特斯拉供應鏈組團押注一年后，這家公司交出了一條對標宇樹、云深處的狗

國內四足機器人市場，已經很久沒有新面孔了。

過去幾年，這個市場的格局基本被宇樹、云深處等幾家頭部廠商鎖定。具身智能新玩家的常見劇本是：發一支 demo 視頻，講一個人形機器人的宏大故事，然后消失在下一輪融資新聞里。

銀犀 Rhino-Z1，全尺寸行業四足機器人，核心參數直接打進頭部區間，多項硬指標反超。發布它的是Zenbot 真保特斯拉供應鏈產業資本組團押注、運營首年訂單近億元的具身智能公司

銀犀 Rhino-Z1，陸地之王，參數直接打進頭部區間

發布物料里的幾個場景，足夠說明這臺機器的定位：它馱著 100 公斤的沙袋在廠房里穩步穿行：

一位自重 180 斤的測試員抬腿一腳踹過去，它晃了晃，站住了：

趟積水、爬濕滑臺階，甚至頂著明火穿過火場：

對照規格書，這些場景并非剪輯魔法：

極限負載 100 公斤、有效負載 40 公斤—— 行業主流競品的水平大約是極限負載 85 公斤、有效負載 20 公斤起。這臺整機自重 65 公斤（含電池）的機器，能馱起比自己更重的貨物。

最大關節扭矩 320 牛?米，這是它敢挨一腳、敢馱百斤的物理基礎。

運動速度超過 5 米 / 秒，約合 18 公里 / 小時，快于主流競品普遍的 4 米 / 秒檔位；最大攀爬落差 50 厘米—— 行業常見的越障水平約在 20 厘米，普通臺階高約 15 厘米，意味著它一步能跨上四級臺階的落差；最大攀爬斜坡 45 度，穩居行業第一梯隊。

IP65 防護等級，雨天涉水直接作業；全地形自動步態適應、支持純盲走—— 不少競品更換地形仍需手動切換模式，Rhino-Z1 由算法自行判斷調整。

激光雷達、深度相機、OTA 與二次開發支持全系標配，并支持群控：一臺遙控器，指揮一個機器狗編隊。

最懂機器人制造的錢，為什么先動了

就在這個月，六月底剛被馬斯克評審定型的第三代 Optimus，在弗里蒙特工廠進入量產啟動階段。特斯拉給供應鏈下了硬指標：九月產能拉到每周一千臺，年底具備年供約十萬臺零部件的能力。

人形機器人的量產浪潮，最先感知到水溫的，是特斯拉供應鏈上的精密制造企業—— 過去十年，它們把 "精密件如何做到車規級良率和成本" 這件事做到了世界頂尖，也因此成了全球離 "機器人怎么被造出來" 最近的一群人。

而這群人在具身智能領域投出的重要一票，給了 Zenbot：長盈精密（300115.SZ）、肇民科技（301000.SZ）等三家特斯拉供應鏈上市公司背后的產業資本，聯合 L2F 光源創業者基金、天狼星資本，在天使輪投入近億元。

風險投資聽故事，產業資本翻圖紙。這筆投資的邏輯也寫得明明白白：Zenbot 的關節、控制器、結構件需要高精度加工與組裝，正是 T 鏈企業的看家本領；當 Zenbot 規模化量產時，這些股東順勢就是核心供應商。投資、供應、客戶，三個角色在一筆投資里閉環

最謹慎的錢，往往也是最誠實的錢。

運營 12 個月，一門已經跑通的生意

Zenbot 開始運營至今 12 個月，訂單規模已接近一億元，客戶覆蓋海內外頭部具身智能企業、知名上市公司、高校與科研院所，以及一批智能領域的新銳初創。

比數字更重要的，是這門生意的結構。

Zenbot 的商業版圖分兩層。底層，是一套全棧技術底座：自研關節模組、域控制器、運控算法，向上打通到大腦 —— 這是它區別于絕大多數同行的根本。上層，是多形態的整機產品線：目前出貨最多的，是機器狗與類人形平臺兩大品類

用四足和類人形驗證技術、積累數據、賺取現金流，再用完整技術棧向全行業供貨—— 每一步都踩在收入上，而不是踩在敘事上。

運營一年打進頭部區間，憑什么

頭部大廠用近十年磨出來的性能，Zenbot 用一年追平甚至反超，靠的是同一件事：全棧自研，垂直整合

市面上大多數機器人公司，要么是 "組裝廠"—— 關節和控制器外采，成本被供應商鎖死，性能上限也被鎖死；要么是 "算法公司"—— 硬件受制于人，改一版結構等三個月。Zenbot 是國內極少數把 "部件 — 控制 — 算法 — 整機" 全部握在自己手里、從底層關節一路打通到大腦的團隊

關節層面，Rhino-Z1 率先規模化應用第三代半導體 GaN（氮化鎵）驅動技術，將驅動器發熱量壓到傳統 MOS 方案的 30% 左右，配合關節熱管散熱 —— 這解釋了為什么競品 "發熱巨大、不可持續工作"，而它能持續運行不降頻。QDD 準直驅與力控諧波兩條關節路線、高性能減速器，全部自研在手。

控制層面，從協議棧底層自研的大小腦融合實時通訊架構，達到車規級的實時性與穩定性；算法層面，MPC 與強化學習深度融合的運控框架，加上自研 Sim2Real 高保真工具鏈 —— 前面那些盲走、抗踹、馱重爬坡的場景，都是這套算法長出來的肌肉記憶。

每一層技術在系統層面深度耦合，每省掉一層外采，就多出一層成本空間和迭代速度。數千平米自有工廠、自建測試場，從設計、打樣到驗證全流程閉環 ——"一年出整機" 這件事，在工程上就是這樣被解釋的。

操盤這套體系的團隊，同樣出自名門。創始人賈振中博士，清華大學精密儀器系本碩、密歇根大學博士、CMU 機器人研究院博士后、南方科技大學助理教授，副研究員，博士生導師，師承機器人操作理論奠基人、CMU 機器人研究院前院長 Matthew T. Mason—— 后者與波士頓動力創始人 Marc Raibert 同出 MIT 機器人黃金一代。核心成員來自 Georgia Tech、香港科大、哈工大、北大、南科大，曾深度參與樂聚機器人、逐際動力等頭部公司的核心產品研發。

結語

當然，參數表只是入場券。四足機器人真正的較量在參數之外：長周期運行的可靠性、規模化交付的穩定性、B 端場景里日復一日的無故障工時 —— 這些都要靠時間和訂單反復驗證，宇樹、云深處們的先發優勢也遠不只是紙面數據。

但牌桌上的變化已經發生：一個攜產業資本、真實訂單和全棧技術入場的玩家，坐下來了。

在具身智能的長跑里，故事會過時，泡沫會退去，而訂單和參數不會說謊。這條 "銀犀" 能跑多遠，接下來交給市場回答。