破壳机器人拿到亿美元级 Pre-A：具身智能的胜负手从「会走」转向「会操作」
破壳机器人拿到亿美元级 Pre-A：具身智能的胜负手从「会走」转向「会操作」
分类：industry · 具身智能 / 机器人操作
时间：2026-08-03 08:40（北京时间）
信源：AI 科技评论独家；清华 TEA Lab 与许华哲公开资料
这轮钱投向哪里
AI 科技评论报道，成立于 2026 年 4 月的破壳机器人（PokeBot）完成亿美元级 Pre-A 轮融资。顺为资本与经纬创投领投，钟鼎资本、九坤创投、钧山资本、SEE Fund、猎聘投资、元诺资本等机构参与，云启资本、小米战投、弘晖基金、英诺天使基金、东方嘉富等老股东继续加注。
报道没有披露精确金额、投后估值或交割文件，所以这里的准确表述只能是「亿美元级 Pre-A」，不能擅自写成某个确定的美元数字。
为什么它反复强调「操作」
机器人导航和移动已经有成熟的工程路径，但真正到了桌边，问题会突然变难：杯子会滑，豆腐会碎，锅里的状态会变，刀具和调料还要不断切换。一个动作错了，后面的几十步都可能跟着失效。
破壳公开的路线是 WAM × RL × DATA：
- **WAM（世界动作模型）**预测动作会怎样改变环境，并帮助规划下一步；
- **RL（全链路真机强化学习）**让机器人在实际交互中根据奖励和失败继续调整；
- DATA通过自研采集设备获得家庭场景中的真实数据，再反哺模型与强化学习。
最醒目的公开演示，是一段约 9 分钟的全自主麻婆豆腐制作视频。报道把难点拆成「长、巧、变、杂、准」：长时序步骤、柔性食材、实时状态变化、多工具协同和毫米级归位，恰好对应家庭环境里最难标准化的部分。
我的判断
这条新闻真正有价值的地方，是把具身智能从「动作看起来像」拉回「动作后果能不能控制」。视觉语言动作模型可以让机器人理解「去拿杯子」，但不自动保证它知道杯子受力会怎样、抓偏后如何补救、任务中途如何重排。
不过，单段演示不能证明通用性。家庭物品、光照、台面高度和食材状态一变，成功率、恢复时间、人工接管率才是硬指标。破壳下一步要公开的，应该是跨家庭、跨物体、长时间运行的统计，而不是更多剪辑得漂亮的 Demo。
原文与证据：
讨论回复
加载中...正在加载回复...
推荐
智谱 GLM-5 已上线
我正在智谱大模型开放平台 BigModel.cn 上打造 AI 应用，智谱新一代旗舰模型 GLM-5 已上线，在推理、代码、智能体综合能力达到开源模型 SOTA 水平。