逐際動力再融2億美元提速港股IPO，張巍：營收對賭不符合具身商業邏輯

通用人形機器人公司逐際動力（LimX Dynamics）宣布完成Pre-IPO輪融資，金額達2億美元（約合人民幣14億元），投後估值來到150億元。本輪融資窗口短，但資方名單相當長，包括IDG資本、全球AI硬體智造龍頭藍思科技、泛歐洲多元化產業與投資集團GGG Group與Redstone VC、矽谷華山資本、合肥濱湖產發集團等。值得注意的是，來自歐洲、中東、北美等海外資本占了本次總融資額的七成。老股東同樣積極跟進：阿聯酋磊石資本（Stone Venture）連續多輪重倉追投；綠洲資本、基石資本、南山戰新投、尚頎資本、蔚來資本等都在本輪超額加註。逐際動力統計，過去半年公司累計完成融資4億美元。 一年前，逐際動力創始人兼CEO張巍曾對媒體表示自己不是「走快速融資路線」的人。如今卻主動披露融資進度，並積極籌備上市，據了解大概率會選擇港股。張巍認為自己沒變，相較於自身實力，逐際動力的融資速度不算「卷」，這輪融資額對比同業也相對克制。但他強調並不輕視資本：「去年年底我說2026年是具身場景落地的元年。那『元年』，當然需要錢了。」幾天前在一場小範圍溝通會上，張巍比喻資金是企業的「子彈」，沒有它就打不了仗，同時呼籲外界應將資金、估值分開看待，錢要長融，小動作少搞。 針對業界常見的營收對賭條款，張巍直言：「今年喊10個億營收，明年加高到20個億，然後估值拉得特別高……這種不符合商業價值邏輯的東西，是毒藥。」他告訴投資人不要搞太高的估值，錢的用途是要讓所有支持你的人能夠受益，這是唯一標準。本輪融資啟動後，他同步篩選、考察各類投資方，明確拒絕用短期業績捆綁企業發展。逐際動力過往所有融資均未設置營收、交付規模相關的業績對賭。 本輪近七成資金來自海外資本，張巍解釋說，海外市場是逐際動力當前發展的重中之重，全球化是該公司構建差異化競爭優勢的關鍵。業務層面，各機器人產品上線以來共計獲得數千台訂單，其中過半來自海外。今年5月，全尺寸交互人形機器人LimX Luna在不到一個月內已正式向國內及海外市場客戶交付；新一代多形態具身機器人TRON 2也收穫大量海內外訂單。官方披露，本次2億美元將集中用於大小腦融合技術產品化、數千台全自主人形機器人批量落地交付、全球市場渠道建設，以及完善海外製造與交付配套，部分資金也將用於搭建面向全球開發者的開放技術生態。 啟動本輪融資前，逐際動力已於今年3月完成股改，市場當時便傳出籌備IPO的猜測。如今融資完成，張巍表示相關工作仍在推進階段，大概率會選擇港股上市，以適配全球股東與海外業務布局。談及為何推進上市，張巍以新能源車企發展歷程為參照：「我認為上市是重要的，不能說必要，不上市企業也並非無法生存。」他認為當具身智能行業全面進入技術成熟、規模化競爭階段時，上市平台能提供長期穩定的資本緩衝，幫助企業抵禦行業週期波動。 今年以來，頭部機器人公司陸續傳出IPO消息，業界都在關注誰能成為「人形機器人第一股」。張巍表示自己並不在乎這個頭銜，判斷企業好壞的核心在於路線和商業邏輯是否正確。但他也承認，早一步上市能為整個賽道樹立清晰的估值錨點，讓市場形成統一認知，明確人形機器人行業的合理估值中樞，大幅收窄一二級市場的定價分歧。他對自身定價有信心，認為無論誰是「第一股」對逐際動力的影響都有限，反而希望同行越成功越好，對整個賽道都是利好。 在人形機器人領域，逐際動力留給業界最鮮明的標籤是運控底盤強——早期抗衝擊測試、碎石陡坡通行、工地行走等高動態演示令人印象深刻。機器人被外力推搡、撞擊後能在毫秒級恢復平衡，面對複雜非結構化地形也能穩定行走。但張巍在溝通會上重申，公司不僅靠「小腦」取勝，核心路線是「大小腦融合」。他首次系統拆解了逐際動力人形機器人大腦系統的三層技術架構，並試圖回答行業爭論的問題：機器人究竟需要什麼樣的「大腦」。 最底層的系統0對應行業口中的「小腦」，是逐際動力自研的全身運動基礎模型，負責實時生成動作、維持身體平衡、抵抗外界擾動，這也是過去幾年最具辨識度的技術能力。中間層的系統1則是「人形VLA視覺語言動作融合層」的技能層，連接感知與運動，將上層任務理解轉化為機器人可以執行的全身動作指令。最頂層的系統2是「COSA具身智能體OS」，也是逐際動力定義中的機器人大腦，透過大模型與世界模型完成環境理解、任務推理、自主記憶與長期規劃，決定機器人「要做什麼」以及「派任務」。 張巍認為模型本身並不等於大腦，只是一個個技能；大腦本質是一套統籌所有模型、技能、記憶、感知調度的操作系統。這也是為何逐際動力強調「大小腦融合」而非單純追求某一個模型能力。面對行業當下對世界模型的追捧，張巍呼籲要「去魅」。他指出世界模型本質上是預測環境未來狀態的工具，但許多所謂「通用世界模型」仍主要基於視頻數據訓練，距離支撐機器人在真實非結構化環境中長期自主運行還有明顯距離。真正具備行動價值的，是面向機器人決策和執行的「World Action Model」，後者需要回答「機器人採取行動後會發生什麼」。逐際動力也較早探索了基於時序視頻數據訓練的世界行動模型。 張巍認為機器人智能最大的誤區是將「大腦」和「技能」混為一談。他以霍金為例：霍金擁有頂尖思考能力，但並不具備完成勞動操作的能力。對機器人而言，大腦決定認知和決策能力，技能則需大量真實數據訓練。因此，機器人應該掌握什麼技能，不只取決於模型夠不夠強，更取決於構建該技能產生的商業價值是否大於獲取數據的成本。這也是逐際動力對商業化路徑的判斷：行業普遍期待先打造完美通用模型再進入商業落地，但此路徑並不現實；更可行的方式是讓機器人具備基礎智能後快速進入真實場景，透過不斷積累數據逐步擴展技能邊界。 張巍比喻這類似MOE混合專家架構，機器人未來可能透過模塊化技能不斷增強泛化能力。但他也坦言，手部操作仍是最大的短板——機器人「小腦」已足夠支撐導航、巡檢、導覽等任務，但複雜抓取、整理等操作明顯不足。問題不在於機器人不會思考，而在於手部技能數據不足。「手部相關能力的突破，核心依賴觸覺傳感器成熟度以及大規模數據採集能力。」目前行業仍處於探索階段。 縱觀具身賽道，絕大多數人形機器人演示與交付仍依賴人工遙控器或後台遠程操控。張巍則將部署數千台全自主機器人提上日程，目標是「幹掉遙控器」。在他看來，人形機器人真正商業化的分水嶺並非一次驚豔的運動演示——「能動」只是起點，「能用」才是競爭真正開始的地方。