11月2日，RoboScience机器科学宣布完成A2轮数亿元融资。本轮由琥珀资本、鸿瑞达投资、上海半导体产投联合领投，爽资本、360战投、国联民生资本、金鼎资本及多家上市公司平台跟投，华兴资本担任独家财务顾问。
资金用途写得很具体：大模型迭代升级，物流、零售、工业等核心场景的POC验证与规模化落地，以及高端人才储备。三项里两项指向商业化，这是今年具身智能融资公告里比较少见的表述方式。
先把这家公司的技术拼图拼上。2025年9月，它发布自研物理仿真引擎RoboMirage；2026年6月，推出通用具身大模型Visics；8月，轮式仿人形机器人REX G1亮相。三个时间点连起来，是一年之内把“数据、模型、本体”三层都自己做了——业内叫全栈闭环。
为什么非要自己全做？公司的解释是场景迁移成本。如果每切入一个新场景都要重新采数据、重做后训练、重构硬件，边际成本就会把商业化卡死。它的解法是把三者做成相互定义的数据飞轮：仿真引擎产生数据，模型从数据里学，本体的真实作业数据再反哺仿真。
数据是它最想强调的数字。官方口径是：单条数据的获取成本已压到0.05元，相当于传统方案的1/20到1/200；2026年初至10月，视频训练数据从100万小时突破到400万小时；仿真训练数据突破百亿次运动轨迹。如果这些数字经得起检验，具身智能最贵的那一项——数据——确实被重构了定价。
模型层面，Visics的做法是把“具身世界模型”与“通用操作模型”拆成上下两层，中间用一个叫Object Trajectory的接口连接，用物体的连续3D点云轨迹做表征。上层负责认知与预演物理轨迹，下层负责把轨迹转成不同机器人的控制信号。听上去抽象，但它要解决的问题很具体：不同品牌的灵巧手、不同的本体结构，能不能不重新训练就能用。在今年WAIC与WRC两场展会上，搭载Visics的机器人实现了不同品牌灵巧手30秒切换，并能现场抓取观众随机提供的物品。
本体REX G1是轮式仿人形，集成移动、全向感知与双臂协同操作，重点面向高动态、高泛化的物流与零售场景。它的角色不只是“卖硬件”，而是数据采集器：在真实工况里跑出的长程作业数据，会被提取并反哺到仿真系统。
真正值得同行注意的，是它在商业模式上往前迈了一步。公司把模型能力包装成可按需调用的云端服务EaaS（Embodied-AI-as-a-Service），并与腾讯云达成战略合作，Visics已上线腾讯云、通过API开放调用，支持适配不同形态的灵巧手与机器人末端执行器。用人话说，用户像调用大语言模型一样，从云端拿到操作策略，而不是先买一台机器人。这一步的意义在于“云-端解耦”：本体归本体，智能归云端。
商业化路径也顺着这个逻辑走。创始人兼CEO田野的说法是，先切入物流、零售这类泛化要求高的场景，因为这些场景物体多样、环境多变，既能发挥通用操作模型的优势，也能积累真实数据。目前公司已在零售商超、物流等场景推进落地，本轮融资后要加强与产业股东的资源协同。
投资人给的理由也集中在同一个点。琥珀资本认为，行业正从技术验证向规模化应用推进，开放场景的通用能力与落地成本是突破关键；华兴资本投资银行事业部业务合伙人徐锟则提到，企业的长期竞争力不再取决于单一模型或硬件性能，而来自底层技术、工程化能力与产业生态的系统性构建。
放到整个赛道里看，这一轮融资传递的信号很清楚：资本对具身智能的估值钟摆，正在从“本体好看”摆向“能复用”。过去两年，能拿到大钱的是能造出整机的公司；现在，愿意为“跨本体、跨场景的通用操作能力”付溢价的资金在变多。逻辑不难理解——本体是项目制生意，模型与服务才可能是指数型生意。
但这条路径也有它自己的考题。第一，云端操作策略的时延能不能满足真实产线；第二，0.05元一条的数据，训练出的模型在长尾场景里表现如何；第三，“像调API一样调机器人”听上去很美，但客户买的是活儿干完，不是接口列表。这三道题，不是一轮融资能回答的，只能靠场景里的订单数量来答。
本文根据企业官方披露及公开信息整理，融资细节以公司公告为准。
