AREX Feed Article
成立120天融了超亿美元，破壳机器人用一盘麻婆豆腐挑战具身智能最后一道坎
人形机器人在中国科技展会上已经能跑半马了，但它们至今端不起一杯水。2026 年 8 月 3 日，成立仅 120 天的具身智能公司 PokeBot（破壳机器人）宣布完成超亿美元 Pre-A 轮融资，由顺为资本与 IDG 资本联合领投。
这家公司把全部筹码押在了一个被行业长期搁置的问题上：机器人操作（robot manipulation），即机器人在物理世界中真正"干活"的能力。
9 分钟，一盘麻婆豆腐，五项行业难题同时上桌
今年 6 月，PokeBot 发布了一段 9 分钟的真机演示：一台机器人从生食材开始，全自主完成了一盘麻婆豆腐的全流程烹饪，没有任何人为干预。
单步操作演示在机器人研究中已不新鲜。PokeBot 这段视频的价值在于，它同时踩中了五个各自逼近当前机器人系统极限的操作难题。
第一是长周期规划（long-horizon planning）。9 分钟烹饪涉及数十个连续步骤，每一步的成功是下一步的前提。第三步的微小位置偏差会沿任务链向前传播，管理这种误差累积与学术界长期主导的 pick-and-place 任务有质的区别。
第二是柔性物体操作。豆腐软、脆、受力变形。切而不碎需要的力控精度，逼近现有执行器重复精度的极限。
第三是动态状态追踪。机器人必须持续更新自己的世界模型——生豆腐变成熟豆腐块，汤汁收浓，并根据锅里实际发生的情况调整动作，而非按预定计划机械执行。
第四是多工具协调。刀、炒锅、锅铲、调料瓶各有不同的工具可供性（tool affordance），机器人需要自主排序，出错时自行纠正。
第五是毫米级精准对位。把刀放回刀架、把锅盖精准扣上，需要的定位精度接近现成执行器系统的机械极限。
同期，PokeBot 还展示了叠衣服、穿扎带、系香囊等操作，分别针对柔性材料处理、精细空间对位和长周期灵巧操作设置了不同物理条件下的压力测试。
创始人许华哲——清华交叉信息研究院助理教授、博士生导师，清华具身智能实验室（TEA Lab）创建者——在 6 月 24 日的推文中写道，机器人连续三次无差错完成烹饪："完成一次复杂任务可能只是运气好。连续三次完美执行，才能证明系统的极端鲁棒性、动态纠错能力和可靠性。"（）
WAM×RL×DATA：一场针对仿真路线的豪赌
PokeBot 的技术架构被内部描述为一个三组件的飞轮：WAM（World Action Model，世界动作模型）、RL（全链路真机强化学习）和 DATA（自研数据采集硬件）。三者相互喂养，构成"数据采集→基础模型训练→真机强化学习→新数据回流"的闭环。
WAM 是这套架构的物理因果底座。与大语言模型学习文本的统计结构不同，世界动作模型学习的是物理因果的统计结构：接触力、物体属性、结果状态之间的关系。PokeBot 不为每项任务训练独立模型，而是希望 WAM 学到可跨任务迁移的物理先验。一个学会切豆腐的机器人，能把这种理解迁移到它从未见过的物体上。
据报道，PokeBot 核心采用的是许华哲提出的 UAG（Unconditioned Action Guidance，非条件动作引导）架构，以并联式预训练替代行业常见的瀑布式级联，将强化学习贯穿预训练与部署全过程，训练效率实现五倍提升。第一代 32B 参数规模的具身世界模型已完成首轮训练，目前处于数据迭代爬坡期。
RL 组件是 PokeBot 与西方主流路线分歧最尖锐的地方。大部分西方机器人实验室和平台严重依赖仿真训练，真机部署仅作为最后的验证和微调阶段。这些平台包括 Physical Intelligence（π0、π0.5）、NVIDIA Isaac Lab，以及多数的 Vision-Language-Action（VLA）模型管线。
根据墨卡托中国研究中心（MERICS）2026 年 4 月的中国具身智能报告和 行业分析，sim-to-real gap（仿真到现实的性能衰减）是人形机器人商业化的三大近期障碍之一，另外两个是电池续航和灵巧操作硬件。
仿真环境无法完美复现真实世界的接触动力学：刀与砧板之间的摩擦力、硅胶锅铲的柔顺性、一块豆腐在特定力向量下的断裂方式。在仿真中训练的策略遇到真实物理世界时，会遭遇预期之外的动力学行为。
PokeBot 选择从一开始就在真实世界中训练。其全链路真机 RL 管线包含物理机器人交互、奖励模型、长周期动作评估和统一多任务架构，全部跑在实际硬件上。核心假设是：真机数据不管收集成本多高，它编码的接触动力学信息，是仿真始终无法准确表达的。
这个赌注如果押对，PokeBot 在家居环境中的泛化能力将优于仿真训练的替代方案。如果押错，公司将在数据收集上比竞争对手烧掉更多钱，却收不回应有的性能差距。
DATA 组件是让这个赌注在经济上可行的基础设施。PokeBot 自研了面向精细操作的数据采集硬件，构建了外骨骼、UMI 手套、第一人称视角三层数据闭环。更多真机交互产生更多训练数据，更好的训练数据改进 WAM 的物理先验，更强的先验支撑更有效的 RL。三个组件之间的复利效应，才是这家公司真正的战略壁垒。
从姚班到伯克利，再到第二个"星海图"
许华哲的学术履历在学术界密集的具身智能创业圈中也属少见。他本科毕业于清华大学电子工程系，在伯克利 AI 研究实验室（BAIR）师从 Trevor Darrell 教授获得博士学位。Darrell 是全球引用量最高的计算机视觉研究者之一。
随后许华哲在斯坦福视觉与学习实验室师从吴佳俊教授完成博士后研究。2021 年回国后，他在清华交叉信息研究院担任助理教授。该院由图灵奖得主姚期智创立。许华哲在此创建了中国首个专攻机器人操作的研究实验室 TEA Lab。
回国四年间，许华哲在 Science Robotics、T-RO、IJRR、NeurIPS、ICLR、CoRL、ICRA 等顶刊顶会发表论文超过 100 篇。其合著论文 RoboCook 获得了 CoRL 2023 最佳系统论文奖。该工作展示了一个机器人系统操控可变形材料（当时是面团）完成长序列任务，是 PokeBot 当前技术路线的学术前身。
许华哲并非第一次创业。他曾联合创办具身智能公司星海图（Galaxea AI），后者已融资数亿美元。星海图的投资人中恰好包括此次领投 PokeBot 的 IDG 资本。这笔关系表明 IDG 资本已形成围绕清华 IIIS 学术创始人布局具身智能的明确策略，许华哲的第二家公司直接受益于这条已建立的信任链路。
关于离开星海图另起炉灶，许华哲在接受机器人大讲堂采访时直言："大量机器人厂商将人形机器人送进工厂，完成传统机械臂就能做的工作，本质上只是在用新的人形在做旧时代的事情。"他认为真正的 AGI 应该在家庭的混乱与随机中诞生，那才是训练通用模型的最佳土壤。
PokeBot 团队目前约 20 人，主要来自清华 TEA Lab。今年 7 月，前美团无人机商业管理负责人、美团机器人研究院秘书长刘硕加盟，出任首位商业合伙人。
公司 2026 年 4 月成立，同月即完成数千万美元天使轮融资，由云启资本领投，顺为资本、弘晖基金、小米战投、星海图、BV 百度风投、英诺天使基金等参与。
8 月 3 日宣布的 Pre-A 轮由顺为资本与经纬创投共同领投，九坤创投、钧山资本、SEE Fund、猎聘投资、元诺资本、钟鼎资本等参投，全部老股东跟投。()
顺为资本的参与携带着超越纯财务回报的战略分量。顺为 2011 年由小米创始人雷军联合创立，名称取自"顺势而为"。小米战投同时作为老股东加注，雷军的两只手同时押在了 PokeBot 身上。小米已公开承诺要造消费级人形机器人，并将机器人项目作为长期产品路线的核心。一家同时被顺为和小米战投押注的灵巧操作公司，是小米人形机器人计划成熟时天然的供应链和技术合作伙伴。
全球灵巧操作赛道：谁在掏钱，谁在干活
PokeBot 不是唯一一家瞄准灵巧操作的创业公司，但"操作优先"（manipulation-first）的纯粹定位仍是少数。
Physical Intelligence 的 π0 和 π0.5 模型是西方的标杆级方案，其核心管线依赖大规模仿真训练，真机部署仅用于验证。NVIDIA Isaac Lab 同样以仿真为核心。三星 2026 年 7 月 24 日新成立的 RX 机器人部门明确将操作列为专项研究投资方向，并指出操作驱动人形机器人 31% 的成本，是独立研究者公认的商业部署最大瓶颈。
PokeBot 的真正差异化不在于"做操作"，而在于"怎么训练"。真机 RL 路线在数据采集效率上天然不如仿真。真机器人在真实环境中采集操作数据，单数据点的成本远高于仿真环境。这个成本劣势能否被更好的泛化能力对冲，是整个架构赌注尚未回答的核心问题。
TechTimes 的行业分析引用 Omdia 首席分析师 Lian Jye Su 的判断：跨场景的适应性"在当前阶段仍不可能"。MERICS 2026 年 4 月的报告确认，中国人形机器人"缺乏精度和灵巧性，大多部署在有限任务和特定场地试验中"。PokeBot 的演示需要在这个行业基准下理解：一次受控环境中的 9 分钟演示，展示了技术实力，但不是独立审计。
真实机器人的实际部署还面临一个结构性的可靠性约束。即使单步成功率达到 95%，一个 10 步操作序列的实际成功率也只有约 60%。家居任务多数远超 10 步。这个复合可靠性约束，是灵巧操作在非结构化环境中至今仍是硬骨头的原因，对资源最充沛的西方团队同样成立。
一亿美金买了一张赌票，答案还没出锅
PokeBot 这笔融资放到 2026 年的中国具身智能赛道中审视，惊人之处在速度，不在规模。据 TechTimes 统计，2026 年上半年中国具身智能行业融资约 155 亿美元，同比增长约 5 倍。
截至 7 月中旬，至少 22 家中国具身智能公司估值超过 10 亿美元，而年初这个数字是 3 家。亿级人民币的单轮融资已被行业观察者称为"新常态"。
在这个背景下，一家成立 120 天的公司以九位数 Pre-A 轮收尾，仍然足够反常。TARS Robotics 在交付一台商用机之前就以 5.13 亿美元融资达到 19 亿美元估值，规模更大，但建立在更长的团队积累窗口之上。PokeBot 120 天、超亿美元的 Pre-A，即使在一个以极端资本形成为定义的年份里，也属于异常。
这笔钱的去向很清晰：养真机 RL 管线的数据采集成本，爬 32B 世界模型的数据迭代坡，以及把 20 人团队往产品化方向撑开。技术路线的对错、仿真与真机的优劣，这些问题的答案不会出现在任何一篇融资通稿里。它们藏在下一盘麻婆豆腐、下一条扎带、下一个 50 步家庭任务的可靠性曲线里。那个答案还没出锅。