11月5日具身智能·融资速递 | 睿芯行、伟势机器人等5家企业获得融资

DAILY BRIEF · 产业速递

2026年11月5日 融资速递

海外一单清洁机器人，国内四单工业具身与视频模型，同日观照具身基础设施的走向。

DAILY REPORT [11/05] [2026]｜融资速递｜快速浏览

今日共收录五笔融资：海外一单，印度自主移动机器人公司 Peppermint Robotics 拿下1050 万美元 Pre-B 轮；国内四单，分别落在工业具身智能、工业具身机器人、物理世界模型与视频生成基础模型四个方向。

海外融资

事件一 · Pre-B 轮

Peppermint Robotics 完成1050万美元Pre-B轮融资

印度自主移动机器人公司，pi Ventures 与 Crane Venture Partners 联合领投，Asiana Fund 参投，资金用于产品研发、制造扩张与国际化。

pi Ventures · Crane Venture Partners 联合领投 · 1050 万美元

印度自主移动机器人公司 Peppermint Robotics 11 月 5 日宣布完成 1050 万美元 Pre-B 轮融资，由 pi Ventures 与 Crane Venture Partners 联合领投，Asiana Fund 参投。资金将用于下一代机器人产品研发、制造能力扩张、国际市场拓展与人才引进。

公司 2019 年成立于印度浦那，并在美国奥斯汀设有业务，主攻商业与工业场景的自主移动机器人，核心产品是清洁机器人。它的产品逻辑不是“造一台通用机器人”，而是把清洁这件事拆成可计量的服务：按面积、按班次交付，客户是设施管理公司与工厂后勤部门，机器人要适应粗糙地面、玻璃幕墙、高人流通道这些印度现场的真实条件——可调速刷盘、可更换刷具、超声波识别玻璃、2D/3D 激光雷达避障，都是为“混在人堆里干活”设计的。

收这条的理由不在金额，在它代表的品类位置。清洁是 AMR 里最早算清账的细分：人力成本确定、作业标准化、验收指标单一（干净程度与覆盖率），不需要“通用智能”就能闭环。中国的高仙、汤恩等公司已经用这套逻辑铺到海外，印度公司拿美元基金的钱做国际化，本质是同一场成本与服务网络的竞争。

点评

风险要说清：1050 万美元在机器人硬件里不算大钱，制造扩张与国际渠道铺设会很快吃掉；公司未披露估值、客户数量与设备保有量；清洁机器人是价格战最激烈的品类之一，硬件毛利会被持续压缩。

⏰️与具身智能赛道的一线创业者、投资人深度交流，扫码报名GEIA具身智能与人形机器人创新周【北京站12.9-12.11 】↓

国内融资

事件二 · B+ 轮

睿芯行 完成数千万元B+轮融资

工业具身智能公司，投资方为创新工场、中力股份、今天国际，资金用于核心技术迭代、产品量产落地与市场拓展。

创新工场 · 中力股份 · 今天国际 · 数千万元

工业具身智能公司成都睿芯行 11 月 5 日披露完成数千万元 B+ 轮融资，投资方为创新工场、中力股份、今天国际。36 氪旗下硬氪当日首发，腾讯新闻、具身涌现同日跟进。资金将用于核心技术迭代、产品量产落地与市场拓展。

睿芯行 2019 年成立于成都高新区，由电子科技大学教授周军与西南交通大学教授徐菱联合创办，最早做移动机器人控制器，客户是几百家 AGV/AMR 厂商，SLAM、导航、运动控制、视觉感知的能力是在这个阶段攒下来的。2025 年 6 月，它与中力股份联合发布第一代工业拣选机器人，正式从零部件切到整机。

这条最值得记的是它对“部署成本”的处理方式。工业拣选的现场是：一个料箱里躺着上百种形状各异的零件，传统方案要为每个新零件采数据、标注、重训模型，一个零件至少一周、上千元训练费，几百种零件就把部署周期拖成几十周——这笔钱从来没写进设备报价单，它藏在客户“先上一条线试试”的犹豫里。睿芯行的 ADA-Grasp 走的是另一条路：不做端到端重训，而是在基座模型之上加知识提取与检索机制，让机器人检索处理过的相似物体、把经验迁移过去，边抓边修正，配合在线学习形成闭环，做到新零件免训练，并把感知硬件从数万元级高精度 3D 相机降到千元级普通相机。

真正被改变的是计价方式。过去按“零件×批次”收费，客户每加一个品类就要再付一次钱、再等一次交付；现在按“台”收费，买回去新零件直接上手。计价单位一变，采购逻辑才会变——这是工业具身从项目制走向产品制的分水岭。投资方结构也说明了这一点：中力股份是全球工业车辆与智能物流装备头部企业，今天国际是国内智能物流系统集成龙头，两家既是股东也是场景与订单入口，创新工场提供的是技术判断与投后资源。

点评

风险必须写清楚。第一，“全球首创免训练抓取”目前只有公司自己与地方媒体的说法，没有第三方机构背书。第二，学术界的对照并不乐观：2026 年一篇工业料箱抓取研究显示，不依赖物体模型的纯端到端方案在三个工业零件上平均成功率 45.6%，依赖已知几何模型的方案是 99.1%——免训练能否跨过更多品类，要靠客户产线的长期数据说话。第三，公司 2025 年营收 1964.16 万元、参保人数 60 人，是一家很小的公司，装配环节仍需要更多数据，周军自己也没有把话说满。第四，股东同时是客户，早期订单容易在体系内闭环，市场化程度要打问号，真正能验证这条路的是既不持股也不属于任何一方的第三方工厂。地方媒体称产品已在 12 家企业“落地应用”，公司口径是“落地测试”，两个说法之间的差距，恰好是行业当前的真实水位。

事件三 · 种子轮

伟势机器人 完成数千万元种子轮融资

工业具身机器人公司，伟时电子独家投资，驭势资本担任独家财务顾问，资金投向 V2 迭代量产与具身大模型研发。

伟时电子独家投资 · 驭势资本担任独家财务顾问 · 数千万元

工业具身机器人公司伟势（苏州）机器人 11 月 4 日披露完成数千万元人民币种子轮融资，由 A 股上市公司伟时电子独家投资，驭势资本担任独家财务顾问。本条披露日为 11 月 4 日，属上期版面外漏稿，按补录先例入本期。资金投向工业具身机器人 V2 的迭代与量产准备、具身大模型与数据体系研发，以及首批工业场景的交付与团队建设。

伟势成立于 2026 年 9 月，注册至今不足三个月，创始人杜晓龙此前在某机器人集团负责核心业务，深度参与过人形机器人与工业协作机器人的整机商业化；算法团队来自上海交大、浙大、西工大、北邮、中国矿业大学等院校，覆盖 VLA、世界模型、模仿学习与 Sim2Real。产品路线是把机器人当设备卖、不当人卖：标准化本体加模块化末端，V2 重复定位精度做到 ±0.05 毫米，覆盖 90% 以上柔性制造工序，公司称操作良品率 99%；架构上做大小脑解耦，大脑负责任务理解与工序拆解，小脑负责毫秒级动作生成，绕开 VLA 推理延迟与工业硬实时控制的矛盾；数据侧走最重的一条路——真机自主采集、自建数采工厂，让交付现场的数据持续回流。

这条的分量在投资方身份，不在金额。伟时电子是以背光显示模组为主业的制造企业，也是这条产线未来的使用者：2026 年上半年营收 11.33 亿元、同比增长约 16%，归母净利润 -5170 万元，毛利率 6.84%。一家毛利率不到 7% 的制造企业去投机器人，动机只能从成本结构里找——人工、换型、良率、停机，每一项都在吃它的利润。背光模组这条线恰好是具身智能最理想的试验场，也是最难啃的：精度亚毫米级且容差还在收紧，多品种小批量让换型比生产更费时间，洁净环境里人是最不稳定的变量。

于是这笔交易真正改变的是定价方式：过去由投资人对赌可能性，现在由产线用良率给具身定价。研发约束从 PPT 里的指标变成客户每天盯着的良率报表，估值锚从市销率变成回本周期。首批订单优先落在伟时产线，双方按工序（上下料、组装、点胶、检测搬运）、工艺（把装配经验与治具设计转成模型约束）、数据（真实产线采集）三层推进，不轻易谈整线无人。

点评

风险同样清楚。单一产业股东是加速器，也是天花板——伟时的产线给了它最快的验证场，但同业会天然警惕一家由客户股东持股的机器人公司；工艺包如果只在一条线上成立，这家公司就会长成伟时电子的自动化部门。下一阶段真正的考题不是营收过亿，而是把“伟时专用”变成“行业通用”：标定、换型、维护要能被客户自己的工程师接手，而不是靠原厂团队长期驻场。此外，公司成立不足三个月，V2 尚未量产，±0.05 毫米、99% 良品率、覆盖 90% 工序均为公司口径。

事件四 · 第三轮

幂级智能 完成第三轮融资，半年累计数亿元

物理世界模型公司，投资方包括北京、深圳头部国资与知名美元资本、AI 生态投资基金，春华创投参投，本轮金额未单独披露。

北京、深圳头部国资 · 美元资本 · 春华创投 · 半年累计数亿元

物理世界模型公司幂级智能（DenseAI）11 月 4 日披露完成成立以来的第三轮融资，半年内累计融资数亿元，本轮金额未单独披露。投资方包括北京、深圳头部国资，知名美元资本与 AI 生态投资基金，春华创投参投，具体名单未完整披露。本条披露日为 11 月 4 日，按补录先例入本期。

公司成立于 2026 年，团队出自清华大学自动化系。联合创始人、首席科学家封硕为清华自动化系副教授、博士生导师，入选 MIT TR35 中国区榜单、获达摩院青橙奖；联合创始人、CEO 石梦凯为清华自动化系本博，曾联合创办自动驾驶公司并任 CTO。团队 2023 年在《自然》正刊发表的密集强化学习研究获选当期封面论文，是这家公司技术叙事的起点。

它对世界模型的理解与主流不同。多数团队围绕视频生成、参数规模与机器人本体展开，幂级回到更底层的问题：物理智能的来源是数据。团队提出“稀疏度灾难”——随着训练推进，数据的学习价值可能指数级衰减，高价值样本稀疏地分布在海量数据池中，低价值数据反而会淹没有效信号。对应的解法是密集学习：用模型自身的内在信号自动识别与筛选高价值数据，提高单位数据的含金量。数据侧选择 World-centric 路线，用工业生产与日常生活中自然产生的交互视频，降低对特定本体和昂贵动作标注的依赖。公司称世界模型已在某全球机器人赛事中提供底层技术支撑，并开始在真实场景交付。

把它放进当前的数据路线谱系里，位置就清楚了：机器科学用仿真加视频把单条数据成本压到 0.05 元，押的是合成数据量产；简智做真人操作数据采集，押的是真人数据能独立成生意；幂级不新增采集，押的是“存量视频里被浪费掉的信息密度”。三条路的共同前提是同一个判断——物理 AI 的瓶颈不是模型参数，是数据效率。

点评

风险要说透。公司成立不足一年，三轮融资均未披露具体金额与估值；商业化只有赛事技术支撑与“开始交付”的定性描述，收入规模无法评估；密集学习的有效性目前主要来自论文与内部实验，跨本体、跨场景的泛化仍需第三方复现；世界模型的定义尚未收敛，赛道内智澄、星海图、它石智航在多条路径上推进，路线判断错误的代价极高；真实场景视频的采集与授权，合规边界也还没有明确。

事件五 · A+ 轮

Sand.ai 完成2亿美元A+轮融资

视频生成基础模型公司，基石资本、网宿科技联合领投，十个月内第三轮融资，累计约 3 亿美元，跻身独角兽。

基石资本 · 网宿科技联合领投 · 上海国资入局 · 2 亿美元

视频生成基础模型公司 Sand.ai 11 月 5 日披露完成 2 亿美元 A+ 轮融资，基石资本、网宿科技联合领投，时代资本、国方创投、磐霖资本、东证资本参投，天创资本携山东铁投产投与山东铁路基金战略参投，浦东创投等上海国资入局，老股东经纬创投、华业天成、中科创星追加。这是公司十个月内的第三轮融资，累计约 3 亿美元，跻身独角兽。

Sand.ai 成立于 2024 年，总部北京，创始人曹越是清华大学计算机系博士、Swin Transformer 核心作者之一，历任微软亚洲研究院主管研究员、智源视觉模型中心负责人、光年之外联合创始人。公司从成立起没有跟随 Diffusion 共识，判断自回归才是对视频数据最本质的建模方式；去年 5 月开始探索音画同出；在意识到视频模型存在“成本、速度、效果”的不可能三角后转向 MoE 架构。今年 8 月发布并开源 MAGI-2 Preview，总参数 114B、单次激活约 6B，蒸馏后生成一段 10 秒 1080p 视频的推理成本约 0.5 元，约为行业主流模型的十分之一，是全球首个千亿级开源 MoE 视频生成模型。产品侧，AI 视频创作应用 VidMuse 上线两个月突破千万美元 ARR。

收这条不是因为金额，是因为它和具身智能的距离正在缩短。今天另一条技术消息可以对照着看：启元具身研究中心发布的世界模型仿真器 PrimeSim，做法正是用预训练视频生成模型替代传统物理引擎，11 月 6 日开源权重与训练代码。如果视频生成模型能承担交互推演，仿真与现实之间的数据成本结构会被改写——那么视频模型的单位推理成本，就直接决定了仿真数据的价格。Sand.ai 把 10 秒 1080p 压到 0.5 元，意味着它不只是内容公司的供应商，也可能成为具身训练基础设施的底座之一。

点评

反过来，这也是它的风险：视频模型仍处高强度投入期，单轮 2 亿美元对应的训练与推理开支会在 12 个月内被消耗，融资节奏不能放缓；开源与 API 两条路径的变现效率尚未验证；可灵投后 180 亿美元的定价抬高了整条赛道的估值锚；字节、快手等平台型对手掌握流量入口，独立模型商在客户争夺上处于结构性劣势。