具身智能，找客户难。

但深圳一家机器人公司，却有一批千亿级大厂为之买单。

美的工厂里，机器人分拣，效率是人工3倍；海信生产线中，机器人用于柔性插拔装配，成功率达99.99%。2024年又推出人形机器人，2025年就批量出货超百台，拿下了比亚迪、广汽、中联重科、三一重工、松下、大金、蓝思科技等客户。

这就是跨维智能，通过为制造业客户提供机器人大脑和人形机器人，年收入已突破亿元。

跨维智能创立于2021年，之所以在不到五年就大规模落地，秘密是解决了数据难题。

物理世界的数据天生稀缺，行业大多靠真机采集数据，效率低还复用难。跨维智能创始人贾奎带着团队，用计算机模拟物理环境“造数据”，解决了机器人在真实世界中训练数据匮乏的难题。

在跨维智能搭建的虚拟世界里，物体有重量、会碰撞，能无限生成训练数据——今天练分拣圆形零件，明天换方形；今天模拟晴天，明天换阴天，还能故意设置油污干扰。

资本同样看好跨维智能的“数据核武器”。跨维智能已经完成多轮大额融资。刚创立就获得近千万美元天使融资。

2025年年中，又获得数亿元A1&A2轮融资，投资方包括领投方成都科创投、洪泰基金，以及联想创投等一众新老股东。

跨维智能的客户分部在汽车零部件、新能源、3C电子、航空航天、物流、家电、化工、医疗、教育等50多个细分行业。

贾奎是“80后”，山西人，本科毕业于西北工业大学，并在伦敦大学玛丽女王学院获得博士学位。目前，他的另一重身份是香港中文大学（深圳）教授。

最近，铅笔道与多家媒体一道，与贾奎交流，共探机器人新机会。

1、机器人下一个落地场景是什么？

服务机器人。技术将成熟到“好用且不贵”，机器人成本能降到客户18至36个月回本的区间。2027年开始起量，2028年有望迎来爆发，复刻工业机器人当年的发展路径。

2、2026年，哪些领域会爆发？

三维物理世界模型成为行业热点，接近人类自然动作的数据采集设备（如手环、头环）会爆发。

3、乐观看，具身智能的前景有多大？

如果核心数据问题能彻底解决，优秀公司的估值或能达到大模型公司的10倍。

01

2021年创业的时候，“具身智能”概念别说火，行业里都没几个人提。

我们很想搞明白：AI能不能跳出屏幕，从文本、图像这些虚拟数字世界，真正走进生活的三维物理世界？

而AI要在物理世界自主完成任务，必须有载体，就是机器人，这也是具身智能的核心逻辑。

很多人会把具身智能和人形机器人画等号，其实这是个误区。具身智能是“让AI在物理世界做事的能力”，而人形机器人只是这种能力的一种载体。哪怕是一个只有一只“手”的机械臂，只要能靠AI感知环境、自主完成任务，也属于具身智能的范畴。

但无论载体是什么，机器人最终的价值都要落到“劳动力”上：要么比人效率高，要么能做人做不了的事，要么能降低成本。

跨维智能创始人贾奎

工业领域的机器人普及度一直最高——汽车工厂的焊接机器人、3C工厂的组装机器人已存在几十年——但有致命缺点：成本太高且太“死板”。

一套传统工业机器人系统可能要几十万甚至上百万，只有汽车、手机这种大批量生产的行业才用得起；而且它们只能做固定动作，一旦产品型号变更，就得重新编程、调整设备，中小批量生产的工厂根本扛不住这个成本。

而商业场景和家庭场景的问题更突出：机器人渗透率极低。商场里难见真正干活的机器人，家里的扫地机器人本质还是“自动化设备”，不是能自主决策的“智能体”，核心原因是这些场景太复杂、太灵活，传统机器人的“脑子”不够用。

具身智能还不能像人一样，适配不同场景，兼顾智能、通用与低成本，根子在数据——物理世界的数据天生稀缺。

你想让机器人学会分拣零件，互联网上找不到“零件重量+抓取力度+环境光照变化”的组合数据；想让它学会插拔电线，也没有现成的“力觉反馈+插拔角度+电线材质”的数据集。这些数据是三维的、多模态的，还和具体场景强绑定，根本没法像爬取文本那样批量获取。

既然真实数据不够，能不能用计算机模拟物理环境“造数据”？这就是生成式仿真的雏形。当时这个想法很超前，行业里大多还在靠真机采集数据，我们却开始琢磨怎么构建虚拟物理环境，生成机器人需要的训练数据。

大模型让AI的“理解能力”上了一个台阶，但数据瓶颈仍未突破。很多同行的尝试都走不通：真机遥操作采集数据效率太低，百万条模型训练数据需要大量人工，且不同场景的数据无法复用；视频生成技术只能提供二维表象，缺了物理机理支撑，模型到真实场景里很容易“翻车”。

我们的解决方案是在计算机里搭建一个遵循真实物理规律的“虚拟世界”（这个虚拟世界名字叫GS-World），物体有重量、会下落、碰撞会反弹，甚至摩擦力、重力、阻力都能精确模拟。

在这个虚拟世界里，我们能无限量生成训练数据：今天让机器人练分拣圆形零件，明天可换成方形；今天模拟晴天光照，明天能换成阴天；甚至能故意设置干扰，比如让零件沾油污，看机器人怎么调整策略。

之后，我们通过微调模型，把仿真训练的“能力”转化为落地“技能”。目前已有多个行业案例：

美的工厂的无序零件分拣机器人，效率是人工的3倍；海信生产线的柔性插拔装配机器人，成功率达99.9%，这些都是过去只能靠熟练工人完成的任务。

02

2021年公司运营后，我们将业务分为两大板块，核心都是“把具身智能转化为商业价值”：

在泛智能制造领域，我们定位“卖机器人大脑”——提供操作大脑和纯视觉传感器，适配ABB、库卡等国内外主流机器人本体，不用替换现有设备就能实现柔性生产。客户涵盖美的、海尔、海信、广汽、比亚迪、松下、蓝思等头部企业，集中在汽车零部件、3C、家电、新能源行业。2023-2024年，这块业务年增速至少翻倍。

商业服务板块则走“大脑+本体”的全栈路线。因为商业场景没有现成的机器人载体，我们2024年发布DexForce W1系列人形机器人，定位“通用灵巧作业平台”。

它的上肢有7个自由度，能做出和人手类似的灵活动作，搭配GS-World训练的模型，可完成冲咖啡、取餐、扫码支付、导引讲解等复杂任务。目前已与头部文旅运营商、连锁咖啡品牌深度合作。2025年8月开始批量出货，出货量已超百台。

我预判2026年是商业服务机器人的元年——届时技术将成熟到“好用且不贵”，机器人成本能降到客户18-36个月回本的区间。2027年开始起量，2028年有望迎来爆发，复刻工业机器人当年的发展路径。

我一直认为，具身智能行业要发展，必须解决“数据平权”。此次更是将GS-World的核心底座EmbodiChain直接开源，让大家可以自己去生产数据，训练模型，不怕技术抄袭，是因为我们的核心竞争力在物理建模算法和工程化落地能力，且行业需要更多参与者一起做大“蛋糕”。

“AI定义本体”是我们的特色：把机器人构型、关节参数建模成图结构，AI可根据任务目标（如“最低成本实现最高抓取率”）优化设计，我们的人形机器人本体就大量采用这种方案，比传统设计更灵活、成本更低。

机器大脑在虚拟世界中学习咖啡机操作

过去一年，行业虽有泡沫，但进步实实在在：模型泛化能力更强、机器人成本更低、核心零部件供应链更成熟，尤其是以深圳为代表的中国硬件供应链，在响应速度和成本控制上优势明显。

我判断2026年将有两大趋势：

1、三维物理世界模型成为行业热点，

2、接近人类自然动作的数据采集设备（如手环、头环）会爆发。

工业仿真技术已成熟几十年，精度完全满足需求；所谓差距是所有数据的共性问题，我们通过生成极端场景数据扩大数据分布，让模型见过足够多的“意外”，到了真实场景自然能应对自如。我们的商业模式核心是“卖能力”，交付给客户的是“不用管就能干活的劳动力”，而非单纯的数据或产品。

如果具身智能的核心数据问题彻底解决，优秀公司的估值或能达到大模型公司的10倍——因为具身智能作用于物理世界，能直接带动实体经济，提升工厂效率、降低服务成本、改善家庭生活。