北大92后融资21亿：银河通用如何成为国内估值最高的具身智能独角兽

type

status

date

slug

summary

具身智能的新王：不仅仅是“北大光环”

银河通用的成功，首先离不开其核心团队的深厚技术背景。创始人王鹤并非普通的创业者，他拥有清华大学本科和斯坦福大学博士学位，师从计算几何领域的泰斗级人物Leonidas J. Guibas。目前，他不仅是北京大学前沿计算研究中心的助理教授、博士生导师，还兼任北京智源人工智能研究院具身智能研究中心主任。

这种“学术派”背景为银河通用注入了极强的技术基因。与传统机器人公司不同，王鹤在斯坦福读博期间就确立了“物理交互”的研究方向，致力于让机器人具备泛化的物体感知能力。这意味着，机器人不再是只能处理预设好的物体，而是能够像人类一样，理解并操作从未见过的陌生物体。

这种技术理念正好踩中了AGI（通用人工智能）向物理世界延伸的关键节点——具身智能。当Google发布PaLM-E模型，将语言、视觉和机器人操作融合时，王鹤敏锐地意识到：大模型理解能力的注入，将彻底改变机器人的游戏规则。

差异化路径：不求“像人”，但求“好用”

在当前的具身智能赛道上，存在着几条截然不同的路径。

宇树科技：以硬件运动控制起家，追求极致的动态性能，产品形态酷炫（如机器狗、双足人形机器人），更受极客和科研机构欢迎。

智元机器人：由“稚晖君”联合创办，走全栈自研路线，试图覆盖工业、商用和消费级全场景，强调生态搭建。

相比之下，银河通用的策略显得更加务实，甚至有些“反直觉”。他们没有盲目追求当下火热的“双足人形”形态，而是推出了一款轮式双臂机器人——Galbot G1。

为什么选择轮式而不是双足？

稳定性与落地速度：双足行走技术难度极大，且在很多平坦的工业和商业场景中并非刚需。轮式底盘技术成熟，移动效率高，能更快投入实际应用。

专注B端场景：银河通用避开了极具挑战性的家庭C端市场，专注于药店、工厂仓库等B端场景。这些场景规则清晰、环境相对受控，非常适合现阶段的具身智能技术落地。

Galbot G1目前已经在美团智慧药房、宁德时代工厂等场景中“打工”。它不讲究长得像人，只讲究能不能把药捡对、能不能把物料搬好。这种“实用主义”让银河通用在商业化验证上走得比同行更快。

数据飞轮：单品策略背后的深意

银河通用成立至今只发布了一款本体产品，这在快速迭代的科技圈显得有些“慢”。但这恰恰是其深思熟虑的结果。

在人工智能和大模型训练中，数据的质量和一致性至关重要。如果同时开发多种形态的机器人，会导致数据分布极其复杂，模型难以收敛。银河通用选择用同一套“身体”（Galbot G1），在药店、工厂等不同场景反复执行类似的抓取、搬运任务。

这种策略带来了显著的“数据飞轮”效应： * 数据更干净：统一的硬件结构产生了标准化的训练数据。 * 模型进化快：以宁德时代工厂为例，机器人每天重复同样的天窗转运任务，三个月内成功率从85%提升至98%。 * 泛化能力强：当模型在特定任务上达到极致熟练后，其学到的通用物理交互能力更容易迁移到其他类似场景。

资本视角的转变：从“讲故事”到“看交付”

银河通用融资21亿的背后，折射出资本市场对AI赛道投资逻辑的转变。

在第一波大模型热潮中，投资者可能更看重团队背景和概念愿景。但随着行业进入深水区，资本开始更加关注“落地能力”和“造血能力”。

宇树科技虽然硬件出色，但主要收入仍来自教育科研和部分巡检，大规模商业替代尚未完全铺开。

智元机器人虽然场景宏大，但多条战线同时作战对资源要求极高。

银河通用的高估值，某种程度上是对其“专注垂直场景、快速B端变现”模式的肯定。在智慧药店拣药、在工厂搬运物料，这些虽然听起来不够性感，但却是实打实的刚需，也是目前大模型结合机器人最容易产生商业价值的领域。

结语：具身智能的下半场

随着银河通用跻身独角兽榜首，国内具身智能赛道的格局已初步形成。未来，我们或许会看到更多像Galbot这样，不追求外形酷炫，但能深刻理解物理世界、解决实际问题的机器人出现在我们的生活中。

对于关注AI资讯和大模型发展的读者来说，这不仅仅是一个融资新闻，更是AI技术从数字世界走向物理世界的重要里程碑。无论是通过AINEWS获取最新的AI新闻，还是关注行业巨头的动向，我们都能感受到这场变革的脉搏。

在这个充满机遇的时代，能够将前沿技术与商业落地完美结合的企业，才有可能笑到最后。银河通用的故事，才刚刚开始。