融了数亿美金的「大晓机器人」，其创始人揭开了具身行业的割裂一面

文｜周鑫雨 编辑｜张雨忻 梳理近半年的成果，大晓机器人董事长、商汤科技联合创始人王晓刚，滔滔不绝聊了10多分钟。 成立于2025年7月，大晓机器人（ACE ROBOTICS）是具身领域姗姗来迟的入局者。但一年来，这位新玩家成了赛道的“卷王”： 在模型侧，大晓新发布的具身大脑——世界模型“开悟（Kairos）3.0”，在4项全球具身智能基准测试中取得SOTA；开源的Kairos 3.0-4B，则率先实现在端侧直接驱动具身智能本体的能力。 △Kairos3.0在4个世界模型生成预测具身智能榜单中取得SOTA。图源：大晓机器人 在数据侧，大晓提出的“以人为中心”环境式采集方案，通过大规模采集人类与真实环境的交互过程，将世界模型训练数据量扩展至100万小时，达到传统真机（人遥控机器人）采集模式的10倍。 还有落地——半年前，大晓的具身大脑模组A1，落地的主要场景，还是从事道路巡检的机器狗；如今，这颗“大脑”已经随着形态各异的机器人，进入了酒店、无人零售店、无人物流仓等多个场景。 △大晓在上海西岸落地的机器狗巡逻方案。图源：大晓机器人 2026年6月15日， 大晓机器人官宣完成天使+轮融资 ——距离上一轮官宣，仅隔了4个月。 这一轮投资方包括达晨财智、深创投、上海科创基金、沐曦股份、盛宇投资、复星锐正、华控基金、临港新片区基金、豫资涨泉等基金，老股东商汤国香资本持续增资，告捷资本担任长期财务顾问。 至此， 2026年以来，大晓的累计融资金额已经达数亿美元。 据《智能涌现》了解，大晓也成了具身领域最快成为独角兽的企业之一。 在单轮融资金额动辄数亿元的具身赛道，不仅是技术竞速，入局玩家的场景圈地之战已然打响： 孵化自清华的“千诀科技”，瞄准的是酒店保洁、商用服务、精密室内作业等实景项目；前华为车BU首席科学家陈亦伦创立的它石智航，聚焦的是线束装配场景。 “具身领域的产业链非常长，很难靠一家企业做完所有的事。”王晓刚告诉《智能涌现》，“所以 在其中怎么撬动更多资源，在整个具身产业链中把握生态位的主导权，是非常关键的。” 然而，在落地过程中，王晓刚感受到的是： 硬件、数据、模型，三者的结合还不够。 在海外，Figure、特斯拉等头部具身企业，都在内部整合硬件研发、数据采集和模型训练，以此提高协同迭代的效率。 在国内，这套闭环尚未形成。王晓刚坦言，受制于技术成熟度和资源投入压力，不少本体公司对场景落地持谨慎态度；上游数据采集标准尚未统一，可直接用于具身模型训练的高质量数据供给不足。与此同时，硬件迭代的周期远长于模型，导致设计很难协同。 找到可规模化的落地场景，以及可深度合作的本体厂商，是当下大晓构建“硬件、数据、模型”闭环的方法论。 在王晓刚的规划中，大晓会先深入广阔的道路巡检和无人物流仓场景，再扩展到更为复杂、安全性要求更高的C端家庭场景。 这样的好处在于，大晓能够先从 B 端场景中收集足够多的场景数据，提升世界模型能力的同时，还可以快速形成可以规模化的解决方案，帮助本体厂商进入场景。 近期，王晓刚和《智能涌现》聊了聊大晓的进展，以及他对具身行业的观察。以下对话略经编辑： 找到可复制的场景 智能涌现： 今年具身和世界模型是一级市场最火的赛道。相较于大晓成立之初，这一轮的融资难度有变化吗？ 王晓刚： 这个时间点融资的好处是，市场有热度、有关注度。 但相对的，企业太多，有时候投资人不清楚每家公司的价值点在哪里。所以我们需要付出更多的解释成本，帮投资人梳理清楚我们的发展路径、技术思路。 智能涌现： 大晓是2025年7月成立的。当时你会觉得大晓入局具身赛道晚了吗？ 王晓刚： 我们选择这个时间点入局，是因为看到了具身大脑研究范式的变化： 原来的主流的VLA（视觉-语言-行动）范式存在局限性，缺少对物理世界的结构化理解。世界模型恰好可以解决这个问题。 所以在当时入局，我们有可能实现弯道超车。 而且在技术还不成熟的阶段，此前大家在探索技术范式，尤其是具身大脑的过程中，浪费了很多数据、模型训练、人力等资源。所以我们在去年入局可以少走弯路，反而有后发优势。 智能涌现： 相对而言，晚入局竞争会更激烈。 王晓刚： 具身领域的产业链非常长，很难靠一家企业做完所有的事。所以 在其中怎么撬动更多资源，在整个具身产业链中把握生态位的主导权，是非常关键的。 去年大晓成立之前，我们和很多具身企业进行了访谈。我发现，当时具身企业普遍对进入场景，抱有谨慎的态度。 但场景在具身的发展中起到了关键作用。具身领域是按场景划分的，只要在一个场景中进行了闭环的验证，就很容易进行全球的规模化的复制。在规模化的复制过程中，就能让数据采集的体量、硬件的规模提升几个数量级。 智能涌现： 为什么具身公司不太愿意进入场景？ 王晓刚： 一方面，技术成熟度还不高。另一方面，解决场景中的问题，涉及到大量的数据采集、研发等资源投入。加之目前很多新兴的具身公司，本身对行业和场景的理解都不够深刻。 所以很多公司的态度是：先融钱，等待一个行业成熟的时机点，再去跟上。但等时机点出现的时候，先机已经被别人占走了。 智能涌现： 在技术不成熟的阶段，你们是怎么和场景中的头部客户谈的？ 王晓刚： 找到技术的边界很重要。我们要根据技术、软硬件的成熟度，把现实的边界找到。 如果进入To C场景，比如L4阶段的自动驾驶，我的技术就不能有边界。但是进入To B场景，加上各种可控条件，技术是可以落地的。 我们还得判断：哪些场景是可以直接被解决的，哪些场景通过一些手段可以解决。此外， 这些场景的解决方案还得具有可复制性。 如果你找到的场景不具备可复制性，你做完这个，下一个还得定制化，这其实不是一个很好的选择。 智能涌现： 怎么判断一个场景具不具备可复制性？ 王晓刚： 举个例子，我们优先深入的是零售、仓储这些场景，因为他们的业务体系和需求，全国都是可以复制的。再比如酒店也是一个可复制的场景，全国有很多酒店，我们交付的都是同一套巡检、导航机器人和机器狗。 智能涌现：这些场景的竞争会更激烈吗？ 王晓刚： 虽然大家都瞄准了这几个场景，但很多企业走得不深。这样的后果就是，你的成本无法控制、无法边际递减。 你可以做个demo炫技，但它不具备规模化的前提条件。 智能涌现： 怎样的落地模式才算得上“深入”场景？ 王晓刚： 首先，你需要有紧密合作的生态伙伴。比如，在无人零售的场景中，我们和商汤生态中的公司善惠机器人合作，给他们提供无人零售解决方案。 善惠首先会提出成本、续航、节排等要求。其次，在具体的复杂场景中，他们会给很多技术的反馈。这些要求和反馈，有助于我们形成数据闭环，在场景中快速迭代。 做完生态合作伙伴的“前期功课”后，我们也能够知道哪些方案是必要的，哪些是可以省却的，或者可以通过其他方案进行弥补。 等方案成熟，我们也能将业务合作拓展到零售相关的其他头部企业，通过规模化把成本降下来。通过这一套打法，目前大晓能够把解决方案的成本降低到行业的1/3。 智能涌现： 之前你提到，大晓落地场景的规划是：道路巡检-无人物流-家庭场景。这个落地顺序背后的考量是什么？ 王晓刚： 一方面，我们考虑的是技术实现的难度。另一方面，我们遵循的还是先To B后To C的策略。因为C端场景规则边界不强，存在很多非结构化的场景。但B端场景