# 三月成立、半年四轮：欧拉万象不做「开箱即用」，把数据采集外包给了创客
> 一家做家庭机器人的公司，首款产品先卖给创客而不是家庭。这不是产品节奏问题——它是在把「数据采集」这件最贵的事，转包给一堆愿意自己动手的人。
### TLDR
- **事件**：家庭具身智能公司**欧拉万象**于 **2026-10-12** 宣布完成**数亿元天使+轮**融资，由诚元祥基金、芯能创投、锡洲国际、拓邦股份、弘毅投资等新老股东联合投资。
- **四轮节奏**：公司 **2026 年 3 月**成立，此后 **4 月**完成数千万元种子轮（五源资本、高瓴创投）、**5 月**完成数亿元融资（招商局创投、赛富投资、九合创投、拙朴投资、BV 百度风投等）、**6 月**完成超亿元天使轮，**10 月**完成天使+轮——**半年内四轮**。
- **团队**：创始人**周顺波**为华为机器人方向「天才少年」，曾任华为云物理智能创新 Lab 负责人、首席技术专家，主导华为云具身智能体系从 0 到 1 搭建并带队研发华为云具身平台 **CloudRobo**；联合创始人**张靖**为清华本科、达特茅斯 MBA，曾任亚马逊 AWS 产品经理及华为创新云服务产品总监。
- **产品路线**：「**可养成**」——不追求开箱即用、覆盖所有家庭任务的全能机器人；配「**先创客、后大众**」策略，**首款产品面向创客与开发者，形态为移动底盘 + 双机械臂**，定位是数据采集与模型训练体系的物理载体。
- **配套动作**：已搭建 **Real-world RSI 系统**，发布 Action-Native Foundation Model 路线的阶段成果 **UniWAM**；9 月发布 **OLA-Sem**（语义理解，统一动作预测/图像生成/文本推理）与 **OLA-Geo**（几何空间理解）两个模型；8 月与家政平台**好慷在家**达成战略合作，由资深家政师按标准化服务流程进行机器人示教。
- **口径边界**：本轮**具体金额与估值未披露**；「数亿元」「超亿元」为公司口径的不同轮次描述，**四轮累计金额无法从公开信息加总**；同一批次各家报道的投资方名单不完全一致。
### SRC
素材时间窗为**当日 09:00 → 19:00**（北京时间 2026-10-12）。核心信源为智东西（机器人前瞻）2026-10-12 报道（URL 见 frontmatter），并以同花顺投顾平台同日转载稿交叉补充**财务顾问信息**（值观资本担任独家财务顾问）。核查与边界：① 本轮融资**披露的只有「数亿元」这一档量级与投资方名单，具体金额、投前投后估值、股权比例均未公布**；② 四轮融资的**累计金额无法加总**——「数千万元」「数亿元」「超亿元」「数亿元」为不同轮次的不同量级描述，本号不做累计推算；③ 投资方名单在不同来源间存在差异：智东西列出的 6 月天使轮投资方为「某慕华科创、百度风投、玖兆投资、聚合资本等」，其中「某慕华科创」在原文中即以不确定形式出现，本号照录并保留该不确定性；④ 周顺波与张靖的履历为**公司对外披露**，本号未向华为、亚马逊等原雇主核实；⑤ 「可养成」路线、Real-world RSI 系统、UniWAM、OLA-Sem、OLA-Geo 均出自**公司口径**，其中 OLA-Sem 与 OLA-Geo 的模型能力描述（统一动作预测、图像生成与文本推理；强化几何空间感知）**未给出量化评测指标**，本号不引用；⑥ 与好慷在家的合作目前**无收入或数据规模的披露**，本号按「框架合作」记录，不视为已见商业成果；⑦ 首款产品**未公布价格、发售时间与配置参数**，报道仅写明已完成首批创客体验官筛选并进入真实家庭开展迭代共创。判断均以「判断：」标注。**与站内存稿的差异**：本站写过家庭服务机器人方向的**单点产品与场景**、以及具身数据工厂的**采集成本结构**；本篇的落点是**一家公司用产品形态来设计数据获取路径**这一商业安排——即「把首款产品卖给创客」这个动作本身在商业模型中承担什么功能，与前述稿件不构成重复。
### BODY
1先把四轮摆成一条线
三月成立，十月四轮，且其中三轮挤在两个月里
2026 年 3 月
欧拉万象成立，定位家庭具身智能。
2026 年 4 月
完成数千万元种子轮融资，由**五源资本和高瓴创投**投资。
2026 年 5 月
完成**数亿元**融资，由招商局创投、赛富投资、九合创投、拙朴投资、BV 百度风投等投资。
2026 年 6 月
完成**超亿元**天使轮融资，投资方包括某慕华科创、百度风投、玖兆投资、聚合资本等。
2026 年 10 月 12 日
宣布完成**数亿元天使+轮**融资，由诚元祥基金、芯能创投、锡洲国际、拓邦股份、弘毅投资等新老股东联合投资；值观资本担任独家财务顾问。
四轮里有三轮挤在成立后的第 2 到第 4 个月。这个密度本身就说明一件事：公司在这三个月里给出的东西，让资本认为下一轮该更快进来。
必须标注的口径缺口：四轮的具体金额没有一轮被完整披露，公开信息只有「数千万元」「数亿元」「超亿元」这类量级描述，且**估值、股权比例全部未公布**。这意味着「半年四轮」是一个可以核实的**次数事实**，但「半年融了多少钱」是一个**无法从公开信息得出**的结论——两者的信息价值差别很大，本号不做加总推算。
判断：这份融资节奏里最有信息量的不是金额，而是轮次之间的间隔与投资方结构的变化。判断依据：前两轮的领投方集中在财务型机构（五源、高瓴、招商局创投、赛富等），而本轮名单里出现了拓邦股份——一家做智能控制器的产业方，且被报道明确解读为「指向硬件供应链层面的协同可能」。财务资本连续加注说明的是信心，产业资本进场说明的是它准备被制造出来。对一家首款产品还没开卖的公司来说，后者的信号更硬。
2这家公司最反常识的一个决定
做家庭机器人，第一款产品先卖给创客
欧拉万象的定位是家庭服务机器人。但它的首款产品，形态是移动底盘 + 双机械臂，面向的是创客与开发者。
公司自己的表述是「先创客、后大众」——先选择一批动手能力强、好奇心旺盛、对产品有更高容忍度的早期客户，再逐渐走向普通家庭。
报道把这台产品的定位说得更直白：它是数据采集与模型训练体系的物理载体。
表面读法：产品节奏保守
家庭环境高度非结构化——不同家庭的空间布局、生活习惯、任务需求都不一样。机器人面对的是大量此前未见过的长尾场景，**先不推向大众是合理的产品选择**。
另一种读法：把采集成本转移出去
如果首款机器人的主要用途是采集数据，那么**买单的人同时也在提供训练素材**。数据采集这件最贵的活，被拆进了产品收入里。
公司给这条路线配的两块拼图，让第二种读法更站得住：一是Real-world RSI 系统（报告未展开细节）；二是与家政平台好慷在家的合作——由资深家政师按照标准化服务流程进行机器人示教，把长期积累的家庭服务经验转化为机器人训练数据。
家政师示教解决的是「专业动作从哪来」，创客用户解决的是「真实环境从哪来」。两条都在解决数据，而不是都在解决销量。
判断：这不是一个产品路线，是一个数据获取方案。判断依据：三处细节互相印证——① 首款产品的形态被明确定义为「数据采集与模型训练体系的物理载体」，而不是某一类家务任务的完成工具；② 公司在同一年内分批发布了 OLA-Sem、OLA-Geo、UniWAM 三个模型成果，模型侧的动作密度明显高于产品侧；③ 合作对象是家政平台而不是零售渠道。把这三条并起来看，公司的第一优先级是把数据飞轮转起来，产品是转轮子的手段。
3这条路线成不成立，卡在哪
飞轮的转速取决于用户规模，而用户规模取决于产品好不好用
报道自己就把这个循环点出来了：把技能学习的主动权交给用户、用创客群体低成本采集真实家庭数据，这条路避开了大规模真机数据采集的成本陷阱；但数据飞轮能否在有限用户规模下转起来，是这套逻辑能否成立的核心变量。
这个循环的麻烦在于它是闭合的：
01 用户少
创客用户基数有限，能覆盖的家庭环境类型也有限，采集到的场景多样性不足
02 数据少
技能学习缺少足够样本，机器人在新家庭里的表现提升缓慢，用户感知不到进步
03 能力弱
早期用户的口碑扩散受限，从创客圈走向普通家庭的时间被拉长
04 口碑慢
新增用户不足，飞轮回到起点——回到第 01 步，形成自锁
闭环示意：条形长度表示各环节的相对强度，不代表实测数据，仅为说明飞轮自锁的风险结构。
要打破这个循环，通常只有两条路：要么一开始就把能力做到足以让普通用户愿意买单（但公司明确说自己不走「开箱即用」这条路）；要么让早期用户即使产品不好用也愿意用——而「创客」恰好就是这种人。
这条路线有一个容易被忽略的前提：创客愿意用、愿意改、愿意反馈，但创客愿不愿意「持续用」是另一回事。开发者对工具类产品的耐心通常建立在一个条件上——**他们能从中看到自己的产出**（自己写的技能、自己训练的效果）。如果机器人的技能学习过程对用户是黑盒，创作者的热情会在几周内消退。这条飞轮真正的关键部件，可能不是硬件，而是「用户能不能看见自己的贡献」的那套界面。
4怎么用这条消息
四条可以直接抄走的判断
01 融资次数可核，融资金额不可加总
看到「半年 N 轮」时，先分清**次数事实**与**金额事实**。本案例四轮金额只有量级描述、无估值披露。把量级当数字用，会高估公司体量。
02 看投资方结构变化，不只看总额
财务资本进场说明信心，**产业资本进场说明准备被制造**。一家硬件公司的投资方名单里第一次出现控制器、模组、电控等领域的实业方，通常比新一轮的估值更值得记录。
03 「先卖给谁」比「卖给谁」信息量大
首款产品的目标客户，往往就是这家公司当前最缺的资源是什么。**先卖创客 = 缺数据；先卖大客户 = 缺背书；先卖渠道 = 缺现金流。**
04 数据飞轮项目要问「用户规模下限」
任何以用户行为产数据为模型的方案，都有一个**最小用户规模**。评估这类项目，问的不是技术多好，而是「在多少用户时飞轮能自转」。
判断：这条消息对本站读者的价值，是它给了一个「用产品结构解决数据问题」的具体样本。判断依据：从公开信息看，这家公司把最难的两件事——真实环境的数据和专业技能的数据——分别交给了创客用户与家政平台，而自己专注在模型与系统侧；同时用资本节奏为这套方案续上时间。这条路的成败不取决于模型多强，而取决于那批早期用户能坚持提供多久的反馈。这是所有「用户即采集员」方案的共同命门。
来源：智东西（机器人前瞻）2026-10-12 报道；同花顺投顾平台 2026-10-12 转载并补充财务顾问信息。本轮具体金额、估值与股权比例未披露；四轮累计金额无法从公开信息加总；投资方名单在不同来源间存在差异，已照录并标注。履历与模型能力描述均为公司口径，未经原雇主或第三方核实。转载内容版权归原作者及原出版物所有，本站仅作信息整理与观点标注。抓取时间 2026-10-12 22:40。