鲸跃动力获星海图数千万元种子轮投资，用「数据+模型+末端执行」打造开箱即用的Robo Labor丨涌现新项目

前北京人形数据负责人创业，给出即插即用的灵巧操作方案。

一句话介绍

鲸跃动力成立于2026年，以「数据+模型+末端执行」闭环，提供面向场景、可快速部署的Robo Labor（机器人劳动力），让物理劳动力像AWS算力一样，可订阅、可弹性扩容、开箱即用，替代人类从事高危、繁重、脏乱、重复（Deadly/Difficult/Dirty/Duplicate）的物理作业。

融资进展

近日，鲸跃动力已完成由星海图独家领投的数千万元种子轮融资，深渡资本担任独家财务顾问。

本轮融资将用于团队增长、产品的量产交付、专家技能的研发以及数采运营相关工作。

星海图表示：“具身智能的下半场，拼的是‘数据效率×模型泛化×末端执行’的系统能力。鲸跃动力锚定数据主线，专注在真实场景实现快速交付迭代，与我们追求物理世界数据闭环的理念高度一致。团队兼具数据、模型与交付的稀缺基因，这种团队组合在行业里并不多见，因此我们看好它从高质量数据出发走向全球领先的具身智能应用先锋。”

产品及业务

鲸跃动力瞄准To B市场，围绕数据，专注在真实场景实现快速交付迭代，提供了「数据+模型+末端执行器」的软硬件一体化解决方案。

在海外，Sunday、‌Generalist AI、Genesis AI等公司的实践，验证了数据是具身智能规模化落地的第一性原理，并收敛在了「Ego-centric+UMI」，即「第一人称视角+通用操作接口」的数据方案。

鲸跃动力创始人李广宇认为，过度追求超大模型的复杂度没有必要，只需在真实数据、场景化模型、末端执行形成闭环，即可快速实现工程化交付与规模化落地。

因此，鲸跃动力采用了「数据采集能力+模型能力+灵巧操作深度认知」模式，实现具身智能在场景中的落地。

鲸跃动力的核心壁垒主要体现在以下三个层面：

1. 自研Ego-centric+UMI数据采集系统：能实现亚毫米级位姿定位与亚毫秒级多源时间同步，覆盖视觉、力觉、位姿与环境交互信号，并在端侧实时场景理解分析，保证数据质量。

2. 百万小时数据管线与人类在环策略：建立数据管线，具备百万小时级清洗、标注、分析能力。通过大规模真实数据覆盖复杂工况，同时引入Human-in-the-Loop（人类介入决策）范式，通过人工的即时纠偏能力，保证机器人在Day 1可用的前提下持续进化。

3. 自研3D世界模型和专家技能：包括深度空间理解与精准移动操作能力，并在数据底座之上构建高保真物理认知引擎。基于这一模式，机器人不只是做到“识别物体”，还能做到理解重力、摩擦、形变趋势与交互边界，真正实现从“感知-执行”到“认知-预测-自适应”的范式跃迁。

△鲸跃动力的数据采集可视化，图源：企业提供

据介绍，鲸跃动力的业务模式也得到了客户和产业方的认可，以物料搬运装卸（Material Handling）的应用场景为例，客户可以将机器人无缝嵌入现有的业务流，实现室内外全场景自主移动、高精度搬运与柔性装卸、标准载具操作等能力，切实解决行业痛点。

目前鲸跃动力已和制造和物流行业的多家头部企业开展了合作，推动其产品在多个场景落地。

团队介绍

鲸跃动力CEO李广宇博士毕业于美国南加州大学（USC）电子工程系，曾任北京人形机器人创新中心具身数据与灵巧操作负责人，从0到1搭建灵巧操作与具身数据团队，主导RoboMIND多模态具身数据集、具身智能体“慧思开物”等标杆项目，在数据与模型层面有丰富的积累；此前在滴滴、轻舟智航主导构建百万级自动驾驶数据闭环与仿真系统，兼具具身智能与自动驾驶双重产业实战经验。

△鲸跃动力创始人兼CEO李广宇博士，图源：企业提供

核心团队覆盖数据、模型、硬件、软件、全球化商务全链条，由来自极智嘉、新石器、轻舟智航、北京人形、理想、小米、滴滴等头部企业的核心骨干组成。团队成员毕业于USC、清华、浙大、中科大等顶尖高校，在机器人学、强化学习与多模态大模型领域具备深厚积累，还拥有RoboMaster等顶级赛事冠军。

团队具备丰富的海外研发、合规认证与本地化部署经验，拥有从前沿研发到万台量产、百万级数据交付的完整落地能力。

Founder思考

• 一家公司必须成为细分领域的最优解，才能长期赢得竞争。

To B的残酷性在于，有一台能跑的机器人是不够的，有一台单位经济模型（UE）为正的机器人也不够。必须成为细分领域的最优解，才能长期赢得竞争。

产品能真正落地的关键在于：企业高度了解现有工作流，能将产品严丝合缝嵌入业务链条，并在人力消耗最大、ROI最显性的环节下刀，硬件设计需要接地气，数据采集敢于野蛮生长，才能逐渐跑通场景、价值验证、数据回流与产品迭代的闭环。

• 场景型机器人公司会成为未来的赢家。

目前，行业壁垒正从单点算法转向系统能力，企业核心的竞争点在于：一是“单位泛化能力的数据成本”，二是“场景规模化部署密度”。

数据效率决定了我们能否以极低的边际成本，将机器人的操作能力泛化至新物料、新载具与新场地；落地密度则决定了能否在单一场景内形成规模效应。

未来的赢家，会是那些能用最精准数据撬动最大泛化边界、并用最高密度占领核心场景的“场景型机器人公司”。

• 机器人领域的标准化产品公司正在涌现。

目前，硬件供应链日趋成熟，数据基建规模化，大模型、Agent能力爆发，新的AI驱动范式有望让机器人公司从传统“项目制定制集成”转向“标准化产品公司”。

让机器人企业能够以产品化的思维定义硬件、以Agent的逻辑交付价值，在垂类场景中将智能化做到极致，配合标准化硬件与清晰的产品定义，完全有能力实现高爆发、规模化的商业出货。

• 鲸跃动力想要的生态位是：数据+应用。

全球产业对柔性、低成本、高可靠物理劳动力的需求从未衰减。

具身智能将重演自动驾驶的演进轨迹，从早期Robotaxi（无人驾驶出租车）的尝试，到辅助驾驶的规模化量产，再到无人配送、干线物流、矿卡等垂直场景的延伸。对具身智能而言，其也将延续验证期、工程收敛期到商业爆发期的路径发展。

鲸跃动力在打造一个生态友好的通用的技能平台，我们擅长数据驱动、闭环以及落地部署的环节，更关注“末端执行器+技能”的组合价值，我们希望客户在接上硬件、打通系统和传感器之后，直接调技能就能解决需求。

文章来自于"智能涌现"，作者 "王欣逸"。