逐际动力获2亿Pre-IPO融资 70%海外资本支持150亿估值港股

国内通用人形机器人赛道又诞生一家明确冲刺上市的百亿级企业。通用人形机器人公司逐际动力近期宣布完成Pre-IPO轮融资，融资金额达2亿美元（约合人民币14亿元），投后估值达到150亿元人民币。

本轮融资的投资方阵容覆盖多区域资本，既有IDG资本、全球AI硬件智造龙头蓝思科技、合肥滨湖产发集团等国内机构，也包含泛欧洲多元化产业与投资集团GGG Group、Redstone VC、硅谷华山资本等海外资本，其中海外资金占本次融资总额的70%。老股东也持续加码：阿联酋磊石资本连续多轮重仓追投，绿洲资本、基石资本、南山战新投、尚颀资本、蔚来资本等均在本轮超额加注。据逐际动力统计，过去半年公司累计完成融资总额已达4亿美元。

一年前，逐际动力创始人兼CEO张巍曾表示自己并非追求快速融资的创业者，如今公司主动披露融资进度并筹备上市，他却认为自身的发展理念并未改变。相较于融资速度，公司更看重技术实力，本轮融资规模在同行中也属于相对克制的水平，但这并不代表他不重视资本。

张巍坦言，2026年将是具身智能场景落地的元年，行业发展自然需要充足的资金支撑。他将企业发展所需的资金比作“子弹”，没有足够的弹药就无法在赛道中参与竞争。同时他也提醒外界，应当将资金和估值分开看待，核心原则是“钱要长融，小动作少搞”。他直言，那种为了拉高估值而不断上调短期营收目标的行为，本质上是违背商业逻辑的“毒药”。他多次向投资人提出，不要追求过高的估值，让所有支持企业的参与者都能获得合理收益，才是融资的唯一标准。

本轮融资启动后，张巍团队同步对投资方进行双向筛选，逐际动力过往所有融资都未设置营收、交付规模相关的业绩对赌。他认为，资本和创业者的合作就像“相亲”，需要彼此匹配、双向选择。

针对本次融资中近七成资金来自海外的安排，张巍表示海外市场是公司当前发展的重中之重，全球化布局是企业构建差异化竞争优势的关键。目前公司的机器人产品已经获得数千台订单，其中过半来自海外市场。今年5月，全尺寸交互人形机器人LimX Luna仅用不到一个月就完成了国内及海外市场的交付；新一代多形态具身机器人TRON 2也收获了大量海内外订单。

本次募集的2亿美元资金，将主要用于大小脑融合技术的产品化落地、数千台全自主人形机器人的批量交付、全球市场渠道建设以及海外制造与交付配套体系的完善，另有部分资金将用于搭建面向全球开发者的开放技术生态。

早在今年3月完成股改时，市场就已经传出逐际动力筹备IPO的猜测，如今融资完成，上市进程也在稳步推进。张巍透露，公司大概率会选择港股上市，以适配全球股东结构和海外业务布局。

他表示，上市并非企业生存的必要条件，但当具身智能行业进入技术成熟和规模化竞争阶段后，上市平台能够为企业提供长期稳定的资本缓冲，帮助抵御行业周期波动。今年以来多家头部机器人企业都传出IPO消息，行业都在关注谁能成为“人形机器人第一股”，但张巍认为这件事并不重要，企业的核心竞争力在于路线是否正确、商业逻辑是否通顺。他也提到，率先上市的企业能够为整个赛道树立清晰的估值锚点，帮助市场形成统一的行业估值认知，收窄一二级市场的定价分歧。无论哪家企业率先上市，对逐际动力的自身定价影响都有限，他反而希望同行能够取得成功，这对整个赛道都是利好。

在人形机器人赛道，逐际动力最被行业熟知的标签是其强大的运控底盘能力。早期对外展示的抗冲击测试、碎石陡坡通行、工地场景行走等高动态演示，曾引发行业广泛关注——机器人在受到外力推搡、撞击后能够在毫秒级恢复平衡，面对复杂非结构化地形也能保持稳定行走，这种高鲁棒性的全身运动能力，在同期几乎没有竞品能够达到同等水平。

但张巍在沟通会上强调，公司并非单一依靠“小脑”技术取胜，核心路线是大小脑融合的技术体系。他首次系统拆解了逐际动力人形机器人大脑系统的三层技术架构，解答了行业争论的“机器人究竟需要什么样的大脑”这一问题。

最底层的系统0，也就是行业常说的“小脑”，是逐际动力自研的全身运动基础模型，负责实时生成动作、维持身体平衡、抵抗外界扰动，这也是公司过去几年最具辨识度的技术能力。中间层的系统1，则是人形VLA视觉语言动作融合层的技能层，负责连接感知与运动，将上层的任务理解转化为机器人可以执行的全身动作指令。最顶层的系统2，则是COSA具身智能体OS，也就是逐际动力定义中的“机器人大脑”，它通过大模型与世界模型完成环境理解、任务推理、自主记忆以及长期规划，负责决定机器人“要做什么”并下达任务指令。

张巍的核心观点是，模型本身并不等于大脑，只是一个个独立的技能，大脑本质是一套统筹所有模型、技能、记忆、感知调度的操作系统，这也是公司强调“大小脑融合”而非单纯追求单一模型能力的原因。

针对当前行业对世界模型的追捧，张巍提出要对“世界模型”去魅，他认为行业存在滥用该概念的情况。世界模型本质上是一种预测环境未来状态的工具，不少所谓的“通用世界模型”仍主要基于视频数据训练，距离支撑机器人在真实非结构化环境中长期自主运行还有明显差距。真正具备行动价值的，是面向机器人决策和执行的World Action Model，前者更多回答“世界会如何变化”，后者则需要回答“机器人采取行动后会发生什么”。

逐际动力也较早探索了基于时序视频数据训练的世界行动模型，希望让机器人不仅能够理解环境，还能预测行动结果。在张巍看来，机器人智能最大的误区，还是将“大脑”和“技能”混为一谈。他举例称，霍金拥有顶尖的思考能力，但并不具备完成劳动操作的技能。对于机器人而言，大脑决定认知和决策能力，而技能则需要大量真实数据进行训练。因此，机器人应该掌握哪些技能，并不只取决于模型的强弱，而是取决于构建该技能产生的商业价值是否大于所需的数据采集成本，这也是逐际动力对机器人商业化路径的核心判断。

行业普遍期待先打造完美的通用模型再进入商业落地，但张巍认为这条路线并不现实，更可行的方式是让机器人具备基础智能后快速进入真实场景，通过不断积累数据逐步扩展技能边界，这类似MOE混合专家架构，机器人未来也可以通过模块化技能不断增强泛化能力。

不过他也坦言，手部操作仍然是当前机器人发展的最大短板。目前机器人的“小脑”能力已经能够支撑导航、巡检、导览等任务，但复杂抓取、整理等操作仍存在明显不足，问题不在于机器人不会思考，而在于手部技能的数据积累不足。他表示，手部相关能力的突破，核心依赖触觉传感器的成熟度以及大规模数据采集能力，目前行业仍处于探索阶段。

当前绝大多数具身赛道的人形机器人演示和交付都依赖人工遥控器或后台远程操控，而逐际动力已经将部署数千台全自主机器人提上日程，目标是“干掉遥控器”。张巍认为，人形机器人真正商业化的分水岭，并不是一次惊艳的运动演示，“能动”只是起点，“能用”才是竞争真正开始的地方。