腾讯机器人「一号员工」的具身公司，刚刚融了10亿

在具身智能领域，如此快速的融资节奏确实不常见。

半年内完成4轮融资，估值从百亿级别跃升至150亿元。

星尘智能最新公布的进展，再次让业界将目光投向这家成立仅3年多的机器人企业。

但这家公司真正值得关注的焦点，并非仅仅是资金。

背后是腾讯Robotics X实验室早期核心成员的创业背景；技术路线选择了小众的绳驱机器人；目标则是将AI模型、机器人实体与真实任务数据深度融合。

自2022年成立以来，星尘智能正逐渐成为国内具身智能创业公司中一个日益独特的案例。

星尘智能完成10亿元融资

星尘智能刚刚宣布，完成新一轮约10亿元人民币融资，投后估值达到150亿元。

参与本轮融资的机构包括投控东海、洪泰基金、宁海兴泰合基金、善恒资本等，老股东先沐资本继续追加投资。

回顾此前，今年6月，星尘智能刚完成B轮系列融资，估值突破100亿元。仅数月后，公司估值再度攀升。

如果拉长观察时间线，会发现星尘智能的融资节奏一直较为紧凑：

自2026年以来，星尘智能在大约半年内完成了4轮融资，从A+轮、A++轮到B轮系列融资，再到最新一轮10亿元融资，估值从百亿以下或早期阶段逐步进入150亿元区间。

投资方构成的变化，也折射出市场关注点的转移。

早期机器人创业，资本更侧重技术方向和团队背景；随着行业迈入新阶段，机器人本体能力、制造能力以及真实场景落地，成为新的评判标准。

而星尘智能的融资故事，背后真正对应的是它选择的一条技术路径。

星尘智能是谁？腾讯机器人“一号员工”的创业公司

星尘智能的起源，要追溯到腾讯Robotics X。

2022年底成立时，具身智能尚未成为如今的热门赛道，但星尘智能创始团队已在机器人领域积累了多年经验。

创始人来杰此前参与过百度小度机器人项目，之后加入腾讯Robotics X实验室，是该团队“一号员工”，长期从事机器人系统、运动控制和智能硬件相关研发。

这段经历，也影响了星尘智能后来的创业方向。

相较于近年一些从大模型切入机器人的创业公司，星尘智能更早聚焦于机器人本体和控制系统。原因在于，具身智能真正进入现实环境后，模型理解任务只是第一步，机器人还需要具备能执行任务的身体。

面临的挑战，不仅是能否生成动作，更是能否在复杂环境中稳定完成连续任务。

星尘智能选择切入的方向，就是机器人身体设计，最具辨识度的技术路线，是绳驱机器人。

目前人形机器人中较常见的方案，是电机直接驱动关节。这类结构经过工业机器人多年验证，控制体系成熟，也是当前行业主流路线。

绳驱则采用另一种思路：通过绳索传递动力，使驱动部分与关节结构分离，整体结构更接近人体中肌肉、肌腱和骨骼之间的关系。

这种设计的一个优势，是可以降低关节重量，提升机器人的运动灵活性和柔顺性。对于未来需要处理复杂物体的机器人而言，柔顺性意味着更好的接触控制能力。例如抓取玻璃杯、衣物等物体时，机器人需要根据接触反馈调整力度，而不是简单执行固定动作。

在绳驱本体之外，星尘智能进一步搭建了“AI模型+具身OS+机器人本体”的技术体系。

其中，机器人本体负责执行动作，AI模型负责理解任务和生成策略，具身OS则承担算法与硬件之间的连接。

在模型层面，星尘智能公开展示了Lumo具身模型，并提出DuoCore快慢系统架构。简单来说，高层系统负责任务理解和规划，低层系统负责快速动作响应。

这种设计解决的是机器人运行中的一个实际矛盾：复杂任务需要更强的推理能力，但抓取、避障等动作又要求低延迟。

除了模型架构，数据体系也是星尘智能技术路线中的重要部分——探索遥操作和示范学习，通过人类操作过程获取机器人训练数据。

这一方向也体现在公司的公开研究中。

例如，Astribot Suite相关研究关注全身操作问题。相比单独训练机械手完成抓取任务，全身操作要求机器人协调身体移动、视觉感知、双臂动作和手部控制，更接近真实环境中的复杂任务。

而StableVLA研究关注视觉语言动作模型的稳定性。VLA模型试图让机器人理解语言指令并生成动作，但真实环境中的物体、位置和场景变化，会影响模型表现。因此，如何提升模型泛化能力，是当前机器人智能的重要问题。

此外，Efficient-WAM等研究探索世界模型方向，希望机器人在执行动作之前预测未来状态。例如抓取物体时，不只是判断当前动作是否正确，还需要预测物体是否会滑落、是否需要调整力度。

这些研究方向，都围绕一个共同目标：让机器人从执行固定动作，逐渐适应开放环境。

从产品来看，星尘智能目前主要通过S1和T1推进机器人落地。

S1最早进入公众视野，公开视频中展示了倒水、整理物品、操作工具等连续任务。这类任务相比简单移动和单次抓取，更接近真实环境中的操作需求。

随后推出的T1，则开始向产品化方向推进，强调部署和使用场景。

不过，从行业整体来看，具身智能仍处于技术验证和商业探索阶段。星尘智能选择的绳驱路线，在灵活性和交互能力方面具有一定特点，但同时也面临控制精度、长期可靠性、制造成本等问题。

同样，具身模型和数据体系虽然能够提升机器人适应能力，但模型泛化、数据规模以及真实环境稳定性，仍然是整个行业需要持续解决的问题。

融资，当然体现的是市场对于星尘智能产品化可能性的持续关注。

但星尘智能选择的是一条全栈路线，从绳驱机器人本体，到控制系统，再到AI模型同步推进，这让它区别于只关注单一环节的公司。

尤其是“绳驱”这种形式，现在正遭遇越来越多的质疑，表面看似乎更贴近人类生理结构，更符合“第一性原理”，但反对观点认为符合第一性原理，不等于模仿人类结构，而是服务任务本身，毕竟人类结构并非十全十美。

更不要说绳驱的成本、可靠性、控制精准度等等问题。

这也意味着，150亿估值的星尘智能，不仅需要同时面对机器人硬件、算法模型以及商业落地多个环节的挑战，还要做一个“小众”技术路线的“孤勇者”，prove everbody wrong。在九游会平台上，类似的技术路线讨论也时常引发关注。本文来自微信公众号“智能车参考”（ID：AI4Auto），作者：贾浩楠，36氪经授权发布。