≈150 亿
最新估值
逐际和同名单的宇树，是理解整个足式赛道两条路线的最佳对照组。
判断宇树是硬件成本派（把机器人做到最便宜、已盈利、四足现金牛）；逐际是运动智能派（把强化学习 + 运动控制做到最强、押"会走会适应全地形"这项能力壁垒、尚在烧钱）。判断两者都想通向"会干活的通用机器人"，但从不同的端出发。看逐际，核心就一句：它的"运动智能"护城河，能不能跨越到"操作 + 商业化"，把学术优势变成挣钱能力。
判断逐际动力是中国足式/人形赛道里"运动智能"最硬的一家——它把强化学习 + 运动控制做成系统化的研发体系，攻下了"全地形行走"这个别人还没稳定拿下的难关（中国首个野外徒步双足）。它的强，强在让机器人稳稳地"动"；它的悬，悬在"动"之后的"干"——创始人张巍自己都说"有脑不等于有技能"。所以逐际的决定性变量，是能不能把领先的运动能力，延伸到可靠的操作技能与真实场景的商业化闭环，把学术与融资优势兑换成"能干活、能挣钱"。这一步过了，它是通用机器人的底座级选手；过不了，它是"跑得最好看、但还没证明能赚钱"的高估值明星。
| 决定性变量 | 为什么是胜负手 | 兑现的观察信号 |
|---|---|---|
| 从"运动"跨到"操作 + 干活" | 事实逐际的公开亮点集中在移动/全地形/上下楼梯等运动能力；推导而产业价值主要来自"手上干活"（抓取、装配、服务），这是它需要补的另一半，也是全行业的难关。 | 真实场景（工业/服务）里稳定完成操作类任务的比例、非展演类订单与复购。 |
| 商业化：从"用起来"到"挣到钱" | 事实已获数千台订单（过半海外），但薄场景（科研/导览/表演）为主；张巍自陈路径是"用起来→能干活→挣到钱"。判断当前多停在前两段。 | 工业/商用场景规模订单、单位经济模型、毛利与现金流拐点。 |
逐际的卡位很特别——它同时踩在本体和大脑之间，主打"运动智能"这条纵切线。
判断逐际选的不是"最便宜的本体"，也不是"纯软件大脑"，而是"运动智能 + 全地形足式本体"这条纵切线——用强化学习把"稳定行走、适应复杂地形"这项能力做深，做成一个可复用的技术底座，再往上叠"大小脑融合"（COSA）、往外接场景。事实它已把这套东西做成产品矩阵（点足双足 TRON、人形 Luna/Oli），并对外强调自己是"技术底座"，薄场景自己做、重场景与伙伴共建。
判断"运动智能"是一个技术含金量极高、但商业价值需要被下游验证的位置。走得稳、适应全地形——这在巡检、科研、特种场景是加分，但大多数产业买单的理由，最终是"能不能替我干活（操作）"，而不是"走得多稳"。逐际的机会与风险都在这：如果全地形移动本身能撑起一块够大的付费市场（巡检、建筑、特种），它可以先靠"运动"活得很好；如果不能，它就必须尽快补上"操作"，否则运动智能的领先会停留在 demo 和论文层面，难以变现。
| 本质 4 问 | 答案（含证据） |
|---|---|
| ① 本质在做什么 | 判断让机器人在真实、非结构化的世界里稳定地移动和保持平衡，再在此基础上叠加感知与操作。本质是"运动控制 + 强化学习 + sim2real"的硬科技，门槛高、见效慢。 |
| ② 几个流派、成熟度 | 事实足式路线大致：成本量产派（宇树，已盈利）、运动智能派（逐际，强化学习 + 全地形，学术强）、大厂/资本派（特斯拉、Figure）。事实逐际做出中国首个野外徒步双足，运动能力处第一梯队。 |
| ③ 哪层赚钱 / 谁掌握话语权 | 事实当前能量产、能落地场景的一方掌握现金流（宇树靠四足盈利）；判断逐际的"运动智能"尚未被证明是独立的付费点，更多是通用能力的一部分，话语权要靠"把能力变成客户愿付的产品"来赢。 |
| ④ 未来价值往哪迁 | 推导随着"大脑"（VLA/世界模型）成熟，价值会向"会干活的整机 + 数据闭环"迁移。判断逐际押的是"运动是干活的地基，地基最难、先占最值"；这个赌注对不对，取决于运动能力是不是操作能力不可绕过的前置——若是，逐际的地基就值钱；若操作能被更简单方式解决，运动壁垒就贬值。 |
判断逐际最强的标签是"运动智能 / 全地形行走"。推导但产业为机器人买单，八成是为了"手上的活"（搬运、装配、拣选、服务），而不是"脚下的稳"。判断所以真正的问题是：逐际领先的"运动"，是不是通往"操作"的必经之路、并能形成壁垒？如果是，它就卡住了地基；如果"会走"和"会干活"其实是两套技术（张巍自己说"脑和技能是两回事"），那逐际还得再打一场"操作"的硬仗，而那场仗它不一定比别人领先。
逐际是典型的"顶级学者带队 + 系统化研发体系"型公司，这是它最硬的底牌。
| 角色 | 人物 | 关键背景 |
|---|---|---|
| 创始人 & CEO | 张巍 | 事实中国科技大学自动化本科；肯塔基大学 ECE 硕士（2005）；普渡大学统计硕士 + ECE 博士（2009）；曾任美国俄亥俄州立大学终身教授；2019 年 5 月获南方科技大学终身教职；研究方向含控制理论、机器学习理论与算法、机器人。判断是运动控制 + 机器学习双栖的稀缺学术权威，正是足式机器人最需要的知识结构。 |
| 技术体系 | 强化学习研发体系 | 事实建立了覆盖"现实→仿真→现实"（sim2real2sim）完整数据处理流程、创新神经网络架构、数据生成与训练方法改进的系统化 RL 体系；南科大团队有多篇 IROS 等顶会论文。 |
判断团队是逐际最确定的资产：把"运动智能"做成体系化研发能力，而非某个 demo，这在工程上比一次炫技难得多，也更可持续。缺口但要打问号的是：① 操作/manipulation 与商业化 BD 的团队厚度——学术强不等于会把货卖给工厂、算得清账；② 创始人学者身份与全职投入、组织管理能力——从实验室到规模交付是另一种能力；③ 大脑（COSA）团队相对"运动"团队的强弱，决定它补"干活"这块短板的速度。
事实已获数千台订单、过半来自海外，覆盖科研教育、商业服务、全地形巡检、工业、建筑等场景。缺口但"订单"里多少是科研/导览/表演这类"薄场景"，多少是工业/商用的"能干活挣钱"场景；各产品的真实交付量、售价、毛利、复购均未清晰公开。张巍自陈路径"用起来→能干活→挣到钱"，恰说明多数落地还在前两段。这正是追问清单第 2 组的核心。
逐际的命运系于三个真正有分歧的命题。每题给 Bull / Bear / Reality，再下裁决。
用创始人张巍自己的框架（用起来→能干活→挣到钱）逐段拷问它现在站在哪。
| 阶段（张巍框架） | 逐际的现状 | 是否跨过 |
|---|---|---|
| 会走 · 稳定移动 / 全地形 | 事实中国首个野外徒步双足、Oli 上下楼梯——运动能力第一梯队 | ✅ 已跨过（强项） |
| 用起来 · 交付到客户手里 | 事实数千台订单，覆盖科研/服务/巡检等，过半海外 | ⚠ 部分跨过（薄场景为主） |
| 能干活 · 可靠完成操作类任务 | 缺口操作（抓取/装配/服务）的真实可靠性与规模应用未公开；COSA 刚发布 | ❌ 待证（关键坎） |
| 挣到钱 · 单位经济为正、可持续 | 缺口毛利、现金流、工业变现程度未公开；拒绝营收对赌 | ❌ 待证 |
判断用逐际自己的四段路，它牢牢站在前一段半（会走 + 部分用起来），后两段（能干活、挣到钱）还没被证明。判断这不是逐际独有的问题，而是整个人形赛道的共同天堑——但逐际的特殊性在于：它的领先集中在"会走"这一段，而产业价值集中在"能干活"那一段，两段之间正好隔着"操作"这道它尚未展示出压倒性优势的坎。推导所以 COSA（大小脑融合）能不能把"运动强"顺利接到"操作强、任务强"，几乎是逐际下一阶段成败的单点。它诚实（承认有脑≠有技能）是好事，但诚实之后要拿出的，是操作与变现的真数据。
看清它周围站着谁，就明白它的优势多稀缺、软肋在哪。
| 玩家 | 类型 | 打法 / 现状 | 对逐际的意义 |
|---|---|---|---|
| 逐际 LimX | 运动智能派 | 强化学习 + 全地形足式，COSA 大小脑融合，估值 150 亿、七成海外资本 | 运动标杆，操作与变现待证 |
| 宇树 Unitree | 成本量产派 | 硬件全栈自研、四足全球 ~70%、已盈利、冲科创板 | 同为足式，宇树赢在成本与盈利，逐际赢在运动智能 |
| 特斯拉 Optimus | 大厂 · 场景 + 数据 | 汽车级制造 + FSD 数据 + 工厂场景压强 | 操作 + 数据闭环的最强对手，直击逐际"干活"软肋 |
| Figure / 1X 等 | 海外 AI 本体 | 具身大模型 + 仓储/家庭商业场景 | 在"会干活"叙事上更靠前的海外先手 |
| 智元 / 银河通用 | 国产 · 大脑/操作优先 | 从具身大模型 / 操作智能切入 | 操作侧的国产对手，与逐际"运动优先"路线互补又互攻 |
| 波士顿动力 | 运动炫技派 | 运动性能天花板高、成本高、商业化未走通 | 前车之鉴：只有运动、缺成本与变现会怎样 |
判断① 在"运动智能"这条轴上，逐际是国内第一梯队、且学术底子最厚——这条护城河真实且稀缺。② 在"操作 + 成本 + 变现"这三条轴上，逐际都是追赶者——宇树赢成本、特斯拉/Figure/智元赢操作与数据。③ 逐际的必答题：把"运动"的领先，尽快接到"操作 + 变现"，且要防止重蹈波士顿动力覆辙（运动天下第一、却始终没把商业化跑通）。它比波士顿动力多了中国的场景、成本环境和资本，但会不会重复"技术明星、商业困难"的剧本，取决于 COSA 与工业落地。
判断四个断点里，断点 2（运动接不接得上操作）和断点 3（场景变现）最致命——前者是逐际的技术单点（COSA 成败），后者是全行业的天堑。逐际的运动再强，也要先过这两关，学术与资本优势才能真正兑换成终局位置；否则就是"波士顿动力 + 中国资本"的升级版剧本。
| 风险 | 说明 | 观察信号 |
|---|---|---|
| "会走"接不上"会干活" | 领先集中在运动，操作/manipulation 尚未展示压倒性优势；COSA 刚发布，成败未知。 | COSA 落地后操作类任务的可靠性、工业场景完成率。 |
| 商业化与盈利未证 | 数千台订单多为科研/服务/巡检薄场景；毛利、现金流、工业变现未公开，且拒绝营收对赌。 | 工业/商用规模订单、单位经济模型、毛利与现金流拐点。 |
| 估值 / 窗口期溢价 | 150 亿估值、七成海外资本、抢港股 IPO；估值主要靠运动叙事 + 人形想象，无盈利垫底、容错小。 | IPO 定价与后续基本面兑现节奏。 |
| 波士顿动力式陷阱 | 运动天花板高但商业化走不通的历史前车之鉴。 | 是否把技术优势转成可持续的商业模式。 |
| 地缘与出口 | 订单与资本七成来自海外，对出口管制、地缘摩擦、跨境交付更敏感。 | 海外交付稳定性、是否被列管、海外制造配套进度。 |
| 学者创业的组织关 | 从实验室到规模交付需要不同能力；商业化/BD 团队厚度待验。 | 商业化高管引进、交付与供应链体系成熟度。 |
判断六类风险的母题是同一个：逐际能不能把"运动的领先"变成"干活的能力"和"挣钱的生意"。这件事没被证明之前，150 亿更多是在为"它会成功跨越那道坎"提前付款——而且比宇树少了盈利这层安全垫。
逐际技术叙事强，但最关键的变量藏在"操作"和"变现"的缺口里。★ 是我认为最锋利、最能戳破叙事的问题。
判断① COSA 落地后，操作类任务在真实场景的可靠性到哪、比对手领先还是落后？② 数千台订单里多少真在"干活挣钱"、单位经济算不算得过来？③ 凭什么不重蹈波士顿动力"运动天下第一、商业化走不通"的覆辙？——这三问答清楚，就知道逐际是"稀缺的运动智能底座"，还是"跑得最好看、但还没证明能赚钱的高估值学术明星"。
基于公开信息的深度梳理，主要来源（节选）：
· 新浪财经 / 钛媒体 / 量子位：《对话逐际动力张巍：人形机器人已经有"大脑"，但"有脑"和"有技能"是两回事》、Pre-IPO 2 亿美元、"营收对赌不符合具身商业逻辑"
· 36氪 / ZAKER：《深圳又一家百亿机器人独角兽，半年融资超二十亿元》、估值约 150 亿、半年融资约 4 亿美元、海外资本占七成、投资方名单
· 腾讯新闻 / 财经网：2026.2 B 轮约 2 亿美元、AI·具身会客厅对话张巍
· 南方科技大学官网 / 百度百科 / 知乎（昆仲·链）：张巍学术背景（中科大本科、肯塔基硕士、普渡博士、俄亥俄州立终身教授、南科大终身教职）、IROS 论文
· 逐际动力官网 / 机器人大讲堂：TRON / Luna / Oli 产品、LimX COSA（2026.1）、"中国首个野外徒步双足"、Oli 上下楼梯演示
· 搜狐：《智能机器人如何从"用起来"到"能干活"再到"挣到钱"》——商业化路径框架
· CNBC：《'Listing is a must': Chinese humanoid startups are rushing to launch IPOs》——行业 IPO 抢跑