国家大基金首次“出手”具身智能，银河通用再获25亿融资

 

近日，据接近银河通用的人士称，银河通用机器人已完成25亿元新一轮融资。国家人工智能产业基金（国家大基金三期）、中国石化、中信集团投资控股、中国银行、上汽集团金控、中芯聚源、亦庄国投、未来产业投资、鲲鹏基金、无锡创投、福建产投等，多家老股东继续追加投资。其中，国家大基金系首次出手投资具身智能企业“具身大模型国家队”正式诞生。

 

两个月前的2025年12月19日，银河通用刚宣布一笔超3亿美元（约21亿人民币）融资，由中国移动链长基金领投，中金资本、中科院基金、央视融媒体基金等联合注资，当时已刷新中国具身智能单轮融资纪录。

 

“从上一轮融资到本轮融资，仅间隔两个月，这是典型的超募。”一位接近银河通用的人士称，一级市场对公司的追捧远超预期。

 

本轮融资后，银河通用累计融资额稳居中国具身智能领域首位，继续巩固其作为人形机器人领域估值最高未上市企业的领先地位。

 

银河通用成立于2023年5月，创始人兼首席技术官王鹤是具身智能大模型领域的领军学者，拥有清华本科、斯坦福博士学历，师从美国三院院士Leonidas J. Guibas教授。王鹤在美国毕业后回国创立了中国第一个具身智能实验室。

成立三年，估值行业持续领跑，银河通用凭什么？

 

01 

真机训练效率比特斯拉高1000倍

如果要在当下的中国具身智能赛道找一个最像OpenAI的公司，银河通用或许是最接近的答案，不是因为它追随OpenAI的路径，而是因为它正在定义属于自己的赛道：具身大模型。

 

拆开看，银河通用在围绕具身智能打造全栈能力，包括百亿级数据集构建了数据壁垒，端到端具身大模型通过春晚等极端场景展示了技术领先性，工业与消费场景的规模化落地数据验证了商业化闭环能力，国资与产业资本的密集入局则提供了场景和订单的更多可能性。

 

但理解银河通用的估值，要更多理解具身大模型的价值。

 

当前业界大多将“大脑”（任务规划）、“小脑”（运动控制）及“手部”（灵巧操作）割裂开发，缺乏端到端的统一大模型。大脑、小脑、灵巧手各自为战。模块之间标准不统一，信息需要在多个系统间频繁传递与对齐，不仅增加延迟和算力负担，也放大整体调优的复杂度。更关键的是，高层语义理解在向底层传递过程中逐层衰减，机器人在复杂环境中反应迟缓、泛化受限。

 

银河通用选了另一条路：端到端。春晚亮相的“银河星脑”（AstraBrain）是最新技术成果，这是全球首个集成“大脑-小脑-神经控制”于一模的全身全手端到端大模型，打通从多模态感知到实时反馈控制的全链路。

 

 

端到端的优势在于全局最优，要实现人类级别的灵巧操作，必须打通从高层语义理解到低层电机控制的全链路，实现全身协同与全手精细操作的深度融合。

 

模型在虚拟世界中经历亿万次交互试错，习得的不是特定任务的预设轨迹，而是对物理世界交互规律的深度理解。

但这在2023年是一条少有人走的路。银河通用的策略是“大脑优先、身体务实”，机器人Galbot采用轮式底盘而非死磕双足行走，把研发资源集中在最核心的泛化抓取与推理能力上。

 

在数据上，银河通用同样走了一条非主流路线。行业普遍依赖人力遥操采集真机数据时，银河通用构建了全球规模最大的百亿级具身智能数据集，开创了数据基建“银河星坊”（AstraSynth），首创“以合成仿真数据为主、真机数据为辅”的虚实融合训练范式。在高精度物理仿真环境中生成海量多样化场景，让机器人在虚拟世界遍历各种极端情况，再以极少量真机数据完成实战校准。

 

基于这条路径，银河通用实现了少量样本（Few-Shot）甚至零样本（Zero-Shot）让机器人对新场景“举一反三”的泛化能力。基于这样的技术路径，实现了真机训练效率比特斯拉高1000倍、基于该数据集训练的模型成功率达到 99%，远超全球同类具身智能企业，且是目前全球唯一实现从仿真数据训练到泛化抓取商业化全链条闭环的企业。2025年数博会上，这一合成数据集被国家数据局列为高质量数据集典型案例，成为具身智能领域数据基建的示范样本。

 

在创业初期做出的关键选择，构成了银河通用后来估值登顶的技术底座。

 

02 

春晚，一场国民级的技术验证

 

 

这些选择在2026年春晚得到了一次高强度的公开验证。

 

马年春晚上，银河通用被央视总台指定为“2026年春节联欢晚会指定具身大模型机器人”——干活机器人首次登上春晚舞台。节目中，机器人在沈腾、马丽身边全自主完成盘核桃、捡拾玻璃碎片、货架精准取物、叠衣理物、串制烤肠等任务。官方称所有操作由银河星脑实时决策、自主完成，非预设程序。

 

面对随机摆放的真实物品，春晚变化的舞台灯光，机器人需要对陌生环境实时理解和应变，这恰恰是端到端路线追求的能力。无论是盘核桃时的指尖力度控制，还是叠衣服时对柔性物体的实时形变适应，机器人“见过”的不是特定物品的特定动作，是物理世界的交互规律。

 

03

“真假”具身大模型

在春晚高光背后，具身智能赛道里，“具身大模型”这个词，成为一个代表具身智能最前沿技术趋势的“性感”概念。

 

在大热的具身智能赛道，部分公司将参数规模有限、只能在固定场景完成固定动作的专用模型，对外表述为“具身大模型”。一时间，行业中出现了各种“具身大模型”。

 

但真正意义上的具身大模型，需要满足几个硬条件：跨任务泛化、跨场景迁移、统一架构下的端到端闭环，依托大规模数据训练，并具备持续扩展能力。银河通用的“银河星脑”是业内少有的真正达到大规模训练的具身智能大模型。

 

而那些针对特定场景、特定动作或固定流程优化的工程模型，本质上是“应用层调优”而非“基础模型构建”。两者的差距不是参数量的多少，而是能力范式的根本不同，一个只能在预设环境中完成预设动作的机器人，和一个能在陌生环境中自主决策、灵活操作的机器人，代表的是完全不同的产业价值。

 

类似的情形也存在于“落地阶段”。具身智能进入产业应用阶段后，行业内“真实生产部署”与“展示型应用”共存。

 

所谓真实应用，是机器人进入核心业务流程，承担明确生产职责，稳定性、良率、节拍、故障率等指标达到工业标准，纳入客户验收与持续运营考核。而展示型应用通常发生在可控环境中，任务流程经过预设与排练，未纳入正式生产系统，更接近技术展示或市场传播行为。

 

过去一年行业的核心叙事是“机器人干活儿”。但同时也一直有“机器人被移出工厂”的争议，本质上反映的就是这一问题：如果技术尚未达到工程化稳定水平，仅靠演示和阶段性合作，无法在真实工业体系中长期存活。

 

工业场景不接受噱头，只接受效率、稳定性和成本结构的改善。

 

概念的泛化其实是行业进入洗牌期的信号。当“大模型”和“落地”都可以被包装，真正能拉开差距的，只剩下一件事：机器人到底能不能在产线上稳定干活。

 

04 

进厂干活，才是唯一的检验标准

2026年1月，银河通用发布工业重载机器人Galbot S1，双臂最大负载50公斤，产品达工规级别，已在宁德时代电池工厂的复杂工业场景中实现全自主作业，纳入正式生产节拍体系，经受了真实工况的严苛检验。

据公开报道，这是目前唯一在宁德时代常态化运行的人形机器人，而宁德时代也是银河通用迄今唯一投资的具身智能企业。

 

在马年春晚另一节目《山海寻梦》中，Galbot S1与航天卫星、C919等大国重器同台亮相。

 

 

除宁德时代外，银河通用已与德国博世、丰田汽车、北汽集团、上汽集团等全球制造业龙头建立合作，累计订单达数千台。

 

消费端同样在放量。“银河太空舱”便利店半年落地20余城市超100家，实现全球首个百台级机器人自主运营规模落地；智慧药店覆盖24城近40家，单店管理超5000种SKU；即时零售仓创下全球首个7×24小时不间断运营超一年的行业纪录。

 

在医疗领域，银河通用与宣武医院、华西医院等顶尖三甲医院深度合作，推动机器人在病房、药房、导诊等场景落地。

 

王鹤透露，目前已在让机器人给老人量血压、做认知测试，再逐步过渡到夜间查房。

 

他对节奏的判断是“先B后C”，“工商业先跑1万台，硬件、安全、成本磨到'无感'后，才会真正走进千家万户。乐观估计，10年内会出现家用普及拐点。”

 

05 

资本涌向具身智能头部公司

银河通用并非唯一在密集融资的玩家。2026年开年至今，具身智能资本热度不减反增。据中国信通院数据，截至2025年12月，我国具身智能和机器人领域融资总额达735亿元。

 

钱在涌入，但涌向了越来越少的头部公司。行业正在经历一轮由过度共识引发的估值调整期。市场在等第一批无法实现商业交付的具身智能企业被清退。

 

九合创投王啸在最近一次采访中说，100多家公司最后剩个三五家，90%以上的钱和资源都是牺牲掉的，没办法的事。王啸把这个逻辑讲得更透：“具身智能是硬件加软件的事，软硬件都要强，还得做好场景适配，烧钱周期比纯软件长得多。”

 

银河通用的估值仍然为具身智能赛道最高。在这个时间窗口，拿到钱本身就是一种壁垒。

 

本轮央企、大产业集团的重金大笔投资，也带来了场景层面的战略支持。中国石化的加油站网络、石油化工高危场景及数万家易捷便利店，为银河通用在智慧能源与智能零售领域打开了广阔的应用空间；中信集团坐拥包含高端制造基地、商业地产在内的庞大业态，将为银河通用在智能制造与智慧服务领域提供丰富的落地场景；上汽集团的入股，也标志着上汽集团从汽车整车到零部件、上下游各大场景方均会与银河通用深度整合落地。

 

加上此前已有的中网投、国开行、中国移动产业链基金、中金资本、央视融媒体基金等国家级基金及央企产业资本，银河通用的投资人矩阵在行业内可以说是最厚实的产业资源池。

 

银河通用的筹码是：端到端路线被逐步验证、百亿级数据集构成壁垒、宁德时代等工业场景提供了商业化早期证据、国资产业资本矩阵提供了场景确定性。

 

王鹤说：“三年内要看到1万台人形机器人完全自主干活。”