星工聚将最近完成了数千万元天使轮融资，由天空工场创投基金独家投资。

放在如今有些喧闹的具身智能赛道里，这家公司无疑有点特别。不仅仅因为其投资者天空工场创投基金，是追觅科技旗下专注于AI及泛机器人产业链的早期基金。更因为它不是那种“先讲故事、再找场景”的团队，而是一上来就扎进工厂、盯着产线干活的人。

这家公司成立于2025年6月，落地苏州吴中区，核心方向很明确，就是做真正能进入工业现场、并且具备规模化落地能力的具身智能机器人。

01.

先下车间再谈迭代

很多机器人公司喜欢把“通用”“智能”挂在嘴边，但真正进过工厂的人都知道，产线不相信概念，只相信效率、稳定性和成本。星工聚将从一开始就没打算绕开这些最现实的问题。

今年4月，在由魔法原子（MagicLab）举办的硅谷魔法生态大会上，星工聚将以生态合作伙伴身份完成了北美首秀。这也是它第一次正式出现在全球具身智能产业链的聚光灯下。

从团队背景来看，星工聚将带着很强的“学院派+工程派”混合气质。总经理李梓正毕业于清华大学工科方向，长期从事机器人研发。核心成员则来自清华大学、上海交通大学、麻省理工学院、卡内基梅隆大学等高校，同时又具备工业机器人量产经验。

但比起学历，更值得关注的是他们的做事路径。

不少机器人创业公司会先做Demo、做视频、讲未来，再慢慢寻找商业化方向。而星工聚将反过来了，先下工厂。

团队在成立后，第一时间进入制造业一线，从真实工况里找问题：工人到底缺什么？哪些工序最痛？机器人为什么迟迟替代不了？他们希望产品定义不是来自PPT，而是来自车间。

"我们不追求最像人的机器人，我们追求最能帮客户赚钱的机器人。"总经理李梓正表示。

某种意义上，这也决定了星工聚将后续所有产品、技术路线的选择。

02.

一台不像“人”的实用派机器人

目前，星工聚将的核心产品是XG Z1轮式双臂机器人。这款机器人已于2026年3月在北京正式发布。团队将其定义为“全球首款实现工业级规模化应用的具身智能轮式机器人”。

它高约1.8米，重约130公斤，整体设计明显偏工业风，走的是“全向底盘+可折叠升降模组+双臂”的路线，而不是如今行业里流行的“类人展示型”路线。

XG Z1采用双7自由度机械臂，并配备4自由度可折叠躯干。这个结构设计有一个非常现实的考虑：工厂空间往往狭窄、复杂，机器人不是站着摆造型，而是得真正钻进工位里干活。

因此，它的躯干支持±180度旋转折叠，大幅扩展作业空间，可以覆盖从地面到高位货架的大范围操作区域。

更关键的是，它没有执着于“双足”。

这也是李梓正反复强调的一点。在他们看来，现阶段工业场景真正需要的，并不是“像人走路”，而是“像人一样干活”。

所以星工聚将最终选择了这条技术路线，用更低成本覆盖人的工作空间，同时兼顾稳定性、效率与商业化可行性。

说白了，他们想优先解决“能不能赚钱落地”的问题，而不是先追求炫技。

在硬件层面，XG Z1搭载超轻力控机械臂与全向移动底盘，整机最高支持2070 TOPS算力，既能兼容传统运动控制算法，也能部署大模型能力。

03.

三个POC场景，把能力边界外推一步

真正体现工业逻辑的，其实是它的“6秒快换”，去应对工厂“多变”的产线要求。

简单来说，机器人可以在不同末端工具之间快速切换。同一台设备，既能做分拣，也能做锁付、焊接、打印、抛光、检测等任务。

这意味着什么？

意味着过去工厂里“一台设备对应一道工序”的刚性模式，开始出现松动。对于制造企业而言，这种柔性能力，才是具身智能真正有机会打开市场的关键。

因为中国制造业过去几十年形成的大量自动化产线，本质上都是“高效率但低弹性”。一旦产品变化、工艺调整，改造成本极高。

而轮式具身机器人，本质上是在给传统工厂增加一种“可移动、可学习、可泛化”的柔性劳动力。

这也是为什么越来越多工业客户开始认真看待这类产品。

在感知与安全层面，XG Z1搭载了360°多模态感知系统，可以实现毫秒级主动避障，并实时识别周边人员、设备与环境变化，动态规划运动路径。

不过，比感知更重要的，是它背后的系统架构。

星工聚将提出了“中央脑+本体+数据闭环”的三位一体架构。从感知、决策到执行形成完整闭环，并采用“快慢脑”协同模式——慢系统负责语义理解和任务拆解，快系统负责实时动作反馈。

这个思路，其实已经越来越接近具身智能行业当前的主流方向：机器人不再只是执行器，而是在向“具备物理世界认知能力”的智能体演进。

李梓正提到一个很典型的例子。

如果面对一个未预设、且被遮挡甚至翻转的零部件，机器人不仅要识别目标，还要自主调整姿态、重新规划抓取路径，最终完成动作。

难点不只是“抓起来”，而是如何把精度控制在工业可接受范围内。

因为工业现场不允许“大概成功”，它要的是稳定、重复、零损伤。

而这背后，考验的是机器人如何真正弥合“感知”与“行动”之间的鸿沟。

在数据策略上，星工聚将也没有完全依赖大模型行业里常见的单一路径。

他们采用的是混合数据方案：用互联网数据建立认知，用EGO数据进行预训练，再通过真机数据做精调，同时结合数字风洞物理引擎进行仿真训练。

核心目标很明确，就是降低训练成本，同时提升泛化能力和真实落地能力。

这一点，其实也是如今整个具身智能行业正在逐渐形成的共识。

因为行业已经慢慢发现，仅靠互联网数据，机器人学不会真实世界；但如果完全依赖真机采集，成本又极其高昂。

谁能率先建立起“仿真+真机+场景”之间的数据闭环，谁才更有机会率先跨过规模化落地门槛。

最终，面对“混乱”的产线，Z1能在一堆遮挡、翻转、甚至被污损的组件条码前，没有停机报警，而是会自己把物体翻过来，直到成功识别。

这背后是“物理认知引擎CPE”在起作用，慢系统负责语义拆解，快系统即时反馈动作，再加上“数字风洞平台”提前做过的物理对齐，让它在不确定的环境里也能自己找出确定性来。

此外，Z1还看有把易碎组件精准投放到动态移动的小车上，这事考验的不单是流畅度，更是零损伤的交付能力。高刚性、低延迟的一体化关节模组让动作更柔顺，“物理对齐”那一套则给了它材质感知和接触反馈的能力，每一次接触都带点“分寸感”。

04.

不到一年，订单上亿，生态初现

值得注意的是，成立不到一年，星工聚将已经拿下多家头部智能制造企业的亿级订单合作。

与此同时，公司还联合京东、蚂蚁集团、灵心巧手、珞石机器人、领益机器人、亦庄机器人等产业链伙伴发起“星火计划”，尝试构建具身智能生态协同网络。

其中，与蚂蚁集团的合作尤其值得关注。

双方将围绕机器人本体能力和真实场景数据，共同构建具身智能真机数据集，并开展联合模型训练与迭代优化。

说到底，今天具身智能行业最缺的，已经不是模型故事，而是真实数据。

谁掌握大量真实工况数据，谁才能真正推动机器人从“能演示”走向“能生产”。

而从这个角度看，星工聚将的思路其实非常鲜明：

先进入工厂，再理解工厂，最后让机器人真正成为工厂的一部分。

这条路并不轻松，甚至比很多“讲概念”的路线更慢、更重。但工业机器人行业过去几十年的历史已经证明，真正能活下来的公司，往往都不是最会讲故事的，而是最能解决问题的。