2025年8月成立，到近日宣布完成单笔数亿元人民币天使+++轮融资，诺因智能只用了不到一年。更让人注意的是，距离上一轮5亿元融资，仅过去一个多月。

本轮融资由京东相关基金领投，正心谷资本、南山战新投和华登投资跟投。在华为系具身赛道创业公司中，诺因智能算是融资较为顺利的一家。

打开网易新闻 查看精彩图片

这家公司的创始人李银川，25岁从北理工和哥大联培博士毕业后加入华为，27岁担任诺亚方舟实验室生成式大模型方向负责人，30岁那年离职创业。他同时具有具身智能、大模型、自动驾驶三方面的研发和落地经验。

两个非共识

李银川回忆，创业之初，行业更多关注工业场景和模仿学习。2025年上半年，大家普遍认为具身智能就是操作、模仿学习、进工厂，这是当时的共识。但他当时就在讲，要做能够泛化的技术路线，真正做出可泛化的具身模型，而不是过拟合。

他的判断是，只有具备泛化能力，才有机会进入To C家庭场景。这是技术路线选择上的第一个非共识。

第二个非共识关于成本。在了解了当时市场上的机器人售价后，他有信心通过新的垂直整合方式，把机器人成本降下来。不能一台机器人卖几十万元，那普通消费者根本买不起。

成本怎么降？李银川提到两个方向。具身数据成本上，他们测算过，并不是所有数据都需要通过真机操作采集，诺因90%使用合成数据，整体成本可以降低10到100倍。机器人本体上，核心团队认为通过完整自研，而不是采购别人的零部件进行组装，同样可以把成本做得比较低。

GLOW架构与首款产品

为此，诺因开发了技术底座GLOW，这是一套生成式具身大模型架构。它由多个模块协同，让机器人从“复现训练过的动作”，逐步走向“解决没有完整见过的任务”。

在GLOW里面，诺因比较早地把一整套世界模型和具身大模型框架梳理清楚，并完整地组合起来使用。大致可以分成三类：

  • 第一类，通过视频生成去生成真实世界，对应KnowinDream。他们没有把它直接叫世界模型，而是叫生成式具身数据引擎，本质上是一套合成数据引擎，用来生成大量Ego-Centric 3D数据。
  • 第二类，从仿真路线发展过来的技术，更强调对世界进行可交互建模，叫KnowinWorld。机器人可以在里面对推理后的动作提前进行尝试，并基于尝试结果自主演进、修正动作参数。
  • 第三类，通过隐空间学习方法，让模型学习物理关系和世界因果。在最新的GLOW架构里，原来的Brain和Act能力统一到了KnowinGLOW中，用同一个多模态自回归模型完成视觉理解、空间推理、任务规划和动作生成。

这三类能力，再加上外围的记忆、自主演进以及上层决策调度机制，几类能力融合在一起，才能构成机器人在家庭中的完整闭环。

同时，诺因智能推出首款消费级家庭具身机器人KNOWIN-X1。它采用全折叠双臂构型，折叠后高度控制在40厘米以内，可以适配桌面、地面、沙发、洗衣机等家庭空间。

人才密度与行业判断

资本持续注入，其中一部分原因是诺因智能的人才密度。公司在不到一年内扩至200人以上。算法团队博士及以上学历人才占比超过三分之二，半数成员毕业于QS世界大学排名前30的院校。团队已汇聚多位华为“天才少年”。

对于行业前景，李银川仍持乐观态度。他认为，整个赛道近期可能会有所波动，但远没到泡沫彻底破灭的阶段，关键还是要看具身大模型何时出现能力涌现。

业内对此仍未达成共识。有人认为，机器人行业不会出现类似“ChatGPT时刻”的节点，但李银川认为，智能涌现只是时间问题。一些头部学者判断这个时间不会特别远，有人觉得是一两年，也有人觉得是三五年。

“如果具身模型有一天真正出现能力涌现，机器人的商业价值毫无疑问会远超大语言模型，我认为可能是其10倍以上。”他告诉硬氪。

他提到，现在大语言模型公司的估值普遍比具身公司高一个数量级，平均来看差10倍没有太大问题。但如果具身模型真正涌现，具身公司的估值可能还有非常大的增长空间。

李银川也谈到行业当下的问题。他觉得现在大部分具身公司，包括整个行业，还不够聚焦。大家一直沿着比酷炫Demo的方向发展，只会把市场预期拉得越来越高，但离真正交付越来越远。如果行业能更聚焦真正有价值的场景，认真做数据，把数据量做上来，把数据成本降下来，整个行业的发展会顺利很多。

在他看来，具身智能的发展很像在重复自动驾驶的故事。自动驾驶公司很多，有坚持做L3的，也有一开始就要做L4的，后来确实出现了很明显的分化。具身公司也会一样。有些自动驾驶公司一开始就定位做L4、甚至L5，他并不看好。他觉得真正商业价值最大的，反而是早期定位做L3、一步一个脚印往前走的企业。

诺因之前定义过L1到L5的智能能力标准。L1更像玩具、遥控和DIY产品；L2可以完成基础家务，但还是有限、固定场景；L3能够在一个家庭里完成较长链条的任务闭环，人可以处于待命接管状态，让机器人长时间自动运行，把整理、清洁、洗衣等任务做到比较高的成功率，想象空间可以对标一个基础的家庭助手。L4可以进一步对标保姆的大部分能力，L5则更加遥远。

但机器人并不需要发展到L4、L5，才能产生商业价值。诺因重点希望先把L3的商业价值打穿，同时持续向L4探索，验证模型的泛化能力。现阶段过早孵化L4的商业价值，还比较困难。

李银川表示，诺因已经找到了一些方法，在坚持泛化大模型长期目标的同时，沿途不断找到商业价值。比如现在主要在做整理、清洁、洗衣这样的家务机器人，同时也可以寻找这些能力在其他场景中的应用。

至于距离真正大规模商业化还有多远，他的回答是：现在只能说，已经把这条路线的可行性初步跑通了。比如数据降本、本体降本，以及模型泛化能力，都得到了一些验证。但真正做到量产，以及达到非常高的作业成功率和商业化标准，都还需要持续攻坚。