27 岁那年，李银川带着 "天才少年" 的身份，成为华为诺亚方舟实验室最年轻的项目经理。四年之后，他创办的诺因智能宣布完成数亿元天使 +++ 轮融资，京东相关基金领投，正心谷资本、南山战新投和华登投资跟投。
算上这一轮，这家机器人公司自 2025 年 8 月成立以来，十四个月已经完成五轮融资，累计金额超过 10 亿元。在此之前，诺因刚在 8 月完成 5 亿元天使 ++ 轮融资，经纬创投领投；更早的 3 月，钟鼎资本领投天使 + 轮，投后估值超过 20 亿元。
尽管被资本追着投，然而诺因智能面向家庭的机器人 KNOWIN-X1 还没有公布售价、续航和双臂负载，实际任务成功率也未见第三方数据。按照公司规划，量产要等到 2027 年第一季度。
几年前，他还在华为诺亚训练生成式大模型；现在，他要让阅历比自己更丰富的投资人、员工和未来的消费者相信，机器人不仅能在实验室里叠衣服，也能在客厅里干活不出错。

拒绝工厂订单
李银川很少出现在公众视野里，他 16 岁考入北京理工大学，是北理工与哥伦比亚大学联合培养博士；25 岁加入华为，27 岁成为诺亚方舟实验室最年轻的项目经理，离职前的身份是华为诺亚生成式大模型方向负责人。
李银川在华为训练生成式大模型，研究怎样让模型产生足够多、足够好的数据。这段经历决定了诺因智能后来的路线。
2025 年 8 月创业时，李银川做了两个与当时行业共识相反的决定，在同行看来近乎固执的决定：不做 To B，直接做家庭。
第一个关于场景。"2025 年上半年，大家普遍认为具身智能就是操作、模仿学习、进工厂。" 他后来向 36 氪复盘，"但我当时就在讲，我们要做能够泛化的技术路线，真正做出可泛化的具身模型，而不是过拟合。"
他因此没有接过 To B 的订单。在他看来，To B 和 To C 在客户、组织、产品思维乃至人才画像上是两套逻辑，一家围绕 To B 长出来的公司，转向 To C 时会被严重低估转换的难度。
第二个关于成本。"不能一台机器人卖几十万元，那普通消费者根本买不起。" 这句话后来划定了诺因所有技术选择的边界。
两个决定指向同一条路线，直接做家庭机器人，并用合成数据把训练成本压下来。按照公司的说法，诺因的模型训练约 10% 使用真实第一视角数据，其余 90% 通过 3D 视频生成，整体成本可以降低 10 到 100 倍。
彼时行业的主流做法是 VLA 加模仿学习，靠人类遥操作采集真实轨迹，机器人照着学；诺因智能走自回归 Transformer，让模型理解场景和任务之后自己生成动作。
"去年我刚创业时，合成数据的反对声音还很多，现在几乎没有人不用了。字节也开始宣传用合成数据引擎支持具身智能的发展。" 李银川告诉投中网。至于投资人的态度，他没有回避："不少投资人在观望，认同我们的则非常认同。"
创业公司拼不起资源，只能拼路线。合成数据省下的是采集成本，代价是没有真实操作轨迹、标签精度不够，需要一整套 Infra 管线用算法给无标签数据打上精细标签。
这塑造了诺因的组织。目前公司有 200 余名研发人员，算法团队博士及以上学历占比超过三分之二，半数毕业于 QS 全球排名前 30 的高校。
合伙人周凯文同为 "华为天才少年"，曾是诺亚方舟实验室决策与推理实验室首位天才少年，兼算法主管；曾入选华为 "天才少年" 计划的邓世元，以合伙人身份负责 Infra；联合创始人王韵杰是大疆产品背后的操盘手之一，港科大（广州）助理教授陈颖聪出任多模态模型科学家顾问。

展厅里的 "全场最佳"
合成数据最终要靠产品检验。诺因的技术栈分两层，GLOW 负责模型，KNOWIN-X1 负责本体。
GLOW 由五个模块构成：KnowinDream 生成训练数据，KnowinWorld 构建可交互的 "数字训练场" 承载策略试错，KnowinBrain 负责场景理解与决策，KnowinAct 将策略转化为动作，KnowinAgent 管理长程任务与失败恢复。
按照公司披露的数据，GLOW 在 RoboDojo 的 18 项仿真任务中平均成功率 62.2%，较 GPT-6 基线高出 40 个百分点；在 LIBERO-Pro 中以 86.7% 位列所列单策略模型第一。
X1 是全折叠双臂构型，展开后覆盖桌面、地面、柜体三类操作面，折叠后高度控制在 40 厘米以内。这是同等负载能力下的结构压缩，而不是简单把机器人做小。
今年 7 月的 WAIC 上，X1 第一次公开亮相。
观众随手挪动桌上的物品，它跑通了桌面收纳、洗衣闭环、衣物折叠三条长链任务。一位在展台前停留了近一小时的科技博主写道："我在 WAIC 看了那么多展台，叠衣我给夯，设计我也给夯，全场最佳。"
9 月 24 日，GLOW 又验证了 "一教就会"。
用户完成一次操作，系统将其编码为可复用的技能信息，机器人无需重新训练即可执行新任务。开盒收纳的例子换了技能、换了物体、也换了位置。李银川对此的解释是："它学习的不是一条固定的动作轨迹，而是任务目标、物品关系和任务进度。"
李银川负责让数据更便宜，GLOW 负责把数据变成动作，X1 负责把动作做出来。剩下的问题在于，这三层都还没有经过真实家庭的长期检验。
RoboDojo 和 LIBERO-Pro 的数据为公司自行披露，从仿真榜单到客厅里的可靠性之间，还隔着摩擦、受力与碰撞。X1 的实际任务成功率，目前也没有第三方数据。

京东图什么？
十年前，冷晓琨们（乐聚机器人创始人）几乎每天都要向投资人解释，人形机器人为什么值得做。十年之后，李银川面对的问题已经反了过来，他不需要证明家庭机器人是否值得投资，而要在拥挤的赛道里解释：为什么是合成数据，为什么不做 To B。
媒体曾这样描述他，被 200 个人质疑拒绝，也不会受挫。高中时他上课爱抢答，同学给他起外号叫 "现长"。叫多了，他不好意思再举手，那个班从此没人回答老师提问。
这段往事他后来用到了公司管理上："有的时候真话会得罪人。但不说的话，大家不讨论，公司就会多走一段弯路。"
这种 "已经要作决定，却还没有全部答案" 的状态，或许最接近从科学家转型的 CEO 的真实处境。李银川说，成为创始人后需要修炼的能力，是 "把自己的能力复制出去"，因为公司的速度取决于他能否让两百个博士理解同一个目标。
京东的进入是这轮最值得琢磨的部分。
今年 9 月 9 日的京东科技探索者大会上，李银川与灵巧智能、太希智能等产业链伙伴同台，圆桌主题叫 "具身破界・零售场景共生"。二十天后，京东的钱进来了。
这也是为什么，京东投资诺因可以成为新闻，却还不能成为答案。只有售价、交付、持续运行和复购，才能把想象变成生意。
李银川说，整个赛道近期会有波动，但远没到泡沫彻底破灭的阶段。
被问到具身智能会不会有自己的 ChatGPT 时刻时，他给出的数字很大："如果具身模型有一天真正出现能力涌现，机器人的商业价值毫无疑问会远超大语言模型，我认为可能是其 10 倍以上。"
这个判断也解释了诺因的处境。资本已经把这家公司送上牌桌，产业却还在等待它证明，合成数据和家庭场景这场梦想，应该怎样落到产品上。
镜头之外，X1 仍要在实验室和展厅里重复同一个动作。一次失败，再调一个参数；一处故障，再换一个零件。李银川也要处理招聘、供应链、现金流，以及那些没有被写进融资新闻的琐碎问题。
他说，现在慢，就是未来的快。
这句话现在还是判断。到 2027 年第一季度，它会变成账单。机器人要在一次次故障和重复动作中变得可靠，公司也一样。