36氪获悉，灵巧手及具身智能机器人产品提供商知行机器人科技（苏州）有限公司（以下简称「知行机器人」）已完成B+、B++轮融资，两轮融资累计近亿元。本轮融资由山东威达领投，国兴投资、芜湖科创和上海天使会等机构跟投，翊荣资本担任长期独家财务顾问，资金将主要用于产品研发、数据采集以及全球市场拓展。
知行机器人成立于2018年，致力于机器人灵巧手、电动夹爪、旋转和线性执行器以及具身智能机器人系统解决方案的研发与生产，是国家高新技术企业、江苏省专精特新企业，目前已推出智能手全系列产品矩阵，负载能力覆盖0.1kg至150kg，是国内产品谱系最全的末端执行器厂商之一。
公司创始人兼CTO白国超博士深耕机器人手领域18年，拥有英国赫里奥特-瓦特大学哲学博士、北邮/伦敦国王学院联合培养工学博士、加拿大蒙特利尔大学博士后及帝国理工学院研究员背景，曾师从多位海内外机器人领域专家学者。
1.搭建全品类产品矩阵，从“手”向“身体”延伸
末端执行器是具身机器人完成作业的“最后一厘米”，也是最复杂的硬件模块之一。针对不同应用场景对成本、负载和精度的差异化需求，知行机器人长期坚持技术底座共用与场景精准适配相结合的原则，搭建全品类产品矩阵，两指或三指手用于高度结构化的工业场景，高仿生功能的五指手则服务于随机性较强的非结构化场景。
2025年下半年，知行机器人推出采用连杆机构加一体化伺服方案的四指灵巧手“灵思手”。该产品拥有12个关节、8个主动自由度，抓握负载5kg，主要用于物流分拣、工业搬运等工业场景。其驱控一体设计简化了外部接线，具有响应速度快与重复定位精度高的优点，并易于集成到协作机器人或工业机械臂上。
2026年初发布的五指绳驱动灵巧手“束巧手”则代表了另一条技术路径，采用仿生绳驱结构，拥有16个关节，11个主动自由度，运动轨迹可超越人手。束巧手的核心创新点还在于可以实现左右手自适应切换——同一只手可同时采集左右手操作数据，将数据采集成本降低一半，并显著提升算法的训练泛化性，目前已应用于航空航天、科研教育及医疗康复等高端服务场景。
相比于业内同类型厂商，知行机器人在硬件方案上的技术优势，一方面在于搭载了自研的欠驱动机构、可重构机构及柔性自适应机构，自适应抓取方案已获多项发明专利；另一方面，其自研的驱控一体伺服系统，减少了外部接线，可以提高机器人手产品可靠性，尤其适用于微小型夹爪的狭小空间。
在核心部件基础上，知行机器人也推出了双臂协同具身智能机器人平台。该平台双臂协同负载30kg，臂展850mm，垂直作业范围0~2200mm，三维环境感知精度达±0.1mm，可搭配灵思手或束巧手产品执行重载搬运与精细操作任务。
「知行机器人」机器人平台
白国超博士表示，从机器人手部件向整机的延伸是公司“核心部件+行业解决方案”双轮驱动战略的必然选择：“要真正解决航空发动机维修、电力设备操作这类复杂问题，必须理解手、臂、眼、脑如何协同。做整机不是为了和本体厂商竞争，而是更好地定义和迭代灵巧手产品。”
2.做工业级核心部件，为头部具身机器人供货
“一些近两年成立的初创企业，往往是先做出手的产品，再去找可以落地的场景，我们是先找好场景，再定义手的设计。”白国超介绍，知行机器人在早期首先切入航空航天、重载物流、电力设备等高技术壁垒领域，不断积累和打磨硬件产品能力。
比如在航空发动机叶片精密称重、分拣和脉动装配拆解等场景中，知行机器人沉淀了大量行业专属的高质量数据集，再利用这些数据反哺模型训练，进一步赋能产品实现更泛化的操作能力，从而形成硬件、算法与应用的正向循环。
“相比于表演娱乐场景，工业场景对机器人手的稳定性和可靠性要求高，几乎不允许出错。”白国超表示，知行机器人的产品在交付前均经过严苛的寿命测试，例如用于数据采集和预训练模型的“数采手”，可实现500万次以上使用次数，是行业平均水平百倍以上。而基于长期在供应链领域的积累，知行机器人产品价格仅为同类产品一半左右。
凭借“工业级品质+性价比”的组合优势，知行机器人在2025年已实现数千套产品的批量出货，订单收入近亿元，并成为智元机器人、腾讯、华为、智平方、睿尔曼智能等企业数据采集配套硬件产品的独家或核心供应商。
“过去我们主要在驱动控制算法等硬件方面做持续深耕，现在更多关注驱动控制的集成，底层算法的迭代与数据闭环。”白国超博士表示，目前知行机器人已形成从数据采集硬件、行业数据采集到具身智能机器人本体的数据闭环能力。他认为，当行业进入规模化应用阶段，数据将成为比硬件本身更深的护城河：“谁能在真实场景中跑通数据闭环，谁就能在下一阶段的竞争中占据先机。”
除了量产产品与数据采集业务的持续发展，2026年，知行机器人还将推出高自由度的微型手指关节模组，夯实核心技术底座。考虑到机器人数据集与预训练模型对优化触觉感知能力的需要，知行机器人也将推出带视触觉感知功能的灵巧手产品，以此在核心通用操作能力上实现技术突破。
“目前灵巧手在通用操作能力方面的进展仍然非常缓慢，包括特斯拉的Optimus也在做持续开发。在硬件层面，难点在于高自由度、高可靠性、输出力和控制精度的优化，以及机器人手是否具有高分辨率的感知能力，并且能够实现与大脑的协同。基于我们在国内的产业链和技术开发效率优势，我觉得还是有能力解决这方面的一些难点。”白国超博士表示。
