鹿明机器人完成数亿元Pre-A轮融资 加速具身智能数据与硬件布局

作者｜黄楠

编辑｜袁斯来

据硬氪报道，专注于具身智能机器人领域的鹿明机器人（Lumos Robotics）近期成功完成了Pre-A1和Pre-A2两轮融资，总金额达数亿元人民币。以下是本轮融资的详细情况及公司的主要亮点：

融资概况与投资方

融资轮次：Pre-A1、Pre-A2

融资规模：总金额达数亿元

投资方：Pre-A1轮由鼎晖投资领投，南京创投、金景资本、金固股份跟投；Pre-A2轮由申能诚毅投资

资金用途：本轮融资将用于公司在具身智能数据和硬件领域的持续投入

公司基本信息

成立时间：2024年9月

注册地址：广东省深圳市宝安区

企业定位：鹿明机器人致力于具身智能机器人及核心零部件的研发与销售，打造了从真实数据采集、硬件本体创新到操作系统模型的全栈技术闭环。凭借自研的FastUMI高效数据采集系统和先进机器人硬件平台，公司为各行业提供涵盖数据、硬件、算法的具身智能基础设施，助力具身智能技术在多个高价值场景中实现规模化应用与商业化落地。

公司重点关注家庭、物流、制造等产业场景，核心产品包括LUS、MOS系列人形机器人，以及机器人关节模组、视触觉模组等关键部件。

鹿明机器人产品矩阵（图源/企业）

团队背景：创始人兼CEO喻超本科毕业于清华大学，自2016年起深耕机器人学习算法领域，曾主导追觅科技具身机器人业务的搭建，并参与开发了“铁蛋”机器狗等多款消费级机器人产品。CTO曹俊亮为上海交通大学机械工程博士，曾深度参与多款高性能具身机器人的研发工作。联席CTO丁琰是纽约州立大学人工智能博士，曾任上海AI Lab明星研究员。目前公司研发人员占比超过70%，其中包括十余位博士，团队具备丰富的产业经验和技术积累。

技术亮点：过去一年中，鹿明机器人推出了四款机器人产品，围绕训练数据和硬件本体两大方向，构建了从数据采集、本体设计、运动控制、感知算法到系统集成的全栈研发实力。

真实机器人训练数据是机器人通用操作大脑的核心基础设施，其成本、效率和泛化性是关键考量因素。此前，美国Generalist公司发布的GEN-0大模型通过27万小时的真实数据采集，初步验证了具身智能领域的Scaling Law，但其数据主要基于UMI数采技术。鹿明机器人的FastUMI高效数据采集系统正是对UMI方案的迭代优化，实现了性能的显著提升。

鹿明机器人数据采集软硬件系统FastUMI Pro（图源/企业）

与传统数据采集技术相比，FastUMI系统可将数据采集效率提升三倍，成本仅为传统方案的五分之一，精度达到1-3毫米。依托这一核心技术，鹿明机器人已初步积累了1万小时的真实数据，并完成了基座模型的训练，正在围绕数据硬件、软件及模型的全链条能力，构建完善的具身数据生态体系。

在硬件本体方面，鹿明机器人推出了高性能模块化机器人平台。其自研的大扭矩密度一体化关节，是业内首个实现双臂50公斤负载的机器人系统；同时，采用全PEEK材料的摆线关节模组，在减重40%、扭矩密度提升60%的同时，具备低噪音运行特性，为未来人形机器人在多元场景中的应用提供了有力支持。

市场体量

人形机器人市场正呈现快速扩张态势。根据高工机器人产业研究所（GGII）报告，2025年全球市场规模预计达63.39亿元，中国占比超过50%；预计到2030年，全球人形机器人销量将接近34万台，市场规模有望突破640亿元。Yole Group预测，2030年全球人形机器人市场规模将达到60亿美元，并在2035年快速攀升至510亿美元。

业务进度

在产业生态布局方面，鹿明机器人已与日本三菱、中远海运等头部企业建立深度合作，并引入了复星集团、商汤科技、德马科技、金固股份等具备产业资源的战略股东。

已同三菱等头部企业达成合作（图源/企业）

目前，公司正与智慧物流解决方案及核心部件厂商德马科技、全球航运巨头中远海运等知名企业展开合作，围绕具身智能在物流及智能制造等场景的落地、核心部件开发、新应用场景开拓、推动机器人产业链与创新链深度融合等方面进行探索，加速具身智能在产业中的商业化进程。

创始人&CEO思考

硬氪：鹿明的FastUMI技术已完成1万小时真机数据积累。您认为大规模、高质量的真机训练数据在多大程度上决定了具身智能的规模化落地？

喻超：相较于仿真训练，真机训练数据的质量最高，这次GEN0基于27万小时真机数据训练的模型效果就是例证。

真机训练能够提供复杂物理交互中的高保真动力学信息、对真实环境噪声与不确定性的鲁棒性建模，以及跨场景任务泛化的核心依据。在降低仿真到现实（Sim2Real）的迁移差距、确保动作执行的安全可靠等方面，它具有仿真训练无法比拟的优势。因此，我们认为大规模、高质量的真机数据是实现规模化落地的关键。

当前，机器人真机数据采集面临三大核心痛点：采集成本高、效率低、跨本体适配性差。这些瓶颈严重制约了高质量训练数据的规模化积累，进而影响具身智能在实际场景中的落地速度与稳定性。

鹿明的FastUMI技术正是为了解决这些问题而开发的，它将数据采集效率提升至传统方法的3倍，成本降至1/5，并达到1-3毫米的精度。这为高效积累真机数据构建了基础设施。

硬氪：如何进一步优化数据采集与模型训练闭环？

喻超：接下来，我们团队将通过以下三个方向持续推进。第一，丰富与拓展硬件产品体系；围绕工业与服务场景的多样化需求，团队正在构建覆盖多类型夹爪、力控/非力控结构及便携形态在内的硬件产品矩阵，以灵活、可配置的解决方案满足不同行业客户的差异化使用需求。

第二，数据与算法能力的系统性升级。在数据采集与处理环节，我们正持续优化全链路流程，构建高标准的数据质量评估体系，强化数据可信度与处理效率，为上层智能化能力的演进提供可靠的数据基础与算法支撑。

第三，为下一代具身智能模型做场景化开发。我们正通过与前沿科研机构合作，逐步融合触觉、力控等多模态数据，推动模型向更高维感知与自主决策能力演进。明年3月初，鹿明机器人计划发布面向工业核心作业场景的新一代模型。

基于数据-整机-场景的三角。通过优质的整机产品，在业务场景中运营，积累真机数据，训练更好的模型，再应用到更广的场景之中，是鹿明整体的业务路径。可以说，我们所有业务都是为了真机数据积累展开。结合商业化进程，在商业化的同时实现真机数据的规模化，这是鹿明机器人1-2年内的主要目标。

硬氪：公司自主研发的一体化关节、轻量化摆线模组等核心硬件，已在负载、静音等方面实现突破。这些技术将如何支撑机器人在工业、家庭等不同场景中的长期可靠运行？在硬件成本与性能平衡上，鹿明有什么样的策略？

喻超：机器人进入家庭，成为消费级产品时，成本和可靠性是非常重要的考量因素，这也是鹿明的硬件在设计时就关注的。在成本与性能平衡上，我们通过从本体到核心零部件再到算法的全栈自研，在保证产品可靠性的前提下实现成本可控，为机器人规模化落地奠定基础。

目前，鹿明机器人已经构建了一套兼顾高负载性能与家庭友好特性的机器人硬件体系。

针对工业场景中物流搬运等重负荷任务，我们开发的一体化关节技术已实现高负载性能突破，以Lumos机器人为例，其双臂负载能力可达50公斤，能够稳定支持高强度作业需求。

面向未来家庭服务场景，我们也推出了轻量化摆线模组，在实现结构减重的同时，显著降低运行噪音并提升安全性能，为机器人在家庭环境中的可靠运行提供技术保障。