谷歌女科学家创业3年，拿下顺丰申通近亿融资

“从AI出发，而不是给机器人加AI。”浦群妍带着团队在40多度仓库里连续四个月、每天15小时开发物流机器人，这样的夏天她已扛过好几个。

硬科技领域女性创业者不少，但纯技术背景、直接站在研发一线的女性创始人不多。2004年她考入复旦大学计算机系，后赴卡内基梅隆大学深造，加入谷歌将多项AI技术转化为产品，带动年收入超10亿美元，还作为创始团队成员加入全球无人配送鼻祖Nuro。

近日，她创办的具身智能公司寅成智能完成近亿元A轮融资，由华民投和上海半导体产投联合领投，老股东德同资本加码，多维资本担任独家财务顾问。距上一轮千万级美元天使轮仅过去3个月。

创业第一天起，她锁定物流分拣这一万亿级市场。不到3年，已做到物流分拣具身落地订单头部，进入顺丰速运、申通快递、科捷股份和海外物流公司GOFO等客户业务流。顺丰已下一笔亿元级订单。

极致的效率和ROI是关键。在“AI for AI”概念未火时，寅成智能就引入自我进化的数据训练机制，让机器人在真实作业中自主学习。目前系统已在快递分拣等场景落地，抓取成功率高达99.99%以上，单件作业仅需2秒。

不造“全新的机器人”

浦群妍认为，“世界模型”类似理念十年前做无人驾驶时就已存在。两者底层逻辑相似，区别在精度要求。仓储pick and place是精细活，比无人驾驶精细得多，机器人必须触碰，精度稍差结果就受影响。

从无人驾驶进入具身智能，再把第一站落在物流，她经过大量调研。物流市场足够大，又是典型劳动密集型行业，场景高度非结构化、非标准化，随机性强，过去简单AI和传统自动化难覆盖，大量环节仍依赖人工。这恰是AI最有价值之处。“一个行业越是非标、越难通过传统自动化解决，就越需要具备感知、判断和泛化能力的AI。”

她分享调研案例：一家年产值数十亿元企业，生产流程已相当自动化，十几个岗位两班倒仅一百多人。工业自动化能解决的问题已不少，但物流场景仍有大量分散、复杂、难标准化的环节。这成为她选择物流的原因之一。

进入2026年，物流场景成为机器人赛道兵家必争之地。浦群妍认为，寅成智能优势不在重新发明机器人本体，而在更快把产品推向真实场景。人形机器人从两三年前开始试图对本体硬件、供应商体系和零部件全面革新，从研发到供应链成熟再到产品稳定，可能需按十年、二十年产业周期看。

寅成智能选择另一条路线：“没有对整个本体做颠覆性改变，也没把供应链推倒重来，而是先把AI能力装进真实工业场景，用产品迭代解决客户真正需要解决的问题。”创业不到三年，品牌效应正在形成。“现在去打听原有物流设备厂商，他们会说，如果卖的是寅成的产品，有质量保证；如果不是，大家就不确定，也不敢买。”

从AI出发，而不是给机器人加AI

过去两年，围绕真实数据、仿真数据和合成数据的技术路线，行业一直存在不同判断。随着机器人进入真实场景，如何筛选、标注、训练和使用数据，同样决定模型迭代效率。真实世界数据获取成本高，若后续流程高度依赖人工，数据规模扩大后研发效率容易受限。因此，如何把数据筛选、模型训练和效果评估尽可能自动化，正成为具身智能公司需解决的基础问题。

浦群妍认为，一旦大量环节依赖人工，迭代就会变慢。“因为一旦涉及人，整个迭代就会变慢。人需要推理、思考，包括engineering，这些事情都需要时间。”

模型训练环节，寅成智能内部采用类似“teacher-student”机制，通过另一个模型持续监控训练效果，评估模型表现，再将结果反馈到下一轮训练。目前公司已在客户真实作业场景积累数百万条数据，覆盖异形、破损、挤压、堆叠、遮挡、粉尘、易碎品、纠缠物体等复杂情况。相关系统已在快递分拣等场景落地，抓取成功率最高可达99.99%，单件作业约2秒。

“我的商业路线，其实是来配合我的技术和产品往前推进的。”公司选择从物流具体任务切入，意味着需较早进入真实产线，用实际作业暴露问题，再推动数据和模型迭代。这与一些追求“什么都能做”的通用机器人路线存在明显差异。浦群妍认为，“一个更符合逻辑的产品和技术发展路线，应该是单任务的泛化，到多任务的泛化，再到无限任务的泛化。”

寅成智能定位明确：不是给机器人“加AI”，而是从AI出发。浦群妍概括为“AI+”和“+AI”。“AI加物流”和“物流加AI”是两件不同的事。寅成智能首先建立AI能力，再叠加物流和机器人属性，让已有机器人更智能；另一种路径则先从机器人本体出发，再尝试增加AI能力。这也是公司没有选择从本体和供应链大规模重构，而是基于现有机器人持续研发迭代的原因。

“打破规则”

浦群妍对“打破规则”没有太多心理负担。本科阶段她就选择AI方向。2006、2007年前后，AI远未成为热门赛道。“很多理工科还是基于规则、逻辑和推理得出结论，但AI可以跳脱这些规则以外，可以自学习，可以模仿人。所以当年我虽然还很年轻，但觉得这个东西很酷。”

从无人驾驶转向具身智能，再以AI切入物流机器人，她更关注技术本身能解决什么问题，而不是沿