具身智能商业化突破：跨维智能如何利用物理仿真破解AI训练数据难题？

在具身智能这条赛道上，如何精准获客并实现大规模落地，一直是困扰初创企业的核心瓶颈。

然而，总部位于深圳的跨维智能却打破了这一困局。凭借深厚的技术积淀，这家公司已成功为一批千亿级行业巨头提供了成熟的解决方案。

在美的集团的智慧工厂中，其部署的机器人分拣系统效率已达到人工的三倍；而在海信的自动化生产线上，该公司的机器人实现了柔性插拔装配，成功率攀升至99.99%。2024年，跨维智能正式进军人形机器人领域，并计划于2025年实现过百台的批量出货，目前已成功签约比亚迪、广汽、中联重科、三一重工、松下、大金及蓝思科技等各行业领军企业。

这就是跨维智能——一家通过向制造业输出高性能“机器人大脑”与人形机器人，年营收已顺利突破亿元大关的前沿科技企业。

跨维智能成立于2021年，之所以能在不到五年的时间里完成从实验室到大规模工业现场的跨越，核心秘诀在于其彻底解决了具身智能的“数据饥渴”难题。

物理世界的真实数据天生具有稀缺性与碎片化特征。行业内普遍采用的真机采集模式，不仅效率低下，且场景复用能力极差。跨维智能创始人贾奎教授带领团队，另辟蹊径地利用计算机模拟真实的物理环境进行“造数据”，有效填补了机器人在现实世界训练中面临的数据真空。

在跨维智能自主构建的虚拟仿真世界中，物体拥有真实的物理属性，如重量、碰撞反馈等，能够源源不断地生成高价值训练数据。无论是今天训练圆形零件的精准抓取，还是明天切换到方形组件；无论是模拟晴空万里的强光，还是阴雨连绵的昏暗环境，甚至是人为设置油污等干扰项，系统都能游刃有余地应对。

这种强大的“数据核武器”深受资本市场青睐。自成立以来，跨维智能已完成多轮大额融资，天使轮即获近千万美元注资。

2025年年中，公司再次宣布完成数亿元的A1&A2轮融资，本轮融资由成都科创投、洪泰基金领投，联想创投等新老股东持续跟投，资本助力其加速技术迭代。

目前，跨维智能的客户网络已覆盖汽车零部件、新能源、3C电子、航空航天、物流、家电、化工、医疗及教育等50多个垂直细分领域。

创始人贾奎作为“80后”硬科技创业者，出身于西北工业大学，并在伦敦大学玛丽女王学院获得博士学位。除了创业者身份，他目前还担任香港中文大学（深圳）的教授，深度链接学术界与产业界。

近期，在与铅笔道等多家媒体的深度交流中，贾奎分享了关于具身智能未来的三大关键研判：

1、机器人大规模落地的下一个爆发点在哪里？

贾奎认为，服务机器人将是接下来的重头戏。随着技术成熟度提升，机器人将变得“好用且实惠”，其采购成本有望降至客户18至36个月即可回本的水平。预计2027年市场开始起量，2028年将迎来全面爆发，有望复刻工业机器人的辉煌路径。

2、展望2026年，行业会发生哪些重要变化？

他预测，三维物理世界模型将成为行业竞逐的技术高地，而能够模拟人类自然动作的高精度数据采集设备（如智能手环、头环）也将迎来爆发式增长。

3、具身智能的长远前景究竟有多广阔？

持乐观态度的贾奎表示，如果核心数据瓶颈能被彻底攻克，顶尖具身智能公司的估值天花板甚至有望达到纯软件大模型公司的10倍。

01

回溯2021年创业之初，“具身智能”尚未成为大众热词，行业内对此还处于摸索阶段。

我们当时在思考：AI能否走出二维屏幕，不再局限于文本和图像的虚拟交互，而是真正踏入三维物理世界，改变我们的生产与生活？

要让AI在物理世界中自主执行任务，必须依赖物理载体，这就是机器人，也是具身智能的核心价值所在。

目前市场存在一个误区，即将具身智能等同于人形机器人。实际上，具身智能是让AI具备在物理空间行事的能力，而形态各异的机器人只是载体。即使是单臂机械臂，只要具备环境感知与自主决策能力，亦属于此范畴。

机器人的核心价值终归要回归到“劳动力属性”：即效率提升、突破人类极限以及持续的成本优化。

跨维智能创始人贾奎教授

虽然工业机器人在汽车和3C等领域应用已久，但其“高成本”与“低柔性”是长期痛点。传统系统动辄百万的成本令中小企业望而却步，且其只能执行单一任务，换线成本极高。

而在更广阔的商业和家庭场景，机器人的普及率依然很低。扫地机器人更多是基于规则的自动化，而非真正的智能体。这主要是因为场景过于多变，传统机器人的“算法大脑”难以胜任。

具身智能发展的核心‘大山’在于数据的稀缺。物理世界的数据无法像互联网文本一样轻松抓取，它需要融合三维空间、多模态感官及复杂的物理反馈。

面对真实数据的短缺，我们提出了“生成式仿真”的概念，即在虚拟空间中构建符合物理法则的训练环境。在当时，这种坚持通过软件模拟生成数据的路线非常超前。

尽管大模型提升了语义理解，但物理世界的操作数据依然匮乏。我们构建的 GS-World 虚拟世界，能够精确模拟物体的摩擦力、重力与碰撞反弹，从而实现数据的无限供应与极端场景的低成本覆盖。

通过这些高度真实的仿真训练，我们成功将AI能力转化为实际的工业技能：

在美的工厂，我们的机器人处理无序零件的效率远超人工；在海信生产线，柔性插拔的成功率已达到准工业级标准，这些成就了过去自动化设备无法触达的空白区域。

02

跨维智能目前的商业架构清晰地分为两大核心板块，皆在挖掘具身智能的商业变现潜力：

在智能制造领域，我们充当“大脑服务商”，提供基于纯视觉传感器与操作大脑的方案，可直接赋能市面上主流的机器人本体，助力企业低成本实现产线升级。目前该业务在汽车零部件及家电领域增速迅猛。

在商业服务领域，我们则采取“全栈式”策略。2024年发布的 DexForce W1 系列人形机器人，正是针对复杂多变的商用环境设计的灵巧作业平台。

该机器人拥有高自由度的上肢，能够复现人类的精细动作。在 GS-World 模型驱动下，它已在咖啡制作、送餐、互动讲解等场景实现应用，并已在2025年开启批量交付模式。

我坚信，2026年将成为服务机器人的发展元年。随着供应链的成熟与算法成本的下降，机器人将进入一个投资回报率极其优越的周期，并有望在2028年复刻当年工业机器人进入高速增长的轨迹。

为了推动行业生态的繁荣，我们选择了开源 GS-World 的核心底座 EmbodiChain。我们认为，“数据平权”是行业进步的关键。跨维智能的核心护城河在于物理建模的深度与极致的工程落地能力，而非封闭的技术壁垒。

我们的技术特色在于“用AI定义硬件本体”，通过算法优化机器人的关节与构型，使其在保持高性能的同时，显著降低制造成本。

跨维智能大脑在虚拟环境中学习精细的咖啡机操作

展望未来，虽然行业仍有起伏，但中国在硬件供应链方面的优势已不可替代。我预测2026年，三维物理模型将成为行业标配，而数据采集技术将向着更自然、更高效的方向进化。

我们的使命是交付给客户“能够自主工作的数字化劳动力”。一旦具身智能解决了核心的数据瓶颈，其对实体经济的赋能将释放出超越以往任何AI技术的巨大价值。