多个资本强力支持，高仙机器人完成12亿元C轮融资

最新推荐文章于 2026-08-16 21:27:39 发布

原创 于 2022-03-17 09:58:08 发布·618 阅读

· 0

· 0·

本内容遵循CC 4.0 BY-SA版权协议

版权声明：本文为博主原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。

·

收录于

当前文章被以下社区和专栏收录：

高仙机器人获得今日资本、软银愿景基金等投资,完成12亿元C轮融资。作为服务机器人领域的领先企业,高仙已形成完整产品矩阵并实现全场景商用清洁机器人体系。公司旨在通过机器人技术解决物业保洁行业的人力短缺问题,目前在全球范围内广泛应用,助力行业数字化升级。

去年11月10日,高仙机器人宣布完成12亿元C轮融资。本轮融资由今日资本、软银愿景基金联合领投,金镒资本跟投,老股东美团超额认购、蓝驰创投、远翼投资持续跟投。Prudent Capital担任独家长期战略财务顾问。至此,上海高仙在一年内已经连续完成三轮融资,发展劲头,势不可挡。

鲜为人知的是,高仙是今日资本创始人徐新在服务机器人领域的第一次出手。当时初次见面,高仙机器人创始人&CEO程昊天就给徐新留下了深刻印象,“是什么让这个人信心如此爆棚?”后来,出于投资团队的详细调研和对赛道的看好,今日资本迅速决定领投这一轮融资。

而软银愿景则除了资金加持,在商业合作上更签署了数千台机器人业务订单,进一步助力高仙在海外的业务发展。完成新一轮融资后,高仙有望继续保持在服务机器人行业的整体领先优势,加快完成全球化布局。

从清洁机器人起步,他创业8年

徐新罕见出手

成立于2013年10月,高仙机器人是全球最早从事自主移动技术研发和应用探索的机器人公司之一,也是移动机器人商用落地能力卓越的企业代表。

徐新依然记得初次见到程昊天的情景。“第一次见到Edward(程昊天), 其实是找他做一个竞对的背景调查。当时我眼中的Edward颇有些傲视群雄的样子。后来,投资团队把机器人赛道里所有公司都看了一圈, 发现大家说起高仙的江湖地位和技术实力,还是很服气的, 所以我们就投了。”

徐新认为,老龄化是我国未来面临的最大挑战之一。每年退休人口约2500万, 新参加工作的人口约1500万, 这意味着中间大概有1000 万人的劳动力缺口。

正如我们平时所见到的保洁大爷大妈, 大多数50-60岁了, 几乎没有50岁以下的,为什么?因为年轻人都不愿意从事清洁这份工作,时间太长,太无聊,他们情愿送外卖也不愿意当清洁工。“我们投资团队跟一些物业老板聊过, 发现他们也很焦虑, 毕竟再过几年,大爷大妈们老了也干不动了,那就招不到人了。”

而最好的解决办法之一便是清洁机器人。“我们在机场、购物中心、写字楼里经常会看到扫地机器人跑来跑去,一看品牌,多半是来自高仙。”徐新补充说。

实际上,不同于仍处于产品和技术打磨期的诸多服务机器人企业,经过8年的行业深耕与研发,高仙已形成涵盖六大产品线的完整产品矩阵;率先实现了高复杂度场景SLAM技术、脏污自动识别、动态智能规划等全栈技术;产品纵横延伸至商超、写字楼、酒店、医院、工业、物流、园区、公共交通、市政环卫等场景应用。

迄今为止,高仙已成为唯一一家具备物业全场景智能化清洁能力的服务机器人厂商。而在服务机器人商业化落地过程中,高仙也不断通过数字化布局提升物业保洁人效,最终达到赋能物业保洁行业规模化发展的目的。如今,高仙机器人深耕物业保洁领域,已在清洁机器人行业树立了绝对的头部优势。

值得一提的是,这是今日资本投资的第一家服务机器人公司。徐新感慨道:“今天只是机器人改变世界的Day One, 很期待有一天,高仙的机器人能够像蚂蚁雄兵一样,清扫大街小巷,进入千家万户,把人类从脏活累活中彻底解放出来,真正实现‘科技改变服务’的企业愿景。”

一年完成三轮融资,他们为何投了?

截至目前,通过不断深耕清洁业务,丰富落地场景,高仙逐步打造出了完善的智慧化商用清洁机器人体系。6大产品线,覆盖商超、写字楼酒店医院、工业物流、产业园区、公共交通、市政道路等全场景保洁模式,7大清洁功能,满足全品类地面清洁养护需求。

目前,高仙商用机器人已经得到了众多头部地产物业的批量使用与青睐。其产品更是在全球40多个国家和地区热销,从世界500强企业到全球交通枢纽,从星级酒店到商业中心,从医院到高校,清洁里程累计达到1.5亿公里。为此,高仙也在售后服务方面,率先创建了全球“0”延时的售后服务体系,7X24小时随时响应,以服务成就客户。

为了进一步全面革新传统清洁方式,高仙现已设立北京、上海、苏州、新加坡四大研发中心,不断保持产品的超高研发水准,并自建大型智能化工厂,推动以品控为核心的机器人制造,同时,高仙还整合算法、后台、应用层、数据四方面能力,打造出更完善的全场景机器人全栈技术,能根据不同场景及客户需求,可定制加载功能,为用户创造更高价值。

蓝驰创投从A轮开始连续五轮下注高仙机器人。蓝驰创投董事总经理曹巍坦言:“服务机器人在产业侧各类场景落地的进程刚刚开始,以服务机器人为节点的数字化智能服务体系将重新定义未来的产业形态。高仙团队凭借卓越的产品技术能力、超强的执行力和对产业侧底层逻辑的深入洞察,将成为这一趋势的引领者。”

作为B轮领投方的远翼投资,在后续轮次中亦连续跟投。其执行董事裴耘表示:“很高兴服务机器人赛道的确定性已形成共识,更值得欣慰的是我们在纷杂的赛道内做了正确的选择,支持了高仙这样优秀的团队成长为如今极具确定性的头部公司。在提供资金支持的同时,我们会继续利用远东宏信集团庞大的金融+产业网络,在产业采购、协同销售、服务模式的经营性租赁等领域与公司一起积极探索更好的产品与交付方式,助力高仙向全球服务机器人龙头持续迈进。”

美团战略与投资副总裁朱文倩谈道:“商业物业场景易守难攻,有望催生新一代数字化服务巨头。高仙一纵一横的十字型战略布局,能持续强化高仙在场景端的落地优势,并可以凭借先发优势,持续迭代优化,巩固竞争壁垒,有机会实现阶段式跨越。未来基于场景侧和服务侧双向沉淀,高仙非常有望引领服务机器人打造出新一代的智慧服务平台,构建未来智能化城市AIoT City的重要基础设施网络。”

金镒资本创始管理合伙人杨燚总结:“行业供给侧(制造业产业链完备、AI自动驾驶技术成熟)、需求侧(老龄化、疫情)变化的大背景下,智能化和自动化是大势所趋。高仙作为全球商用清洁机器人领域的绝对龙头,很好地捕捉了机器替代人工这一长期结构性大趋势,有效解决行业痛点。高仙拥有行业最顶尖的管理团队、技术积累和实践经验,“技术-产品-客户-规模化-平台化”的正向飞轮效应显著。我们坚信高仙将会继续引领服务机器人行业发展,成功打造成为世界级平台型企业。”

这一次,软银愿景也来了

高仙站上一个新起点

如今,高仙机器人的国内占有率超过80%,已经攻占头部客户半壁江山,树立多个标杆方案,实现了规模化复制,本次获得了软银等巨头的投资,其行业领军地位再一步得到巩固,帮助高仙从全场景清洁机器人产品提供者,向着智慧清洁行业标准制定者大步迈进。

作为国内最早的服务机器人探索者之一,高仙一直怀揣着梦想。当物业行业增速迅猛,在管面积不断增加;当人口红利衰退,保洁可用人力被外卖、快递等行业不断抢占,严峻的用工压力与用人缺口,已成为物业保洁行业不得不直面的难题,与新兴行业的高数字化程度不同,物业保洁的数字化进程缓慢,如何快速提升人效以满足未来发展的需求,显得迫在眉睫。

对此,软银愿景基金管理合伙人Kentaro Matsui表示:“我们相信高仙正在以一种高效率、低成本的方式革新传统清洁行业。凭借其完善的产品和全站式技术能力,高仙完全有能力推动自主清洁机器人的落地使用。我们很高兴能够与程昊天及高仙团队合作,支持他们研发并生产能与人类共同工作的清洁机器人。”

高仙机器人创始人&CEO程昊天表示:“数字化管理才是未来传统服务行业化解人力和管理成本矛盾的唯一办法,机器人作为数字化管理中最重要的节点和终端,正在人口老龄化、高速城镇化、防疫常态化的时代大背景下,加速物业保洁智能化、管理数字化成为大势所趋。未来,高仙机器人将继续以行业领跑者的视角,制定标准、构筑平台,巩固壁垒,为清洁服务激发更多可能,实现数字化和平台化的阶段式跨越,最终在全球范围内构建智慧服务生态体系,让预言成真,梦想落地。”

未来,随着市场需求的增加,上海高仙将带领科研团队继续研发更多系列的机器人,拓展更多场景,满足更多消费者的需求。

标签

#python

确定要放弃本次机会？

福利倒计时

_:_ _:_

立减 ¥

普通VIP年卡可用

立即使用

m0_64720335

关注关注

• 0点赞
• 踩
• 0 收藏 觉得还不错? 一键收藏
• 知道了 0评论
• 分享复制链接 分享到 QQ 分享到新浪微博 扫一扫
• 举报 举报

LeetCode 94. 二叉树的中序遍历｜_Python_ 解法详解

a1250467048的博客

08-12 232

这道题的关键是：递归函数负责遍历一棵子树：空节点直接返回，依次递归左子树、记录根值、递归右子树。理解这一点后，再结合边界条件检查，代码就能保持清晰且稳定。

参与评论 您还未登录，请先 登录 后发表或查看评论

零信任架构实战：基于天远车辆七项信息核验构建 _自动化_ 二手车估值网关

2501_93124989的博客

08-12 278

破解二手车估值痛点：从传统人工核查到数据直连 在二手车交易与资产评估的现代大数据架构中，基于 _Python_ 的 ETL（提取、转换、加载）流水线和机器学习模型已被广泛用于 _自动化_ 估值。然而，获取准确的车辆初始登记和发动机信息，往往需要依赖人工核对行驶证图片或线下补充资料。这种传统方式不仅流程繁琐、效率较低，而且由于 OCR 识别误差或人为疏漏，极易将错误的数据

将components下的文件夹复制到别一个文件夹下，并重新生成CMakelist.txt文件

shaohl2103的博客

08-15 242

一、将components下的文件夹复制到别一个文件夹下，并重新生成CMakelist.txt文件。二、_python_ 程序。

FunASR 语音识别本地部署实录（下）：34 分钟录音实测，踩过的坑、上线前要补的事 最新发布

qq_31429225的博客

08-16 321

自建语音转写，门槛不 _高_，但要做得稳，坑都在细节里。我实测下来的结论：环境坑比模型坑多，官方标了"生产验证"的路径可以放心走，但认证、限流、监控这三件事，官方明确留给你自己补，别指望示例代码替你解决。再说句心里话：自建最值钱的不是省下的服务费，是我想要什么能力都能自己加，不用求人。转写量大、音频敏感的朋友，值得自己搭一套；偶尔用几回的，云 API 更省心。觉得有用的话，顺手点个关注，后面我会继续写本地 AI 服务落地的实测。【欢迎访问我的个人博客主页，这里有我的精选文章和AI大模型日报专栏。👇）本文用到。

基于 _Python_ 实现（控制台）点菜系统

神仙别闹的自留地

08-14 251

目的是通过课程设计的综合训练，培养学生实际分析问题、解决问题的能力，以及编程和动手能力，最终目标是通过课程设计这种形式，帮助学生系统掌握 _Python_ 这门课程的主要内容，养成良好的编程习惯，更好的 _完成_ 教学任务。通过本次课设程序的编写，我深深的发现了自己的不足，在没有编写程序之前我以为本次课设是一件非常简单的事情，但是在我编写的过程中，发现自己有许多不足，开始的时候并不太会字典的操作，但是经过了本次课设，我对字典的时候更加的了解了，同时也明白了字典这一数据类型的强大之处。建立一个字典，存储菜名，菜价。

回顾Spark的概念与应用

Revivedsun的专栏

08-16 223

Spark 核心原理与 PySpark 优化指南 本文深入解析 Spark 3.x 的执行原理与 PySpark 性能优化方法。主要内容包括： Spark 架构分层：从 Application、Job、Stage 到 Task 的四层执行模型，每层解决特定的资源管理、计算触发和数据并行问题 RDD 核心机制：血缘图(Lineage)的构建原理，窄依赖与宽依赖的本质区别及其对执行计划的影响 执行流程详解：从 Transformation 构建逻辑计划到 Action 触发物理执行的全过程，包括 DAGSche

【Spring Cloud Alibaba】Sentinel（三）

Blue_Pepsi_Cola的博客

08-15 222

这里有个关键点：不是 “前 10 秒”，是。

_Python_ 调用通义千问API实现长尾搜题内容 _自动化_ 生成实战

weixin_70280055的博客

08-16 161

本文详细讲解如何利用大语言模型API进行长尾搜题内容的 _自动化_ 生成。从长尾搜索的基础概念出发，结合阿里云通义千问的具体参数与调用方法，提供可运行的 _Python_ 代码示例。文章剖析了提示词工程在长尾问题解答中的实际应用，并分析了该技术对自媒体创作者、独立开发者和中小企业的具体价值，帮助读者快速掌握大模型内容生成的实操技巧。

_python_ 神经网络编程入门（三十七）——Decoder 内部——掩码自注意力与交叉注意力

qq_65148539的博客

08-15 575

上一章我们把编码器（Encoder）内部的"残差、LayerNorm、前馈"三块承重墙拆了个底朝天；这一章 _轮_ 到另一半——解码器（Decoder）。解码器比编码器多两样东西：一张"不许偷看未来"的掩码，和一种"去查编码器记忆"的交叉注意力。文章先把这两样东西的来龙去脉讲透：为什么生成第 t 个词时不能看第 t+1 个词？那张"上三角遮罩"到底长什么样、为什么必须填 -1e9 而不是 0？交叉注意力里"解码器问、编码器答"的 Q/K/V 到底从哪来、为什么它们的长度可以不同？然后用 9 张图、若

【学习地图】语言语法类 · 文章索引

runafterhit的博客

08-12 356

[构建自己的语言语法知识地图，用于系统化学习、复习与快速查阅。本专栏聚焦 C 语言、_Python_、Shell、DOS、正则表达式等语言语法基础，作为嵌入式/脚本开发的语言地基。@[TOC]## 一、C 语言系列C 语言是嵌入式与系统编程的核心，从关键字、指针到预处理，层层递进：-## 二、_Python_ 系列 _Python_ 是刷题与脚本处理的利器，从基础语法到实用技巧：-## 三、Shell / DOS / 正则命令行与文本处理的基础工具：-](https://blog.csdn.net/runafterhit/article/details/163707361)

LangChain漏洞排查与AI供应链扫描实操指南

weixin_70280055的博客

08-14 237

本文解析近期曝光的大规模AI供应链 _自动化_ 扫描事件，攻击者在40分钟内利用 _自动化_ 脚本定位约2500家企业的AI组件漏洞。文章深入剖析基于LangChain等组件的漏洞利用原理，并提供具体的本地化扫描命令与 _Python_ 审计脚本，帮助开发者排查供应链风险并生成软件物料清单。

_Python_ 模块、包与 src_ 布局

2611_95720134的博客

08-12 327

本文主要讲解 _Python_ 中模块（Module）的基本概念、包（Package）的组织形式与导入机制（包含绝对导入与相对导入、模块搜索路径sys.path），以及现代 _Python_ 工程中推荐的src目录布局规范。通过本文，你可以理清代码组织与模块调用的底层原理，避开常见的导入报错。在 _Python_ 中，一个.py文件就是一个模块。例如counter.py就是一个模块，模块的名字叫做counter。执行时，_Python_ 会加载并初始化模块，然后将模块对象绑定到当前文件命名空间中的counter名称。

Tornado 从了解到精通（四）上：实战搭建 Web 应用与核心组件详解

weixin_73631017的博客

08-14 388

本文是Tornado框架实战系列的开篇，重点讲解如何从零搭建一个可运行的Tornado Web应用。主要内容包括： 最简HelloWorld示例：展示包含请求处理器、应用实例和启动函数的基础结构，仅需十几行代码即可实现异步Web服务。 核心组件详解： main协程：介绍现代 _Python_ 版本的异步启动方式及优雅停机实现 Application对象：解析路由配置规则，包括路径参数传递、初始化传参和反向URL生成 RequestHandler：说明请求处理方法定义、响应输出方式及工程实践建议 工程最佳实践：推荐通

钉钉客户端--oauth2网页登录

weixin_52236586的博客

08-15 34

【代码】钉钉客户端--oauth2网页登录。

「_Python_ 避坑 · 第 15 篇」继承体系搭好了，方法找不到了

MARST.ZHANG的博客

08-13 122

如果你身边也有一个被多重继承折磨的朋友，把这篇文章转给 ta——「你看，毛毛姐的菱形继承，方法找不到了。」

滇西科技师范学院AI人工智能实验室案例分享

tipdm0526的博客

08-12 662

滇西科技师范学院实验室案例

用 _Python_ 批量生成销售日报，告别每天复制粘贴

Z_suger7的博客

08-12 331

销售日报需要汇总各渠道的订单数、销售额和客单价。渠道超过十个以后，手工把数据从各平台抄进同一张 Excel 就成了明显负担：耗时、易错、且无法追溯数据来源。以 11 个渠道、日均 42 分钟手工汇总估算，每月仅此一项就占用约 15 个小时。本文用一个可落地的 _Python_ 脚本，把这份日报改成每天定时自动生成。流程拆成取数、归一化、算指标、写 Excel、调度五步，代码可直接复用，数据源与代理配置集中管理，渠道字段变动时只改对应函数。

我封装了一个「本地图片分类标注工具」：拖进图片，一键归类，还带回收站和续接

qq_65148539的博客

08-11 348

这篇文章介绍了一款本地运行的极简图片分类标注工具。作者为解决深度学习数据准备过程中图片分类整理的痛点，使用 _Python_ Flask开发了这款免安装单文件工具，_支持_ 一键归类、删除回收站、撤销操作、断点续接等功能，所有操作均在本地 _完成_，保障隐私安全。工具打包为16MB的exe文件，适用于数据集标注、素材归档等场景，尤其适合ResNet18等模型的训练数据准备。用户可通过关注作者并私信"图片工具"获取阿里云下载链接。文章还简要提及了工具的技术栈实现。

利用 _Python_ 构建Wiki中文语料词向量模型试验

神仙别闹的自留地

08-12 247

本实例主要介绍的是选取wiki中文语料，并使用 _python_ _完成_ Word2vec模型构建的实践过程，不包含原理部分，旨在一步一步的了解自然语言处理的基本方法和步骤。到wiki官网下载中文语料，下载 _完成_ 后会得到命名为zhwiki-latest-pages-articles.xml.bz2的文件，大小约为1.3G，里面是一个XML文件。摘取了最后几行代码运行信息，代码运行 _完成_ 后得到如下四个文件，其中wiki.zh.text.model是建好的模型，wiki.zh.text.vector是词向量。

“Telegram 最强中文群组频道搜索工具”如何升级品牌？用模型拆解乐搜 LetsTG 双品牌过渡（附 _Python_）

2602_96576388的博客

08-11 595

中文关键词搜索特点 Telegram 群组与频道统一检索 @letstgbot _机器人_ 快速搜索入口 官网导航与站外发现入口 Bot 与网页双入口优势 搜索、导航、提交收录形成闭环 “乐搜”中文名更容易理解和记忆 用实际产品能力支撑“最强搜索工具”定位