宁德时代领投银河通用,刷新具身智能赛道单笔融资纪录
6月23日宣布,银河通用宣布正式完成由宁德时代领投的11亿元人民币新一轮融资。据悉,这也是迄今为止国内具身智能领域单笔最大融资,本轮融资汇聚了宁德时代上市公司战投、溥泉资本(CATL Capital)、国家开发银行国开科创、北京机器人产业基金、纪源资本等顶级投资方。业内人士分析,本轮获得宁德时代投资,为银河通用具身智能大模型在工业领域的技术落地与规模化应用提供关键支撑。
本文引用地址:https://www.eepw.com.cn/article/202506/471597.htm什么是银河通用?
银河通用成立于2023年5月,是国内具身智能赛道的头部项目之一,与宇树科技、智元机器人等,并列位居国内具身智能赛道的第一梯队。2024年6月,银河通用发布了首款具身大模型机器人Galbot G1,G1采用了“双臂+折叠+轮式底盘”的躯体结构,而非双足形态,更加侧重于上肢的操作能力。
北京大学助理教授、银河通用创始人兼首席技术官王鹤是银河通用的灵魂人物之一:2014年毕业于清华大学电子系,2021年获得斯坦福大学博士学位,随后加入北京大学,开展具身智能领域的研究;2023年5月,王鹤与师从北航机器人研究所王田苗教授、曾就职于ABB集团上海机器人研发中心的姚腾洲联手,在北京共同创立银河通用。
在其他竞品公司热衷于打造人形机器人,追求类人形态时,王鹤强调在当前技术条件下双足行走功能不仅成本高昂,而且在多数应用场景中并非刚需,反而会增加机器人的能耗与复杂性,具身智能机器人的功能点仍应聚焦在“机械臂”上。基于这一判断,银河通用的首款产品Galbot采用了独特的可折叠单腿+轮式底盘设计。
王鹤表示,在零售前置仓和车企SPS(分拣配料系统)等高频场景中,“抓—放—移动”式作业需求极为庞大,仅工业分拣一项,潜在出货量就可达数十万台。全球工业机器人年产值约1000亿美元、出货量也不过数十万台。如果移动取放机器人在这些场景全面落地,其市场规模有望与传统工业机器人比肩甚至超越。
2024年6月和11月,银河通用曾分别宣布超7亿元的天使轮融资和5亿元战略轮融资。截至目前,银河通用累计融资金额已超过24亿元。银河通用尚未披露具体销量与出货数据,但其人形机器人已在若干实际场景投入使用,包括智慧药房的盘点、补货、打包,汽车工厂中的搬运、装载与分拣,以及公共服务场景中的迎宾与讲解任务。据称,Galbot已进入奔驰、极氪等工厂试点应用。
除了融资规模大、宁德时代和跟投阵容豪华等之外,值得关注的是,银河通用与宇树科技之间的技术结合:银河通用的模型、具身智能技术,与宇树的硬件和运动控制可以有效结合。随着宇树科技股改并且完成C轮融资后,行业非常关注银河通用与宇树之间进一步密切合作。
王鹤在今年智源大会上透露,北大、银河通用、多伦多大学和智源研究院联合研发的通用四足全身抓取框架QuadWBG,可以在宇树的Unitree B1上应用,将四足与机械臂结合进行全身强化学习工作,提升机器人在多自由度基座下的全身操作泛化能力;OpenWBT也已经在宇树人形机器人产品上进行测试,实现人形机器人的全身控制。
具身智能机器人赛道火热
2025年上半年,具身智能机器人赛道的融资热潮可谓一波接一波。宇树在今年2月完成了B2轮融资,融资近10亿元,近期又完成了约7亿元的C轮融资;智元机器人在今年3月份完成B轮融资,5月份又获B+轮融资,具体金额未披露;星海图在4月份宣布完成A2、A3轮融资,总融资额超3亿元。
具身智能企业竞争激烈的中国市场在全球也独一无二,相关数据显示,截至2025年4月,中国具身智能相关专利申请量达21.99万件,占全球26.45%居第一位,在摩根士丹利全球人形机器人产业链百强名单中,中国公司占了56%。
值得注意的是,制造类公司密集布局人形机器人产业链,本质上是智能设备制造业技术积淀的跨场景迁移。我国发展人形机器人的最大优势,正是成熟的产业链,而人形机器人40%至50%的供应链与新能源汽车重合,30%至40%的供应链跟原来的3C消费电子重合。摩根士丹利中国首席经济学家邢自强同样表示,中国在上下游产业链的集聚优势极大地降低了机器人制造成本。
随着硬件成本下降与具身智能相关技术迭代,具备制造力和产业链优势的中国具身智能企业们,有望重塑未来全球机器人产业格局。就目前来看,单纯秀机器人某项演示技能的日子已经过去,寻找高价值落地场景,替代繁复的劳动和人工成本将成为具身智能赛道接下来的一堂必修课,也是企业市场突围的关键路径。
不过,从“炫技”到“进厂”,当前机器人行业最大的问题是训练数据缺失,具身大模型可能需要数百亿条数据才能通用和泛化,但当前没那么多高质量数据。银河通用在业内开创性的采用仿真合成动作数据集做预训练,真实数据做后训练的技术范式,推出基于十亿级仿真合成动作数据预训练的端到端具身大模型GraspVLA,该模型实现了全球首个仅靠预训练即可实现零样本(Zero-Shot)泛化能力。
评论