作者 | 鉛筆道 松格

宇樹科技和智元機器人爭奪春晚門票時，有人卻在默默刷新行業融資紀錄。

銀河通用宣布，完成超過3億美元（約合人民幣21億元）C輪融資。

3億美元，刷新了通用智能機器人領域的單輪融資紀錄。至此，銀河通用累計融資接近8億美元，最新估值升至30億美元，成為國內估值最高的通用智能機器人初創公司。

銀河通用成立只有兩年多，到現在只發布過一款產品——輪式雙臂機器人 Galbot G1。Galbot G1 沒有雙足，不追求全場景覆蓋，也不講“類人智能”的故事。它干的活很具體：在智慧藥店里揀藥，在寧德時代、豐田的工廠里反復搬運物料。

銀河通用選的是一條不太性感、但能立刻獲取收入的路——用機器人，替代 B 端場景里的重復性勞動。

- 01 -

銀河通用由現任北京大學前沿計算研究中心助理教授、博士生導師的王鶴發起，另一位聯合創始人是姚騰洲。

王鶴生于1992年，在北京十一學校度過六年中學時光。高中通過物理競賽保送到清華大學，“本科期間主要研究半導體物理器件”，2014年在微納電子學系獲得工學學士學位。

從清華畢業后，王鶴前往美國斯坦福大學深造。王鶴師從著名算法專家、計算機系幾何計算組主任吉巴斯教授（Leonidas J. Guibas）。吉巴斯在計算幾何、幾何建模、計算機圖形學、計算機視覺、傳感器網絡、機器人以及離散算法等領域都有極高造詣。

在讀博期間，王鶴將“物理交互”定為研究方向，研究面向物理交互的物體感知，“把更多的時間精力用在了三維視覺研究方面，想讓機器人具備泛化的物體感知能力，對于陌生（未經數據標注）的物體也能實現精準位姿識別和抓取等操作”。物理交互的智能就是今天火熱的具身智能。

2021年，王鶴在斯坦福大學電子工程系獲得博士學位，并回北京大學任教，擔任前沿計算研究中心助理教授，博士生導師。王鶴還兼任北京智源人工智能研究院具身智能研究中心主任。

姚騰洲畢業于北京航空航天大學，師從著名機器人專家王田苗教授。在與王鶴合作創業之前，姚騰洲曾在ABB集團上海機器人研發中心和ROOBO機器人研發部擔任要職，負責 Pudding、Jelly 等多個系列機器人產品的研發。

2023 年，Google 發布了 PaLM-E 模型。它把語言、視覺和機器人操作放進同一個模型體系里，讓機器人不再只是“被編程執行動作”，而是能夠理解環境，再決定怎么動手。這意味著：大模型開始真正進入機器人領域。

王鶴注意到了這個變化。此前，機器人行業的邊界很清楚：工業機械臂負責固定工序，服務機器人只完成少數預設功能。但現實場景里，并不存在這么清晰的分工。倉庫、門店、工廠更需要的是一種能聽指令、看環境、完成任務的機器人，而不是更多“只能做一件事”的設備。

在他看來，一旦大模型補上理解能力，通用機器人的可行性就不再只是技術討論，而是時間問題。2023年，王鶴與姚騰洲創辦銀河通用。

2024年6月，銀河通用完成7億元天使輪融資，創下當年賽道天使輪融資紀錄，產品輪式雙臂機器人Galbot G1正式亮相。銀河通用和美團合作，Galbot G1在美團24小時智慧藥房試用，可以完成藥品上架、取送等任務。

輪式雙臂機器人Galbot G1

如今，銀河通用已在北京、深圳、蘇州、香港設立研發中心，與北京大學等機構成立聯合實驗室。

- 02 -

機器人市場規模已經不小。

預計到 2025 年，中國通用智能機器人市場規模將達到 320 億美元。本土品牌整體市占率約為 30%，頭部份額主要集中在埃斯頓、新松等企業手中；國際機器人“四大家族”仍占據超過一半的市場。

放眼全球，空間更大。麥肯錫在《全球機器人產業展望 2050》中預測，到 2050 年，全球通用智能機器人市場規模有望突破 1 萬億美元，約相當于當前全球汽車市場規模的三分之一。

但現實與預期之間，仍有不少障礙。一方面，通用人工智能與機械結構的融合還不充分，機器人在復雜環境中的操作精度有限；另一方面，核心零部件依賴進口，成本難以下降。此外，不同行業、不同場景的需求差異較大，也提高了“一套方案通吃”的難度。

在這樣的背景下，頭部公司的分化開始顯現。在國內具身智能第一梯隊中，銀河通用機器人、宇樹科技、智元機器人同屬領先陣營，但三家公司對“通用機器人的核心能力”理解不同，走出的技術路徑也不一樣。

銀河通用選擇以具身大模型作為驅動，產品形態是輪式雙臂機器人，重點切入智慧藥店、工業制造等 B 端場景，強調可復制、可規�；�的行業解決方案。

宇樹科技則以硬件自研和運動控制見長，主打雙足人形機器人和機器狗，通過性價比和量產能力鋪開市場，主要客戶集中在高校、科研機構以及工業巡檢等場景。

智元機器人走的是另一條路：全棧自研、全場景覆蓋。其產品橫跨工業、商用服務和消費級市場，一邊做硬件，一邊搭建生態，希望通過多場景適配形成協同效應。

銀河通用、宇樹機器人、智元機器人核心差異簡表

一個容易被忽略的細節是，盡管宇樹和智元機器人的公眾知名度更高，但在資本進展上，銀河通用走得更快。

成立僅一年半，銀河通用就完成了超過 40 億元人民幣的融資，最新估值達到 30 億美元，已經超過宇樹約 120 億元、智元約 150 億元的估值水平，成為目前國內估值最高的具身智能公司。而在此期間，銀河通用只發布過一款本體產品——Galbot。

這款機器人的工作內容也很單一：要么在無人藥店里揀藥，要么在寧德時代、豐田的工廠中做搬運作業。沒有擴展到更多形態，也沒有同時覆蓋多個場景。

這組對比拋出一個值得討論的問題：在通用智能機器人早期階段，專注于少數可落地的垂直場景，是否反而更容易跑通商業化路徑？

- 03 -

銀河通用沒有沖向家庭或消費場景。全部精力，都放在藥店、倉庫和工廠里。同時，公司至今只做了一款本體產品，有幾方面考慮。

家庭場景，對現階段的機器人來說，太難了。

每個家庭都不一樣。戶型不同，家具尺寸不同，擺放方式也不同。人的行為很隨機，指令也不標準。更重要的是，普通用戶幾乎無法接受失敗。一次卡頓、一次誤判，就可能被判“不可用”。這意味著，家庭場景對通用能力的要求，其實比工業環境更高。

相比之下，藥店、倉庫和工廠更“講規矩”。

這些地方的動作很多，流程也不簡單。但空間結構穩定，規則清楚，目標明確。對機器人來說，這是一個更友好的起點。銀河通用可以在這些場景中，持續獲得真實、可復用的數據，并建立統一的任務標準。機器人部署得越多，模型修正得越快；客戶越多，系統在相似環境中的表現就越穩定。這種正反饋，在家庭場景里很難形成。

商業邏輯，也在推著公司做同樣的選擇。

企業客戶關心的不是“像不像人”，而是能不能替人干活，能不能省錢。在工廠或倉庫里，機器人可以長期嵌入流程運行。即便出了問題，也能由人工接手。這給了銀河通用空間：用工程和系統設計，彌補模型能力的不足，而不是把成敗完全押在算法本身。

只做一款產品，對成本壓力更小。在具身智能還很早期的階段，多做產品，往往意味著更多麻煩。不同的硬件結構、不同的控制邏輯，會帶來完全不同的數據分布。這對通用模型來說，很難消化。

銀河通用選擇用同一套“身體”，反復干同一類活。目的只有一個：讓數據更干凈，讓模型學得更快。比如在寧德時代的工廠里，機器人每天做同樣的天窗轉運任務。每一次動作，都會變成訓練數據。三個月內，這個任務的成功率，從 85% 提升到 98%。

當系統在真實世界里被反復跑順，通用能力才有可能往更復雜的場景擴展。

本文不構成任何投資建議。

       原文標題 : 北大92后，一把融資21億