再次刷新具身智能单轮融资金额，银河通用拿下 25 亿融资

具身智能融资进入「重装时代」。

作者｜Li Yuan

编辑｜靖宇

3 月 2 日，极客公园获悉，银河通用机器人宣布完成 25 亿元新一轮融资，投资方包括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、福建产投等及多家老股东继续追加投资。

根据上一轮信息，银河通用机器人估值已超 30 亿美元，已是国内估值最高的具身智能公司。

进入 2026 年，前两个月已有多家企业完成融资，不少具身智能公司也已迈入百亿估值梯队：包括宇树科技、刚拿到 20 亿融资的千寻、以及刚拿到 10 亿融资的智平方等。即便在这样的热度之下，银河通用这轮融资规模依然格外醒目——单轮融资达到 25 亿元，刷新了自己保持的单轮融资额记录。

银河通用成立于 2023 年，是国内较早一批成立就是以「具身大脑」研究为核心的公司之一。

在同类「具身智能大脑」路线公司中，银河通用最明确的两个标签是：更系统地使用仿真数据训练具身大脑，以及产品落地推进速度较快。

场景化落地推进得快，可能正是它获得本轮融资的一大助力。

值得注意的是，本轮融资方中出现了国家人工智能产业投资基金等多家国有资本。

近期，具身智能赛道的融资里，国资频繁现身；而银河通用这一轮尤为典型，某种程度上也意味着融资正在进入更「重」的阶段——不仅拼钱，也拼产业资源与落地协同。对融资能力较弱的公司而言，后续竞争压力只会更大。

数据采集方式，是银河通用最有辨识度的标签之一。

具身智能行业里更常见的路径，是依赖真机采集数据；最近也出现了以人类视频数据为核心的新流派。无论哪一种，最终都绕不开长期、重人力的数据采集与标注成本，把仿真数据作为一种辅助。

而银河通用则押注在「以合成仿真数据为主、真机数据为辅」的路线上。

创始人王鹤毕业于斯坦福大学，师从计算机视觉学者 Leonidas J. Guibas，在仿真数据与相关方法上积累多年，因此很早就开始强调「仿真数据管线」，并把它当作能力底座来建设。

公司随后搭建了名为「银河星坊」（AstraSynth）的数据基建，银河通用称之为全球规模最大的百亿级具身智能数据集。先在高精度物理仿真环境里生成海量、多样化的场景与边界条件，让机器人在虚拟世界里把「极端情况」尽可能跑一遍，再用少量真机数据做现实对齐与实战打磨。

在更具体、也更「难而有用」的能力上，透明/高反光物体的抓取被外界视为银河通用的强项之一：团队通过仿真合成数据训练，让机器人能够补全深度相机在透明物体上容易缺失的几何信息，从而实现对透明水瓶等物体的稳定抓取。

这不仅在今年的春晚舞台上展现，在应用端，也直接对应到其零售类项目中「卖水、卖饮料」等高频 SKU 的交付需求。

在模型能力上，银河通用打造了全球首个集成「大脑-小脑-神经控制」于一模的全身全手端到端大模型——「银河星脑 AstraBrain」。。

银河通用的早期方案更接近行业常见的多模型拼接：2D/3D 视觉、动作生成、避障等模块各司其职，看上去分工明确，但一旦进入真实场景——货品密集摆放、随机移位倾倒、SKU 频繁变化、出现未见过的陌生物体——系统往往会在模块接口处暴露短板：前一环的误差会向后层层传递，多模型之间的对齐与通信也不可避免带来响应滞后，最终影响稳定性与可复制交付。

目前的 VLA 主模型为核心的端到端方案中，团队把「从收到指令到完成动作」的核心闭环尽可能收拢在一个模型里完成，以减少信息割裂与系统调参成本，并提升跨物体、跨场景的迁移能力。

这一能力的养成历经四重修炼：首先通过少量人类示范，让机器人理解任务意图而非机械复刻动作；随后将其投入高精度仿真的虚拟世界，在海量随机场景的合成数据中掌握泛化精髓；再引入强化学习机制，让机器人在自我博弈的亿万次试错中「悟」出超越人类示范的最优路径；最后通过真实世界的少量见习微调，彻底打通虚拟与现实的隔阂。

这套以 VLA 为核心的端到端模型/系统，银河通用称为「银河星脑」（AstraBrain），能在同一套模型框架内尽可能打通任务规划（「大脑」）、运动控制（「小脑」）与更细粒度的执行控制，避免分模块的控制导致各模块之间存在信息损耗、对接困难，泛化能力弱。

银河通用认为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，才能让机器人的动作像人一样流畅、精准。

在马年春晚中，由「银河星脑」驱动的银河通用的机器人，就展示了这套模型的能力。

与其他家展示舞蹈或者运动控制能力不同，银河通用机器人「小盖」进行了一系列操作：从精细地盘核桃、捡玻璃碎片、货架取物，到生活化的叠衣服、串烤肠，动作灵巧且自然拟人。

这也是春晚中，仅有的一个展示机器人的手究竟能干什么，机器人究竟能干什么活的节目。

出圈的「盘核桃」，用的是外采的 Sharpa 灵巧手硬件，配合银河通用的「银河星脑」（AstraBrain）。它很好地体现了灵巧手与具身算法的协同关系：灵巧手决定了手指自由度、关节行程、可施加力矩与传感配置等「物理能力下限」，但这双手能不能真正「用起来、用稳、用得灵活」，关键仍取决于具身模型与控制算法。

AstraBrain 的价值正在于把「大脑」（任务理解与规划）和「小脑」（运动控制与反馈修正）协同起来，把灵巧手的能力上限尽量释放出来。更具体地说，模型负责把视觉与指令转成可执行的动作意图——比如抓取点、接触策略、动作序列；控制系统则通过高频闭环，把这些意图落实到手指的每一次微调上，并在扰动出现时及时补偿与修正。

这里的看点不只是灵巧手本身，而是这些任务往往要求全身动作与全手操作同步配合——比如在串烤肠的动作中，体现了双手协作与工具使用的双重突破。

这也是当下很多公司共同面对的难点：灵巧手本身自由度很高，硬件越「灵巧」，控制就越复杂；而一旦把问题扩大到「全身全手」，难度会进一步上升——不仅要控手，还要控臂、控姿态、控移动与接触过程。想要把它稳定驱动起来，需要长时间的系统调校、数据与控制策略的配合。

随着「灵巧手到底能做什么」成为各家公司都在争夺的能力高地，全身全手端到端能力如何整合，也将成为下一阶段具身「大脑」公司竞争的关键之一。

相比不少还停留在演示阶段的团队，银河通用更早把重心放在「能交付、能复制」的落地路径上。

这与其不必等待漫长的真实数据积累的仿真数据路线也有关系。而其硬件路线也服务于这一目标：银河通用采用「双足+轮式」的方案。本质上是都是在用更确定的工程路径，换取更快进入真实场景、尽早跑通应用闭环。

仿真数据有仿真的局限——它更擅长抓取、移动、放置等任务，对于柔性物体的操作，则显不足。因此至少在现阶段、以规模化交付为目标的落地上，银河通用的场景选择更多围绕抓取、移动、放置等任务展开。

不过，对银河通用来说，仿真在当下的局限并不是问题。

王鹤在多个场合强调，抓取、移动、放置这类能力对工厂而言是明确且长期的刚需，而依靠仿真数据，至少在这一类任务上已经能够支撑较好的交付。更关键的是，一旦有企业把这件事做到「足够智能、足够稳定、并且能规模化交付」，订单就可能被少数真正能落地、能交付的玩家快速锁定——需求体量本来就足够大，但能把交付跑通的公司不会太多。

相比之下，面向家庭的「通用机器人」在复杂度、成本与可靠性上的约束更强，本来就不是短期内能快速解决的方向。通用具身智能要「沿途下蛋」，往往还是得先在更可规模化的环节跑通闭环。

除了前文提到的零售场景解决方案，在工业侧，银河通用也在密集推进中。

2026 年 1 月 5 日，银河通用正式发布具身智能重载机器人 Galbot S1；目前，这款机器人已在宁德时代工厂产线中实现行业唯一落地应用，真正做到了零遥操、全自主，持续在真实生产环境中承担作业任务。去年年末，银河通用还与精密制造领域龙头企业百达精工签署战略合作，双方计划在百达精工及其生态体系内部署超过 1000 台银河通用具身智能机器人。

除此之外，银河通用还在文旅新消费等场景继续扩张，以「长时间、不中断运营」的方式验证系统稳定性，并在医疗康养等场景与多家头部医院合作探索，尝试把具身能力嵌入更复杂的服务流程中。

随着本轮融资引入多家产业与战略投资方，银河通用也有机会把应用进一步延伸到能源、制造、商业地产等更重的产业场景里——这些场景往往更看重交付、运维与规模化复制能力。