近日，國內具身智能商業場景落地領跑企業零次方機器人（Zerith）完成超億元新一輪融資，由國內算力龍頭 AIDC 上市第一股潤澤集團領投，寧波東力、接力天使、平湖澤新跟投。

零次方機器人由清華大學 AI&Robot 實驗室核心成員閔宇恒、程頤等 00 后極客于 2025 年 1 月創辦。短短一年多時間，公司已實現具身操作基礎模型突破，機器人單月穩定量產百臺，目前訂單數已突破億元、營收數千萬。并在合肥、北京、深圳等城市十余處地標場景完成落地驗證。

在具身智能的發展過程中，存在著 " 偽通用 " — " 去通用 " — " 真通用 " 三階段。" 偽通用 " 階段往往是在過擬合狀態下，于受限的演示環境中表現出有限的泛化能力。而真正的突破要從 " 去通用 " 階段開始——即主動收斂場景，在可復制的商業環境中，以極高的魯棒性解決真實問題，并在這個過程中積累不可替代的核心能力與真實場景數據。只有把多個‘去通用’的垂直場景深度融合，才能真的走通 " 通用之路 "。

零次方 " 通用之路 " 路徑示意圖

如圖，當下零次方機器人更聚焦于產品與數據的雙重閉環。在落地場景中，零次方已經部署機器人 E 系列、C 系列等，圖示系列是零次方 "H 系列 " 通用機器人的高性價比版本。這些機器人在特定任務中實現了成本與性能的最佳平衡，致力于讓客戶在短期內會獲得清晰、可量化的經濟回報。

與此同時，成千上萬臺機器人在真實商業場景中持續運行，從而快速積累數億級的真實場景數據，不斷用于實現模型性能的突破。每一次場景落地，都為通用智能的進化注入真實數據養料；每一筆商業訂單，都在為零次方通往最終的 " 真通用 " 階段做鋪墊。

4D 增廣數據，高物理熵與高環境熵的融合升維

通用具身智能要實現跨場景泛化，其訓練數據必須具備 " 高物理熵 " 與 " 高環境熵 " 兩大特征。以通用家庭場景為例，機器人需完成多物體泛化操作、適配復雜背景與動態干擾，其能力核心可拆解為兩類指標：環境熵指場景布局、光照、場景任務規劃等語義環境的復雜度；物理熵對應剛體、柔性體等不同屬性物體動靜態交互的物理規律復雜度。而目前環境熵適配已具備基礎（如 seedance 等視頻生成模型），對于具身通用來說還需要主攻物理熵，打透底層物理交互一致性。

4D 時空數據增廣模型示意圖

升維，融合時空多樣性先驗： 零次方通過 " 升維 " 來融合時空多樣性先驗。具體方法：首先，引入海量互聯網多模態數據（這些數據具有 " 高環境熵、低物理熵 " 的特點）；然后，依托自研的 4D 增廣模型 ZERITH4D-SDA，將視覺 - 語義層面的時空多樣性先驗，與底層的物理一致性規律進行異構融合，最終構建出能夠進行多模態預測的 4D 時空數據增廣模型。

" 類腦 " 具身操作基礎模型，深度復刻人類認知行為邏輯

團隊在 2025 年上半年推出具身操作基礎模型 ZERITH-V0，實現了場景超長序列多任務的突破。而在攻克場景泛化與非結構化交互難題的過程中，當前主流的端到端串行架構存在明顯局限，而零次方基于計算神經科學的跨時尺度處理機制與預測編碼，自研出類腦雙流異步執行架構 ZERITH-V2，其核心突破在于三大技術：

認知 - 行為雙流異構網絡：模型解耦為認知網絡負責高維語義理解、全局規劃。行為網絡負責實時反應推理、高動態柔順力控。

神經動力學引擎與異步稀疏調制：通過異步稀疏連接解決雙流對齊與通信開銷問題，其中，創新神經動力學引擎將低頻意圖平滑映射為高頻控制的 " 引力場 "，從而同時保障了底層控制實時性與高動態任務的穩定性。

4D 時空記憶模塊與預測編碼網絡：該模塊構建 " 三重記憶空間 "，并搭配物理先驗預測編碼網絡，解決機器人在長程任務中的 " 記憶丟失 " 問題，實現物理動態變化的提前預測與補償。

4D 時空記憶模塊與預測編碼網絡架構圖

該架構為零次方在復雜非結構化場景中的落地應用，以及泛化遷移上構筑了強大的通用底座。

值得一提的是，2026 開年以來，零次方機器人在剛性需求場景中，已收獲了近億元訂單。當下與華潤萬家、潤澤集團、商湯集團等多家行業龍頭達成戰略合作，這也正是穿越 " 偽通用 "、扎實錨定 " 去通用 " 的階段標志。

來源：獵云網