智平方（AI²Robotics）深度分析报告：具身智能工程化落地的中国样本

智平方（AI²Robotics）成立于2023年4月，总部位于深圳，是中国具身智能赛道最具代表性的"AGI原生"企业。公司定位为"生产力型通用智能机器人"研发商，明确区别于表演型、展示型机器人路径，致力于将通用人工智能（AGI）从数字世界拓展至物理世界 [(ai2robotics.com)] 。

"AGI原生"的核心内涵体现在三个维度：技术架构上，自创立即确立端到端VLA（Vision-Language-Action）大模型范式，而非在传统机器人架构上叠加AI模块；产品定义上，"模型定义硬件"——GOVLA大模型的能力边界决定AlphaBot的硬件形态与参数设计；迭代逻辑上，真实场景数据驱动模型持续进化，形成"越用越聪明"的正向循环。

创始人郭彦东博士提出，通用智能机器人将成为继PC、智能手机、智能汽车之后的"第四代革命性智能终端" [(nfnews.com)] 。这一定位将机器人纳入智能终端的演进谱系，强调其作为计算平台+感知系统+执行机构的综合价值，而非单一功能的自动化设备。

智平方的发展历程呈现陡峭的增长曲线，关键里程碑密集达成：

融资节奏的罕见性：2025年半年内连续完成7轮数亿级融资，2026年初再获5轮加注，一年累计12轮融资，创全球具身智能企业之最 [(腾讯网)] 。这一资本热度反映了投资人对"技术-工程-商业"闭环能力的高度认可。

智平方的核心价值在于构建了具身智能领域稀缺的"模型×硬件×场景"三位一体体系：

这一闭环的飞轮效应在于：真实场景部署产生高质量数据→数据驱动GOVLA持续迭代→模型能力提升拓展可服务场景→更多部署产生更多数据。与依赖仿真数据或实验室演示的竞争对手相比，智平方基于真实商业订单的数据闭环具有难以复制的战略优势 [(博客园)] 。

2.1.1 郭彦东博士：AI+智能硬件复合背景

郭彦东博士是具身智能创业浪潮中级别最高的技术高管之一，其职业轨迹横跨中美顶尖科技企业，形成罕见的"基础研究—产业应用—规模量产"全链条经验：

学术根基：美国普渡大学博士，师从AI领域两位美国工程院院士Jan P. Allebach和Charles A. Bouman，博士期间在零下三十度环境中完成户外数据采集，学术训练极为扎实 [(zhengguannews.cn)] 。

产业历练：

• 微软美国研究院：任职核心AI团队，与5位图灵奖得主共事，主导开发的Custom Vision服务成为全球首个商业化AI视觉服务，为微软AIaaS、必应搜索等产品提供关键支撑 [(ifeng.com)] 。
• 小鹏汽车（2018-2020）：AI研发负责人，主导数十万台量产车型的智能系统开发。何小鹏"软硬结合十倍价值"的经营理念深刻影响其商业认知 [(bianews.com)] 。
• OPPO（2020-2023）：首席科学家与高级研发管理，主导数亿台智能终端的AI研发，创造经济价值数百亿元 [(ai2robotics.com)] 。陈明永的财务保守主义——"账上多留点钱"——成为智平方融资策略的重要参考 [(bianews.com)] 。

郭彦东2023年初选择切入机器人赛道的核心判断是：大模型的突破使"机器人大脑"技术可行性窗口打开，而智能汽车产业链的成熟为硬件成本下降奠定基础 [(ifeng.com)] 。这一"技术-产业"双周期叠加的判断，构成了智平方战略选择的底层逻辑。

2.1.2 核心团队构成：微软/小鹏/OPPO+清华/北大/CMU/伯克利

智平方团队构建遵循"成建制、磨合成熟"原则，核心成员来自三类源头 [(ai2robotics.com)] ：

科学家密度：团队拥有5位斯坦福全球前2%顶尖科学家，包括创始人郭彦东与北大-智平方联合实验室主任施柏鑫，为具身智能创业团队之最 [(稀土掘金)] 。2025年，团队共有6篇论文入选NeurIPS，在世界模型、多模态理解与VLA方向持续获得国际认可 [(nfnews.com)] 。

2.1.3 "六边形团队"特征：全栈技术+规模量产+产业运营

行业分析机构将智平方团队定义为"六边形团队"——在产品定义、算法研发、硬件工程、供应链、量产制造、商业运营六个维度均具备顶尖能力 [(IT之家)] 。这一特征的稀缺性在于：

全栈技术能力：覆盖多模态大模型、机器人运动控制、感知融合、端侧优化的完整链条，非依赖外部供应商的组装模式。

规模量产经验：核心成员主导过数亿台消费电子终端、数十万台智能汽车的AI系统交付，深刻理解从实验室样机到百万级量产的关键跃迁。

产业运营网络：与汽车、半导体、生物科技等行业头部客户建立直接联系，具备将技术能力转化为商业订单的渠道优势。

"六边形"特征的本质是降低组织内部协调成本与外部依赖风险。在具身智能这一高度复杂的交叉领域，技术、工程、商业任一环节的短板都可能导致整体失败。

2.2.1 2023年4月成立：具身智能赛道早期卡位

智平方成立于2023年4月17日，正值ChatGPT引发全球大模型热潮之后，具身智能尚未成为资本追逐的焦点 [(腾讯网)] 。这一时点选择的战略价值在于：

• 技术路线自由度：无需受限于既有产品架构的兼容性约束，得以从零设计"AGI原生"的机器人系统。
• 人才获取窗口：大模型热潮尚未完全扩散至物理世界，具备"AI+机器人"复合背景的人才竞争相对缓和。
• 客户教育周期：工业客户对新技术接受需要时间，早期进入者有更多时间建立信任与合作关系。

公司成立即确定端到端VLA大模型的技术范式，当时全球仅有特斯拉机器人与智平方两家企业选择这一路线 [(nfnews.com)] 。这一"孤独"的选择在2024-2025年逐渐成为行业共识，验证了团队的技术预判能力。

2.2.2 2024年：全国创新创业大赛全国第二名

2024年，智平方作为具身智能领域唯一企业，获第十三届全国创新创业大赛初创型企业全国总决赛第二名（新一代信息技术赛道） [(ai2robotics.com)] 。评审特别强调的获胜关键是"市场化能力与业务进展"——表明公司的技术能力已获得商业化验证，而非停留在概念阶段。

这一国家级认可的战略价值：获取政策资源支持（税收优惠、融资对接、场景开放）、提升品牌公信力、强化人才吸引力，为后续大额订单获取与高估值融资提供信用背书。

2.2.3 2025年：自有产线投产与规模化交付启动

2025年是智平方从"技术验证"向"工程化量产"转型的关键年份：

自有产线决策的核心考量：与ODM代工模式相比，自建产线使公司能够直接控制产品质量、迭代速度与生产成本，同时积累制造工艺know-how。郭彦东在小鹏汽车时"亲身经历了从零到年产十万台的快速爬坡"，深知"产能地狱"的关键节点，这一经验直接指导了智平方的产线建设策略 [(ifeng.com)] 。

2.2.4 2026年2月：B轮融资超10亿元，估值破百亿

2026年2月23日，智平方宣布完成超10亿元B轮系列融资，估值正式突破100亿元，成为深圳首个百亿估值具身智能独角兽 [(手机新浪网)] 。本轮投资方阵容：

"资本+产业"双轮驱动格局：产业资本的深度入局（百度、中车）为场景拓展和生态构建提供战略资源，券商系基金的加入被解读为公司正在筹备上市的重要风向标 [(腾讯网)] 。

智平方的战略愿景可概括为"三步走"渐进路径：

郭彦东特别强调"通用性优先于人形"的理念："机器人得先通用，才能进家庭，不然很容易把机器人变成另一个扫地机" [( 拆开3万元的按摩椅：按摩10次，7次睡着)] 。这一判断指导了AlphaBot的轮式双臂形态选择——优先保障可靠性、成本可控性与交付能力，同时储备人形技术以备未来释放。

3.1.1 全球首个全域全身VLA大模型定位

GOVLA（Global & Omni-body Vision-Language-Action）是智平方自主研发的核心技术资产，其"全域全身"定位具有三重突破性：

GOVLA的技术演进经历了三个关键版本：

技术领先性的量化验证：FiS-VLA在权威评测中综合性能超越国际标杆Physical Intelligence的π0达30%，控制频率达到117.7 Hz，成为全球唯二、国内唯一开源机器人模型的创业企业 [(nfnews.com)] 。

3.1.2 双系统协同架构：System 1（快系统）+ System 2（慢系统）

GOVLA最具创新性的架构设计是"快慢系统"协同机制，直接借鉴认知科学中人类思维的双过程理论，并在工程实现上进行针对性优化 [(来源)](about:blank)  [(IT之家)] 。

3.1.2.1 快系统（DiT/Diffusion Transformer）：实时全身控制与移动轨迹输出

快系统基于Diffusion Transformer（DiT）架构，承担"感知-动作"的直接映射功能。DiT的选择体现了智平方对生成式模型在机器人控制领域应用的前瞻判断：

• 扩散模型的优势：逐步去噪过程天然适合产生平滑、连贯的运动轨迹，避免自回归模型的抖动问题；
• Transformer的优势：可扩展的上下文建模能力，支持多模态信息的有效融合；
• 全身协同：统一建模移动底盘轨迹、腰胯姿态、双臂动作、头部朝向等全部自由度。

117.7 Hz控制频率的工程意义：这一指标意味着机器人能够以约8.5毫秒的周期更新控制指令，接近人类神经肌肉反应速度（100-200 Hz），满足工业场景对实时性的严苛要求。作为对比，Google RT-2约为1-3 Hz，Physical Intelligence的π0约为10-20 Hz [(nfnews.com)] 。

3.1.2.2 慢系统（VDM/Video Diffusion Model）：复杂逻辑推理与任务规划

慢系统基于Video Diffusion Model（VDM）架构，承担"理解-规划"的高层次认知功能。与早期FiS-VLA采用大语言模型（LLM）不同，GOVLA 1.0将慢系统升级为VDM，以更好地挖掘时序视频中蕴含的"空间+运动"潜在表示 [(来源)](about:blank)  [(qingkeai.online)] 。

VDM作为慢系统的核心创新在于"视频想象"机制：当接收到复杂指令（如"准备早餐"）时，慢系统首先生成任务完成的视频预测（video imagination），评估不同行动方案的后果，然后将最优方案分解为可执行的子任务序列。这种"想象-验证-分解"的推理模式，显著提升了机器人在长程任务中的成功率与鲁棒性。

Video2Act论文（北京大学与智平方联合发表，NeurIPS 2025）系统验证了这一架构的有效性：在仿真环境（CALVIN、LIBERO）中平均成功率超越此前最优VLA方法7.7%，在真实世界任务中提升达21.7% [(来源)](about:blank) 。

3.1.2.3 异步频率融合机制：感知-决策-执行时序优化

双系统协同的核心工程挑战在于异步频率下的有效信息融合。智平方的解决方案是"运动感知条件"传递机制：

慢系统以较低频率运行（如每2-5秒更新一次），但其输出的不是简单的目标位置或语言指令，而是富含动态信息的VDM潜在表示（空间-运动感知表征）。这些表示编码了场景的动态结构信息，使快系统即使在高频运行时也能生成适应环境变化的稳定动作 [(来源)](about:blank)  [(IT之家)] 。

具体而言，Video2Act设计了专门的表示提取模块，从VDM的潜在空间中分离前景边界（foreground boundaries）和帧间运动变化（inter-frame motion variations），过滤背景噪声和任务无关偏差。这些精炼的表示作为附加条件输入到快系统的DiT动作头，实现"指导-灵活"的良好平衡。

3.1.3 端到端范式：视觉-语言-动作统一建模

GOVLA的端到端设计是其区别于传统机器人系统的核心特征。传统范式采用"感知模块→语义理解→任务规划→运动规划→控制模块"的串联架构，各模块独立优化，接口处信息损失严重。GOVLA将上述模块统一为单一神经网络，直接从"视觉+语言"输入映射到"动作"输出。

端到端范式的优势与挑战对比：

智平方对端到端挑战的应对策略：建立大规模真实场景数据集覆盖长尾情况、设计可解释的注意力可视化工具辅助调试、采用仿真-现实联合训练提升数据效率。

3.2.1 空间交互基础模型：360°×360°全空间感知

GOVLA的空间智能能力建立在多模态感知融合基础上。AlphaBot 2的传感器配置包括 [(aiww.com)] ：

多模态信息的早期融合策略——在特征层面即进行跨模态对齐与联合编码，而非在决策层后融合——使模型能够学习跨模态的关联模式，例如"视觉中的物体边缘"与"力觉中的接触反馈"的对应关系，从而提升操作的鲁棒性。

3.2.2 全身控制输出：从单臂操作到全身协同的跨越

GOVLA最显著的技术突破在于实现了真正的全身协同控制。传统工业机器人通常仅控制6-7自由度的机械臂，而GOVLA的输出维度覆盖机器人全部可控自由度：

全身协同的工程价值：机器人能够在移动中完成复杂操作，无需停止移动即可进行抓取、放置等动作，大幅提升作业效率。例如，在半导体制造场景中，机器人需要在不同工位之间移动并完成精确的晶圆装载，全身协同控制使这一过程更加流畅和高效。

3.2.3 增量学习与灾难性遗忘攻克：持续进化能力

具身智能系统面临的核心挑战是"灾难性遗忘"——学习新任务时破坏已掌握的旧知识。GOVLA宣称攻克了这一"世界级难题" [(IT之家)] ，其技术方案包括：

增量学习的工程价值：支持机器人在不中断服务的情况下持续进化，形成"越用越聪明"的正向循环。这与智平方的"数据飞轮"商业模式紧密关联——部署规模越大、场景越丰富，模型迭代速度越快。

3.2.4 端侧部署优化：软硬协同8倍速度提升

大模型的端侧部署是具身智能工程化的关键瓶颈。GOVLA通过软硬协同优化实现端侧运行速度的8倍提升 [(IT之家)] ：

端侧优化的战略意义：使机器人能够在无网络连接或弱网环境下可靠运行，满足工业场景对数据安全和实时性的严格要求，同时降低长期运营的云服务成本。

3.3.1 Video2Act论文基础：北大合作的双系统视频扩散策略

GOVLA的技术架构有明确的学术研究支撑。2024-2025年，智平方与北京大学合作发表系列论文，系统阐述"双系统视频扩散策略"：

产学研融合模式：2025年4月，"北大-智平方具身智能联合实验室"正式揭牌，由北大计算机学院黄铁军教授担任名誉主任、施柏鑫长聘副教授担任主任 [(ai2robotics.com)] 。这一合作机制为前沿研究到工程转化提供了制度化保障。

3.3.2 DeepSeek技术融入：推理能力增强

2025年，智平方首次将DeepSeek技术融入GOVLA的慢系统构建 [(ai2robotics.com)] ，显著增强了机器人在复杂任务中的规划与决策能力。具体融合方式：

• 推理链增强：将DeepSeek的逐步推理能力引入任务规划，提升复杂指令的理解与分解精度；
• 工具使用：支持机器人调用外部工具（如数据库查询、计算器）辅助决策；
• 长程依赖建模：提升对多步骤任务中历史信息的记忆与利用能力。

DeepSeek融入的标志性意义：实现了"国产可控"的技术闭环，在国际技术竞争加剧背景下，为中国AI生态的协同发展提供示范。

3.3.3 与OpenAI/RT系列的技术路线对比优势

GOVLA的核心差异化优势在于："全域全身"的架构设计选择与"真实场景数据闭环"的迭代模式。前者使其能够处理更复杂的移动操作任务，后者使其能够快速响应客户需求、持续优化特定场景性能。

4.1.1 形态选择：轮式双臂的量产导向设计

AlphaBot 2采用"轮式双臂"形态，这一设计选择体现了智平方"量产导向"的工程哲学 [(IT之家)] ：

郭彦东明确区分于"表演型"机器人定位："通用智能机器人未必'长得像人'，但必须能像人一样工作" [(搜狐)] 。轮式双臂形态是在当前技术条件下，可靠性、成本、功能三者最优的工程权衡。

4.1.2 关键参数

4.1.2.1 34+自由度全身配置

AlphaBot 2的34+自由度具体分布：

这一配置在同类产品中处于领先水平。作为对比，Franka Emika Panda单臂7自由度，Fetch Mobile Manipulator（轮式+单臂）共8自由度，Stretch RE1约10自由度。

4.1.2.2 腰腿升降结构：适应多高度作业

升降行程0-240cm的设计使AlphaBot 2能够覆盖从地面搬运到高处货架取放的完整作业范围。升降机构的技术特征：

• 驱动方式：高精度电缸或滚珠丝杠，定位精度毫米级；
• 导向结构：线性导轨+滑块，保证升降过程中的稳定性；
• 与控制系统的协调：GOVLA将腰胯高度作为全身控制输出的一部分，与底盘移动、双臂姿态统一优化，实现"移动-定位-操作"的流畅衔接。

4.1.2.3 核心部件5万小时无故障运行可靠性

5万小时MTBF（平均无故障时间）是AlphaBot 2的核心可靠性指标 [(IT之家)] ，其工程含义：

• 年化换算：5万小时≈5.7年连续运行，或考虑维护周期后的8-10年设计寿命；
• 对比基准：工业机器人典型MTBF为2-5万小时，消费电子产品通常<1万小时；
• 实现保障：关键部件降额设计、冗余与容错机制、预测性维护策略、供应链质量控制。

4.1.2.4 ±0.02mm装配精度

在精密制造场景，AlphaBot 2实现了±0.02mm（20微米）的装配精度 [(IT之家)] ，足以满足半导体封装、精密电子组装、医疗器械制造等高端应用。精度实现的多层次优化：

4.1.2.5 200ms内环境感知响应

200ms感知-响应延迟使AlphaBot 2在人机协作场景中能够实现接近人类的交互流畅性 [(深圳新闻网)] 。延迟构成与优化：传感器采集→数据传输→模型推理→控制指令生成→执行器响应，端到端优化需要软硬件深度协同。

4.2.1 新一代伺服电机与仿生关节设计

伺服系统的技术特征：

仿生关节设计：运动学配置模仿人体关节特征（肩部球关节、肘部旋转、腕部三自由度），提升运动自然性与灵活性，同时优化工作空间覆盖。

4.2.2 面向量产的模块化架构

模块化设计的工程价值：

4.2.3 工业级可靠性验证

验证体系覆盖：

郭彦东透露，公司正在研发人形机器人，但强调"会在最恰当的时间推出"——当前聚焦轮式双臂的快速商业化，同时储备技术以备未来形态升级 [(新浪财经)] 。

5.1.1 2025年9月产线正式投产

智平方自有产线于2025年9月正式启用 [(手机新浪网)] ，设计特点：

• 柔性制造：支持多品种、小批量快速换型，适应产品迭代与定制化需求；
• 自动化程度：关键工序（精密装配、标定、测试）自动化，人工集中于复杂装配与质量检验；
• 数据集成：制造数据与研发系统打通，支持质量追溯与持续改进。

5.1.2 当前产能：年产千台级稳定制造能力

截至2025年底，产线具备年产千台级稳定制造能力 [(新浪财经)] ，在中国具身智能企业中处于领先地位。

5.1.3 2025年12月：单月百台级真实交付达成

从9月投产到12月单月百台交付，仅用3个月完成产能爬坡 [(新浪财经)] ，体现团队量产经验与执行效率。"真实交付"意味着产品已实际部署至客户现场并投入运行，而非库存转移或渠道铺货。

万台产能的战略意义：成本拐点（规模效应带来20%-30%成本下降）、市场覆盖（数十亿元收入规模）、竞争壁垒（交付能力成为客户选择关键要素）。

5.3.1 核心零部件自主化程度

5.3.2 千元级价格目标的实现路径

"千元级"（推测为数万元人民币量级）价格的成本优化驱动：

5.3.3 与汽车/消费电子供应链的协同

智平方团队的小鹏、OPPO背景为其供应链策略提供独特优势：供应商关系复用、质量标准对齐（汽车高可靠性+消费电子成本控制）、人才网络加速供应商开发与管理成熟。

6.1.1 汽车制造：头部车企全场景验证

东风柳汽合作（2025年6月）：AlphaBot 2首次进驻汽车工厂，在上下料、拖拽料车、贴挡风玻璃标签、收纳保护布等场景执行智能化作业，标志国产具身大模型首次获得汽车制造全场景验证 [(IT之家)] 。

国际车企订单：AlphaBot已进入国际车企供应链，"直接对标特斯拉Optimus" [(21经济网)] 。

6.1.2 半导体制造：晶能微电子等标杆案例

晶能微电子合作（2025年3月）：在吉利旗下晶能微电子的智能化半导体生产基地，AlphaBot实现±0.02mm装配精度，高效执行上下料、产线间物料转运等任务 [(IT之家)] 。

6.1.3 半导体显示：惠科股份战略合作

惠科作为全球第三大面板厂商，其全球生产基地的部署为智平方提供了高质量真实场景数据与跨地域运营经验。

6.1.4 生物科技：华熙生物无菌车间部署

华熙生物合作（2025年4月）：在无菌车间执行物料协同转运、智能拆包消毒、智能视觉检验、多物料协同智能供料等操作 [(36kr.com)] 。

无菌场景的特殊价值：机器人替代人工可降低微生物污染风险，满足GMP规范要求。华熙生物作为产业资本参与智平方融资，体现战略客户对技术前景的高度认可。

机场部署的核心挑战：人流密集、环境嘈杂、任务多样、安全要求严苛。成功运营为进入更广泛服务场景积累关键经验。

智魔方的商业模式创新：将AlphaBot嵌入标准化空间模块，降低单点部署复杂度，快速复制推广，构建机器人服务网络的品牌曝光与数据积累效应。

6.4.1 "从半结构化到非结构化"渐进战略

6.4.2 数据飞轮：真实场景-数据积累-模型迭代-能力泛化

数据飞轮机制：真实场景部署→高质量交互数据产生→GOVLA训练优化→模型能力提升→更多场景可服务→更大规模部署。与仿真数据或实验室数据相比，真实场景数据的分布特性、噪声模式、任务复杂度具有不可替代的价值，构成智平方的核心竞争壁垒 [(博客园)] 。

郭彦东透露的RaaS演进方向："未来客户可能无需一次性购买硬件，而是按智能操作工时付费" [(新浪财经)] ——核心前提是机器人能够通过大模型持续创造价值，经济性优于传统人力或自动化方案。

按45万元年节省、1.8倍阈值测算，客户可接受售价上限约81万元。当前AlphaBot 2成本结构尚未达到这一水平，但2026年万台级量产后有望接近。

智平方的领先性体现在"技术深度×场景广度×商业验证"的乘积优势。

智平方与Optimus的技术路线相似性（端到端VLA、软硬一体、工业场景起步）与工程节奏差异性（智平方量产更快、场景更深）构成核心对比特征。

B轮投资方结构分析：

• 百度战投：大模型技术协同，云端算力支持；
• 中车资本：轨道交通等基础设施场景打开；
• 券商系基金（国泰海通）：上市筹备的明确信号 [(腾讯网)] 。

结语：智平方代表了中国具身智能企业"技术-工程-商业"闭环构建的先进范式。其核心价值不在于单一技术点的领先，而在于将GOVLA大模型的智能能力、AlphaBot硬件的执行能力、真实场景的数据能力整合为自我强化的飞轮系统。在全球具身智能竞争进入"量产验证"新阶段的背景下，智平方的规模化交付能力、真实订单获取能力、以及持续迭代进化能力，构成了其应对高估值压力、技术不确定性、国际竞争挑战的关键底气。未来2-3年，万台级量产交付的验证、L4级自主能力的突破、以及从卖硬件到卖服务的商业模式转型，将是决定其能否从"独角兽"迈向"平台级企业"的关键里程碑。