千寻智能

• 成立：2024 年初，总部杭州；官方“关于我们”写 2024 年 1 月，部分媒体写 2024 年 2 月，按官方口径记录。[确认]
• 创始人兼 CEO 韩峰涛：珞石机器人联合创始人、前 CTO，做工业机器人工程化与商业化出身。[确认]
• 联合创始人、首席科学家高阳：清华大学交叉信息研究院助理教授，UC Berkeley 博士，师从 Pieter Abbeel，研究机器人跨模态交互与具身学习。[确认]
• 联合创始人郑灵茵负责商业化与运营，团队来自 UC Berkeley、CMU、清华、北大、浙大及华为、小米、腾讯等公司。[推测]

• 2024 年 8 月：种子轮 + 天使轮近 2 亿元，弘晖基金领投，达晨创投、千乘资本跟投。[确认]
• 2024 年 11 月：天使+轮数千万元，柏睿资本领投。[确认]
• 2025 年 3 月：Pre-A 轮 5.28 亿元，Prosperity7 Ventures 领投，招商局创投、广发信德、靖亚资本、东方富海、华控基金等参与。[确认]
• 2025 年 7 月：PreA+ 轮近 6 亿元，京东领投，中网投、浙江省科创母基金、华泰紫金、复星锐正等跟投；公开报道累计融资超过 11 亿元。[推测]
• 2026 年后的估值与新一轮融资未以官方文件核实，本文不写具体数字。[未获取]

• Moz1：2025 年 6 月发布，官方称国内首款高性能全身力控人形机器人；26 个自由度（不含灵巧手），自研一体化力控关节、WBC 全身控制，支持零延时遥操作。[确认]
• 形态与规格：第三方资料把它归为轮式人形，约 180 cm、130 kg、10 kg 负载、约 3 小时续航；这些逐项参数未见官方完整规格表，按第三方资料记录。[推测]
• VLA：Spirit v1 / v1.5 系列，强调长程连续任务与跨场景泛化；官方称在 RoboChallenge 基准持续领先，具体榜单与复现条件未独立核验。[推测]
• 商业化：公开报道提到京东 MALL 智慧零售场景，以及与华为、小米、招商局等战略合作；收入、交付量与客户验收数据未公开。[推测]

技术栈总览

千寻智能的栈分四层：模型层是 Spirit 系列 VLA，本体层是 Moz1 的 26 个自由度与一体化力控关节，控制层是 WBC 全身控制，数据层是自研采集设备与遥操作。四层由同一团队定义，模型的动作空间与关节空间对齐，采集设备记录的位姿与力需要落到本体的关节与夹爪上 [推测]。

公司公开的组织原则是软硬件同构。Moz2 的提法是把大脑、本体与数采设备按同一套架构设计，采集端与执行端使用同一套动作表示，映射误差越小，同一段数据的训练价值越高 [推测]。这条原则约束了本体的自由度配置：更换关节构型意味着模型与数据管线要同步重做。

已确认的规格只有自由度与控制方式。Moz1 全身 26 个自由度（不含灵巧手），采用自研一体化力控关节与 WBC 全身控制，支持零延时遥操作 [推测]。整机尺寸、重量、负载与续航只有第三方口径，约 180 厘米、130 公斤、10 公斤负载、3 小时续航，官方没有发布完整规格表 [推测]。控制器算力、训练集群规模与云端服务形态未公开 [未获取]。

感知、定位与环境理解

感知配置围绕操作任务组织。头部相机提供场景视野，腕部相机补抓取近景，关节力矩传感提供接触估计，三者构成视觉加力觉的输入 [推测]。相机型号、数量、视场与深度方案没有公开资料 [未获取]，官方手册与第三方拆解都没有给出清单。

定位与导航按轮式底盘设计。Moz1 是轮式人形，底盘在平整地面移动，位姿估计依赖轮式里程计与视觉特征的组合；工业现场的工位坐标可以由夹具与产线标定提供，机器人只需在工位之间移动 [推测]。越障、上下楼梯与室外工况不在这一代的产品定义里，轮式形态把这些场景排除在外。

环境理解的难点在反光与遮挡。动力电池与金属结构件有镜面反射，深度相机在这些表面会丢失点云；机械臂挡住腕部相机时，插接孔位只能靠头部视角与工位先验推断 [推测]。零售场景的另一组难点是玻璃柜、变化光照与行人遮挡，视觉特征的稳定性低于工业工位。公司没有公开感知基准、失败案例集与跨场景成功率 [未获取]。

可选路径是增加传感冗余。结构光、指尖触觉阵列与工位标记都能提高稳定性，代价是成本、标定工作量与外观约束。千寻的取舍是把力控关节作为主要信息源，用关节力矩补偿视觉的不足 [推测]。这条取舍在固定工位的插接任务上成立，在来料姿态随机的场景里解释力有限。

规划、控制与操作

控制分两层。Spirit 模型以较低频率输出动作序列或目标位姿，WBC 在更高频率上把目标分解到 26 个关节；轮式底盘负责移动，双腿与腰部调节高度和重心，双臂完成操作 [确认]。全身力控让机器人在接触时按力矩响应，插接、拧紧与搬运都依赖这项能力。

长程任务是 Spirit v1.5 对外强调的方向。模型把整理、取放一类指令拆成若干子任务，按当前观测选择下一步，遇到干扰时重新规划；官方称这套能力支持数十秒到数分钟的任务上下文 [推测]（公司口径）。任务分解的粒度、失败后的恢复策略与人工接管比例没有公开数据。

操作边界由形态与末端决定。两指夹爪适合周转箱、零件与工具，精细装配与柔性物操作受末端自由度限制；轮式底盘适合平整地面，越障能力缺失 [推测]。可选路径是固定底座双臂机器人或 AGV 加机械臂，千寻用统一的 VLA 与数采体系换取跨场景复用。

失效模式集中在接触与节拍。工件公差、夹具磨损与来料姿态偏移会让抓取点估计失准；长程任务的误差随步骤累积，一步失败会让后续子任务全部重排；产线节拍要求稳定，机器人的故障恢复时间决定它能否替代固定工位 [推测]。

模型、数据与训练

Spirit v1.5 的结构对外披露到主干与动作头：视觉语言主干接动作生成头，输出关节序列 [推测]。公司强调长程连续任务与跨场景泛化，官方称在 RoboChallenge 基准上持续领先；具体榜单、任务集与复现条件没有经过独立核验 [推测]。

数据按来源分三类：互联网人类视频、自研采集设备记录的第一人称操作数据、遥操作与部署回流数据 [推测]。三类数据的比例、标注规范与筛选判据未公开 [未获取]。公司把数据规模当作路线的前提，公开材料只给出方向性表述，没有小时数、任务数或采集人数的可核数字。

训练方法的判断是多样性优先。千寻认为带有失败、打翻与中断的真实操作，比实验室里的干净演示更适合训练 VLA；这条判断决定了采集现场要允许试错，也决定了质检环节需要识别无效片段 [推测]。质量评估算法的判据与误筛率没有公开。

验证边界在公开基准与现场成功率之间。榜单任务以短程操作为主，与长程家务、工业插接的差距没有量化；训练集是否包含评测任务的近似样本无法排除 [推测]。第三方要复现模型能力，需要自备数据、算力与调参经验，复现成本很高。模型参数量、推理硬件与时延同样没有公开 [未获取]。

硬件、供应链与制造

本体自研集中在一体化力控关节。关节把电机、减速器、编码器、驱动与力传感集成在同一壳体，整机 26 个自由度由这套关节支撑 [确认]。关节的功率密度、寿命、背隙与温升曲线没有公开测试数据 [未获取]，这四项决定整机可靠性与维护成本。

负载自重比是官方口径里最容易被引用的一项。公司称 Moz1 的负载自重比为 1:1，第三方档案记录整机 180 厘米、130 公斤、10 公斤负载，两个口径之间存在差距，官方没有完整规格表解释 [推测]。按 10 公斤负载计算，1:1 需要整机质量压到 10 公斤，与 130 公斤的记录不符，实际数值应以官方后续披露为准。

制造环节的证据最少。公司没有公布自有工厂、产线节拍、整机良率、关节寿命与平均无故障时间 [未获取]；京东 MALL 的零售场景属于试点部署，不构成量产能力 [推测]。轮式底盘省去双足平衡机构，物料成本低于同尺寸双足机型，这项成本差能否转化为报价优势取决于产量。

供应链的关键在关节部件与算力模组。减速器、编码器、无框电机与计算平台的供应商没有公开 [未获取]；自研关节的比例越高，外部依赖越少，试错成本也越集中在自己身上。产线端的测试台架、标定工装与老化设备同样没有公开信息，这三项决定出厂一致性。

软件平台、接口与生态

对外接口的公开信息有限。公司提供面向本体的控制接口与遥操作通道，支持零延时遥操作 [确认]；SDK 的语言绑定、话题命名、实时控制频率与安全接口没有完整文档 [未获取]。

生态策略沿开源与学术合作展开。Spirit 系列的模型叙事吸引了高校与研究机构，团队的高阳在具身学习方向有学术积累，这为联合研究与人才流入提供了入口 [推测]。开源范围、权重许可与商用条款没有公开说明，第三方能否在自有数据上做后训练缺少明确答案。

平台层的缺口在任务级接口与机队管理。客户完成巡检并上报异常这类任务，仍要自己写状态机与异常处理；云端训练、远程运维、OTA 与数据回传的权限方案没有公开 [未获取]。工业客户采购时要看现场总线支持、功能安全等级与节拍同步方式，这三项在公开材料里接近空白。

商业化的公开信息停在场景名称。京东 MALL 的智慧零售场景与华为、小米、招商局的战略合作属于框架层面，收入、交付量与验收数据未公开 [推测]。生态的实际厚度要用复购订单与第三方集成商数量衡量，这两项都还没有出现在公开材料里。

竞争壁垒的来源

1. 规模经济不成立。Moz1 处于小批量阶段，整机产量、物料成本与议价能力都没有公开数字 [未获取]；关节自研降低单件成本，产量不足以摊薄模具、产线与测试台架。
2. 网络效应不成立。客户之间的数据不互通，一台机器人的部署不让另一台更好用；开源模型带来的引用属于声誉，不构成用户之间的相互增强。
3. 转换成本有限。客户换供应商要重新采集数据、重新调试工位，代价真实存在；模型与接口没有形成行业标准，迁移的沉没成本低于工业机器人厂商的封闭控制器。
4. 品牌在资本市场辨识度高，在客户采购中的权重缺少订单验证。
5. 独占资源尚未形成。数据由公司自采，客户现场数据的归属要靠合同约定；公司没有排他许可或标准必要资源，采集设备的设计可以被仿制。
6. 流程能力是目前最有证据的一项。千寻把数据采集做成了有节拍的工序：自研采集设备、按目标组织的采集任务、后端质检与训练排期，这套组织方法依赖现场管理与人员培训，短期难以照搬 [推测]。
7. 反向定位存在。宇树从低价通用本体与科研市场切入，智元与银河通用从工业与商用场景切入，星动纪元从高动态运动切入；三条路线都绕开全身力控加 VLA 的整机成本，用价格、场景或单点能力争取客户。

壁垒目前由流程能力与有限的转换成本支撑，强度中等偏弱；数据规模与模型领先都还没有可核的量化证据，七项力量里只有数据生产流程出现了组织形态。

壁垒的边界与反证

第一条可证伪条件在模型能力的独立复现。观察窗口为 2027 年底之前，指标是第三方在公开基准或自建任务集上的成功率，阈值是与公司口径的差距在十个百分点以内。若独立复现的成功率显著低于官方表述，或榜单分数上升而真实场景成功率停滞，数据规模与性能的因果关系不成立 [推测]。

第二条在客户扩张的速度。观察窗口为 2027 年底之前，指标是复购订单与场景数量，阈值是两个以上客户、每个客户两条以上产线。京东 MALL 的单点部署若停留在试点数量，或合作框架没有转成验收合同，流程能力只能证明单站可交付，不能证明可复制 [推测]。

第三条在硬件经济性。观察窗口为 2027 年，指标是整机可用率与年维护成本，阈值是可用率低于九成，或年维护成本高于一名工人的年薪。若关节更换周期短、标定频繁失效，客户会回到专用自动化设备 [推测]。三条中两条成立，壁垒按项目型集成商估值；三条都不成立，数据与模型的叙事缺少商业落点。

• 直接对手包括宇树、智元、银河通用、星动纪元、Figure AI、Tesla Optimus 等；竞争维度从 Demo 转向交付、可靠性和成本。[推测]
• 千寻的相对优势在团队工程化背景与 VLA 叙事；相对风险是商业化起步晚、硬件成本高、客户场景定制重。[推测]

• 需求风险：通用人形机器人在物流/零售的单机替代经济性尚未被大规模验证。[推测]
• 交付风险：轮式人形在真实门店/仓库的连续运行、维护与安全责任需要现场数据。[未获取]
• 资本风险：高估值依赖持续融资与量产进展，融资节奏放缓会压缩试错空间。[推测]

结论：千寻智能在赌“VLA 通用大脑 + 全栈本体”能把人形机器人从演示推向可复制的生产力工具；短期看融资与团队，长期看真实场景的交付数据与单位成本。[推测]

• 千寻智能官网「关于我们」：https://www.spirit-ai.com/about（访问 2026-10-26）
• 证券时报：千寻智能完成近 6 亿元 PreA+ 轮融资：https://www.stcn.com/article/detail/2665886.html（访问 2026-10-26）
• 36 氪 / 出海频道：5.28 亿元 Pre-A 轮融资：https://letschuhai.com/eb05d3e7（访问 2026-10-26）
• 量子位：5.28 亿融资与 Moz1 介绍：https://www.qbitai.com/2025/03/269639.html（访问 2026-10-26）