通用机器人领域的初创企业逐际动力（LimX Dynamics）近日再度传来融资喜讯，本轮领投方为招商局创投、上汽集团旗下私募股权投资平台尚颀资本，知名投资机构兼老股东峰瑞资本、绿洲资本和明势资本继续重磅加持。加上5月披露的战略融资，逐际动力完成了A轮融资，这一消息引发了业界广泛关注。

这轮融资不仅展现了资本市场对通用人形机器人领域的信心，更凸显了产业巨头对这一前沿技术的战略布局。通过分析融资背景、技术创新和产业化前景，我们或许能够洞悉通用人形机器人行业的最新发展趋势、潜在影响以及可能带来的变革。

▍产业巨头入局：融资背后的战略考量

逐际动力在短短两个月内完成的A轮战略融资，不仅获得了六家顶级机构的青睐，更值得关注的是，其中三家领投方来自不同的产业背景，覆盖AI、汽车制造、物流和城市综合服务等多个战略性应用场景。这种融资模式反映出通用人形机器人行业正在发生的几个重要变化。
在产业资本的战略布局方面，招商局创投、上汽集团旗下私募股权投资平台尚颀资本等产业巨头的加入，表明传统产业已经认识到通用人形机器人可能带来的颠覆性影响。这些投资者不仅带来了雄厚的资金支持，更重要的是可以提供丰富的应用场景和行业资源，有助于加速通用人形机器人的商业化进程。
在多元化应用场景的探索方面，从AI到汽车制造，再到物流和城市服务，逐际动力的投资方阵容展现了通用人形机器人潜在的广泛应用前景。这种多元化的场景布局，有助于推动技术在不同领域的验证和迭代，为未来的规模化应用奠定基础。
在技术驱动到场景驱动方面，传统上，机器人行业的投资往往更关注核心技术的突破，但这次融资显示，投资者已经开始重视通用人形机器人在实际场景中的应用潜力。这种转变意味着行业正在从纯粹的技术探索阶段，逐步迈向商业化落地的关键时期。

▍技术突破：从运动智能到通用移动操作能力

在技术层面，逐际动力的发展战略反映了当前通用人形机器人领域的几个关键发展方向：

• 运动智能的基础模型构建
  逐际动力正在推进人形机器人运动智能的基础模型（Foundation Model for Humanoid Motion Intelligence）的建立。这一模型的构建涉及多个关键环节：

多源数据融合：结合互联网视频数据、人类动捕数据和仿真数据，构建丰富的人类运动控制数据集。这种多源数据的融合，不仅扩大了训练数据的规模，更重要的是提高了数据的多样性和代表性，有助于模型学习到更加普适的运动规律。

大规模预训练：通过对海量数据进行预训练，提升算法的基础运动理解能力、生成能力和多场景泛化能力。

Real2Sim2Real闭环：利用仿真与现实结合的方法，提高强化学习的效率和质量，缩小虚拟环境训练和实际应用之间的差距。这种方法不仅可以降低实物测试的成本和风险，还能加速算法的迭代优化。

这种基于大数据和AI的技术路线，与当前AI领域的主流发展趋势高度一致。就像GPT系列模型在自然语言处理领域带来的革命性变化一样，运动智能的基础模型有望使人形机器人从简单的"模仿"人类动作，跃升到"理解"运动原理的高度，从而在复杂多变的环境中展现出更高的适应性和创造性。

• 全身运动控制与移动操作能力的统一

逐际动力的CL-1人形机器人拥有双臂和双腿结构，目标是实现通用移动操作能力。逐际动力强调，人形是其产品的终极形态，通过预训练打造基础能力，然后在特定场景进行微调，强调数据驱动和端到端的训练方式。

这种通用的移动操作能力，不仅提高了机器人的灵活性和适应性，还为未来实现复杂的操作任务奠定了基础。例如，在多地形的作业场景中，机器人需要同时具备稳定的行走能力和精准的操作能力，才能有效地执行任务。

• AI与制造能力的融合

人形机器人实质上是"具有硬件载体的AI"。AI决定了机器人的泛化性，而制造实现了产品的可靠性，从而实现人形机器人核心的能力——可靠的通用性。逐际动力强调AI能力和制造能力齐头并进，缺一不可。这种策略有助于确保技术创新能够快速转化为可靠的产品。而逐际动力也是国内为数不多的算法能力强，又能自研硬件的初创团队。

这也预示了未来的人形机器人可能不再是简单的机械结构加上控制软件，而是一个高度集成的智能系统，其中AI算法和物理结构将深度融合，互相适配，共同进化。

• 空间智能与运动智能的结合

逐际动力在业界率先将空间智能和运动智能在人形机器人上结合起来。2023年底，他们发布了基于实时地形感知上楼梯的CL-1人形机器人，并在2024年4月进行了迭代升级，从两步一阶升级为一步一阶。这种结合不仅提升了机器人在复杂环境中的适应能力，也为未来更复杂的任务执行奠定了基础。

从逐际动力公开的视频中可以看到，CL-1人形机器人已经能够实现稳定的楼梯攀爬和跑步动作，充分展示了该公司在全身运动控制和环境适应性方面的技术实力。

空间智能与运动智能的结合，可以理解为机器人同时具备了"眼睛"和"肢体"的协调能力。这种能力在人类看来再平常不过，但对机器人来说却是一个巨大的挑战。它需要实时处理大量的视觉信息，理解环境的几何结构和物理特性，并将这些信息转化为精确的运动控制指令。这项技术的突破，标志着人形机器人向真正的"智能体"迈出了关键一步。