博世签下中国最强具身大脑：千寻智能的全球化时刻 - 21经济网

博世签下中国最强具身大脑：千寻智能的全球化时刻 - 21经济网

-->

21财经APP

南财号

数字报

爆料通

首页

宏观

商业<br/>--><br/> <br/>公司

金融

证券

全球

观点

地产<br/>-->

科技<br/>--><br/> <br/>汽车

新健康

人文

智库

更多

大湾区

一带一路

文旅

理财

投资通

21视频

直播

品牌活动

专题<br/>-->

首页<br/> ><br/> <br/>财经 <br/> > --><br/> <br/>正文

博世签下中国最强具身大脑：千寻智能的全球化时刻

2026年05月06日 11:08 财联社

一个多月前，当千寻智能的融资消息接连刷屏时，投资圈子里流行一个说法：所有没投进千寻的机构，都在复盘自己为什么慢了。

4月7日，顺为资本与云锋基金联合领投10亿元，将这家成立仅两年多公司的估值一举推过200亿元大关。而就在2月24日，千寻智能刚刚以近20亿元融资跻身“百亿俱乐部”。30天，30亿元，7轮融资，累计超50亿元——有人说，这是具身智能赛道迄今最密集的资本落点。

如果把这件事仅仅看作一场融资竞赛，那就太小看它了。

紧接着4月下旬，一条更值得细读的消息浮出水面：千寻智能与全球技术与服务巨头博世集团达成集团级战略合作，双方将在数据、模型、核心部件、全球渠道与资本层面全面耦合。博世方面还同步表达了成为千寻智能战略股东的意向。

从红杉、雷军、马云，到产业资本京东、宁德时代，再到如今以博世为代表的国际工业巨头，“财务资本重仓—产业资本接棒—商业化验证”这条逻辑链，正在千寻智能身上完成闭环。

所有深耕具身智能的记者都知道，这个行业不缺合作——发布会上的战略签约几乎每月都有。但博世的入场不一样。这家营收超900亿欧元、拥有140年历史的德国工业巨头，以技术选择标准严苛著称，其集团级战略背书绝非一般商业合作可比，更遑论表达投资意向。

这意味着，站在2026年具身智能由实验室走向多场景、全球化商业化的关键转折点上，博世对千寻智能投下了一张“技术路径+商业化路径”的双重确认票。

市场的好奇心很集中：当几乎所有头部具身智能公司都对接到产业资本时，博世这个级别的合作伙伴为什么选中的是千寻？更进一步问—博世的出牌逻辑是什么？

“脏数据”哲学：一套令博世共鸣的技术方法论

一个多月前的融资潮中，千寻智能讲了很多故事：宁德时代的量产交付、京东的零售落地、创始人团队的黄金三角、数据飞轮的先发壁垒……但真正令博世行动的关键线索，要比这简洁得多。

“Spirit v1.5，超越Pi0.5。”这不是一句商业话术，而是一桩可验证的硬事实。2026年1月，千寻智能自研的具身智能基础模型Spirit v1.5，超越美国明星公司Physical Intelligence的Pi0.5，登顶榜首并同步开源，它也是该榜单上线以来首个击败基线模型Pi0.5的国产具身模型。

当然，任何一个新兴评测平台的榜单排名都会随着参与者的增加而动态变化。但Spirit v1.5带给博世的触动，从来不止于一个名次。真正让这家百年工业巨头下定决心的，是榜单背后一套深刻且极具前瞻性的技术哲学。

“脏数据”才是关键。

2025年以来，具身智能行业长期陷入一个尴尬困境：真实场景数据极度匮乏。尽管截至2025年年底，全国已有超50个国家或省市区级人形机器人数据采集与训练中心投入使用或规划建设，但训练机器人完成某个垂直行业80%的人类工作，至少需要1亿条数据；迈向通用智能更是需要千亿条量级——数据缺口高达4到5个数量级。

行业的普遍应对方式是追求“黄金数据”——在光线恒定、物体规整、任务脚本固定的实验室环境中，由熟练操作员反复录制“干净”的演示视频。这类数据的优点是模型收敛快、Demo效果惊艳，但致命的副作用是：模型在真实世界极其脆弱，遇到遮挡、突发干扰或物体摆放稍有变化就陷入“懵圈”状态。正如千寻智能团队在技术博客中直言：“‘干净’的数据是伟大机器人基础模型的‘敌人’。”

千寻智能选择了一条截然不同的技术路线。团队提出“Dirty data is the key to scaling VLA models”——非完美数据才是扩展VLA模型的关键，主张让机器人像人一样，从现实世界杂乱无章的数据中学习。其“数据金字塔”训练体系创造性地放弃了传统“世界模型”逐帧预测的算力消耗巨大路线，转而基于海量人类互联网视频进行预训练，在更少参数量下实现更好效果，显著降低算力成本。

在预训练阶段，Spirit v1.5引入开放式、多样化的数据采集范式，不再严格限定任务脚本，而以“完成有意义目标”为导向，允许操作过程中自然串联多个子任务与原子技能。模型在训练阶段接触到的不是“理想世界的完美复刻”，而是包含遮挡、失败恢复以及任务之间自然过渡的复杂真实场景。

相关消融实验的数据颇具说服力：在预训练数据规模一致的前提下，基于多样化数据预训练的模型，在新任务上的迁移效率明显高于基于传统演示数据训练的模型，达到相同性能所需迭代次数减少约40%；扩大多样化数据规模后，验证误差仍在持续下降，未出现早期饱和迹象。

目前，千寻智能已累计获取超20万小时多类型真实交互数据（覆盖互联网视频、遥操作、可穿戴采集等维度），预计2026年全年数据总量将突破100万小时。其自研的第五代可穿戴式数据采集设备将采集成本大幅降至传统方式的1/10，数据团队在4月底扩展至千人规模，成为国内最大的具身智能数据采集团队之一。

这一技术路线恰好击中了博世的核心关切。 博世业务横跨汽车与智能交通、工业技术、消费品、能源与建筑技术四大板块，场景差异极大、工况类型庞杂，任何单一场景的定制化方案都难以满足其产业调度需求。

Spirit v1.5展现出的跨形态、跨场景快速适配的“通用大脑”能力，恰好契合博世的底层需求——不是解决某条产线的自动化，而是寻找“一个大脑赋能万物”的底层能力。

一次决定合作的亲眼见证

如果说“脏数据”哲学回答的是千寻智能“用什么训练模型”的问题，那么Spirit v1.5的模型架构则回答了“模型如何思考”的问题。

Spirit v1.5的核心架构是Vision-Language-Action（VLA）统一建模框架。通俗地说，传统的机器人系统通常是一个分步流水线——先让摄像头“看”，再让语言模块“理解指令”，最后让运动控制器“执行动作”。每个步骤由不同模块独立完成，信息在传递过程中逐级衰减，就像一场传话游戏：指令传到最后，往往已经变形。

而VLA框架的不同之处在于，它将视觉感知、语言理解与动作生成纳入同一决策流程，让机器人在一个统一的模型内完成“眼—脑—手”的完整闭环。这带来的直接效果是——当机器人面对一个长程任务（比如“把这些散乱的零件分类放好”），它不需要在“这是零件A”-“零件A应该放那边”-“伸手拿零件A”这三个步骤之间来回切换模块，而是一次性完成从感知到执行的完整推理，信息损耗大幅减少，长程任务中的稳定性明显提升。

2026年3月，这套技术架构迎来了最关键的一场“面试”。博世中国总裁徐大全到访千寻智能，现场观摩了Spirit模型在长程复杂任务中的真机演示：从操作铰链与柔性物体到自然语言指令下的多步操作，模型在多变工况中展现出的稳定性和适应性，远超出预期。

让徐大全印象更为深刻的，是千寻智能自研的第五代可穿戴数据采集设备以及正在规模化运转的“数据工厂”——从采集到训练再到验证的全闭环已处于可工程化部署状态，这正是博世全球场景最需要的“粮草”。

千寻智能联合创始人兼首席科学家高阳曾公开表示：“扩展端到端具身人工智能是一个集体的旅程。”博世从技术旁观者变成了同行者。这场始于榜单初识、经由数据理念深度共鸣、最终在现场考察中拍板的合作决策链条印证了一条规律——在具身智能从实验室走向真实战场的2026年，能征服市场的，从来不是一个漂亮的Demo，而是一套经得起规模化和多样化检验的技术方法论。

新一代通用智慧劳动力的定义者

理解博世入局的深层逻辑，需将视野拉回全球具身智能的大棋局。