誰能把機器人真正送進工廠、讓它穩定干活，誰就可能成為這個行業第一批交付型公司的代表。

不缺自動化設備的工廠，為什么還需要具身智能機器人進廠？

傳統工業機器人發展數十年，全球年裝機量仍徘徊在50余萬臺。不是機械臂不夠成熟，而是傳統自動化太重、太貴、柔性不足。真正分散在工廠毛細血管里的柔性作業——靈活分揀、復雜裝配、智能質檢、最后10米上下料仍然大量依賴人工。

這些工序看起來不復雜，卻很難被傳統自動化系統低成本覆蓋。對于迎來資本爆發的具身智能而言，真正要切入的正是這片長期未被自動化設備有效滲透的增量空間。

但從“能做Demo”到“能在產線上連續穩定運行”，中間隔著的不只是算法差距。安全規范、節拍匹配、工裝適配、異常處理、成本維護——工廠要的不是一次漂亮的演示，而是一套可以被納入生產體系的可靠設備。

元禾辰坤董事總經理李為在與36氪交流時提到，具身智能行業最難跨越的階段，是從Demo到真正交付。一臺機器人能否在客戶現場解決實際問題，客戶是否愿意為此付費，能否從一兩臺樣機走向幾十臺、幾百臺的小批量部署——這些正在成為判斷具身智能公司的新標尺。

博原資本管理合伙人及董事長蔣紅權博士的觀察更貼近制造業一線。他在博世全球工廠體系中與多家機器人公司做過大量POC驗證，一個核心發現讓他重新思考了整個賽道的競爭邏輯。

“在真實工業場景里，榜單上最先進的技術，未必就是產線上最能用的技術。”他告訴36氪，工廠真正考驗的是穩定性、可靠性、速度，以及技術路徑能否與生產場景深度耦合。

這兩個判斷共同指向一個結構性變化：當Demo不再稀缺，模型故事也不再新鮮，具身智能的競爭正在從實驗室轉向真實產線。誰能把機器人真正送進工廠、讓它穩定干活，誰就可能成為這個行業第一批交付型公司的代表。

博銀合創的Pre-A輪融資，正是在這個分水嶺切換中浮出水面的一個樣本。

5月15日，這家由博世旗下市場化投資平臺博原資本與具身智能領軍企業銀河通用機器人共同孵化的合資公司宣布完成Pre-A輪融資，金額近3億元人民幣。

新一輪融資將用于首款自研工業具身智能機器人量產、工業數據采集和模型平臺建設及市場拓展。元禾辰坤領投，博原資本、博世創投等老股東追加，元禾控股、金谷資本、東融壹號等多家機構跟投。

值得細看的是投資人結構。元禾辰坤是中國第一支市場化專業母基金管理團隊，通常出手在基金層面而非早期直投；博世創投是博世集團旗下戰略投資臂，博銀合創是它在中國投資的第一家具身智能企業；博原資本既是孵化方，也是持續加注的股東。

博銀合創的定位也區別于賽道中大多數玩家。它既不是單純的機器人本體公司，也不是單純的模型公司，而是一家以真實工業場景牽引、以工業數據閉環訓練模型、以機器人本體和平臺完成交付的工業具身智能系統平臺公司。

這意味著它的價值不在于某一項單點技術的領先，而在于把場景理解、數據積累、模型迭代和工程化交付串聯成一套完整的產業閉環。

老股東繼續追加，國內知名母基金非常規領投早期項目，產業資本深度綁定——在一個被資本追逐的賽道里，博銀合創為什么可能成為交付型具身智能公司的代表？

找不到現成的“答案”

就一起“創造”一個

理解博銀合創，要從它的出身結構說起。

它并非一家典型意義上的創業公司。兩個創始股東——博世旗下市場化投資平臺博原資本與具身智能頭部企業銀河通用機器人——分別站在工業場景與AI技術的兩端。博銀合創的誕生，恰恰來自一次在兩端之間反復丈量后得出的產業判斷。

博原資本管理合伙人及董事長蔣紅權回憶，這個想法始于2024年底。當時博原團隊已在博世集團內部與全球多家機器人公司進行了大量接觸和POC驗證，結論出乎意料地一致。

“這些公司有非常強的軟件能力、模型能力和AI能力，但短板也很明顯——對工業場景的理解不足，缺乏工業數據，對整個工業落地模式的理解也比較有限。”蔣紅權說，“市場上這些公司的估值，和它們實際的落地能力之間，并不匹配。”

收入與估值之間出現上百倍的倍差，在具身智能賽道并不罕見。但蔣紅權的反應不是在一堆高估值標的中挑出相對便宜的，而是換了一套思路。

“既然找不到，不如創造一個這樣的標的”蔣紅權說，“我們自己就是資源方，能提供其中一半關鍵資源——場景、數據、工廠、客戶，只需要在市場上找到另一個合適的合作伙伴。”

與其在高估值的具身智能公司中做財務投資，不如把博世自身的產業資源變成一種強賦能。通過把博世體系內的工業場景、工程經驗和客戶需求，轉化為博銀合創早期成長的產業基座。

大多數具身智能公司擁有強大的模型能力，但缺乏打通工業場景的資源和經驗；而據蔣紅權介紹，博世在全球剛好擁有240余家工廠和工業4.0體系下的真實場景、工程經驗和客戶入口。

于是，博原團隊與國內頭部具身智能企業逐一接觸，最終選擇了銀河通用機器人。評估標準很明確——必須是強強聯手和能力互補。

不同于行業里常見的簽約合作或技術授權，博銀合創從成立之初便以戰略方共同孵化賦能的方式，將博世在工業制造領域的產業資源、工程經驗、真實場景與銀河通用在具身大模型和數據基礎設施方面的核心能力深度融合，形成覆蓋模型、數據、本體與工程化部署的系統性技術協同。

蔣紅權在回憶這段決策時說：“一開始聽到要跟世界500強博世合作，大家都很愿意。但到了更深的層面——我們想做什么、想走哪條路、怎么把這件事做成？對方是否真的認同？彼此之間能不能擦出火花？比停留在PPT層面的合作意向重要得多。”

而最終選擇與銀河通用聯合，是被其當時已經展現出的全棧技術能力觸動。相比行業內不少仍停留在單點模型或演示能力階段的企業，銀河通用已在當時率先開始圍繞真實應用構建覆蓋具身大模型、數據基礎設施、機器人本體的完整技術體系。這種能力結構，也與博世在工業場景、工程經驗與客戶體系上的積累形成了較強互補。

2025年6月，博銀合創正式成立。但在公司成立之初，博原就已經為它鎖定了第一個深度合作的工廠——聯合汽車電子（UAES），博世集團與上汽集團合資設立的全球知名汽車電子供應商。

聯合汽車電子不只是開放了工廠，還在內部成立了具身智能機器人聯合實驗室RoboFab，圍繞汽車電子制造場景中的復雜工序展開長期研發。博銀合創團隊一開始就有多位工程師進駐，與聯電工程師在同一個工作環境里并肩工作。

但博銀合創成立的意義，并不是只服務博世內部。

盡管博世體系提供的，是企業創業早期最難獲得的場景、數據和工業驗證標準，構成了博銀合創的起跑優勢。但博銀合創的目標，是把在博世體系中打磨出來的產品能力、數據閉環和工業交付經驗，復制到汽車、家電、物流、新能源等更多外部客戶場景中，最終成長為一家獨立的工業具身智能平臺公司。

傳統VC模式往往是給錢，再幫忙對接資源；博原在這里做的是給場景，共同定義產品，聯合研發，再讓工廠變成客戶。用蔣紅權的話來概括，這本質上是一種“量體裁衣”——先看清工廠訴求，再反推產品形態；先在真實工位上驗證需求，再進入研發迭代；等指標達標，場景方自然成為客戶。

博原資本管理合伙人及董事長蔣紅權

資本在其中扮演的角色，自然也從財務下注者變成了產業組織者。

從定義產品到第一臺機器人在聯合汽車電子亮相，博銀合創用了三個多月。目前，博銀合創正在RoboFab實驗室中進行調試與迭代，下一步就是走向真實產線。“說實話，我們自己都覺得有些不可思議。”蔣紅權感慨，“從成立到現在不到一年，這家公司的發展可以說是驚人的，超出了我們的預期。”

更重要的是，它揭示一個容易被忽視的事實：在具身智能賽道上，真正稀缺的資源從來不只是模型和技術，還有場景。正如蔣紅權談道，“技術當然重要，但一項技術能否在復雜工業系統中穩定運行同樣重要。”

誰能持續獲得真實工業場景的準入權，誰就掌握了這個行業不可或缺的競爭籌碼。

走上工業產線，不需要“高中生”，

需要合格的“打工人”

起步快只能說明路徑順，能否真正扎進工廠，還要看產品能否經受住產線考驗。

消費場景里的機器人可以承受一定誤差，工業場景卻很少給這種寬容。工業客戶評價一臺機器人是否可用，看的不是它能不能完成一次Demo，而是一套嚴苛得多的工業級標準。

能否在真實工位上長期穩定運行？能否匹配產線節拍，不拖慢整體效率？能否適應不同工位的工裝和物料形態？出現異常時能否自主處理或安全停機？維護成本是否可控？這些指標能否最終收斂為一個可被客戶接受的ROI？

滿足其中任何單項并不難，難的是同時達標。這也正是Demo和量產之間最深的鴻溝——Demo驗證的是單次表現，工業交付考驗的是系統級的長期穩定。

銀河通用機器人聯合創始人姚騰洲把工業場景對具身智能的挑戰拆成三個層級。

第一層是成功率。“客戶也許能接受你拍一個幾分鐘的視頻，但客戶真正想要的，是一個能夠復制的生產力。”姚騰洲告訴36氪，“工業生產是一環扣一環的，任何一環不能匹配整體制造體系的成功率，都會拖低整條線的效率。”

第二層是泛化能力。工廠里，有成百上千的工種，甚至有的人上午和下午的工作都不同。人的學習能力足夠強，但模型能不能支撐機器人做到同樣的事？“工業場景對于模型的泛化能力、任務理解能力，以及長期學習和迭代的能力，都提出了遠高于實驗室的要求。”姚騰洲說。

第三層是經濟性。當成功率和泛化能力達標后，客戶就會開始算經濟賬——機器人采購、部署、維護、停機風險、人員替代效率，能不能支撐大規模復制。

這三層挑戰，也解釋了一個行業里人人心知肚明的現象——Demo很多，落地很少。

銀河通用機器人聯合創始人姚騰洲

要讓機器人持續可靠地完成任務，通用模型的能力是基礎，但還需要依賴大量來自真實場景的數據，讓模型在一次次成功和失敗中完成后訓練。

斯坦福大學教授、World Labs聯合創始人李飛飛也曾談到，大語言模型本質上是“黑暗中的詞匠”——能說會道，但對真實物理世界既看不見也摸不著。

工業場景則讓這個問題更難——每一座工廠的工位布局、物料形態、操作規范都不同，數據必須在真實環境中一幀幀采集、一輪輪訓練。

姚騰洲還指出了一個行業中最容易被低估的環節：對需求本身的識別。“很多時候，客戶自己都講不清楚他的需求是什么。這需要有專門的人，有非常豐富行業經驗的人，能夠去理解、挖掘和獲得需求。”

這也正是博銀合創CEO任經緯加入這家公司的核心原因。任經緯擁有近20年工業自動化、物流自動化及機器人領域全鏈路管理經驗，覆蓋產品研發、生產制造、項目交付、市場營銷及全球化運營，先后在庫卡、瑞仕格、TCL等全球領先制造企業擔任CEO及高管。

博銀合創CEO任經緯

對于一家工業具身智能公司而言，CEO不只是要懂機器人，更要懂工廠如何決策、懂產線如何評估一臺新設備、懂客戶什么時候愿意從試點走向采購。

任經緯對36氪坦言，博銀合創首款自研產品BW10-Lite目前的成熟度“大概處在65分到70分的水平”——已具備小規模量產和工業場景長時間作業的基礎能力，但距離規模化量產仍有提升空間。

他反復強調，博銀合創不會講太多宏觀的技術概念。“在工業場景里，80分、90分往往都不夠，這有點像工業質量控制里的Six Sigma——越接近高可靠性區間，每提升一個小數點，背后都需要付出更高的工程成本。”

這款產品目前已經開始在聯合汽車電子的RoboFab實驗室中進行場景化驗證。基于銀河通用的基座模型，團隊兩周左右在仿真環境中跑通了上下料場景的全流程。

但仿真只是起點。團隊隨后在RoboFab實驗室中基于真實工業物料和作業規范采集數據，針對實際工位條件進行后訓練，逐步向真實產線的部署標準靠攏。

姚騰洲把銀河通用提供給博銀合創的基座模型比作一個完成高中教育的“高中生”——它具備基礎感知和理解能力，但要在產線上真正干活，還需要通過真實工業數據進行專業化訓練。工廠不會讓一個高中生直接上崗，它需要的是經過崗位訓練的熟練工。

“這不是一次性的技術輸出關系，而是大家共同迭代。”姚騰洲說。博銀合創在工業場景中采集的真實數據，依托于銀河通用的具身基模“銀河星腦”，讓工業垂類模型持續進化；更強的模型再落地于新的工業場景中去應用，形成從仿真到實驗室驗證、再到真實產線的數據閉環路徑。

強大的模型底座疊加，真實產線上沉淀下來的場景數據和工程經驗，會形成更難超越的復利。在任經緯看來，博銀合創的差異化優勢正在于此——從不以模型參數作為核心驅動力，而是以場景使用指標作為驅動力：穩定性、產線節拍、作業效率、客戶ROI。

這些指標的背后，是一套“硬件+平臺+模型”協同技術體系的支撐。在產品層面，首款自研產品BW10-Lite已完成原型驗證，具備雙臂操作、高重復精度及快速工位切換能力，可覆蓋超過60%的人工裝配場景；更高負載版本BW10計劃于2026年內發布，進一步擴展工業搬運、分揀、裝配等場景的替代能力。

在模型層面，公司正基于銀河通用的端到端具身大模型和數據技術管線，構建面向汽車、新能源、家電、物流等行業的工業垂類模型。在平臺層面，工業具身智能任務管理平臺以及數據與模型訓練一體化平臺也在同步搭建。

任經緯還透露，BW10-Lite將在今年下半年進入量產階段，BW10在明年上半年跟進。蘇州工業園區的產業化基地預計下半年啟用，到明年整體年產能目標為6000-10000臺套。對于博銀合創來說，真正的考驗將從量產開啟。

從中國工廠走向全球產線

對投資人來說，博銀合創的吸引力在于一種在早期項目中罕見的確定性。

元禾辰坤董事總經理李為是博銀合創投資項目組的項目組長，從盡調到投決全程參與。他對36氪直言，元禾辰坤此前在具身智能賽道出手不多。“等我們想出手的時候，很多本體公司的估值已經非常高了。”

博銀合創提供的是另一個入口：估值仍在合理區間，背后又有博世體系提供真實需求和場景背書以及銀河通用的技術賦能。這種組合在當下的具身智能賽道并不常見——它既保留了早期項目的成長彈性，又降低了純技術創業公司常見的落地不確定性。“像這么早期下重注，對于一個母基金來講并不常見。”李為說。

元禾辰坤董事總經理李為

ROI測算讓這種確定性變得更加具體。按照李為給出的測算，在部分人力成本較高、重復性強、三班倒運轉的典型工位上，一臺售價30萬元的機器人如果能替代3名工人，一年即可回本。即便節拍暫時不足、需要兩臺機器人完成一個人工作,兩年回本對工業客戶也完全可接受。

當然，真實的投資回報還會受到設備稼動率、維護成本、停線風險、工位改造投入和良率等多重因素的影響——但在最核心的經濟賬上，工業場景比消費場景能夠算得更清晰。

從投后進展看，博銀合創的表現沒有讓投資人失望。成立不到一年，公司已快速進入商業化驗證階段。按照已溝通的框架性需求和意向訂單測算，潛在訂單規模已達數億美元級別，客戶覆蓋汽車及其零配件、物流分揀等行業。

但李為對博銀合創的期待不止于國內市場。在他看來，賽道機會之外，博銀合創的另一條重要路徑是出海。

這個判斷背后是一個冷靜的結構性觀察。國內具身智能競爭已經極度擁擠，超過20家公司沖刺IPO，價格戰的端倪已經顯現——卷到最后，利潤會被壓到極薄，而海外市場恰好提供了另一種可能。

根據咨詢公司Oliver Wyman對全球250家汽車工廠的研究，德國每輛車的勞動力成本高達3300美元，是中國的近6倍、美國的2.5倍，位居全球之首。歐美制造業普遍面臨高人工成本與老齡化的雙重擠壓，機器人替代人工的經濟賬遠比國內清晰——同樣一臺機器人，放在這些市場里能釋放的價值是國內的數倍。

過去一批中國硬科技公司嘗試過類似路徑：先在中國完成效率驗證，再到海外高成本市場尋找利潤空間，具身智能很可能沿著同樣的邏輯展開。

但出海從來不是一件容易的事。歐美工業客戶對供應商的信任鏈條極長，準入流程復雜。對于一家沒有全球品牌背書的中國機器人公司，想獨立叩開一家歐洲頭部制造商的大門，難度可想而知。

博銀合創的全球化路徑，也不是簡單的把機器人賣到海外，而是把在中國高密度制造場景中驗證過的工位方案、數據閉環和交付方法論，經過博世體系的全球標準驗證后，復制到海外高人工成本市場。

而博世體系為博銀合創提供的，也不只是一張單純的通行證，而是全球工業場景的理解力、客戶信任的起點和標準化驗證的路徑。不過，最終能否站住腳，仍取決于博銀合創自身的產品穩定性、工程化能力和本地化服務水平。

博世創投管理合伙人Ingo Ramesohl博士表示博銀合創的獨特性在于它站在機器人、人工智能和真實工業應用場景的交匯點上，“一方面有銀河通用這樣的前沿機器人企業，另一方面有博世這樣的全球領先工業企業，這讓博銀合創與智能制造的未來高度相關。”Ingo向36氪表示。

博世創投管理合伙人Ingo Ramesohl博士

Ingo特別強調了博世創投對博銀合創的支持“不止于資本”。通過Open Bosch機制，博銀合創可以更早、更具體地接觸到博世在全球的工廠和工業專家。對于一家年輕公司而言，這種連接通常很難在早期獲得。

他還透露，博銀合創CEO任經緯將于6月10-11日在德國柏林Bosch Connected World大會上發表keynote演講。Bosch Connected World是全球工業數字化和互聯技術領域的重要平臺之一，屆時博銀合創將首次攜全新產品和場景方案亮相歐洲。

“中國是博銀合創的起點。這里驗證周期更短，制造場景更豐富，需求變化也更快。以中國市場為起點，博世創投希望一步步支持博銀合創拓展全球市場。”Ingo說。

2026年的具身智能賽道不缺技術敘事，不缺資本熱情。它真正稀缺的，是能被客戶驗證的交付能力。

577億元投資涌入，13家百億獨角獸并立，20余家公司沖刺IPO——這些數字描繪的是一場聲勢浩大的產業競賽。但數字背后的問題依然很現實：有多少機器人真正在工廠里每天運轉？有多少訂單走過了PoC階段進入了量產？有多少家公司的收入增速，能追上估值膨脹的速度？

這個行業正在經歷一次靜默的分化。一種是仍然活躍在PPT和展會上的故事公司，另一種是已經開始在真實產線上用節拍和良率說話的交付公司。

博銀合創Pre-A輪近3億的融資，以及元禾辰坤、博世創投、博原資本等機構的聯合押注，本質上是對后一種路徑投下的一張確定性選票。

在一個充斥著模型參數競賽和估值泡沫的賽道里，博銀合創提供了一種更樸素的價值主張：把機器人送進工廠，讓它真正能干活。

至于這條路最終能走多遠，答案在真實產線上。