作者｜黄楠
编辑｜袁斯来
硬氪获悉，具身智能通用大脑公司「西湖机器人」近日完成A轮融资，6个月募资5亿元，至此投资方阵容已涵盖赛富、小苗朗程、河南投资集团汇融基金、海愿基金等多家知名机构；资金将重点投向人形机器人全身统一大模型的研发，并着力打造具身智能人才高地，加速实现具身智能GPT时刻，以原创技术推动产业变革。
此次融资距离企业上一轮交割不足一个月，短短半年内，西湖机器人已完成4轮融资。
西湖机器人业务始于2024年1月，是西湖大学在人工智能与机器人领域的首个成果转化企业。公司聚焦端到端具身智能大模型与机器人本体协同研发，已发布全球首个通用运动大模型GAE和全球首个通用大小脑双预训练架构，构建了完整的全身统一大模型体系，并推出全栈自研的\"西湖o1\"人形机器人本体。
公司创始团队具备深厚的学术与产业背景。创始人王东林为国家科技创新2030重大项目首席科学家、西湖大学终身教授、人工智能系副主任，2026年度AAAI最佳论文获得者，是国内具身智能与机器人学习领域的领军人物。联合创始人张岳为西湖大学终身教授、工学院副院长，国际知名专家，主导大模型前沿技术探索。
西湖机器人创始人兼董事长王东林教授（图源/企业）
核心研发成员来自阿里、字节、腾讯、华为等头部科技企业，以及牛津、剑桥、卡内基梅隆、加州伯克利、慕尼黑工业大学、清华、浙大等海内外顶尖高校；累计在ICML、NeurIPS、CVPR、RSS等顶级会议发表论文300余篇。多项自研前沿科研成果已应用于底层算法研发与工程化落地。
具身智能的叙事，正在从上层任务规划转向真实物理环境的可靠执行。大模型赋予机器人更强的场景理解能力后，行业开始意识到新的瓶颈：高层认知与底层运动控制之间，尚未形成稳定的协调机制。人形机器人在复杂环境中操作的同时还需处理运动平衡，其控制难度远高于固定工位上的机械臂。
过去几年，主流方案延续了机械臂时代的技术惯性，即以视觉语言模型为前端，以轻量动作映射为末端，试图用“大脑”直接驱动“手脚”。这套逻辑在标准化场景中可行，但当机器人需要推门、整理床铺等全身协同作业时，低成功率与弱稳定性便暴露出来。
核心矛盾在于，人形机器人的具身基础模型，缺少对自身状态、动力学约束、接触关系与环境反馈的建模能力。
西湖机器人创始人王东林教授认为人形机器人要实现真正的通用性，必须首先解决“人形全身通用运动控制”这一关键卡点，而非直接堆叠上层的感知能力。
西湖大学施一公校长和西湖o1握手（图源/企业）
“如果按照臂的方式去做人形大脑，动作空间极大，稳定性与鲁棒性都会受到极大挑战，”王东林教授告诉硬氪，“将原有VLA模型迁移至人形全身运控，其效果往往不如预期，这在早期我们已经验证过。”
这种差异的原因在于，机械臂的底层控制由封装好的关节控制器提供保障，模型主要在末端轨迹层面提供算法；但人形机器人全身涉及数十个关节的协同、实时重心调整、地面反力反馈，是一个强动态非线性的高维控制问题。因此，传统控制理论在模型不精确时容易失效，浅层强化学习也难以覆盖海量的动作模态。
要解决上述卡点，西湖机器人给出的答案是GAE（General Action Expert），做一个基于Transformer架构的通用运动大模型。
GAE通用运动大模型将海量日常动作模式整合为统一中枢，用户任意意图或指令均可直接映射为稳定的全身运动，无须预设或编程。原本需数月编排的舞蹈或复杂操作，通过动作捕捉即可实时生成。
作为一套跨本体的通用运动大模型，GAE能部署在不同厂商的人形机器人中，并支撑“远程操作+危险替代”的场景落地；通过让操作员远程控制人形机器人进入危险场景执行任务，可以快速占领应用场景，并积累宝贵的数据反馈反哺大模型的训练。
GAE跨本体并跨越1300公里实现远程遥操控（图源/企业）
在GAE打牢“身体基础”后，西湖机器人在具身大脑端搭建了一套完整的通用大小脑双预训练架构。这套架构将“大脑”和“小脑”拆分为两个独立预训练、再协同串接的模块。前端大脑融合视觉语言动作模型（VLA）与世界模型（WM），负责感知与自主任务决策，输出行为Token；后端小脑、即GAE则在接收Token后，负责毫秒级全身运动执行、动态平衡、姿态实时修正，落地精细化肢体动作。
具体到模型性能表现上，差异化体现在三个维度：分层解耦允许大脑与小脑独立迭代，工程效率更高；标准化Token接口使GAE具备跨机型适配能力；分域预训练确保各模块在专属数据域独立优化，互不挤占资源。
架构的优越性最终需要通过模型性能来兑现。基础模型的涌现能力，依赖高质量、大规模、多样化的训练数据。而人形全身高质量数据恰恰是当前行业最稀缺的资源。
王东林教授指出，现有的仿真数据、第一视角视频、单臂操作轨迹，均无法完整记录人类动作中最关键的信息——重心如何从左脚转移到右脚、躯干如何倾斜以借力、双臂如何协同对抗扭矩。“手部轨迹只能记录动作去了哪里，而全身数据揭示的，是动作为什么能够发生。”
为此，西湖机器人将数据采集重心瞄准“实景实训”，让机器人进入应急救援、电力巡检、家庭服务等真实场景，在物理互动中采集带有完整全身姿态标签的真机数据。这种数据采集方式虽然成本高昂，但王东林认为这是无法绕行的必经之路。
本体层面，西湖机器人于2026年发布其首款人形机器人产品“西湖o1”。王东林教授指出，硬件本体并非公司核心竞争主线，却是产业链布局里不可或缺的关键载体。
西湖o1在商超上岗（图源/企业）
当前通用人形设备的软硬件割裂问题显著，机械阈值与关节延迟导致仿真与真机动作偏差巨大，模型迁移后动作僵硬、泛化能力缩水等。西湖机器人自研\"西湖o1\"全链路硬件，目的正是以真机验证反向驱动模型迭代。通过机械结构、动态平衡与多关节协同的真实反馈，持续优化运动推理与姿态校正算法，形成\"硬件实测—数据回流—模型迭代\"的闭环。
目前，西湖机器人已经完成了算法、模型到整机的全栈自研闭环。其路径选择背后是一个冷静的判断：当行业普遍在拼“大脑”的理解力时，真正制约人形机器人走出实验室的，是“身体”能不能像人一样稳定、协调地与世界互动。
这条路更长、更重，但可能更接近终点。在王东林教授看来，在人形机器人从演示走向作业的关键节点上，谁能先把“身体能力”做到稳定可靠，谁就拿到了定义下一代落地标准的入场券。
以下为硬氪与西湖机器人创始人兼董事长王东林教授的访谈节选（略经编辑）：
硬氪：GAE模型的定位是全球首个通用运动大模型，其通用性如何体现？它跟目前主流的专家模型有什么差异？
王东林：二者底层逻辑完全不同。
行业通用方案采用“一动作一模型”的模式，跳舞、打太极等不同动作需单独训练独立模型再拼接整合。GAE则以单个Transformer架构亿级参数模型兼容全量动作，仅需输入目标指令即可完成执行，在动态平衡、精准调控与实时环境反馈上解决人形机器人动作僵硬、失衡等行业痛点。
怎么展示这种通用性？人穿动捕服做动作，通过指令机器人即可一比一实时复刻，无需切换代码或模型。这也是为什么西湖机器人的通用模型可以适配不同厂商的本体，因为GAE输出的是通用运动轨迹，而不是针对某个具体型号的关节角度指令。
架构上，西湖机器人采用“通用大小脑双预训练”方案：前端VLA与世界模型负责感知理解，输出行为Token；后端GAE接收Token后将其转化为全身动作。双模型通过双向数据回流形成闭环，在保障泛化能力的同时兼顾推理效率，已稳定支撑长时序、多步骤复合任务的连续执行。
西湖机器人的长期目标是\"具身GPT\"，GAE是通往这一目标的阶段性方案，也是商业化过渡。目前GAE已在泛娱乐、科研、巡检等场景落地，让现有机器人表现显著提升，相关订单达数千万；在带电作业等危险场景中，GAE结合远程操作同样具备落地能力。
西湖o1在WAIC 2026上与现场观众互动（图源/企业）
硬氪：今年西湖机器人推出了自研本体“西湖o1”，作为一家聚焦基础模型的企业，做本体的必要性是什么？
王东林：“西湖o1”在我们内部的定位很清晰，硬件不是核心主线，但它是产业链布局里不能丢的一环。
为什么一定要自己做？我在国内做Robot Learning算早的，2017年就在西湖大学建了实验室，跟各种本体厂商打过太多交道了。一个很深的体会是：硬件这个坑，你必须亲自踩过，才知道仿真和真实之间差在哪里。
行业里普遍存在一个问题，我们拿一台通用的人形设备回来，跑自己的模型，发现动作总是别扭，关节响应有延迟，仿真环境里明明很顺滑的动作，到真机上就僵硬。原因很简单，机械阈值、传动间隙这些物理层面的东西，仿真环境根本模拟不出来。
你不在硬件上动过手，就永远不知道模型应该往哪个方向去调。
自研“西湖o1”并非是我们要转型做硬件公司，核心价值在于打通从机械结构到多关节协同的真机验证闭环。有了这条链路，具身大模型才能在真实物理反馈中迭代——姿态校正、运动推理，都是在真机上反复打磨的。
西湖o1在WAIC 2026进行快闪舞蹈表演（图源/企业）
自研硬件的另一个好处是适配自由度。推门力度、跨障碍重心调整，都可在自有本体上快速验证；如果依赖外购整机，每项调整都需等待厂商配合，研发周期跟话语权都会受限。
随着两三年后硬件供应链趋于成熟，届时我们的硬件团队已积累足够经验，商业化可选择输出模型适配第三方本体，也能交付“西湖o1”整机方案。主动权在自己手上，这事很重要。
硬氪：现在具身智能行业的竞争核心归根到底是人才竞争，了解到西湖机器人正在布局具身智能人才高地，具体是怎么规划落地的？
王东林：具身智能的终局竞争，最终会落到一个很朴素的指标上：谁能聚集最多顶尖的研发人才。
西湖机器人的核心判断是，这个行业的底层技术远未定型，真正的壁垒不是押中某条路线，而是持续突破技术边界的能力，而能力的载体始终是人。公司将依托杭州的海外高层次人才引育体系，建立从全球招募到本地承接的完整机制，让顶尖人才进得来、留得住、产出高效。
围绕具身GPT和具身AGI的长期目标，西湖机器人已在内部搭建起自主人才培养体系，集中攻坚底层核心技术。该体系与杭州市人才政策深度耦合，形成覆盖海外博士、博士后到产业工程人才的常态化引进通道。
公司目标不是单点引进，而是整建制组建一支覆盖算法、系统、硬件的完整研发团队。在具身智能从实验室走向真实场景的关键阶段，这既是技术壁垒的底座，也是西湖机器人在激烈的人才竞争中卡住生态位的核心策略。
赢金配资提示：文章来自网络，不代表本站观点。
