硬氪首發(fā) | 小米前高管唐沐創(chuàng)業(yè)咖啡機(jī)器人，完成數(shù)億融資，林斌、黎萬強(qiáng)投過

作者 | 邱曉芬

編輯 | 袁斯來

硬氪獲悉，通用餐飲具身機(jī)器人公司「影智XBOT」連續(xù)完成數(shù)億元兩輪融資——其中，A輪的2億元融資由香港簡坤資本GPTX出資，B輪融資為3-5億元人民幣，由多支政府基金、美元基金和產(chǎn)業(yè)投資方共同參與出資。

這是目前餐飲垂直機(jī)器人領(lǐng)域規(guī)模最大的一筆融資之一。

在此之前，「影智XBOT」還完成了一輪天使融資，出資人陣容豪華——包括騰訊高級副總裁張小龍、小米聯(lián)合創(chuàng)始人黎萬強(qiáng)、黃江吉、林斌、洪鋒、以及港科大首席副校長郭毅可等。

「影智XBOT」成立于2022年，其創(chuàng)始人唐沐稱得上機(jī)器人圈的“異類”——是機(jī)器人圈CEO中罕見的產(chǎn)品經(jīng)理出身。

（圖源/企業(yè)）

在此之前，他歷任金山軟件、騰訊CDC總經(jīng)理，負(fù)責(zé)QQ、QZone等產(chǎn)品的體驗(yàn)設(shè)計；后又擔(dān)任小米生態(tài)鏈副總裁，先后主導(dǎo)推出小米路由器、小愛音箱等千萬出貨量的標(biāo)桿爆品，做產(chǎn)品的經(jīng)驗(yàn)累計達(dá)25年。

只是，當(dāng)整個具身智能賽道都在為人形進(jìn)家庭和工廠的敘事而瘋狂時，「影智XBOT」卻選擇了一條看起來不那么“酷”，卻能快速產(chǎn)品化和商業(yè)化落地的路徑——讓機(jī)器人在商場角落做咖啡。

與多數(shù)主流人形機(jī)器人公司不同，「影智XBOT」的技術(shù)架構(gòu)圍繞餐飲垂類場景設(shè)計，并以“XOS 3.0具身操作系統(tǒng)”為核心，采用了一腦多形的架構(gòu)。

據(jù)唐沐介紹，該系統(tǒng)分為三層——

大腦層：負(fù)責(zé)高層認(rèn)知與任務(wù)規(guī)劃，搭載知味餐飲大模型，基于DeepSeek基座訓(xùn)練，融合了400萬杯咖啡的真實(shí)出品數(shù)據(jù)；

小腦層：負(fù)責(zé)將語義指令轉(zhuǎn)化為關(guān)節(jié)級控制信號，響應(yīng)時間小于10毫秒，已沉淀50多種餐飲動作原子技能。

本體適配層：實(shí)現(xiàn)了跨形態(tài)復(fù)用，支持“一次研發(fā)，萬形復(fù)用”，可將咖啡臂的控制邏輯遷移至「影智XBOT」的冰淇淋、調(diào)酒等其他機(jī)器人上。

（圖源/企業(yè)）

這種架構(gòu)幫助機(jī)器人規(guī)避了當(dāng)前VLA（視覺-語言-動作）模型泛化難的行業(yè)痛點(diǎn)。

唐沐向硬氪指出，行業(yè)內(nèi)普遍認(rèn)為VLA泛化能力差，是因?yàn)樵噲D讓一個模型同時完成疊衣服和做飯等截然不同的任務(wù)。而「影智XBOT」的策略是限定場景，僅在異常處理時調(diào)用VLA模型作為兜底，以此節(jié)省算力并保證穩(wěn)定性。

此外，「影智XBOT」還搭建了一套完整的數(shù)據(jù)飛輪。

這一系統(tǒng)在實(shí)驗(yàn)室進(jìn)行仿真預(yù)訓(xùn)練，并在真實(shí)商業(yè)場景中進(jìn)行在線強(qiáng)化學(xué)習(xí)，依托400萬杯以上的真實(shí)作業(yè)數(shù)據(jù)持續(xù)優(yōu)化；同時，通過RLHF（人類反饋強(qiáng)化學(xué)習(xí)），對齊300萬次以上的人類偏好數(shù)據(jù)，不斷提升模型表現(xiàn)。

而在搭好了模型、數(shù)據(jù)的基礎(chǔ)設(shè)施底座之后，「影智XBOT」近期發(fā)布了四條產(chǎn)品線，覆蓋不同層次的餐飲具身需求。

XBOT C3咖啡機(jī)器人：占地面積1.83平方米，采用6軸機(jī)械臂，重復(fù)定位精度±0.02毫米，每小時可出品80杯咖啡，滿電狀態(tài)下可連續(xù)制作150杯，配備43英寸數(shù)字人屏及“愛寶店長”Agent，售價21.9萬元；

XBOT I3冰淇淋機(jī)器人：體積更小，每小時可出品60杯以上，制作失敗率低于千分之五，設(shè)計壽命達(dá)25萬杯，支持4種醬料和4種脆粒添加，售價17.9萬元；

XBOT X1通用餐飲人形機(jī)器人：配備7軸雙臂，雙臂協(xié)同精度≤±1毫米，搭載單顆輝羲R1芯片，提供500TOPS本地算力，計劃于2026年底量產(chǎn)，可實(shí)現(xiàn)拿取、制作、放置、遞送全鏈路閉環(huán)，預(yù)計2026年底發(fā)售；

XBOT CUBE機(jī)器人快餐車：搭載20度電池，占地8平方米，支持咖啡、冰淇淋、調(diào)酒及烤腸等功能，上市時間待定。

唐沐向硬氪判斷，由于人形和半人形并非所有場景的最優(yōu)解，在未來，專用單臂機(jī)型與通用半人形機(jī)型將并行發(fā)展。

而為了保障未來的產(chǎn)能，目前，「影智XBOT」在南京、岳陽、上海、北京亦莊的基地年產(chǎn)能達(dá)2萬。

不過，技術(shù)必須服務(wù)于商業(yè)閉環(huán)，唐沐用“跑滴滴”來類比「影智XBOT」的商業(yè)模式。

據(jù)其介紹，以浙江義烏某商場投放的Lite系列咖啡機(jī)器人為例，設(shè)備售價十余萬元，日均出杯量約200杯，客單價約20元，單月累計營收可達(dá)6萬元以上，凈利潤超過3萬元。算下來，回本周期僅僅為6至8個月——機(jī)器設(shè)計壽命為5年，扣除回本周期后，剩余時間基本為純利期。

（圖源/企業(yè)）

唐沐以滴滴作類比：滴滴司機(jī)花費(fèi)十幾萬元購車，還需全天綁定在車輛上，而同等價格的機(jī)器人僅需每天進(jìn)行一次補(bǔ)料維護(hù)。從商業(yè)邏輯上看，咖啡機(jī)器人本質(zhì)上是一臺更高效的生產(chǎn)資料。

基于此，XBOT沒有采用行業(yè)常見的租賃模式。唐沐認(rèn)為，租賃并不適合機(jī)器人時代，為此，「影智XBOT」推行RaaS模式（Robot as a Service，機(jī)器人即服務(wù)），

據(jù)唐沐介紹，未來加盟商支付機(jī)器成本后，還需按月繳納三項(xiàng)費(fèi)用，包括物料訂閱費(fèi)（咖啡豆、奶制品等）、Agent Token費(fèi)（愛寶店長數(shù)字人服務(wù)）、以及維修保養(yǎng)費(fèi)。

值得注意的是，目前，行業(yè)內(nèi)僅有「影智XBOT」持有“全國全品類食品經(jīng)營許可證資質(zhì)”，這使得公司能夠合法合規(guī)地控制供應(yīng)鏈，從而鎖定RaaS閉環(huán)。

在客戶結(jié)構(gòu)方面，「影智XBOT」鎖定了非咖啡連鎖的異業(yè)客戶，比如奢侈品店、家居店、4S店等。

同時，「影智XBOT」也為京東七鮮咖啡、亦莊機(jī)器人、菲柯機(jī)器人（FICO咖啡）、吉旅控股（吉林冰雪文旅）、博物天行（文博場館）提供解決方案，并與擁有四千多家門店的亞洲咖啡品牌共同探索海外市場。

截至目前，「影智XBOT」的咖啡機(jī)器人已在全球100+城市落地1000+臺，產(chǎn)出咖啡超過400萬杯。2025年，「影智XBOT」?fàn)I收已突破1億元。唐沐向硬氪表示，2026年，「影智XBOT」手握的訂單金額已接近3-5億元。

而在成立短短四年內(nèi)快速跑通技術(shù)、產(chǎn)品和商業(yè)閉環(huán)，有賴于「影智XBOT」核心團(tuán)隊(duì)“鐵軍”。

有意思的是，「影智XBOT」團(tuán)隊(duì)配置不同于典型的機(jī)器人公司，更像是一家成熟消費(fèi)品公司與AI公司的結(jié)合。

據(jù)介紹，「影智XBOT」的機(jī)器人技術(shù)板塊由王嘉力主導(dǎo)，作為哈工大機(jī)電博士，他曾任航天科工、三一集團(tuán)、新松機(jī)器人等企業(yè)高管。

「影智XBOT」的運(yùn)營板塊則由“瑞幸系”班底組成，其中包含曾負(fù)責(zé)大區(qū)超高體量門店連鎖運(yùn)營、品牌標(biāo)準(zhǔn)化體系、連鎖培訓(xùn)體系搭建相關(guān)工作的曹銳錕、于濤等人。

以下是硬氪與唐沐的對話節(jié)選：

硬氪：選擇切入商業(yè)場景，是基于什么考量？

唐沐：這個推導(dǎo)過程非常線性。第一步，我會首先排除toC家庭場景，當(dāng)時觀察行業(yè)趨勢，很多團(tuán)隊(duì)前赴后繼地訓(xùn)練機(jī)器人疊衣服、煮飯，錢燒了但結(jié)果不盡如人意，結(jié)論是除了掃地機(jī)器人這種用途被嚴(yán)格圈死的品類，通用家庭機(jī)器人短期內(nèi)并不可行。

第二步，排除toB工業(yè)場景。黑燈工廠里傳統(tǒng)的機(jī)械臂已經(jīng)足夠高效、穩(wěn)定，根本沒有空間讓一個步履蹣跚、行為不可預(yù)測的人形機(jī)器人進(jìn)去拖慢速度。工業(yè)場景不需要人形，需要的是效率。

第三步，鎖定toB商業(yè)場景。既然家庭和工廠都不合適，那就在商業(yè)里尋找最大、最高頻剛需且在增長的生意。推演下來，咖啡是最優(yōu)解——它是全球通用的高頻飲品，標(biāo)準(zhǔn)化程度高，且正處于快速增長期。所以，我們做咖啡機(jī)器人不是拍腦袋的靈感，而是排除了錯誤答案后，邏輯推導(dǎo)的必然產(chǎn)物。

硬氪：今年以來人形機(jī)器人估值飆升，而你們堅持做非人形垂類，你怎么看待這種形態(tài)選擇？

唐沐：馬斯克說人形符合第一性原理，但在很多工作場合，人形其實(shí)是累贅。長腿本身就要消耗大量算力和電力，站起來只為“看起來像人”，并不解決實(shí)際需求。我們的邏輯是，非人形在很多場合能完成人干不了的事，反而更重要。

硬氪：在硬件選型上，你們堅持用六軸工業(yè)臂、夾爪、諧波減速器這些成熟的供應(yīng)鏈產(chǎn)品，為什么？

唐沐：商業(yè)場景的第一準(zhǔn)則是穩(wěn)定，不是炫技。五指靈巧手標(biāo)稱能開合10萬次，但在商場里，一旦抓空導(dǎo)致咖啡灑了，當(dāng)天經(jīng)營就會受影響，所以我們只用工業(yè)驗(yàn)證過的夾爪。關(guān)節(jié)也是同理，行星減速器只適合“擺大致動作”，而諧波在重復(fù)定位精度、量產(chǎn)成本和使用壽命上都贏。商業(yè)不接受實(shí)驗(yàn)室里的“大概齊”，必須追求確定性的“精準(zhǔn)”。

硬氪：現(xiàn)在很多公司都在講“通用具身智能”，你們卻把場景限定在餐飲，這會限制未來的想象力嗎？

唐沐：想象力不在于場景寬不寬，而在于能不能打透。過去有一段時間大家覺得“VLA已死”，是因?yàn)橄胱屗券B衣服又做飯，這在通域里確實(shí)難。但在垂域里，把活限定死，它就會好用。就像黑燈工廠里的機(jī)械臂，連眼睛都不用長，單一活低成本干好就行。

我們甚至大部分時候連VLA都不想觸發(fā)，只在異常處理時才調(diào)用，省算力。將來幾乎所有產(chǎn)品都會具身化，但不可能都變成機(jī)器人。所以，「影智XBOT」的目標(biāo)是把餐飲這個垂直場景打透，通過“作業(yè)-數(shù)據(jù)-模型”的飛輪，成為具身智能時代的SaaS公司。

首頁圖源 | 企業(yè)供圖

排版｜范馨雅

歡迎交流