欧拉万象完成数亿元天使轮+融资

10月12日，张通社获悉，深圳欧拉万象科技有限公司（简称“欧拉万象”）完成数亿元天使轮+融资，由诚元祥基金、芯能创投、锡洲国际、拓邦股份、弘毅投资等联合投资。

据了解，欧拉万象由原华为天才少年、华为具身智能1号员工周顺波创办。公司成立半年多，面向家庭服务机器人搭建Real-world RSI系统，并发布Action-Native Foundation Model路线的阶段成果UniWAM，探索让机器人从真实场景反馈中持续改进。

这家公司的掌舵人 周顺波，身上带着鲜明的大厂烙印。他是华为机器人方向的天才少年，也是华为具身智能的1号员工，曾经从零搭建起华为规模最大的具身智能团队，主导过CloudRobo具身平台的研发。今年3月，他选择离开熟悉的大厂体系，带着团队一头扎进家庭机器人这片公认的“深水区”。

联合创始人 张靖 同样拥有硬核履历，清华本科、达特茅斯MBA，先后任职亚马逊AWS与华为，擅长产品设计与商业化落地。华为系人才批量投身具身创业已经成为行业现象，但多数项目瞄准工业、人形整机方向，真正死磕家庭真实场景的团队并不算多。

01

家庭机器人，到底卡在哪？

很多人看过展会舞台上灵巧能干的机器人，叠衣服、收拾桌面样样出彩，可一旦把机器搬出标准化展台，放进普通百姓家里，一切就变得不一样。

每家住户的家具摆放不一样，杂物散落的方式千差万别，孩子、宠物还会随时打乱环境，这些层出不穷的长尾状况，恰恰是行业最大的痛点。工业机器人面对流程固定的产线可以稳定作业，可家庭属于高度非结构化的世界，机器人不缺少单一动作的执行能力，缺少的是面对陌生环境持续学习、自我适配的本事。

行业内不少从业者对此有着清醒认知。不少企

业的样机在标定好的环境中任务成功率近乎满分，环境发生一点点微小变化，执行效果就会断崖式下跌。互联网大模型可以在虚拟世界完成推理，机器人却要实实在在和物理世界打交道，每一次抓取、移动都会产生现实误差，这也是虚拟智能与具身智能最本质的鸿沟。

长久以来行业有一个困境：家庭场景的数据采集成本极高，想要把千万户家庭全部训练一遍，无论时间还是资金都难以承受，不少企业困在“演示好看，落地很难”的怪圈之中。

02

“可养成”，是另辟蹊径吗？

面对行业普遍难题，欧拉万象没有选择追求一步到位做出一台包揽全部家务的全能机器，而是提出了一套“可养成”的新思路。据具身涌现观察，这套路线放弃了“开箱即搞定全部家务”的理想化目标，先让机器人掌握基础通用能力，再把一部分技能学习的过程开放给用户，让机器在真实家庭环境里慢慢习得新家务技能。

与之配套的市场策略同样反主流。它没有直接面向普通消费者大规模铺货，而是采取先极客、后大众的路径，优先面向动手能力更强、包容度更高的创客与开发者群体。

首款硬件选择“移动底盘 + 双机械臂”的形态，首批设备已经筛选完成创客体验官，进入真实家庭做迭代共创。企业还和家政服务平台好慷在家达成合作，借助资深家政师的标准化示教，把现实里成熟的家务经验转化成机器人训练数据，从真实生活里源源不断挖掘训练素材。

9月，欧拉万象对外推出OLA‐Sem与OLA‐Geo两套自研AI模型，分别主攻语义理解和三维空间感知。语义模型打通视觉、语言、动作，让机器人看懂环境、听懂指令，预判后续动作；几何模型重点解决空间定位，搞清楚物品到底处在什么位置，两套模型相互配合完成联合学习优化，再持续迭代升级模型能力。把技术模型、硬件样机、真实家庭数据、开发者社区串联到一起，试图跑通属于自己的数据闭环。

03

资本追捧，仅仅看中大厂光环？

半年四轮亿元级融资，很容易让外界把原因简单归结为创始人的华为背景。但据具身涌现观察，一级市场的投资人早已学会区分光环和真实落地能力。当下具身智能赛道泡沫与机会并存，不少创业项目停留在样机演示阶段，缺少走进真实家庭的通路，资本也越来越警惕只靠故事驱动的项目。

欧拉万象能够持续拿到投资，更核心的原因在于它给出了一套可落地的场景闭环设想。通用人形机器人固然充满想象，但高昂成本、安全隐患、大规模数据缺失都是短期内绕不开的高山，很多业内人士预判，真正大规模走进普通家庭还需要数年时间。

这家初创企业绕开直接冲击完全通用人形，选择家庭家务这个细分战场，用开发者社区共创的模式缓解家庭场景的数据荒，这套渐进式路线，获得了不少产业资本的认可。当然质疑同样客观存在，也有行业声音提出疑问，把机器人“养成”的一部分责任交给早期用户，未来如何平衡使用门槛和普通家庭的操作难度，依旧需要时间去验证。

04

新路线背后，藏着哪几层产业启示？

当我们跳出单一企业的新闻，这件事带给整个行业的启发，值得细细拆解，它至少包含三层产业层面的重大意义。

第一层意义在于，行业正在从追逐炫酷演示，转向尊重真实物理世界的客观规律。过去很长一段时间，家用机器人行业习惯于向大众描绘全知全能的机器管家蓝图，但现实告诉从业者，家庭场景没有捷径。机器人不是运行在干净数据集里的软件程序，它必须接纳现实世界的杂乱、多变，承认技术的阶段性局限，放弃一步到位的幻想，渐进式迭代才是更加务实的选择。

第二层意义，是数据获取逻辑正在发生改变。过去机器人训练高度依赖实验室内部采集的数据，成本昂贵且样本有限。而把早期用户、家政从业者纳入训练链条，相当于打开了真实家庭源源不断的数据来源。据具身涌现观察，这代表行业开始探索，如何跳出“企业独自包办全部训练”的固有思维，用生态共创的方式解决家庭数据稀缺的行业顽疾，这会给同类创业团队提供新的参考样本。

第三层意义，人才流动正在加速技术从大厂实验室走向商业化。一批在大厂内部完成技术沉淀的科研人才走向创业市场，他们带着系统工程的经验，不再困于大厂内部的资源与流程约束，可以集中全部资源攻坚单一细分场景。但也要看见，大厂履历不等于创业成功保证书，硬件量产、成本控制、普通消费者的接受度，都是横亘在团队面前的重重考验。

家庭具身智能依旧处在早期，没有任何一家企业已经交出完美答卷。资本的热捧只是起点，真正的大考发生在千千万万普通的客厅、厨房之中。一台机器人能不能真正帮普通人分担家务，能不能安全可靠地长期陪伴在家庭之中，最终评判权永远握在用户手里。