大量機器人應用，它們需要類似“眼睛和大腦”的智能，更需要具身智能技術來提升智能化、通用化水平——從商業(yè)角度而言，提升智能化、通用化水平本質上是提高產品性價比，使產品更通用、研發(fā)成本更低、部署更高效且成本更低，從而真正打通商業(yè)模型，這也是我們當時選擇在泛智能制造領域落地的原因。

目前，我們已經在多個場景中大量落地了抓放、插拔、擰動等基本的具身智能的動作技能，涉及智能制造、商業(yè)服務（如無人車充電）、特種場景等。“單臂視覺+力控”的AI插拔技術已落地，雙臂柔性裝配技術也即將簽單落地。從去年開始，我們擁有了基于自身引擎和AI能力、由AI定義的人形機器人本體，計劃在三年內將其應用到能夠實現(xiàn)商業(yè)價值閉環(huán)的商業(yè)服務場景中。

可以說，我們始終穩(wěn)步推進從技術到產品再到商業(yè)閉環(huán)的過程，融資節(jié)奏也服務于這一規(guī)劃，每一筆資金的用途都十分明確。

“投資人與創(chuàng)業(yè)者們一起成長”

投中網：您從2016年開始下場研究，2021年創(chuàng)業(yè)并首次接觸投資人，再到2025年加速融資——這是一段跨度接近10年的歷程，我很好奇從您的視角出發(fā)，投資人所關注的問題會有哪些變化？您最難忘的挑戰(zhàn)和問題是什么？因為在我看來，投資總是不可避免風口情緒，我相信你在不同時間段，所能接觸的投資人的群像一定發(fā)生了變化。

賈奎：2022年之前，最大的挑戰(zhàn)是我們的技術范式——也就是基于合成數(shù)據(jù)的“具身智能”——因為沒有風口，顯得太超前，投資人聽不懂。所以那時候，我們會用數(shù)字孿生做類比，說相比數(shù)字孿生，我們不僅同樣可以仿真，還能造數(shù)據(jù)，造完數(shù)據(jù)之后能訓練AI模型，讓AI模型自主做事情，以此說明我們是更進一步的技術范式。所以簡單來說，那時主要挑戰(zhàn)是怎么把先進的技術理念傳遞出去。

2023年底，聯(lián)想創(chuàng)投投了我們，他們是很專業(yè)的CVC機構。2024年到現(xiàn)在，投資人們經過了大量的學習，已經沒有了太多技術理解障礙。最近一年來我們融資合作的投資方，都是更專業(yè)、能看懂、對閉環(huán)認識清晰的機構和投資人。

投中網：還有一個有意思的地方在于您的身份，您是學者。過去兩三年，很多投資人都在嘗試從高校、研究所挖項目。除了具身智能，商業(yè)航天、生物醫(yī)藥等賽道都是有這種模式。然而，投資人們在這個過程中，也頻繁提到，科學家和企業(yè)家之間有巨大鴻溝。我找了您之前的一篇自述，實際上創(chuàng)業(yè)初期的那幾年，您經歷了一段比較長的磨合過程。

那么如今創(chuàng)業(yè)4年多過去了，您怎么看科學家創(chuàng)業(yè)？在當下，“科學家”這個身份是負分項目嗎？投資方的印象有改觀嗎？

賈奎：這是一個很好的問題。坦白地說，2020年、2021 年時，“科學家” 這個標簽的接受度確實比現(xiàn)在低，甚至可以說是一個劣勢，而現(xiàn)在接受度有了很大提高。但這幾年我深刻體會到，科學家和企業(yè)家是完全不同的角色。要想以科學家的身份成功創(chuàng)業(yè)，就必須轉變?yōu)橐幻軌騽偃蔚腃EO，二者所需的基本能力和從事的工作確實不同。

雖然我目前仍有學校老師的身份，但這幾年鍛煉出的能力讓我更像一名CEO。并且這種身份的轉變是必須的。我的優(yōu)勢或許在于年齡，已經過了35歲以下那種學術生涯尚未穩(wěn)定的階段，不需要在學術和創(chuàng)業(yè)之間做取舍，不會出現(xiàn)企業(yè)發(fā)展不佳或在企業(yè)中無法擔任核心角色的情況，能夠全身心地以企業(yè)經營者的身份分配時間和精力，鍛煉自身能力，做好創(chuàng)業(yè)工作。

投中網：所以我覺得，你們的項目很有時代代表性，非風口周期成立、高校成果轉化、擁有硬科技標準的長周期。所以我很想請您回答，篩選投資方時，更青睞他們的哪些閃光點？希望得到哪些幫助？

賈奎：務實來講，我們公司到了這個階段，希望投資方除了資本，還能真正懂我們對技術到商業(yè)場景的理解，能帶來商業(yè)場景、業(yè)務等方面更好的聯(lián)動，這是很重要的考量。因為我們知道怎么把前沿技術落到商業(yè)場景中，所以有對應的業(yè)務資源，能一起把跨維智能發(fā)展好，會更受歡迎。

“我們只會把錢，投入算得過賬的地方”

投中網：有投資人提到，你們在具身智能領域的工業(yè)場景已經是頭部，營收達億元級。我覺得這很了不起，因為機器人在汽車領域應用很成熟，也意味著范式轉換的成本其實挺高的。我很好奇，你們是怎么讓工廠意識到有具身智能的需求？你們是怎么打開第一個商業(yè)場景，完成從0到1的？

賈奎：這些工廠并非沒有對“具身智能”的需求，只是他們可能不用“具身智能”這個詞來表述。正如您提到的汽車行業(yè)，目前機器人自動化在智能制造領域應用最廣泛的場景，就是以汽車、家電、手機制造以及物流等為主。

而如果繼續(xù)拆分來看，這些領域自動化程度高，是因為它們的單點價值量大，能夠承擔高昂的自動化成本。例如，汽車行業(yè)可以承擔高昂的代價實現(xiàn)整條產線的自動化，但如果是生產宜家家具等產品，就難以承擔這樣的成本。而他們采用AI或者說具身智能，實際上是要實現(xiàn)機器人智能化后的高性價比和普及化，將自動化推廣到更多行業(yè)。因此，關鍵在于讓技術與場景下的任務需求相匹配，并且以盡可能通用而非定制的方式實現(xiàn)閉環(huán)。

回到您的問題，需求一直存在，關鍵在于是否愿意沉下心來解決場景中客戶的需求。從制作demo到在實際需求場景中以產品級的高成功率、高穩(wěn)定性、高精度（如99.9%以上的成功率）落地，中間存在巨大的差距，我們已經跨越了這一步。

投中網：所以拿到這輪融資后，你們會最優(yōu)先投入到什么地方？

賈奎：我們的規(guī)劃很清晰。現(xiàn)在抓放、插拔、擰動這些具身智能的基本技能已經大量落地，單臂視覺+力控的AI插拔也落地了，接下來主要拓展完全全天候及動態(tài)環(huán)境下，比如室外機器人的智能柔性操作能力，以及工業(yè)和商業(yè)場景下雙臂柔性裝配配合的更人形的技能落地。

下半年我們會率先以商業(yè)上“算得過賬”的方式，落地那些現(xiàn)在全靠人干的柔性裝配、打螺絲，還有拆塑料袋、裝盒子之類的工作。另外，我們軟硬一體的人形機器人，也在朝著能在辦公環(huán)境接待、整理桌面、沖咖啡，兼具情緒價值和實用價值的方向落地。

我們的錢就會投到這些地方。我們也做demo，但只會做那些能牽引出真正能到商業(yè)需求場景的技術，不會投入從技術路徑上就知道走不通的demo。

投中網：聽到有一個關鍵詞，我很感慨，叫“算得過賬”。我覺得這是科學家到企業(yè)家轉變的一個最明顯的標志性。那么，想要實現(xiàn)上述您提出目標，最大的挑戰(zhàn)是什么？

賈奎：最大的挑戰(zhàn)就是一名CEO日常所面臨的各種問題。例如，假設你剛完成天使輪融資，手中有一億資金，首先必須明確要做什么，這是前提。然后需要組建團隊，如何讓技術、產品、業(yè)務運營團隊協(xié)同合作，如何做好團隊內部與外部市場需求的前后端融合；如何開展營銷工作，針對 To C、To B、To小B、To大B采取不同的策略，提高需求與供給的對接效率；如果涉及增量市場，如何高效占領市場，如果是在已有市場中推出新技術產品，如何憑借性價比優(yōu)勢參與競爭，這些都是需要面對的挑戰(zhàn)。