重磅消息。通用人形机器人领域的领先企业逐际动力，刚刚宣布完成近2亿美元的Pre-IPO轮融资。算上本轮融资，过去半年内其累计融资总额已高达4亿美元，投后估值直接飙升至150亿元——凭借这一体量，逐际动力已稳稳跻身于超级百亿独角兽的行列。

本轮融资的阵容呈现出显著的国际化特征。投资方覆盖中国、欧洲、中东与北美等多个地区，包括IDG资本、蓝思科技、GGG Group、Redstone VC、华山资本、合肥滨湖产发集团等知名机构。其中，来自阿联酋的磊石资本已开始追加投资，而原有股东也基本全部选择继续加码。

资金到账后，逐际动力的下一步规划是什么？一句话概括：加速推进大小脑融合技术产品的商业化落地，目标是让数千台全自主人形机器人真正实现规模化运行，同时大力拓展全球市场，补齐制造与交付能力。

坦率地说，在当今具身智能赛道上，逐际动力的融资节奏并不算快。用四年时间稳步迈入百亿俱乐部，实际上已经相当稳健。“资本融资是一个重要考量，但你必须在这个前提下，保持一个健康的节奏。”创始人张巍直言不讳。

这种克制，与创始人的学术背景密不可分。张巍是典型的“技术派”出身，本科毕业于中国科学技术大学自动化系，随后在普渡大学获得电气与计算机工程博士学位，并曾担任美国俄亥俄州立大学的长聘教授。2019年回国任教，2024年在深圳正式创立逐际动力。他的路线从一开始就不是追求“堆砌技能、快速融资”的短跑逻辑，而是选择了一条更慢、也更难走的路——从底层运控基础模型入手，将“大脑”与“技能”分开定义，一步一个脚印地构建通用能力。

在张巍的理解中，“拥有大脑”和“掌握技能”完全是两码事。“现在很多人把训练模型直接等同于拥有大脑，这其实是错误的。大脑是一套完整的操作系统，而模型只是它上面运行的一个个技能。”他并不在意谁的机器人能翻出更漂亮的跟头，他关心的是——能否在一个混乱、非结构化的物理世界中，打造出一套可量产、可复用、可闭环的底层架构。

不仅如此，这套架构已经开始转化为实实在在的订单。逐际动力目前已获得数千台订单，其中超过一半来自海外市场。与此同时，公司正与全球的开发者和生态伙伴紧密合作，将技术落地至科研教育、商业服务、全地形巡检、工业应用、建筑等多个场景。

我们在深圳专访了张巍，围绕行业拐点、全球化战略选择，以及那个关于“大脑”与“技能”的关键命题，进行了深入交流。以下为对话实录（有删减）。

关于海外订单与客户

问：海外那数千台订单，是来自同一个客户吗？

张巍：不是。这些是在重点区域集中拿下的多笔订单。去年首款人形机器人出货后，我们已向多家海外顶尖高校、实验室，以及以大脑智能为核心研发方向的公司完成了交付。这也从侧面验证了我们在本体制造上的能力，比较契合海外用户的实际需求。

问：客户类型目前是To B还是To C？

张巍：现阶段全部为To B，未来会逐步向To C领域延伸。

关于全球化战略

问：为什么“走出去”被放在最重要的位置？

张巍：我们从创立之初就把自己定位为一家全球化公司。从长远来看，海外收入占比超过国内是大概率事件。大家心里都清楚，海外市场在利润率、增长空间和竞争态势上，整体都更为友好；国内嘛，竞争确实更加激烈。另外，机器人本质上是替代人力的，这在海外价值更大——人力成本高，替代的经济性也就更强。

关于落地场景：不进工厂

问：为什么你们的人形机器人不进工厂？

张巍：这是我们的主动选择。两条腿的人形机器人在工厂里的效率有限，并非最优解。我们以商业场景为主，最终目标是进入家庭。进工厂既耗费时间，又对家庭场景帮助不大，没必要去折腾这件事。当然，不是说进工厂不对——这是一个选择题。我们也有针对工厂的产品，TRON系列会卖给工厂，并提供技术支持，但我们自己的落地场景不选工厂。

关于Luna：市场上的唯一性

问：Luna主要面向展会和娱乐，跟其他演艺型机器人有什么不同？

张巍：目前市面上，全尺寸人形、类女性、且能够买到的，只有Luna。如果你想要一个机器人女性演员，它是唯一的选项。这就是市场的唯一性。

关于“大脑已经Ready”

问：您说过“大脑已经Ready”，但从实际落地来看，机器人能做的事还很有限。怎么理解这句话？

张巍：大脑和技能是两回事。大脑不等于技能，技能也不等于大脑。现在很多人把堆砌技能直接等同于拥有大脑——这是误解。霍金没法干体力活，但没人否认他拥有健全的大脑。同样的道理：我会弹钢琴吗？不会。那我找不到工作吗？当然能找到。你总不能说我没脑子吧。

构建一项技能需要数据支撑，只有获取数据的成本低于技能带来的价值时，才值得投入。真正的大脑是一套完整的操作系统，它以语言模型为引擎，同时管理记忆、情绪等多个模块。技能只是系统上的应用，而大脑本身，是那个能调度资源、理解意图、持续进化的底层架构。

关于三层架构

问：能具体介绍一下你们的三层架构吗？

张巍：我们提出的是三层架构。

最底层：System 0（小脑/全身运控）——只管运动，不负责思考。对于不长腿的机器人来说，小脑的技术其实已经成熟了30年。有腿才是新课题。我们强调的小脑是基础模型，而不是预编排的动作回放。跳舞、翻跟头那种是事先编好按播放；我们做的是全身运动基础模型——事先不知道你要怎么动，但你一动，我实时就能跟上。

中间层：System 1（技能层）——连接大脑与身体的“肌肉记忆”，也就是广义的VLA/World Action Model。它输出的是指导行动的Policy。我们两年前做Video Pre-training的时候，还没有World Action Model这个词；一年半前发布的VGM，其实就是最早的World Action Model。不同技能需要的数据不同：行走、上楼这些，仿真就能解决，因此先成熟；有些技能仿真与现实差距太大，就只能靠真机或别的办法来补。System 1里还有一个重要角色——FluxVLA Engine，一个企业级开源平台，为全球开发者提供持续训练、迭代、部署的工程管线。说白了，让开发者把精力花在模型创新上，而不是重复造底层工程。目标是推动行业从“训练好一个模型”，迈向“让所有人都能训练模型”。

最顶层：System 2（大脑）——只负责思考，不参与运动。标志性事件是2025年中，Claude引入了持久的记忆管理，这才真正成为一个大脑的操作系统。大脑的思考引擎由三部分组成：大语言模型、视觉语言模型，以及World Model。需要明确的是，World Model不直接指导行动，它指导的是思考与决策。

关于核心优势

问：你们做得最好的点是什么？

张巍：我们应该是业内唯一具备全自主管线训练基础模型能力的公司。非技术人员也能参与——就像造手机，科学家设计芯片，但拆解成一道道工序之后，工人只需专注自己的环节就能完成。

关于未来OS格局

问：未来会出现一个大一统的机器人OS吗？

张巍：短期来看比较困难。OS和技能不是一回事，但OS层面可能出现一些Common Layer（通用层），之后会有开源方案，大家在上面迭代。能不能大一统，取决于生态的规模有多大。规模起来了，分工才会细化，分工细化了，才有真正的价值。