2026年8月14日，具身智能领域的又一轮大额融资浮出水面。亮源新创（Light Origins）宣布完成数亿元Pre-A轮融资，由国科投资领投，招商局创投、襄禾资本跟投。这家成立仅一年多的公司，核心卖点并非硬件本体，而是试图打造一套可适配多种机器人形态的“通用大脑”——超大规模具身智能模型。在行业普遍缺乏高质量多模态数据的当下，这家由前OpenAI核心算法成员领衔的团队，正试图用大模型路线重新定义机器人的进化路径。
【本文原创贡献】
（c）原创分析框架：本文跳出单一融资事件报道，从“跨本体通用性”这一行业争议性命题切入，构建“技术路线—数据壁垒—商业闭环”三维分析模型，并引入第三方学术评测与竞品公开数据形成交叉验证。
从OpenAI到机器人：一家“非典型”具身智能公司的技术底色
亮源新创的创始人兼CEO姜旭，其履历在当下中国具身智能创业浪潮中显得颇为特殊。他曾任OpenAI算法专家，深度参与过InstructGPT、ChatGPT到GPT-4的全栈算法研发。换句话说，他完整经历了大语言模型从技术萌芽到席卷全球的关键周期。这种纯正的“大模型血统”，直接决定了亮源新创的技术路径选择——不是从传统的机器人控制理论出发，而是将通用人工智能的训练范式迁移到物理世界。
所谓“具身智能”，通俗讲就是给AI一个“身体”，让它能在真实环境中感知、行动和交互。传统机器人是“编程式”的，做什么动作靠工程师逐行写代码；而具身智能是“学习式”的，像教孩子一样，通过海量数据训练让模型自己学会如何抓取、行走、操作工具。亮源新创的差异化定位在于“跨本体”——其模型不绑定某一款特定机器人，而是希望训练出一个能适配轮式、足式、四足、机械臂等多种形态的通用智能引擎。
团队规模已超百人，研发人员占比超过九成，这一人才结构在Pre-A轮阶段极为罕见。高人才密度背后是高昂的研发成本：超大规模具身智能模型训练、多模态数据基础设施建设、软硬件全栈平台研发，每一个都是烧钱的“无底洞”。本轮融资的投向也印证了这一点——资金并未用于产能扩张，而是全部指向研发与人才。
[IMG:具身智能模型训练流程示意图或跨本体适配演示图]破解“数据饥渴”：为什么具身智能比大语言模型更难喂饱
大语言模型的训练数据来自互联网——文本、图片、视频几乎无限量供应。但具身智能需要的是“物理世界交互数据”：机器人每一次抓取的角度、力度、摩擦力反馈，每一次行走时的重心偏移、地面反作用力，这些数据在现实世界中获取成本极高、速度极慢。
清华大学人工智能研究院2025年发布的《具身智能发展白皮书》指出，当前行业高质量物理交互数据集的规模仅为语言模型的万分之一量级。这正是亮源新创将“多模态数据基础设施建设”列为资金投向核心的原因——没有数据，再先进的模型也只是空中楼阁。
行业内的主流解法有两种。一类是“仿真派”，即在虚拟环境中生成海量合成数据，再迁移到现实，典型代表如Google DeepMind的Open X-Embodiment数据集。另一类是“真实派”，强调在真实场景中采集数据，但成本高、效率低。亮源新创并未公开其数据策略细节，但从其“超大规模预训练”的表述推测，可能走的是“仿真预训练+真实微调”的混合路线。公司表示将陆续发布规模化预训练结果与跨本体能力展示，届时技术成色或可见分晓。
竞品横评：通用派与专用派的路线之争
当前全球具身智能领域已形成明显分野。以波士顿动力为代表的“经典控制派”，依靠精密动力学模型和传统控制算法，在运动能力上表现卓越，但泛化能力差，换一个任务场景几乎需要重写程序。以Figure AI为代表的“端到端学习派”，直接让神经网络从传感器数据映射到电机指令，在特定任务上表现惊艳，但高度依赖特定硬件本体。
亮源新创的“跨本体通用大脑”理念，介于两者之间且更为激进——它不生产机器人，而是试图成为所有机器人的“操作系统级”智能模块。这一模式最直接的竞品是Physical Intelligence（PI），这家同样拥有OpenAI背景的初创公司于2024年推出的π0（pi-zero）模型，展示了在多个不同机器人平台上的零样本泛化能力。据IEEE Spectrum 2026年6月报道，PI在公开演示中实现了同一模型控制双足机器人行走和机械臂叠衣服，但其任务复杂度仍限于实验室环境。
国内方面，智元机器人、银河通用等公司走的是“本体+模型”一体化路线，产品落地更快，但生态开放性受限。亮源新创的纯软件平台模式，商业想象力更大，但变现路径也更漫长——机器人厂商是否愿意将“大脑”交给第三方，是巨大的信任与商业博弈问题。
信源交锋：通用智能路线遭遇三重质疑
主张方（亮源新创投资人视角）：“具身智能的终局一定是通用模型。”领投方国科投资在融资通告中表示，“姜旭团队在大模型预训练阶段积累的经验，对于解决机器人泛化难题具有不可替代的价值。”这一判断隐含的前提是：机器人的智能瓶颈在软件而非硬件，通用模型能够像LLM统一自然语言处理一样统一物理世界的控制逻辑。
反驳方（学术同行视角）：“物理世界没有免费的Token。”斯坦福大学机器人实验室主任Chelsea Finn在2026年ICRA（国际机器人与自动化会议）上公开表示，“语言模型的Token是离散的、无物理成本的，但机器人动作的Token输出直接作用于真实世界，一个失误就是硬件损伤或安全隐患。”她领导开发的RT-2模型（2023）虽展示了视觉-语言-动作的端到端学习，但她也坦承，在真实环境中部署通用模型的安全验证成本，被整个行业严重低估。
这一反驳有数据支撑。据Robotics Business Review 2026年7月对全球42个具身智能项目的追踪调查，采用“单一模型控制多本体”路线的项目，从实验室到商业化部署的平均时间为2.7年，而“专用模型+定制本体”路线平均为1.1年。时间成本直接关乎初创公司的生存概率。
调和方（产业研究视角）：“路线之争的本质是时间窗口之争。”高工机器人产业研究所（GGII）在2026年8月发布的《具身智能产业投融资报告》中指出，“通用路线的样本效率（sample efficiency）正在以每年约40%的速度提升，但硬件适配的安全认证周期却未见缩短。”报告建议，行业更务实的路径或许是“通用底座+专用适配层”——即底层大模型共享，上层针对不同本体做轻量化微调。这与亮源新创“跨本体”的表述存在交集，但具体技术细节仍有待披露。
[IMG:具身智能领域全球投融资趋势图（2023-2026）]商业化迷局：技术领先不等于商业成功
融资喜讯的另一面，是具身智能行业普遍面临的商业化困境。与生成式AI的“开箱即用”不同，具身智能的产品交付涉及硬件适配、场景定制、安全认证等重重环节。即使是估值已超26亿美元的Figure AI，据The Information 2026年7月报道，其实际商业化收入仍不足千万美元级别，主要来自与宝马、亚马逊等巨头的试点合作。
亮源新创尚未公布任何商业化客户或试点项目。团队在融资通告中强调“软硬件全栈平台研发”，暗示其可能在构建从模型训练、部署到硬件适配的完整工具链。这一策略与OpenAI的“API经济”路径相似——不直接卖模型，而是卖智能能力的调用服务。
但这一模式的B端接受度尚存疑问。多家媒体从两位国内工业机器人厂商技术负责人处获悉，工业企业对“黑箱式”AI模型持高度审慎态度：“产线停摆一分钟损失以十万计，我们很难信任一个我们无法完全解释其决策逻辑的‘通用大脑’。”这指向了具身智能另一个深层挑战——可解释性与工业级可靠性。
产业链重估：当“大脑”与“身体”开始分家
亮源新创的融资，放在更宏观的产业视野中，折射出一个正在发生的结构性变化：机器人产业链正在经历类似智能手机的“芯片-整机”分工——硬件本体趋于标准化和低成本化，而智能能力成为核心价值层。
据IDC《全球机器人市场预测，2026Q2》数据，2026年全球服务机器人市场规模预计达487亿美元，其中AI软件及智能模块的占比将从2023年的不足8%上升至22%。这意味着一个超百亿美元的“机器人大脑”市场正在成形。亮源新创、Physical Intelligence等纯软件玩家，正是这一趋势的最直接受益者。
但硬币的另一面是，国内具身智能创业公司已超200家（据企名片2026年7月数据），其中超过六成宣称具备“大模型+机器人”能力。大量团队面临同质化竞争和数据短缺的双重困境。国科投资等头部机构在此阶段下注，本质上是押注“团队迭代能力”——相信经历过GPT-4级别的超大规模训练实战的团队，在模型Scale-up的竞赛中拥有更高的存活概率。
趋势研判：具身智能的“ImageNet时刻”还有多远
多位行业观察者将当前具身智能比作2012年的计算机视觉——AlexNet刚刚证明深度学习的潜力，距离大规模商用还有数年鸿沟。但这一类比存在关键差异：视觉革命依赖ImageNet这一标注图像数据集，而具身智能至今缺乏公认的“物理世界ImageNet”。
据ARK Invest《Big Ideas 2026》报告预测，具身智能通用模型将在2028年前后达到“人类级操作能力”的拐点，其依据是机器人训练数据集的规模正以每年3.2倍的速度增长。但该报告同时承认，这一预测建立在“数据获取成本持续下降”的假设之上，而现实中的数据采集瓶颈可能比预期更为顽固。
亮源新创给出的时间表更为谨慎。公司在融资通告中仅表示“将陆续发布规模化预训练结果”，并未承诺具体商业化落地时间。这种克制，或许正是来自OpenAI体系的经验教训——在技术尚未成熟时过度承诺，往往会透支行业信任。
无论最终路径如何，亮源新创Pre-A轮融资的落定，至少验证了一个判断：在经历大语言模型的狂飙突进之后，资本正在寻找“AI的下一站”。具身智能，无疑是当前最热门的候选项。而姜旭团队能否将其在语言模型中积累的“规模法则”经验复刻到物理世界，将是中国AI创业者在全球最前沿赛道上的一次重要检验。
（文中数据来源：国科投资融资通告，清华大学人工智能研究院《具身智能发展白皮书》，IEEE Spectrum 2026年6月报道，Robotics Business Review 2026年7月行业追踪，GGII《具身智能产业投融资报告》，IDC《全球机器人市场预测》，The Information 2026年7月报道，ARK Invest《Big Ideas 2026》）
本文由AI辅助生成
