通用機器人作業系統研發商橋介數物（BridgeDP Robotics）近日宣佈完成Pre-A+++ 輪融資，融資規模達億元級。本輪由中國移動鏈長基金領投，老股東復星創富、深創投追加投資。資金將主要用於四大方向：RoboCraft AI 通用機器人運動能力開發平台的生態建設、跨本體全身運動資料工廠產能提升、運動控制模型持續迭代，以及海外技術服務體系佈局與合規。
橋介數物表示，未來將繼續以“運動控制”為立足點，圍繞機器人運動能力縱向延展至操作、世界模型等關鍵領域，加速構建面向全球的通用機器人作業系統。中國移動鏈長基金在投資宣告中表示，隨著具身智慧產業從技術驗證邁向規模化應用，行業競爭正從單一技術能力比拼轉向底層基礎設施、平台能力和產業生態的綜合競爭。該基金認為，橋介數物不僅具備行業領先的運動控制研發能力，更將跨本體運動開發、Sim2Real（模擬到現實遷移）等關鍵技術經驗沉澱為可複用的平台化能力，並持續向通用機器人作業系統方向演進，有望推動機器人從“能運動”向“會智慧運動”邁進。
過去兩年，具身智慧在多模態大模型與 VLA 模型的技術催化下快速演進，機器人的感知與決策能力大幅躍升。同時，得益於汽車等成熟產業鏈的製造能力外溢，本體硬體的效能與穩定性日趨成熟。然而，當機器人嘗試走出實驗室、走向大規模場景部署時，行業遭遇了階段性瓶頸：即便在實驗室環境能完美執行任務，面對非結構化場景，機器人的脆弱性開始暴露。行業下一階段的勝負手，已悄然轉向機器人在複雜環境下的持續穩定執行能力，以及高效部署能力。
機器人要在真實世界中持續穩定執行任務，核心之一是具備一流的運動控制能力。然而，這個領域正是限制機器人規模化應用的現實障礙：一方面，該領域高度依賴控制理論、動力學、強化學習、模擬平台以及真機部署等多學科能力的交叉融合，核心研發面臨極高的複合型人才門檻，專家級全棧團隊難以在短時間內組建，且需承擔持續高額的研發沉澱成本；另一方面，各家機器人的硬體架構、關節配置、控制協議等不盡相同，導致傳統運動控制能力研發變成巨大的行業資源內耗——同一個動作遷移到不同本體，往往需要從零開發、反覆除錯，核心研發資源被消耗在反覆的工程環節中。
橋介數物認為，當前行業並不缺少更多的單點技術，而是一套能夠向下連線異構硬體、向上沉澱運動能力並持續演進的軟體基礎設施。作為具身智慧賽道運動控制領域的頭部玩家，橋介數物累計服務近 40 傢俱身智慧企業，涵蓋百億估值本體公司、新能源汽車頭部品牌以及傳統家電巨頭。在深度參與 50 餘款不同型號機器人（雙足、四足、輪足等）運動能力研發與部署之後，橋介數物將動作開發、模型訓練、真機部署及硬體調參等環節中可複用的底層技術、模型演算法、工程經驗進行標準化重構，沉澱為標準化的軟體開發流程。
橋介數物在持續深化“運動控制”核心優勢的同時，全面構建“運動控制通用模型 + 跨本體全身運動資料工廠 + 通用機器人運動能力開發平台 RoboCraft AI”三位一體的機器人基礎設施。其中，運動控制模型決定機器人動作的精度、穩定性與泛化能力；運動資料工廠負責生產、沉澱和管理高質量運動資料，供模型訓練；而 RoboCraft AI 提供完整的開發工具鏈和標準流程。
這三者構成一個相互演進的邏輯閉環：RoboCraft AI 是前台入口，運動資料工廠和運動控制模型是後台能力。開發者在 RoboCraft AI 上完成機器人接入、動作與技能開發、模擬訓練、部署和反饋；平台執行過程中產生的真機資料、失敗樣本、硬體執行資料和部署日誌，會迴流到運動資料工廠；資料工廠再進行清洗、標註、模擬重建與訓練評估，推動運動控制模型迭代；新的模型能力又通過 RoboCraft AI 返回給開發者和本體廠商。簡單來說，就是平台帶來使用，使用產生資料，資料改進模型，模型提升平台價值，最終形成生態價值的正向迴圈。
橋介數物創始人尚陽星表示，運動控制是切入具身智慧基礎設施的起點，公司以 RoboCraft AI 為統一開發入口，以跨本體全身運動資料工廠為資料底座，以運動控制模型為核心能力，把過去分散在不同機器人上的運動開發經驗持續沉澱下來，最終構建一套基於運動控制底座的通用機器人作業系統，讓不同品牌、不同形態的機器人都能具備一流的運動能力，以及統一的開發能力、部署能力和持續演進能力。