北大92后，一把融资21亿

宇树科技和智元机器人争夺春晚门票时，有人却在默默刷新行业融资纪录。

银河通用宣布，完成超过3亿美元（约合人民币21亿元）C轮融资。

3亿美元，刷新了通用智能机器人领域的单轮融资纪录。至此，银河通用累计融资接近8亿美元，最新估值升至30亿美元，成为国内估值最高的通用智能机器人初创公司。

银河通用成立只有两年多，到现在只发布过一款产品——轮式双臂机器人 Galbot G1。Galbot G1 没有双足，不追求全场景覆盖，也不讲“类人智能”的故事。它干的活很具体：在智慧药店里拣药，在宁德时代、丰田的工厂里反复搬运物料。

银河通用选的是一条不太性感、但能立刻获取收入的路——用机器人，替代 B 端场景里的重复性劳动。

01

银河通用由现任北京大学前沿计算研究中心助理教授、博士生导师的王鹤发起，另一位联合创始人是姚腾洲。

王鹤生于1992年，在北京十一学校度过六年中学时光。高中通过物理竞赛保送到清华大学，“本科期间主要研究半导体物理器件”，2014年在微纳电子学系获得工学学士学位。

从清华毕业后，王鹤前往美国斯坦福大学深造。王鹤师从著名算法专家、计算机系几何计算组主任吉巴斯教授（Leonidas J. Guibas）。吉巴斯在计算几何、几何建模、计算机图形学、计算机视觉、传感器网络、机器人以及离散算法等领域都有极高造诣。

在读博期间，王鹤将“物理交互”定为研究方向，研究面向物理交互的物体感知，“把更多的时间精力用在了三维视觉研究方面，想让机器人具备泛化的物体感知能力，对于陌生（未经数据标注）的物体也能实现精准位姿识别和抓取等操作”。物理交互的智能就是今天火热的具身智能。

2021年，王鹤在斯坦福大学电子工程系获得博士学位，并回北京大学任教，担任前沿计算研究中心助理教授，博士生导师。王鹤还兼任北京智源人工智能研究院具身智能研究中心主任。

姚腾洲毕业于北京航空航天大学，师从著名机器人专家王田苗教授。在与王鹤合作创业之前，姚腾洲曾在ABB集团上海机器人研发中心和ROOBO机器人研发部担任要职，负责 Pudding、Jelly 等多个系列机器人产品的研发。

2023 年，Google 发布了 PaLM-E 模型。它把语言、视觉和机器人操作放进同一个模型体系里，让机器人不再只是“被编程执行动作”，而是能够理解环境，再决定怎么动手。这意味着：大模型开始真正进入机器人领域。

王鹤注意到了这个变化。此前，机器人行业的边界很清楚：工业机械臂负责固定工序，服务机器人只完成少数预设功能。但现实场景里，并不存在这么清晰的分工。仓库、门店、工厂更需要的是一种能听指令、看环境、完成任务的机器人，而不是更多“只能做一件事”的设备。

在他看来，一旦大模型补上理解能力，通用机器人的可行性就不再只是技术讨论，而是时间问题。2023年，王鹤与姚腾洲创办银河通用。

2024年6月，银河通用完成7亿元天使轮融资，创下当年赛道天使轮融资纪录，产品轮式双臂机器人Galbot G1正式亮相。银河通用和美团合作，Galbot G1在美团24小时智慧药房试用，可以完成药品上架、取送等任务。

如今，银河通用已在北京、深圳、苏州、香港设立研发中心，与北京大学等机构成立联合实验室。

02

机器人市场规模已经不小。

预计到 2025 年，中国通用智能机器人市场规模将达到 320 亿美元。本土品牌整体市占率约为 30%，头部份额主要集中在埃斯顿、新松等企业手中；国际机器人“四大家族”仍占据超过一半的市场。

放眼全球，空间更大。麦肯锡在《全球机器人产业展望 2050》中预测，到 2050 年，全球通用智能机器人市场规模有望突破 1 万亿美元，约相当于当前全球汽车市场规模的三分之一。

但现实与预期之间，仍有不少障碍。一方面，通用人工智能与机械结构的融合还不充分，机器人在复杂环境中的操作精度有限；另一方面，核心零部件依赖进口，成本难以下降。此外，不同行业、不同场景的需求差异较大，也提高了“一套方案通吃”的难度。

在这样的背景下，头部公司的分化开始显现。在国内具身智能第一梯队中，银河通用机器人、宇树科技、智元机器人同属领先阵营，但三家公司对“通用机器人的核心能力”理解不同，走出的技术路径也不一样。

银河通用选择以具身大模型作为驱动，产品形态是轮式双臂机器人，重点切入智慧药店、工业制造等 B 端场景，强调可复制、可规模化的行业解决方案。

宇树科技则以硬件自研和运动控制见长，主打双足人形机器人和机器狗，通过性价比和量产能力铺开市场，主要客户集中在高校、科研机构以及工业巡检等场景。

智元机器人走的是另一条路：全栈自研、全场景覆盖。其产品横跨工业、商用服务和消费级市场，一边做硬件，一边搭建生态，希望通过多场景适配形成协同效应。

银河通用、宇树机器人、智元机器人核心差异简表

一个容易被忽略的细节是，尽管宇树和智元机器人的公众知名度更高，但在资本进展上，银河通用走得更快。

成立仅一年半，银河通用就完成了超过 40 亿元人民币的融资，最新估值达到 30 亿美元，已经超过宇树约 120 亿元、智元约 150 亿元的估值水平，成为目前国内估值最高的具身智能公司。而在此期间，银河通用只发布过一款本体产品——Galbot。

这款机器人的工作内容也很单一：要么在无人药店里拣药，要么在宁德时代、丰田的工厂中做搬运作业。没有扩展到更多形态，也没有同时覆盖多个场景。

这组对比抛出一个值得讨论的问题：在通用智能机器人早期阶段，专注于少数可落地的垂直场景，是否反而更容易跑通商业化路径？

03

银河通用没有冲向家庭或消费场景。全部精力，都放在药店、仓库和工厂里。同时，公司至今只做了一款本体产品，有几方面考虑。

家庭场景，对现阶段的机器人来说，太难了。

每个家庭都不一样。户型不同，家具尺寸不同，摆放方式也不同。人的行为很随机，指令也不标准。更重要的是，普通用户几乎无法接受失败。一次卡顿、一次误判，就可能被判“不可用”。这意味着，家庭场景对通用能力的要求，其实比工业环境更高。

相比之下，药店、仓库和工厂更“讲规矩”。

这些地方的动作很多，流程也不简单。但空间结构稳定，规则清楚，目标明确。对机器人来说，这是一个更友好的起点。银河通用可以在这些场景中，持续获得真实、可复用的数据，并建立统一的任务标准。机器人部署得越多，模型修正得越快；客户越多，系统在相似环境中的表现就越稳定。这种正反馈，在家庭场景里很难形成。

商业逻辑，也在推着公司做同样的选择。

企业客户关心的不是“像不像人”，而是能不能替人干活，能不能省钱。在工厂或仓库里，机器人可以长期嵌入流程运行。即便出了问题，也能由人工接手。这给了银河通用空间：用工程和系统设计，弥补模型能力的不足，而不是把成败完全押在算法本身。

只做一款产品，对成本压力更小。在具身智能还很早期的阶段，多做产品，往往意味着更多麻烦。不同的硬件结构、不同的控制逻辑，会带来完全不同的数据分布。这对通用模型来说，很难消化。

银河通用选择用同一套“身体”，反复干同一类活。目的只有一个：让数据更干净，让模型学得更快。比如在宁德时代的工厂里，机器人每天做同样的天窗转运任务。每一次动作，都会变成训练数据。三个月内，这个任务的成功率，从 85% 提升到 98%。

当系统在真实世界里被反复跑顺，通用能力才有可能往更复杂的场景扩展。