RoboScience 机器科学完成数亿元 A2 轮融资，华兴资本担任独家财务顾问

11 月 2 日，RoboScience 机器科学宣布完成 A2 轮数亿元融资。本轮融资由琥珀资本、鸿瑞达投资、上海半导体产投联合领投，爽资本、360 战投、国联民生资本、金鼎资本及多家上市公司平台跟投，共同体现对 RoboScience 机器科学技术实力及商业化潜力的认可。华兴资本担任本轮独家财务顾问。

本次融资将用于持续深耕具身智能赛道，重点支持大模型的持续迭代升级，推进物流、零售、工业等核心场景的 POC 验证与规模化落地，并进一步加强高端人才储备。

从数据到模型再到本体，RoboScience 机器科学一年内构建通用具身全栈闭环

具身智能的落地从来不是单一算法的突破，而是覆盖模型、硬件、数据全链路的复杂系统工程。围绕效率、准确率、泛化性三大核心目标，RoboScience 机器科学构建了从模型架构、数据闭环到本体的全栈技术体系，形成了差异化的系统级竞争优势。

过去一年，RoboScience 围绕 "通用具身智能" 主线，完成了系统性技术卡位：从 2025 年 9 月发布自研物理仿真引擎 RoboMirage，到 2026 年 6 月推出通用具身大模型 Visics，再到 8 月亮相轮式仿人形机器人 REX G1，用时一年打通了从数据、模型到本体的完整闭环。

在具身智能走向产业化的进程中，最大痛点在于场景迁移成本高与模型泛化能力不足。若每切入新场景都需要重复进行人工数据采集、模型后训练与硬件重构，高昂的边际成本将极大限制商业化空间。在 RoboScience 的技术架构中，"数据 - 模型 - 本体" 并非单向线性的开发，而是一个相互定义、彼此放大的数据飞轮：

"仿真 + 视频" 双数据飞轮，推动具身 Scaling Law：RoboMirage 已经实现了高并发、实时性和全物体空间的覆盖，结合全自动的视频标注与清洗管线，构建了 "仿真 + 视频" 双数据飞轮。目前 RoboScience 机器科学数据路线把单条数据的获取成本压到 0.05 元，降到了传统方案的 1/20 到 1/200。2026 年初至 10 月，RoboScience 机器科学视频训练数据从 100 万小时突破到 400 万小时，仿真训练数据早已突破百亿次运动轨迹，且两类数据都在持续扩展，从根本上突破数据规模和成本的双重瓶颈，为具身的 Scaling Law 创造条件。

Visics 通用具身大模型，实现 "跨本体、跨物体、跨任务" 三大维度泛化：Visics 大模型融合 "具身世界模型" 和 "通用操作模型" 两大核心引擎，创新性地引入 Object Trajectory 作为中间接口，并以物体的连续 3D 点云轨迹进行表征。上层具身世界模型负责认知和预演物理轨迹，下层通用操作模型负责将轨迹转化为不同机器人的物理控制信号，实现了高层语义与底层物理规律的完美解耦，并分别用海量互联网视频及仿真数据进行预训练。在今年 WAIC 及 WRC 两大行业展会上，搭载 Visics 的机器人实现了不同品牌灵巧手的 30 秒快速切换，无需重新训练即可执行操作，并能现场抓取观众随机提供的物品，展示了模型的跨本体适配与跨物体泛化能力。

REX G1 真实工况连续作业，实现 "作业 - 反馈 - 迭代" 闭环：自研轮式仿人形机器人 REX G1 集成移动、全向感知与双臂协同操作能力，重点面向高动态、高泛化的物流与零售场景。作为搭载 Visics 的机器人载体，自研本体一方面实现了传动精度、控制延迟与大模型推理的高效软硬件联合调优；另一方面，REX G1 能够收集复杂长程作业的数据，被实时提取并反哺至 RoboMirage 仿真系统，提升作业效率。

跨越通用大模型落地断层：三大技术底座筑牢深厚护城河

当前，以 GPT Astra 等为代表的通用大语言模型正凭借强大的空间理解能力不断向物理世界渗透。行业内部始终面临一个核心追问：当通用大语言模型日益强大，具身智能企业自研 "大脑" 的差异化价值究竟在何处？

事实上，通用大语言模型擅长工具调用、任务拆解、链式规划与意图编排，但并不天然适配不同机器人本体。具身智能走向产业化的真正痛点，恰恰在于物理操作执行接口的泛化能力、响应速度与长效任务成功率 —— 这要求 AI 必须真正习得真实世界的复杂物理属性：接触、摩擦、弹性力与动力学反馈。

而这些关键的物理规律，并不会自然从互联网文本或通用视频数据中长出来。这正是 RoboScience 机器科学依托 "仿真引擎 + 通用具身大模型 + 本体" 三大技术底座所构筑的深厚护城河：

RoboMirage 仿真引擎：源源不断地产出海量低成本物理级数据，从源头上破解具身智能数据的 Scaling Law 瓶颈；

Visics 通用具身大模型：通过分层解耦的架构设计，实现跨本体、跨物体、跨任务的统一物理操作控制；

REX G1 本体：作为全栈能力的最佳实体载体，通过搭载自研具身大模型 Visics，REX G1 在真实工况中实现作业与反馈的持续闭环。

三大底座相互协同进化，让 AI 机器人如同人类一样，先 "看懂" 物体的运动逻辑，再灵活调用统一的模型接口去精准驱动千差万别的硬件本体。

随着 A2 轮融资的顺利完成，RoboScience 机器科学将加速把这一全栈闭环能力推向更广阔的商业腹地，为全球具身智能产业提供真正具备泛化落地价值的 "基础设施"。

多方产业资本加持，提速商业化进程，加速核心场景验证

在商业化路径上，RoboScience 机器科学重点关注场景的泛化需求与数据价值。在 RoboScience 机器科学创始人兼 CEO 田野看来，物流、零售等场景涉及多样化的物体、环境与任务，既能发挥通用操作模型的优势，也能积累丰富的真实作业数据，持续反哺模型迭代。公司将率先切入此类泛化要求高的场景，以此推动能力跨场景复用，逐步降低新增场景的适配成本，形成可持续拓展的商业路径。

为推动通用操作能力在更多硬件与场景中规模化复用，RoboScience 机器科学进一步将模型能力转化为可按需调用的云端具身智能服务 EaaS（Embodied-AI-as-a-Service）。目前，RoboScience 已和腾讯云达成战略合作，其自研通用具身大模型 Visics 已上线腾讯云，通过 API 开放模型调用，支持适配不同形态的灵巧手、机器人等末端执行器，令用户能如同调用大语言模型一样从云端获取具身大模型生成的操作策略，从而推动具身智能从 "本体绑定" 走向 "云 - 端解耦"，从技术验证走向规模化商用。

目前，RoboScience 机器科学已在零售商超、物流等场景推进应用落地，持续丰富 EaaS 场景生态。本轮融资后，公司将加强与产业股东的资源协同，加快核心场景验证与应用推广。

琥珀资本表示："具身智能技术迭代加快，正在不同的领域经历从技术验证向规模化应用推进的阶段，开放场景的通用能力与落地成本是产业突破的关键。RoboScience 机器科学围绕这一核心命题，构建了贯通数据、模型与本体的全栈技术体系，进一步提升跨本体、跨物体、跨任务的泛化能力，实现在真实工况中持续完成数据积累与能力迭代。我们高度认可团队对技术路径的前瞻判断与系统化执行能力，看好公司在真实场景加快验证，推动模型能力规模化复用，逐步成长为通用具身智能时代的重要基础设施平台。"

RoboScience 机器科学创始人 & CEO 田野表示："我们希望每一次场景落地，既能解决客户的实际问题，也能为通用能力的提升积累经验。本轮融资后，我们将持续迭代 Visics，完善本体产品与 EaaS 服务，在真实作业中提升效率、准确率与泛化能力，降低具身智能的使用成本，推动具身智能走向千行百业。"

华兴资本投资银行事业部业务合伙人徐锟表示："非常荣幸继续陪伴 RoboScience 机器科学完成本系列融资！我们始终看好具身智能作为 AI 走向物理世界的重要发展方向，也相信行业正从早期的技术探索与单点能力突破，逐步迈向通用智能与产业应用深度融合的新阶段。在这一过程中，企业的长期竞争力不仅取决于单一模型或硬件的性能，更来自底层技术、工程化能力与产业生态的系统性构建。RoboScience 以创新的 VLOA 架构为核心，打造 Visics 通用具身大模型，融合具身世界模型与通用操作模型，并围绕数据、模型与硬件持续构建全栈技术能力，探索通用具身智能规模化发展的新路径。本轮众多财务投资人与产业战略投资人的共同加入，体现了资本市场与产业界对公司技术路线及长期价值的高度认可，也将为公司后续发展与产业生态建设注入新的动力。华兴资本很荣幸长期陪伴公司成长，期待 RoboScience 持续推动具身智能走向真实产业应用，成长为具身智能时代的重要基础设施。"

华兴资本投资银行事业部先进制造组负责人李子越表示："具身智能的发展正在进入系统性迭代的新阶段，行业竞争已不再局限于单一模型或本体的性能，而是逐步转向模型、数据、仿真、硬件与工程化能力的系统性较量。RoboScience 以 Object Trajectory 为统一表征，依托 VLOA 架构构建 Visics 通用具身大模型，将具身世界模型的理解与规划能力和通用操作模型的执行能力有机结合，并通过自研可微物理仿真引擎及规模化数据体系，持续提升模型的泛化能力与训练效率。尤其是公司在跨本体泛化与复杂精细操作方面的持续探索，为通用操作智能突破不同机器人构型、任务与场景之间的壁垒提供了新的技术路径。我们坚定看好公司在底层技术上的原创性与快速迭代能力，期待 RoboScience 持续深化模型、数据与硬件的协同创新，以领先的系统级能力推动通用具身智能在更广泛的产业场景中实现规模化落地。"

（来源：华兴资本）