Related articles
图片来源：网络
12 月 19 日，银河通用机器人完成新一轮超 3 亿美元融资，估值达 30 亿美元 （约 211 亿人民币）。这是中国具身智能领域单轮融资及累计融资的双纪录。
本轮融资由中国移动链长基金领投，中金资本、中科院基金、苏创投、央视融媒体基金、天奇股份等投资平台及产业巨头联合注资，并同步获得来自新加坡、中东的国际投资机构及老股东的加注。
至此，这家成立仅两年半的公司累计融资约 6 亿美元，估值超越宇树科技 （约 120 亿）、智元机器人 （约 150 亿），成为国内估值最高的具身智能公司。（需注意的是，上述企业融资额仅基于截至目前的公开报道数据，可能会存在未披露的融资数据。）
但银河通用并不"性感"。
它只发布过一款本体产品 Galbot（G1），采用“ 轮式底盘+折叠腿” 设计，而非行业主流的双足行走方案。这家公司的机器人主要在做两件事：在 24 小时无人药店拣药，7×24 小时运营已超一年；在宁德时代、博世、丰田的工厂搬运，累计订单达数千台。
公司计划今年在北京、上海、深圳等城市共开 100 家无人值守零售店。目前这一应用场景已经实现了市场化，预计今年将为银河通用带来近亿元人民币的收入。
为什么"不那么复杂"的场景反而能赢？这背后的商业逻辑是什么？
“ 沿途下蛋”，重资产行业的生存法则
在北京朝阳区的一家 24 小时无人药店里，轮式双臂机器人 Galbot 正在执行夜班任务。在 50 平方米的空间内, 他管理 5000 种商品、6000 个货道、超过 10000 盒药品。盘点、补货、取送、打包，这些重复性劳动, 机器人可以 7×24 小时不间断完成。
这是银河通用在 2025 年 3 月发布的全球首个人形机器人智慧零售解决方案。单个新门店部署仅需 1 天，这个效率让不少零售商眼前一亮。截至 6 月，北京已有近十家店实现部署和常态化运营，年内计划在全国百家门店投入使用。
但零售只是银河通用商业化版图的一角。更大的市场在工业制造领域。
2025 年 6 月 17 日, 银河通用宣布与全球工业巨头博世集团旗下博原资本共同成立合资公司，并与博世中国、博原资本签署三方战略备忘录。这次合作聚焦工业制造场景，意在共同推动具身智能机器人在全球市场的商业化落地。此前，银河通用已与宁德时代、丰田、现代等产业巨头建立合作关系，累计获得数千台工业订单。
图片来源：网络
这些数字背后，是一套清晰的场景选择逻辑：银河通用专注于“Mobile, Pick and Place”(移动、抓取、放置) 这类看似简单、实则高频刚需的任务。
"我们不追求机器人会做 100 件事, 而是让它把 10 件事做到工业级标准。"银河通用创始人、北京大学 90 后教授王鹤曾在采访中表示。
这种克制，恰恰是“ 沿途下蛋” 策略的核心。“ 沿途下蛋” 指的是，在通用人工智能的终极目标尚未实现之前，企业依靠现阶段的技术能力，先在特定场景实现商业化交付，用产品收入支撑研发投入，形成"造血能力"。
这与传统科技创业的“ 先融资、后商业化” 路径截然不同。在人形机器人领域，动辄数亿美元的研发投入、漫长的技术迭代周期，以及不确定的商业化时间表，让"纯烧钱"模式难以为继。
截至目前, 银河通用只发布了一款本体产品 Galbot G1，但却推出了多款具身大模型。银河通用创始人王鹤曾说："作为一个具身大模型公司，我们投入最大的还是模型的研发。"这句话透露出公司的战略选择，专注"大脑"（具身大模型） 而非"身体"（本体硬件），先在药店、工厂、零售仓等场景站稳脚跟，再向更复杂的通用场景进军。
王鹤在 2025 中关村论坛上的表态，清晰地勾勒出这一策略的底层逻辑。他认为, 人形机器人正从“ 运动时代” 迈向“ 生产力时代”，关键不在于机器人能跑多快、跳多高, 而在于实现手眼脑的协调。“ 我们没有视觉输入就培育出了运动健将, 但运动健将绝对不是人形机器人的终点。” 他强调，“ 没有活是闭着眼睛干的”。
不那么复杂，反而是最优解
在人形机器人的赛道上，一个反直觉的现象正在发生：那些专注于“ 简单场景” 的公司，反而获得了更多资本认可和商业订单。
银河通用成立于 2023 年 5 月，仅一年半时间便完成超 40 亿元融资。投资方阵容堪称豪华，既有经纬创投、蓝驰创投、源码资本、IDG 资本等头部风险投资基金，也有美团战投、北汽产投、上汽恒旭等战略产业资本，还有北京大学、清华 SeeFund 基金等科研机构基金，以及中国互联网投资基金、香港投资公司、上海人工智能产业基金、深圳创新投资集团等国资平台。这种"风投+产业+国资+科研"的四维投资结构，在人形机器人领域极为罕见。
银河通用能够快速在多个场景落地，其核心竞争力在于自研的具身端到端大模型技术。
传统机器人采用"视觉+轨迹规划"的分离设计，而银河通用的技术路径颠覆了这一模式。公司自研的具身端到端大模型集成了自主实时建图导航、智能语音交互、任务理解等能力, 让 Galbot 无需预设路径即可高效完成操作。
2025 年 6 月，公司又发布了 GroceryVLA & TrackVLA 模型，前者实现了对零售全品类商品的零样本泛化抓取；后者实现了在复杂动态人流中的高鲁棒性跟随。
更关键的是，银河通用采用了独特的合成数据训练方式。公司 90% 的训练数据都是虚拟仿真的，仅需一周即可生成十亿级操作数据集，成本仅为真实数据的 1/100。算法架构分为抓取模型、本体模型和感知模型, 采用快慢系统，使用 A100 芯片进行训练，每年投入 5000-6000 万元算力，实现 2-3 个月迭代一次大模型。
11 月发布。全球首个跨本体导航大模型 NavFoM，让机器人具备无需建图、跨场景 （室内外） 的长程自主导航能力。
还发布了灵巧手神经动力学模型 DexNDM，解决了灵巧手在精细操作 （如拧螺丝、手内旋转） 中的算法空白，实现了基于训练而非预编程的运动控制。
这种“ 重软件、轻硬件” 的路径选择，源于王鹤对行业本质的判断。“ 作为一个具身大模型公司，我们投入最大的还是模型的研发。算力费用占比很大。” 他在接受媒体采访时透露, 银河通用正在构建百亿级高质量数据集，通过真实场景的持续运营，形成"数据-模型-应用"的闭环。
从"能做"到"稳定做"
为什么银河通用不去挑战更复杂的家庭场景, 而是专注于药店、仓库、工厂?
答案藏在“ 技术成熟度曲线” 里。
家庭环境是人形机器人的终极目标，但其背后的技术挑战远超想象。根据行业研究机构估算，要让机器人在家庭场景中达到基本可用的水平，至少需要识别和操作超过 10000 种不同物体，从易碎的玻璃杯到柔软的毛巾，从规则的书本到不规则的玩具。每一种物体都有不同的材质、重量、抓取方式。
更关键的是，家庭场景中的物体摆放位置随机性极强，光线条件复杂多变，背景干扰严重。一个在实验室中训练完美的抓取算法，到了真实家庭中可能连一个放在阴影中的水杯都识别不出来。
相比之下，“ 简单场景” 的优势显而易见。工厂产线、仓库货架、药店药柜, 都是标准化、结构化的空间，机器人可以在相对固定的环境中反复训练。
以银河通用在北京药店的部署为例，50 平方米的空间、6000 个固定货道、标准化的照明条件，这些参数在每个门店都保持一致，机器人只需要训练一次, 就能在所有同类门店中复用。
在宁德时代的工厂里，银河通用的机器人每天重复执行天窗转运任务，每一次动作都在为算法提供训练数据。短短三个月内，机器人在这个特定任务上的成功率从 85% 提升到 98%, 这种快速迭代在家庭场景中几乎不可能实现。
但“ 简单” 不等于“ 技术含量低”。银河通用的 NavFoM 导航模型，能够实现小时级长程导航和动态避障；DexNDM 灵巧手模型，支持手内旋转、拧螺丝、修桌腿等精密操作。这些能力，已经达到工业级标准。
从技术演进看，人形机器人的能力提升可分为三个阶段：
1、能做 （Lv1-Lv2）：在实验室完成某个动作。当前全球约 70% 的项目处于此阶段。
2、稳定做 （Lv2-Lv3）：在真实场景中长时间、高频次、低故障率地完成任务。这是商业化的关键门槛，当前只有不到 10% 的企业达到这一水平。
3、泛化做 （Lv3-Lv5）：适应不同环境、任务和需求。这是通用人工智能的终极目标，预计需要 10 年以上。
目前, 大多数人形机器人仍停留在第一阶段。银河通用通过专注“ 简单场景”，正在向第二阶段迈进，这是商业化的必经之路。只有当机器人能够在工厂、仓库、药店中“ 稳定做”，才有可能积累足够的技术能力和数据资源，去挑战更复杂的家庭场景。
这个演进路径在技术史上并不陌生。互联网的发展也经历了类似的历程：1990 年代，互联网首先在企业、高校等 To B 场景中应用 （邮件、文件传输）；直到 2000 年代技术成熟、成本降低后，才大规模进入家庭，催生了 To C 的繁荣。人形机器人大概率也会遵循同样的逻辑。
经纬创投合伙人王华东的评价印证了这一点：“ 团队在多个核心场景实现大规模商业交付，充分验证了技术的实用性与可靠性。这种‘ 技术-落地-迭代’ 的正向循环，正是我们投资时最看重的核心能力。”
200 亿估值是银河通用务实路线的一张成绩单，也为整个人形机器人行业划下了一道分水岭。在这之后，比拼的将不再是酷炫的 Demo，而是实实在在的订单、收入和利润。
一场关于商业化落地的大浪淘沙，已经开始。（作者｜郭虹妘，编辑｜陶天宇）
更多对全球市场、跨国公司和中国经济的深度分析与独家洞察，欢迎访问 Barron's 巴伦中文网官方网站
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
