2025-06-24 银河通用获宁德时代领投11亿，制造业资源与数据技术共塑人形机器人未来生态

作者：Ivy   出品：高工人形机器人

6月23日，北京银河通用机器人有限公司（下称“银河通用”）宣布正式完成由宁德时代领投的11亿元人民币新一轮融资，刷新了具身大模型机器人领域单笔融资纪录。

本轮融资包括溥泉资本（CATL Capital）、国家开发银行国开科创、北京机器人产业基金、纪源资本等顶级投资方。

由此，银河通用两年累计融资超23亿元。公开资料显示，2024年08月，彼时刚完成天使轮融资的银河通用的估值为4.25亿美元（30.62亿人民币），经过三轮融资后，银河通用的估值必有提升。

落地零售场景，探索工业场景

银河通用获得亮眼的融资成绩，与其早在2024年就推出第一代人形机器人Galbot G1，并不断推进该产品落地有着密切关系。

2024年6月，银河通用正式发布了第一代人形机器人Galbot G1，其高度173cm、臂展190cm、身体升降65cm、续航时间10小时，可应用于零售、家庭、教育等场景。

到了2025年，银河通用已从落地零售场景，发展至探索工业场景。

在零售场景中，2025年4月，银河通用宣布与苏州市达成战略合作，计划率先在商业零售、先进制造、适老康养、文化旅游等重点场景推进具身大模型机器人的应用。

银河通用机器人创始人及CTO王鹤近期在采访中表示，今年新的演示使得场景更接近真实商超，这是全球应用VLA技术首次在高度密集、多品类环境下公开展示大规模物体泛化抓取。

银河通用机器人创始人及CTO王鹤

在工业领域，银河通用亦有大动作。6月17日，公司宣布与全球工业巨头博世集团旗下博原资本共同成立合资公司，并与博世中国、博原资本签署三方战略备忘录。

一天内有4家制造业企业传出涉足人形机器人消息

在本轮融资中，宁德时代的入场同样引人瞩目，这也侧面印证了，宁德在具身智能的布局开始不断加速。

有媒体推测称，本轮获得宁德时代投资，银河通用有望与宁德时代在场景落地方面形成战略协同。作为全球最大的动力电池制造商，宁德时代的业务和具身智能领域联系颇多。一方面是为机器人供应电池；另一方面宁德时代计划将人形机器人引入生产线，推动工厂向完全自动化生产发展。

公开资料显示，2021年8月，宁德时代全资设立宁德时代未来能源（上海）研究院有限公司（下称“未来能源研究院”），2022年1月，未来能源研究院与上海交通大学合作，双方共同攻关新能源领域前瞻性技术，建设为全球未来能源创新中心。

上述合作内容就包括研发多款机器人，为投入工厂应用准备。

2023年，未来能源研究院向上海交通大学发布五个智能机器人联合攻关合作项目，分别为腿足式机器人、双足式机器人、重载四足机器人、仿人形机器人、视觉伺服机器人。

制造业巨头的入场标志着人形机器人从“实验室玩具”迈向“商业产品”的关键转折，除了宁德时代，今天还有3家企业踏足人形机器人领域的消息传出。

知情人士称，英伟达和富士康正就在休斯顿的一家工厂部署人形机器人展开谈判。两家公司希望在明年第一季度前使人形机器人投入工作，届时富士康的休斯顿新工厂将开始生产英伟达GB300人工智能服务器。

同样是今天，汽车零部件上市企业美湖股份宣布，6月公司与富士康体系机器人平台公司NUWA Robotics Corp.（女娲创造）达成战略合作，共同实现具身智能关键零部件包括但不限于谐波减速器、关节模组、机械臂、电机、精密齿轮等产品的场景应用及量产配套，并积极实现上述产品的轻量化应用。这是在公司于2025年4月入股女娲创造基础上，在机器人产品和场景及意向订单等具体合作细节方面的进一步深化和落地。

同日，华为与软通动力面向制造场景联创具身智能上下料机器人，以开发通用人形场景和3C制造场景人形机器人替代为主要方向。

人形机器人已成为科技与制造业巨头的“必争之地”，宁德时代仅是新能源企业跨界的一个缩影，未来竞争将更趋白热化。

同样的，作为数据提供方来说，制造业巨头们涉足人形机器人领域，最核心的竞争优势之一就是能够提供海量、高价值的实操数据。这些数据不仅能够加速技术迭代，还能从根本上解决当前人形机器人发展中的关键瓶颈。

未来5年，拥有真实场景数据霸权的企业，很可能成为人形机器人行业的“新苹果”或“新特斯拉”。

真实数据和仿真合成数据之争

然而，银河通用作为人形机器人本体企业，比起在实机遥操上获得数据，他们认为仿真合成数据能够更高效地训练AI。

王鹤直言道，银河通用致力于用好合成数据，这一举措旨在降低成本，将资源聚焦于 Mobile Pick-and-Place（自动化抓取、放置） 等原子动作的产品级落地。

2025年1月，银河通用推出全球首个基于十亿级仿真合成动作数据预训练的端到端具身大模型GraspVLA。该模型突破性地实现了全球首个仅靠预训练即可实现零样本（Zero-Shot) 泛化能力。

王鹤强调称，“目前不是在模型架构上拼胜负，而是从数据角度，我们究竟能用哪些数据充分训练VLA” 。

马斯克也在今年1月表示：“在AI训练中，我们现在基本上耗尽了人类知识的累积总和”。

目前大部分机器人本体企业急于落地的原因之一，是希望获得大量的现实环境数据供AI学习。合成数据的作用，就是希望免去真机数据所需要的庞大成本，通过合成仿真模拟真实世界，低价高质地收集机器人所需的数据。

由此，合成数据是由算法生成的、模仿真实世界的数据，既有效解决了现阶段真机数据有限的问题，又比用互联网视频数据训练更加高效。

王鹤介绍称，“高精物理仿真和物理渲染的合成数据，我们认为是现阶段信息量最丰富的，这些数据同时包含视觉信息、任务级语言标签和严格符合动力学约束的机器人动作轨迹，信息密度最高且理论上可无限扩充（只需 GPU 渲染即可）。相较之下，互联网上的人类劳动视频虽带有“动作”，却是人体动作：与机器人关节约束、运动学完全不匹配，且缺乏精确 3D 轨迹标注；即便勉强提取，也混杂了摄像机运动与人体运动，误差难以校正。”

辩证地看，合成数据是AI应对“数据枯竭”的关键技术，具有可控、低成本等优势，但也面临质量不高的挑战。有从业者表示，目前的合成仿真数据质量太低，“根本不能用”，最后各个机器人企业比拼的还是真机数据的质量与数量。

王鹤对此反驳称，“很多从业人员对合成数据的真实能力缺乏体验。合成数据作为具身智能基建，需要长期积淀。制造低质量合成数据很容易，随便搞个渲染假的仿真器，产生只有深蓝浅蓝背景的trajectory，学完发现根本不能用，就得出合成数据垃圾的结论。这其实是对工具认知不足、理解不充分、使用水平低造成的武断评论。”

合成数据能否真正替代真机数据、缓解“数据焦虑”，目前仍有争议。业内主流做法仍是：“以真机数据为核，合成数据为翼”，走混合训练的折中路线。作为合成仿真路线的代表企业，也是当前具身智能融资规模最大的玩家之一，银河通用的选择无疑正被整个行业密切观察。

小结

一方面，宁德时代等制造业巨头带来的不仅是资金支持，更重要的是成熟的供应链体系、规模化生产经验以及宝贵的工业场景数据，这将大幅加速人形机器人从实验室原型到商业化产品的转化进程。

另一方面，银河通用采用合成数据的创新实践，为解决训练数据瓶颈提供了新思路，特别是在模拟工业长尾场景方面展现出独特优势。

这种"产业资源+数据创新"的双轮驱动模式，正在推动人形机器人技术快速突破成本与性能的临界点，同时也在重新定义行业竞争格局——未来的领先者不仅需要具备算法创新能力，更要拥有产业落地能力和数据生态构建能力。