拒绝纸上谈兵！把具身智能卖到欧洲工业巨头腹地，这家黑马凭什么一年半融资7轮？

导语：中科第五纪再融数亿元！这匹成立仅一年半、狂揽7轮融资的具身智能黑马，正用硬核订单撕开海外工业市场的大门。

资本市场上那些关于具身智能的泡沫与故事，终究要在工业生产线的嘈杂声中接受最真实的检验。

具身智能赛道的核心玩家「中科第五纪」（Five Ages）近日已完成了数亿元的A轮融资。本轮融资由孚腾资本领投，上海半导体产投、国科资本、中国风险投资、鸿瑞达跟投，老股东卓源亚洲等超额加注。令人瞩目的是，这也是该公司在2026年开年以来完成的第三轮融资。

如果把视线拉回他们创立的起点——2024年9月，在短短一年半的时间里，中科第五纪已经以惊人的速度完成了7轮融资，堪称一级市场里的超级黑马。但比起频繁融资的动作，更值得业内瞩目的是，这家年轻的企业近期在海外市场斩获了实打实的成果：他们拿下了海外多家头部企业数亿元的订单，并且在欧洲的工业现场完成了真机全球化交付。

在一众还在靠仿真模型或者PPT展示概念的具身智能企业中，中科第五纪用真金白银的海外订单给行业方向做了一次实力的印证。

从实机演示到真金白银订单：告别实验室，直接去欧洲老牌工业腹地试刀

国内不少机器人研发团队常常面临“仿真里跑得通，现场一动就抓瞎”的现实尴尬。中科第五纪之所以能拿到A轮投资机构的密集加注，核心原因就在于他们绕过了国内单一的价格内卷，直接将技术武器库对准了海外高端工业巨头这块硬骨头。

今年3月，这支团队的具身智能机器人解决方案直接被送到了某全球制造业巨头的德国总部，完成了真机方案的现场演示。这也是中国具身智能企业首次在欧洲工业核心腹地进行实机场景演示。紧接着，在德国LogiMAT 2026仓储物流展上，中科第五纪现场展示了基于FAM系列大模型的轮式机器人和物流解决方案，向全球集成商展示了在非标仓储场景下的高柔性操作能力。

在4月的德国汉诺威工业博览会上，他们的具身智能机器人更是完成了全世界首次与工业制造软件（MES/WMS等系统）全链路打通的实机亮相。在德国某工厂的试点项目中，中科第五纪的机器人已经真实在岗完成了物料搬运和协同操作的一期POC测试。这种将软件大脑与工业底层控制完全融合的端到端能力，是海外制造巨头愿意爽快买单的硬支撑。

这套“软硬一体”的打法不仅在海外吃香，在国内也已取得了阶段性的行业卡位。在2025年9月，中科第五纪依靠“具身大脑”的底层适配度，拿下了某头部机器人大厂的“001号大脑供应商”席位，将核心软件驱动注入电力巡操设备中，仅用了不到两个月就完成了多场景的批量交付。

而在软硬一体的本体部署层面上，他们的轮式具身机器人也已渗透到高频的新零售和汽车制造深水区。他们与中石化这类大型央企合作，在无人零售场景部署智能机器人，实现7*24小时的连续稳定运行，代替人工完成商品补货与前台交互。在汽车制造领域，中科第五纪的机器人也已经进驻零跑汽车的产线完成高速部署，在真实的机械工况下协同配合。

“堆数据”不是唯一解：超少样本如何跑通物理世界的复杂博弈

目前，硅谷和国内主流的具身智能流派大多极度依赖“海量数据”，寄希望于通过成百上千次的远程操控数据采集，来教会机器人拧一个螺丝或开一次门。但对工业现场而言，数据采集不仅成本昂贵，场景也极具非标性，动辄数月以上的训练周期根本无法匹配工业界追求极致效率的换产节奏。

中科第五纪的技术团队很早就意识到，依赖纯数据堆叠的具身智能路线难以在大规模工业化中走通。为此，他们架构了一套“超少样本具身操作大模型FAM系列”、“具身世界模型BridgeV2W”以及“人在环路强化学习”的系统性方案。其中，FAM系列也是世界首个超少样本具身操作大模型。

近期发布的SpatialVAM，更是与中科第五纪此前研发的虚拟眼技术VERM、约束感知导航CA-Nav形成了完整的技术闭环，覆盖了从环境探索到精微操作的整套流程：

• 边界感知导航（CA-Nav）：攻克了零样本连续环境下的三维漫游难题。它利用大语言模型将复杂的自然语言指令拆解为空间认知映射，机器人不需要任何前置演示数据，就能在完全陌生的厂房中完成语义级的避障与路径规划。
• 虚拟眼技术（VERM）：传统的机器人为了防死角会挂载多个摄像头，这带来了极大的数据冲突和高额的算力消耗。VERM能够根据当前操作任务动态生成自适应的“虚拟眼”，把多相机冗余输入在线压缩为“单张最优视图”，让机器人的整体训练和推理效率足足提升了2倍。
• 空间大模型（SpatialVAM）：这是攻克微操场景的杀手锏。在面对复杂的3D操作时，传统的方案往往需要反复训练数千次。而SpatialVAM仅需10条示范，就能通过整合三维结构先验与视频生成大模型，在“脑海”中提前预判物理运动轨迹，从而精准完成3D空间的闭环控制。

从通过CA-Nav安全探路，到利用VERM精准聚焦，再到依靠SpatialVAM的少样本微操，中科第五纪在算法层面打通了具身智能自主漫游、识别以及交互的多重鸿沟。在国际通用的公开具身数据集评测中，FAM系列模型在极度稀缺的数据样本支持下，基础任务成功率依然达到了惊人的97%，性能表现超越了英伟达推出的RVT-2等学术与工业界主流模型。这也正是投资方在当下这个“去泡沫化”的市场环境中，仍然愿意重仓这支团队的底层底气所在。

去泡沫下的冷思考：具身智能的下一站属于“务实派”

经历了过去一两年的资本狂热后，整个具身智能行业正在发生根本性的扭转。单纯靠堆参数、讲PPT模型故事已经很难让人盲信。毕竟，实物机器人在粗糙、多变且伴随不确定性的现实世界里工作，和模型在平滑的仿真程序里打转是两个截然不同的故事维度。

中科第五纪的发展路径给行业提供了一个非常值得研究的样本。他们主动避开了盲目追求超大规模泛化但确定性较低的路线，转而聚焦在工业和零售等场景里的“窄泛化”需求上。通过从自研模型大步走向真实产线、降低对海量训练数据的硬性依赖，新场景的上线部署周期得已被极大地压缩到天级，大幅降低了落地门槛。

能够快速在德国老牌制造巨头的产线现场跑通POC，正是这种“少样本、强闭环”技术路径在商业价值层面的直接体现。当大多数厂商还在纠结如何依靠堆砌数据提升几百分点的动作精度时，“少样本、强泛化”或许已经悄然定调了具身智能下半场的竞争命题。率先跑通海外交付的公司无疑占据了有利的位置，而如何把这套在老牌工业现场迭代出的能力向全球更多复杂链条进行快速泛化，将是中科第五纪接下来要回答的新命题。