2026年4月9日，零次方机器人（Zerith）宣布完成最新一轮超亿元融资，由国内算力龙头AIDC上市第一股润泽集团领投，宁波东力、接力天使、平湖泽新跟投。
这几年具身智能火得一塌糊涂，但真正能把产品卖出去的，屈指可数。大部分公司要么在实验室里"跑酷"，要么在发布会后就"消失"了。钱融了不少，订单却没几个。
零次方刚成立14个月，订单已经突破亿元，营收数千万，单月稳定量产百台。更重要的是，这些机器人已经跑进了合肥新桥机场、深圳万象城OLE超市等20余个地标场景。不是演示，是真的在干活。
PART.01
清华00后团队，但绝不是"学生创业"
一听到"清华00后团队"，很多人脑子里可能蹦出两个词：年轻、有冲劲。但也很容易联想到另一个词：稚嫩。
这种刻板印象，在零次方这里可能要改改了。
创始人闵宇恒，2000年出生，本科毕业于重庆大学明月实验班，硕士被保送至清华大学人工智能专业。在清华期间，他是AI&Robot智能机器人实验室的核心成员，拿到了国家级机器人竞赛冠军。他的导师是安徽省人形机器人重点实验室主任刘厚德教授。
联合创始人程颐、廖滔、李宜哲，同样是清华00后硕士。这四个人组成的团队，有人叫它"清华系00后硕士人工智能军团"。
但光有学历不够。关键是，这个团队从一开始就不是在"玩"技术。
闵宇恒说过："我们团队是双螺旋结构，一侧是由学生、硕博士组成的前沿研发团队，负责探索技术边界；另一侧是由经验丰富的行业专家主导市场和量产，确保创新稳健落地。"
换句话说就是：技术的事，交给年轻人去冲；落地的事，交给老手去磨。
这种组合，在机器人行业其实挺少见的。很多团队要么全是学术派，造出来的东西好看不好用；要么全是工程派，技术上没有深度。零次方这个双螺旋结构，刚好卡在中间——既有技术高度，又有落地能力。
润泽集团董事长周超男对此评价到："零次方团队不仅具备十几年的机器人技术积淀，更走出了一条远超其年龄段的务实与扎实的产业落地之路。"
注意，"十几年的机器人技术积淀"，这不是夸张。清华AI&Robot实验室本身就有着深厚的技术积累，这帮00后从研究生阶段就在这个实验室里摸爬滚打，积累的其实是整个实验室几十年的经验。
所以，与其说是"00后创业"，不如说是"清华AI&Robot实验室嫡系部队出来单干"。
PART.02
从"伪通用"到"去通用"，一条更务实的路
在具身智能的发展过程中，存在着“伪通用”—“去通用”—“真通用”三阶段。
所谓"伪通用"，就是在过拟合状态下，于受限的演示环境中表现出有限的泛化能力。听起来很绕，说白了就是：看起来什么都会，实际上只能在特定场景、特定条件下工作，换个地方就抓瞎。
这恰恰是当下很多机器人公司的通病。
发布会上跑得欢，一到真实场景就歇菜。成本下不来，稳定性上不去，客户买了单却用不好，最后只能沦为展厅里的"吉祥物"。
零次方的选择是：绕开"伪通用"，先走"去通用"这条路。
"去通用"的核心是主动收敛场景。在可复制的商业环境中，以极高的鲁棒性解决真实问题，让客户在短期内获得清晰的、可量化的经济回报。
也就是说，先别想着做一个什么都能干的万能机器人，而是先把几个场景做透、做精，让客户真金白银地赚到钱。
零次方目前聚焦的两类场景，是"空间整理"和"空间清洁"——比如机场的行李整理、超市的货架整理、商场的清洁维护。这些场景看起来不够"高大上"，但需求真实、付费意愿强、规模化容易。
更关键的是，这种做法能快速积累真实场景数据。
想想看，当成千上万台机器人在真实商业场景中持续运行，积累下来的数据是什么量级？零次方的说法是"数亿级真实场景数据"。这些数据，才是通往"真通用"的养料。
用闵宇恒的话说："只有把多个'去通用'的垂直场景深度融合，才能真的走通'通用之路'。"
这个逻辑，其实有点像当年电商行业的发展路径。淘宝当年不是一上来就想做"万能平台"，而是先从服装这个垂直类目切入，把供应链、物流、支付一个个环节跑通，才有了后来的"万能平台"。
零次方走的，也是这条路。
PART.03
两大硬核技术底座，不是在讲故事
再来看看技术。
很多机器人公司喜欢讲"技术故事"，但技术能不能落地、能不能量产、能不能解决实际问题，才是真正的考验。
零次方在这块，有两个技术底座值得关注。
第一，4D增广数据升维。
跨场景泛化的核心挑战是什么？零次方提出：通用具身智能要实现跨场景泛化，其训练数据必须具备“高物理熵”与“高环境熵”两大特征。
简单理解，环境熵指的是场景布局，光照、任务规划等"语义环境"的复杂度；物理熵指的是物体动静态交互的物理规律复杂度。
举个例子，机器人要在一个陌生厨房里找到水杯并递给你，它需要理解厨房的布局——这是高环境熵；还得知道水杯的材质、重量、怎么抓取才稳当——这是高物理熵。
目前，环境熵适配已经有了基础，比如视频生成模型能生成各种场景。但物理熵适配还是行业痛点——机器人经常在物理交互上"翻车"，比如抓个鸡蛋碎了一地。
零次方的解决方案是：自研4D增广模型ZERITH4D-SDA。这个模型能把互联网多模态数据（高环境熵、低物理熵）和底层物理交互数据（高物理熵）进行异构融合，最终构建出能进行多模态预测的4D时空数据。
而这个技术解决的是一个真实痛点——让机器人在陌生环境下也能"理解"物理规律，而不是只会执行预设程序。
第二，类脑双流异步执行架构。
当前主流的端到端串行架构有个问题：认知（思考）和行为（动作）是串行的，一个做完才能做另一个。这在简单任务上没问题，但在复杂场景下，延迟就成了致命伤。
零次方的做法是：把认知和行为拆开，变成两个并行的"流"——认知网络负责全局规划，行为网络负责实时力控。两边通过异步稀疏调制来协调，核心是让"想"和"做"真正并行起来。
同时，他们还引入了神经动力学引擎和4D时空记忆模块。神经动力学引擎解决的是"意图到控制"的映射问题——把人的指令平滑地转化成机器人的动作；4D时空记忆模块解决的是"记忆丢失"问题——让机器人在长程任务中不会"断片"。
这三项技术加在一起，解决的是机器人行业的一个老大难问题：复杂场景下的泛化和控制稳定性。
PART.04
商业闭环才是真正的护城河
2026年开年以来，零次方已经斩获近亿元订单。这个数字，放在具身智能行业是什么水平？
据《2026年具身智能产业发展研究报告》数据，2026年具身智能行业进入量产元年，但大部分企业的订单量还在千万元级别挣扎。能过亿的，少之又少。
零次方能在成立14个月内拿到近亿元订单，靠的是什么？
首先，客户结构够硬。
华润万家、润泽集团、商汤集团——这三家随便拎出一家，都是行业里的"大甲方"。能拿下这些客户，不只是产品好使，更是综合能力的体现。
再者，场景选择够准。
零次方没有去抢汽车制造、精密装配这些"高大上"但竞争激烈的场景，而是选了服务业、零售业这些"苦活累活"。
这些场景有个共同特点：需求真实、付费意愿明确、替代人工的效益可量化。一台机器人能顶几个工？回本周期多长？客户一算账，划算就买单。
零次方相关业务负责人说过一句话，很实在："当下客户不再为'概念'买单，而是为'确定性与经济性'买单。"
客户最看重什么？有四项能力：复杂背景下的高效抓取、单一任务逼近100%的成功率、多任务连贯操作的顺畅度、动态拥挤环境下的鲁棒性与24小时不间断作业的稳定性。
这四项，恰恰是零次方产品力的体现。
第三，量产能力够稳。
很多机器人公司的问题不是做不出来，而是量产上不去。供应链一塌糊涂，良品率惨不忍睹，成本根本压不下来。
零次方2025年12月就实现了单月百台稳定量产。这个数字在行业里不算大，但关键是"稳定"二字——不是做了100台，而是每个月都能稳定交付100台，而且质量过关。
量产这事儿，听起来不如技术性感，但恰恰是很多技术派的"死亡陷阱"。能跨过去的，才有资格谈商业化。
PART.05
算力+场景，一个值得关注的信号
这次融资的领投方润泽集团，是国内算力领域的龙头，AIDC上市第一股。为什么算力龙头会投一家机器人公司？
润泽集团董事长周超男的表态挺有意思："投资零次方，是润泽集团对'算力价值落地'这一核心命题的深度实践。AI的终极价值不在于产生了多少Token，而在于能将多少澎湃算力转化为真实世界的生产力。"
过去几年，大模型很火，但有个问题始终没解决：算力怎么转化成生产力？光有"大脑"不行，还得有"身体"去执行。机器人，恰恰就是这个"身体"。
润泽集团在全国有6大区域AIDC智算集群，规划32万架机柜。这么大的算力，需要找到出口。投资零次方，就是在为自己的算力找"身体"——让机器人成为算力落地的重要场景。
反过来看，零次方为什么接受润泽的投资？
答案也简单：算力是具身智能的"燃料"。训练大模型需要算力，优化算法需要算力，在真实场景中快速迭代也需要算力。有润泽的算力支持，零次方的技术迭代速度会快很多。
这种"算力+场景"的绑定，其实是双向赋能：润泽找到了算力出口，零次方拿到了训练弹药。
当前，机器人行业竞争激烈，优必选、宇树、智元这些老玩家都在抢市场；技术迭代速度快，今天的优势可能明天就被追平；供应链管理、量产质量、客户开拓，这些"基本功"才是真正的考验。
这个清华00后团队，能不能在机器人这个"老炮儿"扎堆的行业里杀出一条路？
热门跟贴