将投中网设为 " 星标⭐ "，第一时间收获最新推送

" 从 AI 出发，而不是给机器人加 AI。"

作者   韦香惠

编辑   刘燕秋

本文字数 3880

手搓量丨 99%    AI 含量丨 1%

室内温度高达 40 多度，连续四个月，每天 15 个小时，浦群妍带着一帮技术人员，泡在仓库里，和工人一起开发、测试公司的物流机器人。

这样的夏天，她已经扛过好几个。

硬科技领域不乏女性创业者，但真正拥有纯技术背景、直接站在研发一线的女性创始人并不多。浦群妍恰恰是其中一个。2004 年，她考入复旦大学计算机系，本科毕业后，她又前往卡内基梅隆大学深造，随后加入谷歌，将多项 AI 技术转化为实际产品，带动的年收入超过 10 亿美元。她还曾作为创始团队成员加入了全球无人配送鼻祖 Nuro，这家公司如今已是一只超级独角兽。

近日，我们了解到，浦群妍创办的具身智能公司寅成智能完成近亿元的 A 轮融资。本轮由华民投和上海半导体产投联合领投，老股东德同资本持续加码。多维资本担任本轮独家财务顾问。据悉，本轮融资距离上一轮千万级美元的天使轮，仅仅过去了 3 个月。

从创业第一天起，她就把目光首先锁定在了物流分拣这样一个足够庞大，却也足够 " 苦 " 的万亿级市场。一路过关斩将，不到 3 年时间，已经做到了物流分拣具身落地订单头部位置，并且成功进入顺丰速运、申通快递、科捷股份和海外物流公司 GOFO 等客户业务流。

最近，她向我们披露的成果是，顺丰已经下了一笔亿元级订单。

极致的效率和 ROI 是浦群妍认为寅成智能能够快速在工业场景站稳脚跟的关键所在。在 "AI for AI" 的概念还没有像现在这么火的时候，寅成智能就引入了自我进化的数据训练机制，让机器人在真实作业中不断自主学习，目前，这套系统已在快递分拣等场景落地，抓取成功率高达 99.99% 以上，单件作业仅需 2 秒。

不造一个 " 全新的机器人 "

当下最火的具身智能概念中，" 世界模型 " 几乎总能占据一席之地。但浦群妍告诉我，类似的技术理念，其实在十年前她做无人驾驶时就已经存在了，只是当时还没有人把它定义为 " 世界模型 "。

在她看来，两者的底层逻辑非常相似，不同的地方在于对精度的要求。" 仓储这一块，特别是我们现在在做的 pick and place，是一个精细活，相对于无人驾驶来说，它要精细得多。因为无人驾驶尽量保持一定的安全距离，其实就可以了。但机器人做 touch，本身就必须去触碰。这样的话，精度稍微差一点，最终结果都会受到影响。"

从无人驾驶进入具身智能，再把第一站落在物流场景，浦群妍经过了大量产业调研和思考。她认为，物流首先是一个足够大的市场。与此同时，这也是一个典型的劳动密集型行业，场景高度非结构化、非标准化，随机性很强。过去的简单 AI 和传统自动化，很难覆盖这些复杂情况，因此大量环节至今仍然依赖人工。

这恰恰也是 AI 最有机会发挥价值的地方。" 一个行业越是非标、越是难以通过传统自动化解决，就越需要具备感知、判断和泛化能力的 AI。"

她向我分享了一个产业调研时遇到过的印象很深的案例。一家年产值达到数十亿元的企业，整个生产流程已经完成了相当程度的自动化，十几个、二十个不同岗位，两班倒加起来也只有一百多人。这样的案例让她看到，工业自动化能够解决的问题其实已经不少，但物流场景依然存在大量分散、复杂、难以标准化的环节。

这也成为她最终选择物流的原因之一：市场足够大，同时又足够 " 非标 "，给 AI 留下了真正的空间。

不过，进入 2026 年，物流场景也成为机器人赛道兵家必争之地，当越来越多人形机器人已经开始进入。在这样的竞争下，浦群妍认为，寅成智能的优势并不在于重新发明一套机器人本体，而在于更快地把产品推向真实场景。

她认为，人形机器人从两三年前开始，就试图对本体硬件、供应商体系以及零部件进行一轮全面革新。这意味着，从技术研发到供应链成熟，再到产品稳定，可能需要一个相对漫长的周期，" 不是按一年、两年来计算，可能要按十年、二十年的产业周期来看 "。

寅成智能选择了另一条路线。" 我们并没有对整个本体做一个绝对颠覆性的改变，也没有把整个供应链推倒重来，而是先把 AI 能力装进真实的工业场景，用产品迭代去解决客户真正需要解决的问题。"

这种路线让寅成智能有了更长时间与产业磨合的机会。创业不到三年，浦群妍已经明显感受到品牌效应正在形成。她说，" 现在可以去打听原有的物流设备厂商，他们会说，如果卖的是寅成的产品，有质量保证；如果不是，大家就不确定，也不敢买。"

从 AI 出发，而不是给机器人加 AI

初听浦群妍介绍寅成智能的落地速度，可能会感到意外，但是了解这家公司的数据训练方式以后，很多问题便能够迎刃而解。

先从数据成为具身智能行业的基础共识说起，过去两年，围绕真实数据、仿真数据和合成数据的技术路线，行业一直存在不同判断；但随着越来越多机器人开始进入真实场景，另一个问题也逐渐浮现：即便获得了足够多的数据，如何筛选、标注、训练和使用这些数据，同样决定着模型迭代的效率。

尤其是真实世界数据的获取成本较高，如果后续流程仍高度依赖人工，数据规模扩大之后，研发效率很容易受到限制。因此，如何把数据筛选、模型训练和效果评估尽可能自动化，正在成为具身智能公司需要解决的基础问题。

浦群妍对此的理解是，一旦大量环节依赖人工，迭代速度就会受到影响。" 因为一旦涉及人，整个迭代就会变慢。人需要推理、思考，包括 engineering，这些事情都需要时间。"

在模型训练环节，寅成智能内部采用了一套类似 "teacher-student" 的机制，通过另一个模型持续监控训练效果，对模型表现进行评估，再将结果反馈到下一轮训练中。按照公司披露，目前寅成智能已经在客户真实作业场景中积累了数百万条数据，覆盖异形、破损、挤压、堆叠、遮挡、粉尘、易碎品、纠缠物体等复杂情况。目前相关系统已经在快递分拣等场景落地，抓取成功率最高可达 99.99%，单件作业时间约 2 秒。

" 我的商业路线，其实是来配合我的技术和产品往前推进的。" 从寅成智能的路径来看，技术路线和商业化并不是两条独立的线。公司选择从物流中的具体任务切入，本身就意味着需要在较早阶段进入真实产线，用实际作业不断暴露问题，再反过来推动数据和模型迭代。

这与现在一些开始就追求 " 什么都能做 " 的通用机器人路线存在明显差异。浦群妍说，对于希望从一开始实现通用能力的人形机器人而言，需要先回答 "anything" 的第一件事是什么、第二件事是什么，再逐个进行适配。任务范围越广，需要覆盖的场景、数据和工程问题也越复杂，技术验证周期自然更长。

寅成智能选择的是另一条路线。浦群妍认为，" 一个更符合逻辑的产品和技术发展路线，应该是单任务的泛化，到多任务的泛化，再到无限任务的泛化。"

这套路径背后，寅成智能对自己的定位也比较明确：不是给机器人 " 加 AI"，而是从 AI 出发。浦群妍将两者概括为 "AI+" 和 "+AI"。举个例子来说，"AI 加物流 " 和 " 物流加 AI" 在她看来是两件不同的事情。在她看来，寅成智能首先建立的是 AI 能力，再叠加物流和机器人属性，让已有的机器人变得更加智能；另一种路径则是先从机器人本体出发，再尝试增加 AI 能力。

这也是寅成智能没有选择从机器人本体和供应链进行大规模重构，而是基于现有机器人持续研发和迭代的原因。

" 打破规则 "

浦群妍身上一个比较鲜明的特质，是她对 " 打破规则 " 这件事并没有太多心理负担。

她本科阶段就选择了 AI 方向。2006、2007 年前后，AI 还远没有成为今天的热门赛道。" 很多理工科其实还是基于规则、逻辑和推理得出结论，但是 AI 可以跳脱到这些规则以外，可以自学习，可以模仿人。所以当年的我虽然还很年轻，但我觉得这个东西很酷。"

对技术本身的兴趣，后来也贯穿到了她的创业选择中。从无人驾驶转向具身智能，还 AI 切入物流机器人，她更关注的似乎始终是技术本身能够解决什么问题，而不是沿着一条已经被验证的路径寻找确定性。

这也解释了她对 " 打破规则 " 这件事的态度。" 我有我自己的观点和看法，也有自己的人生价值需要去追求。所以我觉得，打破规则这件事情没有给我带来太大的负担，我是享受其中的。这个东西本身一直在激励我往前走。"

但真正让这种技术理想落到现实中的，并不只是技术判断。创业之后，她越来越多地出现在工厂和客户现场。她会和生产一线的员工长期交流，也会和客户现场的工人一起解决问题。在她看来，这些一线员工有自己的判断和情感，他们未必会用技术语言讨论产品，但如果认同一件事情、也认可与你合作的人，就会真正把这件事当成自己的事情去做。

寅成智能早期的一次产品验证，让她对此印象尤其深刻。最初，公司是在实验室里搭建测试场景，尽可能把环境做得复杂、把数据做得随机，以此验证产品性能。实验室里的结果看起来不错，但真正进入客户现场后，情况却完全不同。" 直接傻眼了，就是感觉什么都不对了。"

实验室环境和真实场景之间会存在差距甚至超出了团队预料，一时间，大家甚至开始怀疑，研发是不是需要推倒重来，方向是不是选错了。

那段时间恰逢夏天，现场温度超过 40 ℃。浦群妍带着团队，甚至把行政人员也拉到现场，长期驻扎，一点点解决实际问题。从备用线开始，先跑 100 个包裹，再到 1000 个包裹；从每天运行 1 小时，到逐渐增加运行时间。指标稳定之后，再进入真正的生产线，从 5 分钟、10 分钟、1 小时，一点点增加到全天运行。

当时正值 " 双十一 " 这样的业务高峰期，订单量突然放大，所有人都知道，一旦产品出现问题，影响的不再只是一次测试，而是客户真实的生产经营。在这个过程中，一位长期与他们合作的维保人员给了团队很大的信心。他不断告诉现场的人 " 没问题 "，也持续加班，帮助团队解决一个个实际问题。随着产品逐渐稳定，客户方的一线人员也从旁观者变成了产品迭代过程中的参与者。

浦群妍把它理解为一种人与人之间的信任。" 我觉得女性的共情力可能会更强一些。至少我能够感觉到，你尊重他们，他们也会用很多倍的回报给你。"

在长期与客户、工人和团队相处的过程中，" 尊重一线的人 " 和 " 愿意长期待在现场 " 确实成为了她与团队相处的一种方式。相比单纯依靠技术指标证明产品，她似乎更在意如何让真正使用产品的人参与到产品变好的过程中。

投中网原创

随手点赞，戳个在看▼