具身智能企业Zenbot获近亿元天使轮融资，长盈精密、科达利等产业资本联合投资

具身智能赛道又迎来一笔关键融资。基础设施公司Zenbot（真保科技）近日宣布完成近亿元天使轮融资，投资方阵容颇为引人注目——长盈精密、科达利、肇民科技等几家精密制造细分领域的领军企业，其家族办公室联合了L2F光源创业者基金和天狼星资本共同出手。光源资本担任了此轮融资的独家财务顾问。

这笔钱打算怎么花？方向很明确：一是继续攻坚通用具身智能世界模型（World Model）的研发；二是推进基于第三代半导体GaN驱动的核心关节模组的量产和扩产；三是推广并交付其大小脑融合实时通讯架构的软硬件方案；最后，则是强化全栈系统设计能力，推动整机产品的规模化落地。可以说，每一分钱都指向了从核心技术到最终产品的闭环。

公司的技术底色，从其联合创始人贾振中博士的背景可见一斑。贾博士毕业于清华大学精密仪器系（本硕）与密歇根大学（博士），并在卡内基梅隆大学机器人研究院从事过博士后研究，现任南方科技大学副研究员、博士生导师。其师承堪称豪华，包括ASME控制领域最高奖得主Huei Peng、IEEE及IFAC双料Fellow Jing Sun，以及机器人领域最高奖得主、CMU-RI前院长Matthew T. Mason。团队累计在RSS、ICRA、IROS等顶级会议与期刊发表论文70余篇，并曾入围IEEE-ARM最佳论文奖。核心成员来自佐治亚理工、香港科大、清华、北大、哈工大、南科大等高校，拥有乐聚机器人、逐际动力等公司的产品研发与工程化落地经验。

除了“软实力”，Zenbot的“硬功夫”也值得一提。公司自建了数千平米的自有工厂和研发测试场，用于整机性能验证与场景化调试。这种从设计、打样到验证的全流程闭环，使其研发迭代效率相比行业常规模式有所提升。

技术路径上，Zenbot的布局覆盖了从底层硬件到顶层认知的完整链条，包括核心关节、域控制器、运控算法乃至世界模型。基于这一通用技术底座，公司已开发出四足、人形、类人形等多种机器人产品形态，旨在为全球的机器人公司与场景方提供从“大脑”到“躯干”的一站式解决方案。

具体拆解来看，在最为核心的机器人关节层面，Zenbot应用了第三代半导体GaN（氮化镓）驱动技术。这项技术的直接好处，是将关节驱动器的发热量大幅降至传统MOS方案的30%左右。同时，公司掌握了QDD准直驱与力控谐波两大关节技术路线，搭配自研的减速器与芯片方案，以覆盖从需要高动态响应的四足机器人，到追求高精度操作的类人形机器人的多元化需求。

在机器人的“神经系统”——通讯架构上，Zenbot选择从协议栈底层自研，打造了大小脑融合的实时通讯架构。这套架构旨在支持“大脑”（高算力单元）与“小脑”（嵌入式实时处理器）的高效协同，确保控制算法在各种机器人平台上都能达到车规级的实时性、稳定性和安全性。

到了“具身小脑”即运动控制层，Zenbot自研了MPC（模型预测控制）与RL（强化学习）的融合框架。简单来说，MPC基于物理模型提供一个稳定的控制序列基线，而RL则通过残差学习来补偿模型误差、适应未知环境。再结合自研的Sim2Real（仿真到现实）工具链，这套框架让机器人在复杂地形行走、高动态运动乃至需要精密力控的交互场景中，都具备了更稳定、更鲁棒的运动能力。

而更具前瞻性的工作在于“具身大脑”。Zenbot正在构建面向物理世界的世界模型，其目标是让机器人在执行动作前，能先在内部“模拟”物理世界的未来状态，从而实现因果推理与自主决策。一个已经落地的成果是Phy-Tac框架，它将物理因果推理与触觉感知相结合，专门用于解决机器人操控中的精准抓取难题。

Phy-Tac的创新之处在于一个三层统一架构：第一层，通过物体三维纹理建模与表面几何分析，筛选出力分布较优的潜在接触区域；第二层，引入物理条件化潜在扩散模型（Phy-LDM），在给定物体物理参数的条件下，生成触觉目标图像，从而预测出稳定的抓取姿态；第三层，在潜在空间采用LQR闭环控制，实时比对当前触觉状态与模型预测的目标偏差，并以最小驱动量来优化夹爪状态。这套方法将感知、预测与控制紧密耦合，提升了在不确定环境中的操作可靠性。

市场反馈是检验技术的试金石。据悉，Zenbot在公司开始运营的12个月内，已获得近亿元订单。其商业模式采用“公版平台+深度定制”的组合拳进行交付，目前客户矩阵已覆盖国内外具身智能头部企业、知名上市公司、高校与科研院所，以及智能领域的新锐初创公司。

对于公司定位与行业未来，Zenbot联合创始人贾振中博士有一个清晰的比喻：“如果说大语言模型让AI学会了‘说’，那么世界模型将让AI学会‘做’——即在物理世界中预判、推理和决策。”在他看来，具身智能是通往AGI（通用人工智能）的重要路径，而世界模型是赋予机器人物理理解力的核心引擎。Zenbot的愿景，正是构建具身智能时代的底层基础设施。这不仅仅是通过世界模型提升机器人的认知能力，更是通过底层技术的深度耦合与全栈系统设计，为行业提供从核心部件到整机交付的完整能力。真正的行业壁垒，或许就在于能否将分散的部件、控制、算法整合成一个稳定、高效且可量产的系统，而这正是Zenbot试图构建的核心价值。