成立三年，多次刷新行业融资纪录，累计融资额为业内最多。其中包括三个月内吸金50亿元，目前估值已破200亿。

这家名为银河通用的行业新晋玩家，已经成为宇树科技、智元机器人之后，具身智能赛道最多被提及的一家公司。

3月初，银河通用宣布完成25亿元规模的新一轮融资，将自己保持的机器人行业单笔最大融规模，再次向上抬升了一截。

它的成长曲线比宇树更加陡峭。相比智元机器人，其融资规模和估值都更胜一筹。

这家由“清华+斯坦福+北大”背景的90后学霸王鹤创办的新兴企业，已经俘获了“国家队基金+产业资本+国际机构”的鼎力支持。更是成为了国家大基金首次出手投资的具身智能赛道企业，其行业位置不言而喻。

作为全球首家实现从“百亿数据集”到“具身大模型”再到“机器人本体”全栈自研的具身智能企业，银河通用的发展逻辑和行业其他玩家不太一样。这或许是其身上最重要标签之一，也是其可以在并没有太多产品销售的情况下，就获得了极大认可的关键原因。

这家超级独角兽正在被市场重点关注。而其背后的原因，也值得舆论和资本更仔细的审视。

01

现象级

与大模型和AI芯片一起，具身智能也在掀起着巨大的资本狂潮。

2026年开年以来，具身智能赛道的融资热浪如同如烈火烹油。仅一季度，就已经披露超50起融资事件，累计近‌200亿元‌，同比大增60%。

‌其中，单笔超10亿的融资就达到了14起‌，千寻智能3个月内四轮吸金近‌50亿元‌，星源智成立10个月累计‌入账10亿元‌。而这其中，从规模来看，银河通用是最大的那一个。

3月初，这家公司宣布斩获‌25亿元‌ B++轮融资，投资方包括国家大基金三期、中国石化、中信集团、上汽、中银资产、亦庄国投等等，这一规模也创下具身智能赛道单轮融资新纪录。这轮融资结束之后，其估值成功突破30亿美金（超200亿元）。

就在去年年底，银河通用刚刚入账了超3亿美元——约21亿元的B+轮融资，当时就刷新了赛道单轮融资纪录。这意味着短短三个月内，其累计收下超50亿元的资本弹药。

回顾其融资历程，银河通用就是科技产业中的一匹狂飙黑马：

2023年5月成立后，其在极短的时间内就完成种子轮融资，获得经纬、蓝驰创投助力；

一年后的6月与11月，又先后完成了超7亿元的天使轮融资，以及5亿元的战略轮融资，深创投、IDC、美团、启明创投相继入局；

到2025年6月，再次拿下11亿元B轮融资，这是彼时国内具身智能领域单笔最大融资额度，宁德时代、纪源资本、招银国际资本都拿出了真金白银。

至今成立刚刚满三岁的银河通用，就三次刷新了行业融资纪录，还以70亿元的最大总融资规模，让行业内外瞠目。

更罕见的是，其新一轮融资获得国家大基金三期的青睐，这也是后者首次介入具身智能赛道。

国家大基金是芯片投资领域不折不扣的“国家队”，背后站着财政部、国家开发银行以及中国烟草、中国电子、中国电科等央企。作为国家级投资机构，其投资方向也代表着国家战略指引方向。

大基金一期第一个具有标志性意义的投资项目就是中芯国际，其在我国晶圆制造领域的重要性不言而喻。此次，银河通用成为首个被“选中”的标的，具有明显的示范和标杆作用。

这也将是银河通用区别于其他头部玩家，最关键的特征之一。

02

押注大脑

“谁能率先用大模型技术成功制造出机器人，谁就是世界上最顶尖的AI公司，足够能拿诺贝尔奖。”宇树科技创始人王兴兴曾在一次采访中如此说道。

今年以来，新涌现的多家百亿元级具身智能超级独角兽，基本都属于“具身大脑”方向，这也标志着，资本关注的焦点已从“本体”移向“大脑”维度。

而“具身大脑”这个理念，就是王兴兴口中的机器人大模型底座。

如果说，PC时代主要由英特尔芯片+微软Windows操作系统垄断；智能手机时代则由高通提供芯片、富士康代工、苹果和谷歌做iOS和安卓系统为主导，具身智能时代，本体（机器人的躯壳）终将由中国强大的供应链能力引领，而谁掌握了通用具身大脑，谁就掌握了这个万亿级生态的最终话语权。

目前，机器人大模型是限制人形机器人大规模应用的最大掣肘，机器人还未能达到智能，最大的阻碍就是模型问题，而非数据问题。

2026 年央视春晚上，机器人公司争相亮相，银河通用Galbot没有预先编程，而是自主完成了盘核桃、捡玻璃碎片、叠衣服、串烤肠等操作。这些操作没有经过事先“预设”，归根结底，核心就是有一个开始变聪明的“脑子”。

目前，市场上的各类企业玩家，普遍是在将 “大脑”（任务规划）、“小脑”（运动控制）及 “肢体”（感知执行）分列开发，缺乏端到端的统一大模型。

这导致各模块之间难以无缝衔接，导致响应迟滞，泛化能力弱。

由于技术和高昂的训推成本，绝大多数机器人公司并不具备独立开发大模型的能力。很多具身玩家只能依托阿里、字节、华为等巨头的通用大模型。这种“借脑生存”模式很难持续。

银河通用选择了一条更难的路，它将大脑、小脑与神经控制集为一体，研发了端到端大模型银河星脑 AstraBrain。

AstraBrain是目前为数不多能打通 “大脑-小脑-神经控制”的具身大模型，其最大的优势在于高维泛化能力，传统机器人学习型选手，即“见过学过才能做”，而AstraBrain让机器人本体在虚拟世界中经历亿万次 “试错博弈”，拥有了可以像人一样 “边看边想边做”的可能性。

今年3月，银河通用发布了可以和人打网球的人形机器人，其背后就得益于全身实时智能规控算法LATENT的赋能。这一视频已经发布，就在X上得到了马斯克的点赞。

值得注意的是，这款机器人并非银河通用自己的，而是采购自宇树的G1——在此之前银河通用一直是宇树的大客户，2025年为宇树贡献了1800多万元的销售额。

购买竞争对手的产品，是银河通用的战术之一。通过采集巨量数据，可以帮助银河通用学习复杂且不可简化的运动能力。

不同于特斯拉擎天柱（Optimus）重人力的数据采集，银河通用选择合成仿真数据为主、真机采集为辅的虚实结合路径，内部称之为“星坊数据金字塔”。

银河通用创始人王鹤曾表示，10万次时的数据，训练的成功率仅有58%；只有当数据达到10亿次时，成功率才能提升至87%，这个数字显然难以接受。

可以看出，单纯依靠人工遥操积攒数据，无异于天方夜谭。

而合成数据方式，在成本和规模上相对可行，且没有时间和空间的限制。通过用市面上畅销的机器人做训练，加上庞大的数据赋能，银河通用自身的Galbot 也就更加智能。

03

吸金背后

银河通用由两位机器人领域的学霸创立。

一位是1992年出生的王鹤，2014年本科毕业于‌清华大学电子系‌，2021年获‌斯坦福大学电子工程系博士学位，‌师从美国三院院士Leonidas J.Guibas教授。回国后他进入了北京大学，担任北大前沿计算研究中心终身助理教授——34岁的他已经是博士生导师。

王鹤还创立了北京大学具身感知与交互实验室 (EPIC Lab)，在具身智能领域具有深厚的学术功底。

来源：北京大学

另一位创始人姚腾洲，则是毕业于北京航空航天大学机器人研究所，师从机器人行业泰斗、中关村智友研究院院长王田苗教授。他曾在ABB集团上海机器人研发中心任职，从事机器人研发工作，拥有大规模智能硬件的量产和销售经验。

在当前的具身智能世界，学术背景已经成为一张通行证。真格基金创始人徐小平在2016年提出“南湘北苗”的说法，“南湘”，指是香港科技大学教授李泽湘，他孵化出大疆和固高等知名科技项目；“北苗”正是王田苗，目前他已经收获了三家科创板公司——天智航、埃夫特和九号公司，艾利特、银河通用的创始人都是他的学生。

银河通用之所以能获得资金如此疯狂地追捧，就源于上述几个要素。

一是，两位创始人的履历足够惊艳，尤其是王鹤具有极为深厚的科研背景，由他坐镇CTO，能保证公司持续处于赛道前沿；加上姚腾洲的任职经历，公司在创立之初，就兼具前沿技术和丰富商业运营、硬件制造经验；

二是，王田苗既是学科教授，又是创业导师和投资人，其在具身智能领域的影响力毋庸置疑，鉴于其此前押中三家科创板公司，投资人对他指导的项目更是青睐有加。

侧重“大脑”的研发，更是提升了其估值中枢。如王兴兴此前提出的，当前机器人大模型的发展进度类似于ChatGPT发布前1-3年的阶段。因此在投资人眼里，抢到银河通的投资份额，相当于占据了行业大爆发的先发红利。

不过，正如所有的AI初创项目，能否最终形成商业闭环，是资本最终关注的落脚点。

华中科技大学老校长李培就在近期发布了自己的观点，他指出，“机器人别光练跳舞翻跟头，得赶紧去工厂打螺丝，真正的价值在于解决工业实际问题。”

当前，银河通用规划了新能源汽车产业、即时零售、医疗健康、智慧城市等应用场景。

借助股东资源，银河通用已和美团签署战略合作，联手打造人形机器人智慧药房解决方案。

北京已经有近十家美团无人药店部署了银河通用的机器人，Galbot 可以完成盘点、补货、取送、打包等全工作。

如果说，银河通用前期频繁融资仰仗创始人光鲜的背景和赛道红利；那么未来支撑起估值的关键，就在于能够打通商业闭环。

04

写在最后

王鹤曾在2024云栖大会上说道，现在的技术已达到产业化边界，明年或将是人形机器人商用“元年”。

时间来到2026年，赛道玩家们已经更加注重场景落地，而不是简单的跳舞翻跟头。

6月2日，优必选首款全尺寸超仿人形机器人在京东启动预售，主打情感陪伴；国外的Figure聚焦工业制造和物流分拣；特斯拉Optimus(擎天柱) 已在加州弗里蒙特工厂和得州超级工厂试用；宇树科技和智元机器人出货量遥遥领先。

目前银河通用出货量尚未跻身世界前，这就是说，其一年的出货量不到150台。当然，这是由这家公司的产品战略所决定的。

凭借智慧大脑的理念，在产品端有限的情况下，就获取了如此巨量的资本加持和超高估值，对于银河通用来说是价值体现，也是巨大挑战。

相比实验室中的理想状态，来自市场的考验在未来只会越来越多。