從實驗室到萬億市場：智譜與銀河通用的“雙龍頭”進化論

出品 | 創業最前線

作者 | 白華

編輯 | 閃電

美編 | 邢靜

審核 | 頌文

近日，北京市市長殷勇時隔一年再次調研智譜華章與銀河通用機器人，這或許是北京AI產業格局的一次“官宣”。一個在數字世界寫代碼，一個在物理世界造具身身體。兩家企業技術路徑不同，卻共同指向同一個終點：通用人工智能（AGI）。

殷勇在智譜聽取了新一代旗艦大模型GLM-5.2的技術匯報，隨后又察看了銀河通用人形機器人在真實場景中的全自主作業和網球對打互動。

他強調，北京擁有全國最為豐富的人工智能創新資源，正著力將人工智能打造為下一個萬億級產業集群。海淀區目前已集聚2000余家人工智能相關企業和330余家具身智能機器人相關企業，基本形成了從基礎大模型到具身智能的全產業鏈條。

而智譜與銀河通用，正是這條產業鏈上兩個最具標志性的“龍頭”，一個代表“數字大腦”路徑，一個代表“物理身體”路徑。它們的平行崛起，揭示了中國AI從單點競爭走向系統競爭的關鍵躍遷。

1、兩種創業方式 同一個AGI終點

2023年5月，北京銀河通用機器人在海淀注冊成立。創始人兼CTO王鶴，剛滿三十歲。他是清華大學本科、斯坦福大學博士，師從美國三院院士Leonidas J. Guibas教授，博士畢業后回國加入北京大學計算機學院前沿計算研究中心，擔任研究員、博士生導師。

王鶴的研究方向從一開始就踩在技術前沿上，始終聚焦具身智能與通用機器人模型。在斯坦福期間，他提出的NOCS（標準化物體坐標空間）模型改寫了機器人抓取能力的發展軌跡。回國后，他在北大創立了中國第一個以“具身”命名的實驗室——具身感知與交互實驗室（EPIC Lab），開始了從學術研究到產業化的探索。

在團隊構建上，銀河通用走了一條少有人走的路，不盲目堆人頭，而是以“精兵強將”策略，匯聚了來自清華、北大、北航等頂尖院校的科研骨干，以及微軟亞洲研究院等知名機構的行業專家，覆蓋具身大模型、仿生結構設計、運動控制、計算機視覺等核心領域。

有投資人在接受采訪時評價：“這是一支由中國最頂尖90后科研與工程力量組成的隊伍，在具身智能的賽道上，他們有資格與世界任何一支團隊正面競爭。”

創業之初，銀河通用沒有選擇行業普遍追捧的“輕量化、快迭代”路線，而是選擇了啃最硬的骨頭。

“我們不追求機器人會做100件事，而是讓它把10件事做到工業級標準。”王鶴在多個場合反復強調這一邏輯。這一判斷根植于他對技術落地節奏的深刻理解，當整個行業都在追逐社交媒體上的demo爆款時，真正的護城河在于能否讓機器人在真實產線上24小時不間斷地真干活。

從融資節奏來看，資本市場對這一策略給出了明確的正反饋。三年時間，銀河通用成長為中國累計融資額、估值最高的具身智能企業。2026年3月完成的新一輪融資中，由國家人工智能產業投資基金領投，這是國家大基金三期首次投資具身智能企業，被市場解讀為“具身大模型國家隊”正式確立。

銀河通用攻克具身智能核心壁壘，是人工智能深耕物理世界、持續突破的標桿。

另一家企業智譜，成立于2019年，創始團隊幾乎全部出自清華大學計算機系知識工程實驗室（KEG）。創始人兼首席科學家唐杰教授，是國內最早啟動通用大模型產業化的學者之一。2026年1月，智譜以116.2港元/股的發行價在港交所上市，半年后股價累計漲幅近20倍，市值一度突破1.07萬億港元，成為國內首家邁入“萬億俱樂部”的大模型企業。

（圖 / 攝圖網，基于VRF協議）

智譜的創業路徑是一條典型的“數字大腦”進化路線：從清華大學KEG實驗室的技術成果轉化起步，到開源GLM系列大模型，再到構建“Token經濟—長程任務—企業級應用”的商業閉環。

2026年6月17日，智譜上線并開源新一代旗艦大模型GLM-5.2。該模型主攻“長程任務”，讓AI不再只做即時問答，而能像人一樣連續工作數小時、自主跑完一個完整的大型工程。在全球百萬用戶參與盲測的Code Arena榜單上，GLM-5.2位列全球可用模型第一。特斯拉CEO馬斯克與唐杰就此在社交媒體上的隔空對話，更是將這場技術敘事推向了全球視野。

財報顯示，2025年智譜開放平臺及API營收占比從15.5%提升至26.3%，企業級智能體營收占比從15.2%提升至22.9%。在2026年一季度，智譜API調用定價提升83%，調用量反而增長400%，供不應求。

銀河通用與智譜站在AGI的兩條岔路口上，一個用代碼構建數字世界的智能，一個用鋼鐵和電機再造物理世界的智能。兩條路徑看似平行，卻在一個更深層的結構上緊密耦合。

2、技術躍遷 從“控制機器”到“理解世界”

2026年央視春晚的賀歲微電影中，一個輪式雙臂機器人完成了盤核桃、撿玻璃碎片、疊衣服、串烤腸等一系列高難度操作。這個機器人名為Galbot，驅動它的是銀河通用自研的“銀河星腦”（AstraBrain），全球首個集成“大腦－小腦－神經控制”于一模的端到端具身大模型。

要知道，過去傳統機器人系統采用“感知－規劃－控制”三級分離架構，每一層由不同團隊用不同技術路線完成，延遲和誤差逐層累積。銀河星腦則將這三層打通為一條神經網絡，從多模態感知到實時反饋控制全鏈路端到端訓練，實現了“邊看、邊想、邊做”的實時決策。

在“世界－動作模型”（World-Action Model, WAM）這一核心技術路線上，銀河通用走在了全球最前沿。

早在2025年，銀河通用團隊在計算機視覺頂會ICCV上首次提出WAM概念，它將Google的VLA（視覺－語言－動作模型）與OpenAI Sora代表的世界模型兩條技術路線統一起來。而這一技術路線的戰略判斷，與全球頂尖科技企業對具身智能終局的思考不謀而合。英偉達研究科學家Jim Fan在2026年接受采訪時直言：WAM是“robotics endgame”（機器人技術的終局）。

在“專”的層面，銀河通用打出了兩記全球首創的重拳。

一是全球首個全自主人形機器人與真人網球對抗系統。2026年3月，一段人形機器人在網球場上與真人選手連續對拉的視頻在全球科技圈刷屏。機器人在毫秒級內完成來球感知、軌跡預判、跑位調整和揮拍擊球的全閉環。

特斯拉對于這段視頻，海外業內頂尖人士集體給出極高評價：特斯拉CEO馬斯克在Twitter上直呼“Insane”；AI知名評論員Andrej Karpathy 發表評論表示驚嘆，一度“懷疑”視頻是由AI生成；AI評論員Andrew Kang 更是直言，AlphaGo時刻已經到來！這些評論足以印證本次具身智能突破的劃時代價值。

AI研究者Andrej Karpathy第一次看到視頻時，認為這是AI視頻生成軟件制作的假視頻，他無法相信機器人的運動已經真實到這種程度。

背后的算法核心是銀河通用提出的LATENT算法。它通過構建“運動技能空間”與隱空間動作屏障，讓機器人從不完美的人類動作數據中自主學習高動態技能，而不是依賴遠程遙控或預編程。

二是靈巧手“轉筆”，全球唯一實現從仿真到真機遷移的高精度靈巧操作。英偉達早在2023年就在仿真器中展示了靈巧手轉筆，但一直無法在真實世界中復現。銀河通用提出的靈巧手神經動力學模型（DexNDM），通過在仿真器中構建逼真的碰撞模型，再用真實數據訓練“靈巧手世界模型”彌合虛實差距，最終在全球范圍內首次實現了真實機器人的手指轉筆。

2026年4月，銀河通用推出了AstraBrain WAM 0.5，全球首次實現虛實共融、人機混合、質量參差、有無動作標簽數據的統一有效利用。同期發布的通用小腦AstraBrain-WBC 0.5，基于2萬小時人類動作數據訓練，在全身閉環控制與實時指令跟隨方面達到行業領先水平。

從“AlphaGo時刻”到“ChatGPT時刻”，數字AI用了十年走完從專到通的路。而具身智能正以加速度進行同樣的演進。

王鶴的判斷是：當預訓練模型在人類無需專門后訓練就能完成的技能上達到70%到80%成功率時，具身智能的“ChatGPT時刻”就會到來。

如果技術突破是銀河通用的“上半場”，那么商業化落地就是它正在書寫的“下半場”。

2026年6月25日，新京報披露了一個里程碑事件：銀河通用Galbot S1具身智能重載機器人已在寧德時代量產線上7×24小時工作超過3個月，這是全球首次實現人形機器人在新能源智能制造生產場景的“常態化自主作業”。

Galbot S1以雙臂50公斤級重載能力、純視覺柔性定位與360度全向避障為核心優勢，在寧德時代產線上承擔模組與電池包生產環節的物料轉運等長程自主任務。它采用純視覺方案，無需依賴二維碼或反光板定位，即可在復雜工廠環境中完成操作，這意味著它真正具備了對非結構化環境的適應能力。

與寧德時代的合作只是工業落地的起點。截至目前，銀河通用的工業人形機器人已進入寧德時代、博世集團、西門子、豐田汽車、現代汽車、北汽集團、上汽集團、極氪汽車、長城汽車等制造企業的真實生產線，累計訂單達數千臺。

在零售領域，銀河通用同樣跑通了規模化的路徑。搭載銀河星腦的機器人已在近40家智慧零售藥店和170家“銀河太空艙”零售店中實現7×24小時自主賣貨運營，覆蓋全國多個城市核心商圈。

醫療領域是銀河通用的第三個主戰場，公司與四川大學華西第二醫院合作共建具身智能醫療機器人研發平臺，探索機器人在醫療康養場景中的應用。

回看銀河通用的商業化策略，一條清晰的路徑是：它并不追風口、搶量產規模，而是面對終端客戶，銀河通用執行嚴選科技策略，對SR（系統需求）要求極其嚴，每個場景都經過技術可行性、工程可交付性與商業可持續性的三重驗證。

公司不追求"萬物皆可做"，而是聚焦三大場景，在工業場景用高難度命題錘煉技術壁壘；零售場景在動態環境中檢驗機器人的通用性與泛化能力；醫療康養場景將已驗證的技術框架向長尾市場漸進延展。這套路徑的背后有一個核心判斷，量產數量從來不是定義技術成功的唯一標尺。

具身智能的歷史性拐點已經到來，機器人正在從“執行工具”進化為“自主系統”。

3、結尾

如果將AGI看作一個完整的智能系統，智譜提供的是數字世界的AI，讓模型學會理解語言、規劃任務、推理邏輯；銀河通用提供的是物理世界的AI，讓機器人學會感知物理世界、精細操作、自主運動。

智譜的商業模式建立在“Token經濟”之上：每一次API調用、每一次模型推理，都在將智能轉化為可計量的經濟價值。而銀河通用的商業邏輯建立在“物理經濟”之上：每一臺部署在產線上的機器人，都在直接創造物理世界的生產效率。

兩種經濟模式并非孤立，而是互為前提。未來的通用機器人需要“大腦”來理解和規劃任務，也需要“身體”來執行和反饋。

北京AI產業的“雙龍頭”格局，不是在同一個賽道里選冠軍，而是在兩條賽道里各有一個“決策龍頭”。從清華KEG實驗室的代碼到港股萬億市值，北大EPIC Lab的仿真到寧德時代產線上的真機，從實驗室到萬億市場，從論文到產線，中國AI正在形成一個全球罕見的“數字+物理”雙軌并行的產業閉環。

北京市市長殷勇在調研時強調，要“統籌推進基礎大模型與具身智能協同攻關，聚焦關鍵領域集中突破，筑牢軟硬件技術底座”。

這句話點出了北京AI產業布局的結構性優勢。全國最豐富的人工智能創新資源、最具活力的產業生態、最堅實的新型基礎設施，這些要素的疊加，讓北京成為全球少數同時布局“數字智能”與“物理智能”兩大AGI路徑的城市之一。

海淀區2000多家人工智能企業和330多家具身智能企業，構成了一個多層次、多梯隊的創新矩陣。而智譜與銀河通用，就是這個矩陣中最耀眼的雙子星。