成立半年拿数亿元，欧拉万象赌什么

华为具身智能的1号员工，出走创业半年多，就拿下数亿元天使轮+。这家叫欧拉万象的公司，没讲“通用机器人取代人类”的宏大故事，而是押了一个更冷门的词：Real-world RSI——让机器人在真实场景反馈中持续改进。我的核心判断是：家庭服务机器人的胜负手，正在从“demo好不好看”转向“谁能在真实家庭里形成数据闭环”。这一轮融资，是这个转向的又一个注脚。

🚀 1号员工下桌，牌面是什么

“天才少年的含金量，体现在他能带走什么。”

先说人。欧拉万象创始人周顺波，身上有两个标签：一是原华为“天才少年”，二是华为具身智能的1号员工。第二个标签的分量其实更重——1号员工意味着他是从零开始把华为的具身智能业务搭起来的人，从团队组建、技术选型到工程落地，整条链路都亲手趟过一遍。这种“从0到1的完整经验”，在具身智能创业潮里是稀缺品。

再看事。公司成立半年多，方向明确：面向家庭服务机器人，搭建Real-world RSI系统，并发布了Action-Native Foundation Model路线的阶段成果UniWAM。

最后看钱。本轮为数亿元天使轮+，投资方阵容值得逐个点名：

天使轮+的表述本身就说明融资节奏快——很可能在首轮基础上快速追加了。据接近欧拉万象的人士说法，这轮进展速度在当前一级市场环境里并不多见，具身智能的钱在收拢，但正快速向“有真实场景数据能力”的团队集中。

产业逻辑很清楚：大厂具身智能的核心骨干出来单干，方向卡在家庭服务这个最大的待开发市场，融资自然快。但真正的看点不是钱，而是路线——下文展开。

🔄 Real-world RSI：把学习曲线搬进客厅

“仿真能造一万个客厅，造不出一个真客厅。”

先讲个场景。你家的客厅和样板间是两个世界：拖鞋散在地上，光线忽明忽暗，茶几下面塞着充电线，猫突然从沙发后面窜出来。实验室里跑得行云流水的机器人，到了真实家庭往往寸步难行——因为家庭是典型的非结构化环境，任务长尾到无法穷举。

欧拉万象给出的解法是Real-world RSI系统。RSI在业界通常指向“自我改进”（Self-Improvement）机制，这里的关键前缀是Real-world：不是靠仿真器里刷一百万次，而是让机器人直接在真实家庭场景中执行任务、采集反馈、回流数据、迭代模型，再重新部署。

这个闭环长这样：

注意最后一根线：E回到A。这意味着模型每次迭代，都要靠在役设备的真实使用来喂养。数据不是一次性采集完的资产，而是随部署规模滚雪球的复利。

产业逻辑在于：当前具身智能行业的最大分歧之一，就是训练数据从哪来。仿真合成数据便宜、可控，但sim-to-real的鸿沟在家庭场景尤其难跨；真机遥操作数据质量高，但采集成本是天文数字。Real-world RSI本质上是第三条路——让真实使用本身成为数据生产过程。前提只有一个：你得先有设备真的跑在用户家里。这就把“做模型的公司”和“做产品的公司”缝在了一起，难度不小，但一旦跑通，壁垒是时间级的。

🧠 UniWAM：Action-Native 是个什么路线

“模型的名字，往往就是路线图。”

欧拉万象发布的UniWAM，被官方称为“Action-Native Foundation Model路线的阶段成果”。注意“阶段成果”四个字——半年多的公司，发的是路线验证而非成熟产品，这在节奏上是诚实的。

Action-Native这个词怎么理解？业界主流的基础模型路线，大多以视觉和语言为原生模态，动作作为输出端的“翻译结果”；而Action-Native意味着把“动作”提到一等公民的位置，训练目标直接对齐物理世界的执行效果。WAM具体指什么，官方素材未展开，业内普遍猜测与“世界-动作”联合建模有关——即模型不仅要“看懂”环境，还要内生地“知道动作会改变什么”。

把当前几条主流路线放在一张表里看（以下对比为作者基于公开信息的推演）：

产业逻辑是：UniWAM的路线与Real-world RSI是一体两面的。模型以动作为原生，才最“吃”真实反馈；真实反馈回流，才喂得动Action-Native的迭代。二者互为前提，构成一套自洽的技术叙事。半年就能拿出阶段成果，说明团队在华为时期对这条路线已有积累，出来是加速而非从零探索。

💰 投资人名单里的产业信号

“看懂一张投资协议，先看谁在名单上。”

这轮投资人结构，比金额更有信息量。弘毅投资是老牌投资机构，财务属性强；而拓邦股份的出现，是典型的产业资本卡位——拓邦是国内智能控制器领域的头部企业，而家庭服务机器人恰恰是控制器、电机驱动、电源管理等核心零部件的密集使用方。

画一条产业链关系就明白了：

产业资本在这个环上同时踩了两个点：上游的零部件供给，和下游通过整机获得场景入口。家庭服务机器人一旦起量，控制器和驱动系统的需求弹性极大——产业方在天使轮就下注，买的是未来供应链上的协同位置。据多位接近交易的人士透露，本轮产业方与财务方的配比经过刻意设计，既保证资源导入，又不稀释创始团队的技术主导权。

产业逻辑在于：当家庭服务机器人从“能不能做”进入“能不能量产”的讨论阶段，资本结构就开始反映产业规律了——纯财务资本看叙事，产业资本看BOM表。两方同时出现，通常意味着市场对这个方向的商业化时间窗有了共识：不会太远，但需要现在就建产能与供应链的连接。

⚠️ 客厅不是展厅：三道坎在前头

“家庭机器人最大的敌人，是用户家里那只乱踩的拖鞋。”

场景先摆出来：演示视频里的机器人抓杯子又稳又准，真到用户家里，它要面对的是没见过的桌面材质、逆光的玄关、被熊孩子挪了三次位置的充电桩。家庭场景的安全冗余要求远高于工业场景——工业臂失误损失的是工件，家庭机器人失误可能伤到老人小孩。

摆在欧拉万象这类团队面前的，至少有三道坎：

1. 长尾与安全：家庭任务无法穷举，任何模型都会遇到分布外场景，安全兜底机制是产品化的第一道门槛；

2. 数据与隐私：Real-world RSI需要持续采集家庭环境数据，摄像头看到的一切如何脱敏、如何合规、如何取得用户信任，是工程问题更是信任问题；

3. 成本与可靠性：家庭设备对价格敏感、对故障零容忍，硬件BOM成本和整机寿命直接决定商业模式能否成立。

更深的矛盾是冷启动悖论：Real-world RSI的威力随部署规模放大，但要获得部署，产品得先够好；而产品要够好，又依赖数据回流。怎么跨过这道“先有鸡还是先有蛋”，是所有走真实数据闭环路线的公司共同的考题——早期往往需要先用相对窄的任务域（比如整理、清洁类）换取第一批在役设备，再逐步扩展能力边界。

产业逻辑上，这三道坎没有捷径，但欧拉万象至少选对了战场：家庭服务机器人的市场纵深足够大，值得用三五年啃硬骨头；而它选的路线——真实反馈驱动、动作原生——恰好是冲着“长尾”和“迭代”这两个家庭场景的死穴去的。方向对了，剩下的是工程和时间的较量。

半年，数亿元，一条完整的技术叙事，一份产业资本带头的投资名单——欧拉万象的开局堪称教科书级。但机器人行业从来不缺漂亮开局，缺的是把RSI闭环真正跑进十万个家庭的那一天。接下来该盯的信号很具体：UniWAM的下一个版本迭代周期有多短、首批真实家庭部署的规模有多大。数据闭环这盘棋，落子才刚刚开始。