芝能科技出品

人形機器人正在從實驗室走向產業化落地的關鍵階段。眾擎機器人在短時間內完成近10億元融資，千尋智能、逐際動力等新銳企業亦獲京東等資本加持，標志著人形機器人產業已進入資本、技術、應用三位一體深度耦合的發展階段。

這場“具身智能”驅動下的競賽，其核心不僅是關節、電機與結構的高度集成能力，更在于算法、模型與數據迭代的綜合協同。技術成為決勝關鍵，生態成為規模化落地的加速器。

01

 具身智能：

從硬件突破到運動控制閉環

在人形機器人的產業化進程中，“擬人”不再僅僅是一種結構外形的模仿，而是一個復雜系統在感知、決策、執行三大層面同時擬合人類能力的過程。

眾擎機器人之所以在Pre-A++及A1輪融資中獲得多方青睞，背后是其在核心硬件與控制系統領域所展現出的自研閉環能力。

眾擎的核心優勢在于全自主研發的關節模塊系統，集成高爆發力、高力矩及高轉速特性，這一系統為機器人的靈活動作提供了真實“肌肉”支撐。

在結構設計上，這些關節不僅追求功率密度的極限，還在動態響應方面做了優化，支持機器人執行復雜的多關節協調動作。

這種能力的關鍵指標在于負載自重比和模塊響應延遲，眾擎在部分高動態場景中實現毫米級動作精度，已在實際中完成如舞蹈、空翻與高速奔跑等動作驗證。

而要真正實現這些動作的“可控性”，需要構建一套從仿真到實物的完備運動控制系統。

眾擎在Sim2Real（仿真到現實）的技術棧上建立起了較強壁壘，利用自研算法優化器與多物理場仿真引擎，實現了在復雜環境中訓練出的策略遷移至實體機器人時的快速適配。

通過多級PID控制、WBC（Whole Body Control）算法融合，以及對實時反饋的高速處理，其運控體系可在毫秒級做出反饋修正，進而穩定支持高動態動作的執行。

這種能力對于機器人的“泛化能力”至關重要。傳統工業機器人受限于預設路徑和控制程序，而人形機器人面對開放環境中的變量，需要具備自主調整的能力。

Sim2Real技術正是在確保動作精度與響應效率的基礎上，提供了從數據生成、模型訓練到行為部署的完整通路。

自研高功率密度關節是實現高力矩與高速響應的硬件基礎，Sim2Real 仿真體系可有效解決從虛擬到現實的策略遷移問題，毫米級控制精度與高動態動作支持體現了具身智能運動控制的核心能力，WBC 全身控制算法體系則支撐多自由度關節間的協調動作。

02

大模型驅動：

千尋與逐際的“人腦”方案比拼

在人形機器人進入服務、工業與商用領域的過程中，僅有出色的本體控制能力遠遠不夠，構建“類人認知”能力的具身智能大模型成為產業新焦點。

千尋智能與逐際動力分別走出了不同的數據路徑與模型架構，代表了目前國內具身智能發展的兩條主要技術路線。

千尋智能的VLA（Vision-Language-Action）大模型，核心目標是建立一個可泛化、可感知并能跨模態執行任務的Agent體系，人形機器人Moz1配備了全身26自由度結構，力控關節系統兼具功率密度與實時反饋能力，結合WBC控制算法，提供了極為細膩的動作響應基礎。

Moz1還具備“零延遲遙操作”能力，借助自研多維度數采模塊，支撐小時級數據迭代節奏。這使得VLA模型能夠在連續交互中快速調整策略，提升執行準確性。

更關鍵的是，VLA模型的“理解力”來自于其多模態對齊能力，即通過自然語言與視覺、動作之間建立因果關聯，讓機器人具備“看圖指令執行”的基礎能力。

例如，在辦公室場景中，Moz1可以根據自然語言指令完成“座椅歸位”“桌面整理”等任務，逐步向“自主執行+人類交互”雙模式發展。

逐際動力在模型側的策略更強調“數據的結構性”。其推出的LimX VGM模型不依賴于真機樣本，而是通過分析人類操作視頻、結合仿真與合成數據生成策略，構建“跨平臺、跨任務”的通用具身大腦。

這種思路強調“數據配方”（Data Recipe）而非特定數據集，通過不同維度的輸入提升模型在未知任務中的泛化能力。

在模型開發范式上，逐際動力強調快速部署與模塊化復用，從強化學習控制小腦、到VGM感知決策大腦，以及硬件驅動底座，三者協同構成完整具身Agent鏈條。

其雙足機器人TRON 1已在巡檢、配送與安防等場景實現初步應用，并支持模塊化拓展能力，為面向開發者的可插拔式擴展提供了接口。

◎ 千尋智能 VLA 模型強調多模態融合與自然交互，以 “遙操作 + 數據采集 + 快迭代” 形成反饋閉環；

◎ Moz1 機器人憑借全身力控與多維度感知支撐多場景任務部署；

◎ 逐際動力 LimX VGM 不依賴真機樣本，通過視頻數據訓練具身認知模型；

◎ 模塊化與平臺化戰略則用于提升機器人模型跨任務、跨平臺的遷移效率。

小結

從眾擎、千尋到逐際，人形機器人正在從“具形態”走向“具智能”的階段躍遷，核心競爭不再只是單一指標的技術領先，而是整體系統能否閉環協同。硬件底座提供擬人化物理支撐，Sim2Real打通策略遷移通路，大模型形成決策認知能力，三者缺一不可。

產業層面，京東、寧德時代等企業的投資不僅提供資金，更是未來落地場景、上下游資源的整合加速器。以京東為例，其零售、倉儲與服務場景天然為人形機器人提供了實驗田，這些落地場景又將反哺模型的優化，形成數據-應用-產品的正向循環。

       原文標題 : 人形機器人融資競賽：眾擎、千尋、逐際個有什么優勢？