一家“先下車間，再找投資”的機器人公司，剛拿了數千萬

星工聚將最近完成了數千萬元天使輪融資，由天空工場創投基金獨家投資。

放在如今有些喧鬧的具身智能賽道里，這家公司無疑有點特別。不僅僅因為其投資者天空工場創投基金，是追覓科技旗下專注于AI及泛機器人產業鏈的早期基金。更因為它不是那種“先講故事、再找場景”的團隊，而是一上來就扎進工廠、盯著產線干活的人。

這家公司成立于2025年6月，落地蘇州吳中區，核心方向很明確，就是做真正能進入工業現場、并且具備規模化落地能力的具身智能機器人。

01.

先下車間再談迭代

很多機器人公司喜歡把“通用”“智能”掛在嘴邊，但真正進過工廠的人都知道，產線不相信概念，只相信效率、穩定性和成本。星工聚將從一開始就沒打算繞開這些最現實的問題。

今年4月，在由魔法原子（MagicLab）舉辦的硅谷魔法生態大會上，星工聚將以生態合作伙伴身份完成了北美首秀。這也是它第一次正式出現在全球具身智能產業鏈的聚光燈下。

從團隊背景來看，星工聚將帶著很強的“學院派+工程派”混合氣質。長期從事機器人研發。核心成員則來自清華大學、上海交通大學、麻省理工學院、卡內基梅隆大學等高校，同時又具備工業機器人量產經驗。

但比起學歷，更值得關注的是他們的做事路徑。

不少機器人創業公司會先做Demo、做視頻、講未來，再慢慢尋找商業化方向。而星工聚將反過來了，先下工廠。

團隊在成立后，第一時間進入制造業一線，從真實工況里找問題：工人到底缺什么？哪些工序最痛？機器人為什么遲遲替代不了？他們希望產品定義不是來自PPT，而是來自車間。

"我們不追求最像人的機器人，我們追求最能幫客戶賺錢的機器人。"總經理李梓正表示。

某種意義上，這也決定了星工聚將后續所有產品、技術路線的選擇。

02.

一臺不像“人”的實用派機器人

目前，星工聚將的核心產品是XG Z1輪式雙臂機器人。這款機器人已于2026年3月在北京正式發布。團隊將其定義為“全球首款實現工業級規模化應用的具身智能輪式機器人”。

它高約1.8米，重約130公斤，整體設計明顯偏工業風，走的是“全向底盤+可折疊升降模組+雙臂”的路線，而不是如今行業里流行的“類人展示型”路線。

XG Z1采用雙7自由度機械臂，并配備4自由度可折疊軀干。這個結構設計有一個非常現實的考慮：工廠空間往往狹窄、復雜，機器人不是站著擺造型，而是得真正鉆進工位里干活。

因此，它的軀干支持±180度旋轉折疊，大幅擴展作業空間，可以覆蓋從地面到高位貨架的大范圍操作區域。

更關鍵的是，它沒有執著于“雙足”。

這也是李梓正反復強調的一點。在他們看來，現階段工業場景真正需要的，并不是“像人走路”，而是“像人一樣干活”。

所以星工聚將最終選擇了這條技術路線，用更低成本覆蓋人的工作空間，同時兼顧穩定性、效率與商業化可行性。

說白了，他們想優先解決“能不能賺錢落地”的問題，而不是先追求炫技。

在硬件層面，XG Z1搭載超輕力控機械臂與全向移動底盤，整機最高支持2070 TOPS算力，既能兼容傳統運動控制算法，也能部署大模型能力。

03.

三個POC場景，把能力邊界外推一步

真正體現工業邏輯的，其實是它的“6秒快換”，去應對工廠“多變”的產線要求。

簡單來說，機器人可以在不同末端工具之間快速切換。同一臺設備，既能做分揀，也能做鎖付、焊接、打印、拋光、檢測等任務。

這意味著什么？

意味著過去工廠里“一臺設備對應一道工序”的剛性模式，開始出現松動。對于制造企業而言，這種柔性能力，才是具身智能真正有機會打開市場的關鍵。

因為中國制造業過去幾十年形成的大量自動化產線，本質上都是“高效率但低彈性”。一旦產品變化、工藝調整，改造成本極高。

而輪式具身機器人，本質上是在給傳統工廠增加一種“可移動、可學習、可泛化”的柔性勞動力。

這也是為什么越來越多工業客戶開始認真看待這類產品。

在感知與安全層面，XG Z1搭載了360°多模態感知系統，可以實現毫秒級主動避障，并實時識別周邊人員、設備與環境變化，動態規劃運動路徑。

不過，比感知更重要的，是它背后的系統架構。

星工聚將提出了“中央腦+本體+數據閉環”的三位一體架構。從感知、決策到執行形成完整閉環，并采用“快慢腦”協同模式——慢系統負責語義理解和任務拆解，快系統負責實時動作反饋。

這個思路，其實已經越來越接近具身智能行業當前的主流方向：機器人不再只是執行器，而是在向“具備物理世界認知能力”的智能體演進。

李梓正提到一個很典型的例子。

如果面對一個未預設、且被遮擋甚至翻轉的零部件，機器人不僅要識別目標，還要自主調整姿態、重新規劃抓取路徑，最終完成動作。

難點不只是“抓起來”，而是如何把精度控制在工業可接受范圍內。

因為工業現場不允許“大概成功”，它要的是穩定、重復、零損傷。

而這背后，考驗的是機器人如何真正彌合“感知”與“行動”之間的鴻溝。

在數據策略上，星工聚將也沒有完全依賴大模型行業里常見的單一路徑。

他們采用的是混合數據方案：用互聯網數據建立認知，用EGO數據進行預訓練，再通過真機數據做精調，同時結合數字風洞物理引擎進行仿真訓練。

核心目標很明確，就是降低訓練成本，同時提升泛化能力和真實落地能力。

這一點，其實也是如今整個具身智能行業正在逐漸形成的共識。

因為行業已經慢慢發現，僅靠互聯網數據，機器人學不會真實世界；但如果完全依賴真機采集，成本又極其高昂。

誰能率先建立起“仿真+真機+場景”之間的數據閉環，誰才更有機會率先跨過規模化落地門檻。

最終，面對“混亂”的產線，Z1能在一堆遮擋、翻轉、甚至被污損的組件條碼前，沒有停機報警，而是會自己把物體翻過來，直到成功識別。

這背后是“物理認知引擎CPE”在起作用，慢系統負責語義拆解，快系統即時反饋動作，再加上“數字風洞平臺”提前做過的物理對齊，讓它在不確定的環境里也能自己找出確定性來。

此外，Z1還看有把易碎組件精準投放到動態移動的小車上，這事考驗的不單是流暢度，更是零損傷的交付能力。高剛性、低延遲的一體化關節模組讓動作更柔順，“物理對齊”那一套則給了它材質感知和接觸反饋的能力，每一次接觸都帶點“分寸感”。

04.

不到一年，訂單上億，生態初現

值得注意的是，成立不到一年，星工聚將已經拿下多家頭部智能制造企業的億級訂單合作。

與此同時，公司還聯合京東、螞蟻集團、靈心巧手、珞石機器人、領益機器人、亦莊機器人等產業鏈伙伴發起“星火計劃”，嘗試構建具身智能生態協同網絡。

其中，與螞蟻集團的合作尤其值得關注。

雙方將圍繞機器人本體能力和真實場景數據，共同構建具身智能真機數據集，并開展聯合模型訓練與迭代優化。

說到底，今天具身智能行業最缺的，已經不是模型故事，而是真實數據。

誰掌握大量真實工況數據，誰才能真正推動機器人從“能演示”走向“能生產”。

而從這個角度看，星工聚將的思路其實非常鮮明：

先進入工廠，再理解工廠，最后讓機器人真正成為工廠的一部分。

這條路并不輕松，甚至比很多“講概念”的路線更慢、更重。但工業機器人行業過去幾十年的歷史已經證明，真正能活下來的公司，往往都不是最會講故事的，而是最能解決問題的。