机器人的手感，凭什么融了三轮钱？

具身智能赛道都在讲大脑的故事，枢途科技却融了三轮钱去做机器人的『手感』。

近日，枢途科技完成近亿元人民币Pre-A轮融资，由鼎晖百孚、鲲鹏基金（大数据方向国家级基金）联合领投，广州产投、亿合资本联合投资，老股东趋势投资超额追投。值得注意的是，这是公司一个月内完成的第三轮融资。

在人人都在卷整机、卷大模型的当下，一家做数据和触觉的公司被资本追着投，这件事本身就值得拆开看。

📈 一个月三轮，钱到底在追什么

先看这轮融资的成色。

近亿元Pre-A轮，领投方里出现了鲲鹏基金——大数据方向的国家级基金。这个细节比融资金额本身更耐人寻味：国家队资金的入场，通常意味着赛道被放进了更长的政策周期里评估，而不是按一两年内能否出整机的短期逻辑打分。

另一个信号是老股东趋势投资的超额追投。一级市场里，老股东在短期内连续加注，往往比新机构进场更能说明问题——说明上一轮的钱看到了超出预期的进展，愿意在下估值抬升前再压一手。

资金去向也写得清楚：一是继续完善现有视频升维数据产品、提升交付能力；二是支持触觉数据表征训练的研发与验证，推动SynaTac触觉产品线迭代；三是加快拓展面向机器人接触策略训练与端侧部署的业务布局。

翻译一下：一半的钱花在把已有业务做扎实，一半的钱押在新故事上。这不是典型的烧钱换规模结构，更像一家已经跑通第一曲线、正在开第二曲线的公司拿的过桥钱。

产业逻辑层面，资本正在完成一次叙事切换：从『投一台机器人』转向『投机器人 industry 的供水系统』。具身智能的模型层已经挤满了巨头，而数据、评测这些底层供给环节，反而是确定性更高、竞争格局更未定的位置。

🧠 Covariant系班底，是带着教训回来的

看一家具身公司，团队履历里的『落地浓度』比论文数量重要得多。

枢途科技CTO慕巍博士曾任硅谷具身先驱企业Covariant AI研发副总裁及中国区软件负责人，公司核心技术团队以Covariant AI成建制算法团队为班底。

『成建制』这个词值得琢磨。它意味着这不是几个核心人物的流失，而是一整支有共同方法论、共同代码库记忆、共同踩坑经验的团队整体迁移。在具身算法这种高度依赖工程经验的领域，成建制团队省掉的是最贵的成本——磨合成本。

更重要的是这支团队实践过什么。按官方表述，他们『实践过具身算法从demo到产品、到场景、到稳定运行』。这四个阶段，每个阶段死掉的公司都不在少数，而大多数具身创业团队的经验其实只停留在第一阶段。

由此，枢途科技形成了一个明确的认知：机器人从『能演示』走向『可交付』，不仅依靠算法突破，更需要围绕现场问题，推动数据、训练与验证的持续迭代。

这句话听起来平淡，实则是整个公司的路线图。业内流传的一句话是：具身智能的上限看模型，下限看数据，生死看交付。多数团队从模型往下做，枢途科技选择从交付往上倒推——先盯住现场会出什么问题，再决定需要什么数据和训练。

这个闭环里没有炫技的环节，每一格都是脏活累活。但具身算法落地的核心鸿沟，恰恰就藏在这些格子里：一端是大脑层对世界理解的不足，另一端则是接触执行的不可靠。前者的补课靠视觉数据，后者的补课，就得靠触觉。

🖐️ 机器人的短板，是没有手感

想象一个场景：机械臂在演示视频里抓起物体行云流水，换到真实产线，面对一个软硬不一、位置微偏的柔性件，动作立刻变形。问题往往不出在『看不看得见』，而出在『摸没摸准』。

这就是视觉数据的盲区，也是枢途科技押注触觉的原因。

公司正在推进触觉数据表征训练的研发与验证，其SynaTac触觉产品线瞄准的，是机器人接触策略训练与端侧部署这个环节。用大白话说：教会机器人在接触瞬间如何用力、如何调整——这是所有具身任务从『规划完成』到『物理完成』之间的最后一段路。

目前行业的现实是：视频类具身数据供给在快速繁荣，各家都在堆视觉语料；而触觉数据因为采集难度高、标准化程度低，仍是明显的稀缺品。稀缺，意味着定价权。

枢途科技的打法不是单卖数据，而是把『触觉数据表征训练—接触策略研发—端侧部署』做成一条能力链。客户买的不是一坨传感器读数，而是能让机器人真正完成接触动作的方法论和配套供给。这种卖法的天花板和粘性，都远高于一次性数据交易。

值得一提的是，公司同时在开展具身数据与技能评测业务，将训练数据供给、接触策略研发与真实任务验证相衔接。评测这件事乍看不起眼，实则是行业话语权的卡位：谁能定义『什么样的数据是好数据』『什么样的技能算过关』，谁就站在了采购决策的上游。

⚙️ 双引擎矩阵，数据加评测的新基建

把枢途科技的业务拼起来看，是一个清晰的双引擎结构：SynaData面向世界理解，SynaTac面向接触执行。

这个结构的妙处在于两个引擎不是并列关系，而是咬合关系。视觉数据解决『看得懂』，触觉数据解决『摸得准』，而评测业务把两者放进真实任务里验一遍——感知、执行、验证三件事在一家公司内部形成了闭环。

商业上，这个闭环也分了层次。SynaData的数据业务已完成交付与应用验证，是当期现金流的基本盘；SynaTac处于投入期，是估值想象力的来源；评测业务则是放大器，既为自家数据产品背书，又能向整个行业输出标准。

官方对这个定位的表述是『连接人类经验与机器人真实作业的基础设施能力』。所谓具身落地新基建，本质就是：不管哪家整机厂最终跑出来，只要机器人要干活，就需要这套数据与验证的供水供电系统。

基建生意的好处是抗叙事波动——不管人形机器人风口冷热，作业需求始终存在；坏处是前期重投入、回报周期长，这也是为什么这轮融资里有国家级背景基金的身影：这类钱，撑得起长周期。

⚠️ 新基建的护城河与三道坎

当然，把话说满之前，得看看这门生意的坎在哪。

第一道坎是需求节奏。具身智能当前的真实订单量仍集中在有限场景，数据与评测的采购需求会随整机放量而放大，但也可能随行业降温而收缩。基础设施生意最怕的，是基础设施上的车流迟迟不来。

第二道坎是替代风险。头部整机厂和大模型公司都有自研数据团队的动机，第三方数据供应商必须证明自己在效率和标准上持续领先，而不是只领先一个身位。

第三道坎是触觉本身的技术成熟度。触觉传感器方案多样、数据格式尚未统一，SynaTac的表征训练路线能否成为事实标准，还需要真实交付来验证——这也是为什么公司把『真实任务验证』写进了自己的业务闭环。

但反过来看，枢途科技手里最硬的一张牌，恰恰是那个从Covariant AI带回来的认知：围绕现场问题做迭代。数据、触觉、评测这三块业务，没有一块是为了讲故事而生，全部指向交付现场的真实瓶颈。据业内普遍观察，在demo满天飞的具身赛道，敢把公司命脉押在『可交付』上的团队，屈指可数。

结语

一个月三轮融资，枢途科技拿到的不只是近亿元现金，更是资本对『具身落地新基建』这个叙事的一次投票。

当整机和大模型的竞争进入白热化，真正的分水岭可能不在谁家机器人跳舞跳得好，而在谁的机器人能在真实产线上稳定干活。而通往『稳定干活』的路上，数据供给、接触执行、任务验证，缺一不可。

枢途科技选择在最不起眼的地方修路。这条路能不能修成，取决于机器人大规模作业时代的到来速度——但从资本的投票节奏看，越来越多人相信，那一天不会太远。