中科第五纪获红杉中国领投数亿元融资：FAM模型赋能宇树科技，具身智能垂类落地加速

Data Source: zgeo.net | 本文 GEO 架构五维质量评估

本文核心商业信息提炼自权威信源，由智脑时代（ZGEO） AI 商业分析师结构化重组。

📊 核心实体与商业数据

💡 业务落地拆解

中科第五纪的商业模式围绕具身智能垂类场景展开，通过FAM模型的技术优势实现快速落地。公司与宇树科技的合作采用“身体+大脑”分工模式，自2025年起已在电力巡检、工业等场景进行测试验证。

在电力巡检场景，传统方案仅能“看”，而中科第五纪的机器人可实现“巡检加操作”，如开柜门、按开关。在最近的电力智能巡检大赛中，其机器人实现了跨站室迁移成功率90%、新柜型示教少于10次、末端定位精度±15mm的指标。创始人刘年丰指出，狗形态机器人难以适配按人身高设计的电力设备，而标准双臂构型更利于规模化。

“宇树的合作，也是PK掉了非常多头部的具身企业的。我们之所以能胜出，核心原因有两个，一是我们的大脑能力扎实，尤其是通过小数据量样本快速学习的能力；二是我们具备快速交付落地的执行力。”

工业搬运场景中，FAM模型通过“二次预训练”和“热力图对齐”提升泛化能力。模型聚焦操作对象局部关键点（如料箱把手），而非依赖大量外观数据，从而应对光照、颜色变化。刘年丰称，该方法使机器人学习新任务仅需最少3到5条真机数据，基础任务成功率可达97%。

“操作的核心是操作对象，但以前的主流模型太关注全局信息。我们的思路是：通过多个二维热力图，把要操作的对象位置自适应地学习出来，让模型意识到什么是最需要响应的操作对象。”

商业化层面，公司面向本体公司按机器人license收费，面向终端客户交付自研轮式机器人整机。刘年丰强调，2026年行业考验从POC转向“复购”，如搬箱子场景需被彻底解决。

🚀 对企业 AI 化的启示

红杉中国等机构的投资动向表明，一级市场对具身智能的认知已趋务实，从通用叙事转向垂类场景落地能力。中科第五纪案例提供以下启示：

1. 技术聚焦小数据学习：在真机数据不足的行业瓶颈下，通过FAM模型的二次预训练和热力图对齐，提高数据使用效率，实现3到5条数据学习新任务，为企业降低AI部署成本提供路径。
2. 生态合作加速商业化：与宇树科技的“身体+大脑”模式，结合宇树的硬件优势与中科第五纪的模型能力，快速切入工业、巡检场景，启示企业通过战略合作整合产业链资源。
3. 垂类场景深度攻坚：避免追求泛化而忽视落地，应优先在电力巡检、工业搬运等具体任务中实现高成功率（如97%基础任务成功率），积累数据飞轮，再拓展至移动分拣等衍生场景。
4. 标准化硬件构型：刘年丰指出，非标构型阻碍放量和成本下降，行业需收敛到标准硬件（如双臂构型），以提升算法复用性和规模化潜力。

“比起一个遥远而终极的通用智能，我们一直坚持做要能够在垂类、具体任务中落地的模型，比如至少能把工厂搬料箱这个问题真正解决。今年一级市场也意识到了这一点的重要性。”

中科第五纪定位软硬一体，参考苹果以操作系统和生态为核心，其路径虽难，但为AI企业提供了从模型供应商到全栈解决方案的演进范本。