作者｜黄楠
编辑｜袁斯来
硬氪获悉，具身智能机器人公司Lumos Robotics鹿明机器人（以下简称“鹿明机器人”）近日完成Pre-A1和Pre-A2两轮融资，金额数亿元。我们总结了本轮融资信息和该公司几大亮点：
融资轮次：Pre-A1、Pre-A2
融资规模：总金额达数亿元
投资方：Pre-A1轮由鼎晖投资领投，南京创投、金景资本、金固股份跟投；Pre-A2轮由申能诚毅投资
资金用途：本轮融资将用于公司在具身智能数据和硬件领域的持续投入
成立时间：2024年9月
注册地址：广东省深圳市宝安区
企业定位：鹿明机器人长期专注于具身智能机器人及核心零部件的研发、销售，构建了从真机数据采集、硬件本体创新到操作系统模型的全栈能力闭环。依托自研的FastUMI高效数据采集系统与高性能机器人硬件平台，为企业提供覆盖数据、硬件、算法的具身智能基础设施，推动具身智能技术在多领域的规模化落地与商业化应用。
公司聚焦家庭、物流、制造等高价值产业场景，其核心产品涵盖LUS、MOS系列人形机器人，以及机器人关节模组、视触觉模组等关键零部件。
鹿明机器人产品矩阵（图源/企业）
团队背景：创始人兼CEO喻超毕业于清华大学，自2016年起从事机器人学习算法领域研究，曾主导构建追觅科技具身机器人业务，并参与开发了机器狗“铁蛋”等多款消费级机器人产品。CTO曹俊亮是上海交通大学机械工程博士，曾深度参与过多款性能优异的具身机器人产品的研发工作。联席CTO丁琰为纽约州立大学人工智能博士、前上海AI lab明星研究员。目前公司研发人员占比达70%以上，包括十余位博士，是一支拥有深厚产业经验和技术积累的团队。
技术亮点：过去一年，鹿明机器人已推出四款机器人产品，围绕训练数据和硬件本体两大方向，公司已形成了从数据采集、本体设计、运动控制、感知算法到系统集成的全栈研发能力。
真机训练数据是机器人通用操作大脑的关键基础设施，成本、效率与泛化性是其核心考量维度。此前，美国Generalist公司推出的GEN-0大模型，通过27万小时真机数据采集，初步验证了具身智能领域的Scaling Law，但其数据绝大部分依托UMI数采技术获取。鹿明机器人的FastUMI高效数据采集系统，正是对其数采方案的迭代优化与性能跃升。
鹿明机器人数据采集软硬件系统FastUMI Pro（图源/企业）
相较于传统数采技术，FastUMI数采系统可将数采效率提升三倍、成本仅为传统方案的五分之一，精度可达到1-3mm。依托这一核心技术，鹿明机器人已初步完成了1万小时的真机数据积累与基座模型训练，正围绕数据硬件、软件及模型的全链条能力，构建完善的具身数据生态体系。
在硬件本体方面，鹿明机器人推出了高性能模块化机器人平台。其自研的大扭矩密度一体化关节，为业内首个实现了双臂50公斤负载的机器人系统；同时，采用全PEEK材料的摆线关节模组，在实现减重40%、扭矩密度提升60%的基础上，具备低噪音运行特性，为未来的人形机器人多元应用场景提供适配支持。
人形机器人市场规模正呈现持续扩张的迅猛态势，根据高工机器人产业研究所（GGII）报告显示，2025年，全球市场规模预计达63.39亿元、中国占比超50%，预计到2030年，全球人形机器人市场销量将接近34万台，市场规模有望突破640亿元。Yole Group机构预测，2030年全球人形机器人市场规模将达到60亿美元，并预计在2035年快速攀升至510亿美元。
在产业生态布局上，鹿明机器人已与日本三菱、中远海运等头部企业建立深度合作，并引入复星集团、商汤科技、德马科技、金固股份等具备产业资源的战略股东。
已同三菱等头部企业达成合作（图源/企业）
目前，公司正陆续同智慧物流解决方案及核心部件厂商德马科技、全球航运巨头中远海运等知名企业，就具身智能在物流及智能制造等场景落地、核心部件开发、开拓新的应用场景、推动机器人产业链与创新链深度融合等方面开展合作，加速具身智能在产业中的商业化落地。
硬氪：鹿明的Fastumi技术已完成1万小时真机数据积累。目前来看，大规模、高质量的真机训练数据在多大程度上决定了具身智能的规模化落地？
喻超：相较于仿真训练，真机训练数据的质量最高，这次GEN0基于27万小时真机数据训练的模型效果就是佐证。
真机训练带来了在复杂物理交互中的高保真动力学信息、对真实环境噪声与不确定性的鲁棒性建模，以及跨场景任务泛化的核心依据，在降低仿真到现实（Sim2Real）的迁移差距、确保动作执行的安全可靠等方面，具有仿真训练无法比拟的优势。因此我们认为，大规模、高质量的真机数据是实现规模化落地的关键。
当前，机器人真机数据采集面临三大核心痛点：采集成本高、效率低、跨本体适配性差。这些瓶颈严重制约了高质量训练数据的规模化积累，进而影响具身智能在实际场景中的落地速度与稳定性。
鹿明的FastUMI技术可以解决上述问题，将数据采集效率提升至传统方法的3倍，成本降至1/5，并达到1-3毫米的精度。这正是在为高效积累此类构建基础设施。
硬氪：如何进一步优化数据采集与模型训练闭环？
喻超：接下来，我们团队将通过以下三个方向持续推进。第一，丰富与拓展硬件产品体系；围绕工业与服务场景的多样化需求，团队正在构建覆盖多类型夹爪、力控/非力控结构及便携形态在内的硬件产品矩阵，以灵活、可配置的解决方案满足不同行业客户的差异化使用需求。
第二，数据与算法能力的系统性升级。在数据采集与处理环节，我们正持续优化全链路流程，构建高标准的数据质量评估体系，强化数据可信度与处理效率，为上层智能化能力的演进提供可靠的数据基础与算法支撑。
第三，为下一代具身智能模型做场景化开发。我们正通过与前沿科研机构合作，逐步融合触觉、力控等多模态数据，推动模型向更高维感知与自主决策能力演进。明年3月初，鹿明机器人计划发布面向工业核心作业场景的新一代模型。
基于数据-整机-场景的三角。通过优质的整机产品，在业务场景中运营，积累真机数据，训练更好的模型，再应用到更广的场景之中，是鹿明整体的业务路径。可以说，我们所有业务都是为了真机数据积累展开。结合商业化进程，在商业化的同时实现真机数据的规模化，这是鹿明机器人1-2年内的主要目标。
硬氪：公司自主研发的一体化关节、轻量化摆线模组等核心硬件，已在负载、静音等方面实现突破。这些技术将如何支撑机器人在工业、家庭等不同场景中的长期可靠运行？在硬件成本与性能平衡上，鹿明有什么样的策略？
喻超：机器人进入家庭，成为消费级的产品时，成本和可靠性非常重要的考量因素，这也是鹿明的硬件在设计时就关注的。在成本与性能平衡上，我们通过从本体到核心零部件再到算法的全栈自研，在保证产品可靠性的前提下实现成本可控，为机器人规模化落地奠定基础。
目前，鹿明机器人已经构建了一套兼顾高负载性能与家庭友好特性的机器人硬件体系。
针对工业场景中物流搬运等重负荷任务，我们开发的一体化关节技术已实现高负载性能突破，以Lumos机器人为例，其双臂负载能力可达50公斤，能够稳定支持高强度作业需求。
面向未来家庭服务场景，我们也推出了轻量化摆线模组，在实现结构减重的同时，显著降低运行噪音并提升安全性能，为机器人在家庭环境中的可靠运行提供技术保障。
作者丨黎曼
今年5月，金沙江创投主管合伙人朱啸虎的新动向引发关注——当时“宣称不看好人形机器人”的他，在批量退出人形机器人项目后，转身又投了一家水下机器人项目——世航智能（下称世航）。
当时，外界已经解读过朱啸虎的操作。朱啸虎退出人形机器人是因为商业前景不明，并公开宣称人形机器人“客户仅用于研究或展示，未创造持续价值”。而他转身投资的公司则属于“务实投资”，具备深度场景力、能快速商业化。
世航成立于2023年，是国内最早研究，且最先完成水下清洗机器人商业化的企业。其以水下通用机器人为主线，产品“虎鲸”系列构建了水下0-1万米海洋生产力，目前主要应用在洗船领域。
“你们的产品是不是水下面有个人在推着跑？”起初，世航团队也收到了不少质疑，创始班子只能不厌其烦地解释“完全不是”。最近，世航联创兼COO曹颖告诉我：“今年公司开启商业化，收入呈十倍级增长，预计明年盈利。”
曹颖透露，水下场景的研发费用其实会高于其他场景的人形机器人。这放在整个机器人赛道来看，在大量研发烧钱后，能够在一年多时间完成盈利的并不多见。
大家可能不知道，世航快速商业化的背后，和它颇具前沿的商业模式——“AI为结果付费”颇为相关。
具体解释一下就是，它每清洗一艘船，船东就付一次的清洁费。船东愿意为其付费的动力在于，清洗完的大船，不仅能取代无法检验的人工清洗，还能节省油费。“经过我们清洗完的轮船，每天能节省10万元油费。”
这对世航来说有两大好处：一是，产品能够更精准的解决客户需求。二，能够打开收入规模天花板。这颠覆了行业以往卖硬件、SaaS、或者集成方案的收入模式。
其实不止是世航，国内外很多明星企业已经开启了“AI为结果付费”的商业模式时代，且这已经成为了当前全球AI巨头及资本巨擘的共识。
在今年5月闭幕的第三届红杉资本AI峰会的闭门会议上，包括红杉资本合伙人Pat Grady、OpenAI首席执行官Sam Altman、谷歌首席科学家Jeff Dean等在内的全球150位顶尖AI创始人，经过6小时的深入探讨，众多前沿观点和共识浮出水面。其中，Outcome-based Pricing（基于结果定价）,Outcome-as-a-Service（结果即服务）成为最为核心的观点之一，这意味着：“下一轮AI，卖的不是工具，而是收益。”Pat Grady把这称为“万亿美元机会”。
在国内，同频共振的机构也已出现。“我们正在找寻这类商业模式的公司，也会推动一些有潜力的企业朝这个方向转型。”盛景嘉成创投管理合伙人王湘云表示，这一收费模式让一些被投企业实现了收入和利润十倍级的增长。
在“AI泡沫”论断不断警醒着创投界的当下，一条更加明晰的商业化路径出现了。这就像混沌中出现的一道曙光。
在中国，盛景是较早提议该商业模式的机构。
2025年3月，盛景提出AI RaaS（Result-as-a-Service，结果即服务），即极致化结果导向模式，敢于以结果作为定价、收费或盈利的依据，并将其形象地比喻为“AI业主或AI甲方”，主张只有端到端服务并深度嵌入物理世界，才能真正创造价值。
实际上，世航的商业模式便是盛景促成的。在一次商业组织上，世航创始人陈晓博认识了盛景网联董事长、盛景嘉成创投创始合伙人彭志强，彼此观念和价值观一致，刚起步世航就听从了彭志强的建议，以结果付费为商业模式，并由盛景投资其天使轮。
到底是提供设备，还是提供结果，团队进行过财务测算。“最终，我们发现提供结果是最优方案，因为次数可以无限次拉大，最终结果也将无限大。而对于客户来说，10万洗一次船和花上百万买机器，哪一个决策成本高？显然是后者。”曹颖回忆。
这件事发生在2023年，一个无限机遇和资本环境寒冷相叠加的一个年份。当时30岁左右的年轻科学家陈晓博已经在水下机器人世界探索了18年。商业模式得到验证后，才有了今年年初朱啸虎投资的手笔。据悉，朱啸虎的资源和能力帮助世航打开了局面，朱啸虎则上车了中国最具潜力的水下世界机器人项目。
为什么盛景的响应如此快速？
王湘云告诉我，是SaaS模式的瓶颈推动了这一变革。“我们在上一轮SaaS投资周期的过程中发现，美国SaaS行业发展如火如荼，企业拥有很高的估值，而国内的SaaS产业，无论从收入、估值还是退出，整个链条都面临着巨大的压力和挑战。”总之，一句话：“算不过来账了。”
所以团队得出结论：单纯仿照美国模式在中国不一定行得通，应该将软件逻辑放在产业互联网和更长业务链条中考虑。顺着这个逻辑，盛景也成功投资出了一些企业。
时间来到2022年，ChatGPT推出后，进入AI驱动的新一轮产业周期。盛景观察到，随着AI基础模型的迭代，一些“简单套壳”应用的路会越走越窄，所以，简单的套壳项目长期、可持续的资本价值面临挑战，那需要增强何种能力才能不被吃掉？
于是，盛景的思考结果是：要有强大的场景能力，并以结果来收费。通过投资案例发现，以结果为导向的收费模式能让收入和利润有十倍级增长。盛景在此的投资案例除了世航外，还包括凌云智矿——一家AI矿产勘探公司。
为此，盛景研究院还不断发文，推出“AI RaaS全球案例30”系列，系统拆解标杆企业，为本土创业者提供可借鉴的范式。
这一思路已经得到了不少投资人的认同。资深投资人云客也告诉我：SaaS模式，极有可能在AI时代终结，这背后逻辑包括两点：
一是付费逻辑变化了。SaaS的本质是让用户为工具付费，但工具只是手段，解决不了最终结果。但AI可以直接替代劳动力，所以这是一个远比SaaS大得多的市场。
二是AI最优质的模型都是闭源的，掌握在巨头手中，套了壳的新一代SaaS几乎无法构建护城河。
目前，云客也在找寻这类有商业潜力的企业。
或许不少人会困惑，AI agent按照结果付费，这个衡量标准是什么？
以世航为例。曹颖坦言，公司需要通过实际作业效果，如为客户省油来逐步证明价值，教育市场。这个过程具有挑战性。
曹颖总结，最终能够实现“为结果付费”这一商业模式，核心依赖于以下三大能力：
一是，断崖式领先的硬件与系统集成能力；二，持续迭代与构建壁垒的“燃料”，通过清洗“上千条船”，积累了在不同船型（散货船、集装箱船等）、不同海域（北海、东海、南海）、不同水质、不同季节下的作业数据。这是任何只卖设备或不直接面对终端客户的公司无法获得的；三，服务结果可量化、可验证。
目前，世航已经成为国内拥有最多水下场景数据的公司。“后来者很难追上。”不过，曹颖也介绍，公司在跑通商业模式的过程中基本是“在国内卷，在海外赚钱。”
一方面，国内船东对价格非常敏感，更倾向于选择成本最低的方案，即使服务质量参差不齐。如日本、新加坡等海外市场，人工成本更高，且更认可技术的价值，并愿意为此支付更高的价格，海外客单价能达到国内的“三倍以上”，所以公司目前正积极开拓海外市场。
在国际上，RaaS模式正在多个领域得到实践。Clay、Sierra、11X等公司已从传统软件订阅模式，发展到按任务收费或基于任务与结果的混合定价模式。
由OpenAI董事会主席Bret Taylor创办的AI客服独角兽Sierra尤为激进。它不是一个简单的客服系统，而是一个闭环成交的销售Agent平台，帮助品牌从首问到下单全流程完成销售。
它不光接触客户，更负责转化结果，真正走上“你给我一笔预算，我给你带来多少GMV”的路线。
其中有一个细节更直观：当AI智能体独立解决了来电或在线咨询的需求时，Sierra会收取一次费用;如果最后必须转人工，那这次就是免费的。
“我们很喜欢这种模式，我也认为这会成为智能体的标准商业模式。”Bret Taylor如此表示。Sierra成立于2023年，现已化身为百亿美元估值的独角兽。
Ramp则将这一思路推向极致。这是一家在2019年成立于美国纽约的金融科技公司，它从一张企业信用卡起步，旨在用技术手段颠覆传统企业支出管理方式，帮助企业省时省钱。它不卖企业一个财务系统，而是直接承诺节省多少费用。它的AI能自动识别冗余订阅、谈判降价、预测风险，把“用这个工具的收益”变成KPI。
要总结一个更普适的“结果型产品”的衡量指标的话，在红杉的闭门峰会上，红杉给了三大判断标准：是否能跑完一个完整任务流程；是否具备任务执行中的持久性；是否能交付可衡量的业务价值。
在盛景团队看来，这一模式的普及是一个渐进的过程，按智能度可以分为L1-L4四个等级：
L1代表以线上数字应用为主、偏高度重复、流程清晰、标准化程度较高的短流程业务，比如目前在法律、客服等行业会率先实现应用。L2往往是需要复杂推理和工具调用和整合的长运营流程、并且很多时候会需要调用硬件工具参与落地。L3更偏重帮助客户实现产品和服务的销售闭环，并最终实现销售收入的结果分成，这意味着AI服务的外向型链接能力得到质的提升；L4则跃升为“AI业主”，不仅具备AI服务能力，更借助AI优势成为核心资产或公司价值的主要或部分的“所有者”。
王湘云认为，智能等级更高的业务相当时间内需要AI和高专业能力人进行高质量的协作配合，这是一个更为健康的AI产业化模式。未来随着技术成熟，AI占的比例会逐步提高；在整体推进速度上，市场化程度越高的供应链和价值链，AI RaaS的推进速度会越快。
AI agent产生在AI大模型落地应用之际，也置身于“AI泡沫”的大讨论之中。
2025年下半年，AI资本市场创今年4月份以来最差表现，纳斯达克指数单周跌幅超3%，更加引发了关于AI泡沫的更广泛讨论。
主要在于，OpenAI等头部企业面临巨额研发投入与商业化收入之间的鲜明反差：2024年其研发投入超过150亿美元，但商业化收入却不足30亿美元。
即使能够如Altman预期在2025年底的年收入年化率将超过200亿美元，到2030年增长到数千亿美元，也难以形成正向现金流。
与此同时，AI成本问题也日益凸显。大模型成本每年降10倍的预期，并未能挽救众多AI企业的付费订阅模式。
麻省理工学院的一项研究也引发了大面积的讨论，该研究指出：尽管企业在生成式AI上已经投入了300–400亿美元，但95%的组织尚未取得任何业务回报。
不过，云客强调，这里面有一个逻辑不能搞混了：“通用大模型本身和利用大模型能力赚钱是两件事。前者投入巨大，短期内必定是看不到回报的，它们的目的也并非快速盈利，而是抢占下一代技术革命的战略制高点。前者是属于少数国家队和科技巨头才能玩得起的游戏。而后者才是普通创业者去发力的地方。”
他认为，今年被高估的方向是人形机器人。“这个领域还在快速发展，在未来几年可能会看到突破，但如果期待快速大规模落地，我觉得是大大高估了。技术的发展必须经历几个阶段，没法快速跳过。可以看到，特斯拉也在今年下调了对Optimus的生产预期。”
那么，该如何看待当前的泡沫？
我想或许可以引用Sierra联合创始人兼CEO Bret Taylor在一次访谈里给出的一个明确但复杂的答案：
AI将重塑经济、创造巨大价值；同时，泡沫的确存在，也会有人亏很多钱。两者可以同时为真。
他认为当前的AI泡沫像极了互联网泡沫：确实互联网泡沫时期有很多失败案例，但把时间拉长到30年，我们看到Amazon、Google等巨头诞生，也看到Microsoft的云业务成为市值的重��支柱，更能直观看到互联网对全球GDP的深远影响——1999年的“乐观”，很多其实是方向正确。甚至像当年的Webvan（网上生鲜配送），也在智能手机普及、互联网规模成熟后，以Instacart、DoorDash等健康业务的形态“再现”。很多想法并不糟，只是来得太早。
此外，AI agent为结果付费的探索，会慢慢成为AI创收的新趋势。
总的来说，2025年AI Agent已在多个行业告别概念验证，进入价值兑现的阶段。在AI泡沫的讨论声中，RaaS模式的出现，为行业指明了一条务实的发展路径——AI技术必须回归商业本质，为客户创造可衡量的价值。这条路或许不像无限量融资、堆算力追求SOTA那样引人注目，但却可能更持久，更坚实。
本文来自微信公众号“东四十条资本”，作者：黎曼，36氪经授权发布。
登录
