硬氪获悉，具身智能通用大脑公司「西湖机器人」近日完成A轮融资，6个月募资5亿元，投资方阵容涵盖赛富、小苗朗程、河南投资集团汇融基金、海愿基金等多家知名机构。资金将重点投向人形机器人全身统一大模型的研发，并着力打造具身智能人才高地，加速实现具身智能GPT时刻，以原创技术推动产业变革。

此次融资距离企业上一轮交割不足一个月，短短半年内，西湖机器人已完成4轮融资。这家成立于2024年1月的公司，是西湖大学在人工智能与机器人领域的首个成果转化企业，聚焦端到端具身智能大模型与机器人本体协同研发。

打开网易新闻 查看精彩图片

西湖机器人已发布全球首个通用运动大模型GAE和全球首个通用大小脑双预训练架构，构建了完整的全身统一大模型体系，并推出全栈自研的"西湖o1"人形机器人本体。公司创始团队具备深厚的学术与产业背景，创始人王东林为国家科技创新2030重大项目首席科学家、西湖大学终身教授、人工智能系副主任，2026年度AAAI最佳论文获得者；联合创始人张岳为西湖大学终身教授、工学院副院长，国际知名自然语言处理专家。

核心研发成员来自阿里、字节、腾讯、华为等头部科技企业，以及牛津、剑桥、卡内基梅隆、加州伯克利、慕尼黑工业大学、清华、浙大等海内外顶尖高校，累计在ICML、NeurIPS、CVPR、RSS等顶级会议发表论文300余篇。

具身智能的叙事，正在从上层任务规划转向真实物理环境的可靠执行。大模型赋予机器人更强的场景理解能力后，行业开始意识到新的瓶颈：高层认知与底层运动控制之间，尚未形成稳定的协调机制。人形机器人在复杂环境中操作的同时还需处理运动平衡，其控制难度远高于固定工位上的机械臂。

过去几年，主流方案延续了机械臂时代的技术惯性，即以视觉语言模型为前端，以轻量动作映射为末端，试图用"大脑"直接驱动"手脚"。这套逻辑在标准化场景中可行，但当机器人需要推门、整理床铺等全身协同作业时，低成功率与弱稳定性便暴露出来。核心矛盾在于，人形机器人的具身基础模型，缺少对自身状态、动力学约束、接触关系与环境反馈的建模能力。

西湖机器人创始人王东林教授认为，人形机器人要实现真正的通用性，必须首先解决"人形全身通用运动控制"这一关键卡点，而非直接堆叠上层的感知能力。"如果按照臂的方式去做人形大脑，动作空间极大，稳定性与鲁棒性都会受到极大挑战。将原有VLA模型迁移至人形全身运控，其效果往往不如预期，这在早期我们已经验证过。"

这种差异的原因在于，机械臂的底层控制由封装好的关节控制器提供保障，模型主要在末端轨迹层面提供算法；但人形机器人全身涉及数十个关节的协同、实时重心调整、地面反力反馈，是一个强动态非线性的高维控制问题。传统控制理论在模型不精确时容易失效，浅层强化学习也难以覆盖海量的动作模态。

要解决上述卡点，西湖机器人给出的答案是GAE（General Action Expert），做一个基于Transformer架构的通用运动大模型。GAE将海量日常动作模式整合为统一中枢，用户任意意图或指令均可直接映射为稳定的全身运动，无须预设或编程。原本需数月编排的舞蹈或复杂操作，通过动作捕捉即可实时生成。

作为一套跨本体的通用运动大模型，GAE能部署在不同厂商的人形机器人中，并支撑"远程操作+危险替代"的场景落地。通过让操作员远程控制人形机器人进入危险场景执行任务，可以快速占领应用场景，并积累宝贵的数据反馈反哺大模型的训练。

在GAE打牢"身体基础"后，西湖机器人在具身大脑端搭建了一套完整的通用大小脑双预训练架构。这套架构将"大脑"和"小脑"拆分为两个独立预训练、再协同串接的模块。前端大脑融合视觉语言动作模型（VLA）与世界模型（WM），负责感知与自主任务决策，输出行为Token；后端小脑、即GAE则在接收Token后，负责毫秒级全身运动执行、动态平衡、姿态实时修正，落地精细化肢体动作。

具体到模型性能表现上，差异化体现在三个维度：分层解耦允许大脑与小脑独立迭代，工程效率更高；标准化Token接口使GAE具备跨机型适配能力；分域预训练确保各模块在专属数据域独立优化，互不挤占资源。

架构的优越性最终需要通过模型性能来兑现。基础模型的涌现能力，依赖高质量、大规模、多样化的训练数据。而人形全身高质量数据恰恰是当前行业最稀缺的资源。王东林教授指出，现有的仿真数据、第一视角视频、单臂操作轨迹等，都难以直接支撑全身统一模型的训练需求，这也是西湖机器人选择从底层运动控制切入、逐步向数据闭环延伸的重要原因。