通用机器人操作系统研发商桥介数物（BridgeDP Robotics）近日宣布完成Pre-A+++ 轮融资，融资规模达亿元级。本轮由中国移动链长基金领投，老股东复星创富、深创投追加投资。资金将主要用于四大方向：RoboCraft AI 通用机器人运动能力开发平台的生态建设、跨本体全身运动数据工厂产能提升、运动控制模型持续迭代，以及海外技术服务体系布局与合规。
桥介数物表示，未来将继续以“运动控制”为立足点，围绕机器人运动能力纵向延展至操作、世界模型等关键领域，加速构建面向全球的通用机器人操作系统。中国移动链长基金在投资声明中表示，随着具身智能产业从技术验证迈向规模化应用，行业竞争正从单一技术能力比拼转向底层基础设施、平台能力和产业生态的综合竞争。该基金认为，桥介数物不仅具备行业领先的运动控制研发能力，更将跨本体运动开发、Sim2Real（仿真到现实迁移）等关键技术经验沉淀为可复用的平台化能力，并持续向通用机器人操作系统方向演进，有望推动机器人从“能运动”向“会智能运动”迈进。
过去两年，具身智能在多模态大模型与 VLA 模型的技术催化下快速演进，机器人的感知与决策能力大幅跃升。同时，得益于汽车等成熟产业链的制造能力外溢，本体硬件的性能与稳定性日趋成熟。然而，当机器人尝试走出实验室、走向大规模场景部署时，行业遭遇了阶段性瓶颈：即便在实验室环境能完美执行任务，面对非结构化场景，机器人的脆弱性开始暴露。行业下一阶段的胜负手，已悄然转向机器人在复杂环境下的持续稳定执行能力，以及高效部署能力。
机器人要在真实世界中持续稳定执行任务，核心之一是具备一流的运动控制能力。然而，这个领域正是限制机器人规模化应用的现实障碍：一方面，该领域高度依赖控制理论、动力学、强化学习、仿真平台以及真机部署等多学科能力的交叉融合，核心研发面临极高的复合型人才门槛，专家级全栈团队难以在短时间内组建，且需承担持续高额的研发沉淀成本；另一方面，各家机器人的硬件架构、关节配置、控制协议等不尽相同，导致传统运动控制能力研发变成巨大的行业资源内耗——同一个动作迁移到不同本体，往往需要从零开发、反复调试，核心研发资源被消耗在反复的工程环节中。
桥介数物认为，当前行业并不缺少更多的单点技术，而是一套能够向下连接异构硬件、向上沉淀运动能力并持续演进的软件基础设施。作为具身智能赛道运动控制领域的头部玩家，桥介数物累计服务近 40 家具身智能企业，涵盖百亿估值本体公司、新能源汽车头部品牌以及传统家电巨头。在深度参与 50 余款不同型号机器人（双足、四足、轮足等）运动能力研发与部署之后，桥介数物将动作开发、模型训练、真机部署及硬件调参等环节中可复用的底层技术、模型算法、工程经验进行标准化重构，沉淀为标准化的软件开发流程。
桥介数物在持续深化“运动控制”核心优势的同时，全面构建“运动控制通用模型 + 跨本体全身运动数据工厂 + 通用机器人运动能力开发平台 RoboCraft AI”三位一体的机器人基础设施。其中，运动控制模型决定机器人动作的精度、稳定性与泛化能力；运动数据工厂负责生产、沉淀和管理高质量运动数据，供模型训练；而 RoboCraft AI 提供完整的开发工具链和标准流程。
这三者构成一个相互演进的逻辑闭环：RoboCraft AI 是前台入口，运动数据工厂和运动控制模型是后台能力。开发者在 RoboCraft AI 上完成机器人接入、动作与技能开发、仿真训练、部署和反馈；平台运行过程中产生的真机数据、失败样本、硬件运行数据和部署日志，会回流到运动数据工厂；数据工厂再进行清洗、标注、仿真重建与训练评估，推动运动控制模型迭代；新的模型能力又通过 RoboCraft AI 返回给开发者和本体厂商。简单来说，就是平台带来使用，使用产生数据，数据改进模型，模型提升平台价值，最终形成生态价值的正向循环。
桥介数物创始人尚阳星表示，运动控制是切入具身智能基础设施的起点，公司以 RoboCraft AI 为统一开发入口，以跨本体全身运动数据工厂为数据底座，以运动控制模型为核心能力，把过去分散在不同机器人上的运动开发经验持续沉淀下来，最终构建一套基于运动控制底座的通用机器人操作系统，让不同品牌、不同形态的机器人都能具备一流的运动能力，以及统一的开发能力、部署能力和持续演进能力。