来源：猎云网

近日，国内具身智能商业场景落地领跑企业零次方机器人（Zerith）完成超亿元新一轮融资，由国内算力龙头 AIDC 上市第一股润泽集团领投，宁波东力、接力天使、平湖泽新跟投。

零次方机器人由清华大学 AI&Robot 实验室核心成员闵宇恒、程颐等 00 后极客于 2025 年 1 月创办。短短一年多时间，公司已实现具身操作基础模型突破，机器人单月稳定量产百台，目前订单数已突破亿元、营收数千万。并在合肥、北京、深圳等城市十余处地标场景完成落地验证。

在具身智能的发展过程中，存在着 " 伪通用 " — " 去通用 " — " 真通用 " 三阶段。" 伪通用 " 阶段往往是在过拟合状态下，于受限的演示环境中表现出有限的泛化能力。而真正的突破要从 " 去通用 " 阶段开始——即主动收敛场景，在可复制的商业环境中，以极高的鲁棒性解决真实问题，并在这个过程中积累不可替代的核心能力与真实场景数据。只有把多个‘去通用’的垂直场景深度融合，才能真的走通 " 通用之路 "。

零次方 " 通用之路 " 路径示意图

如图，当下零次方机器人更聚焦于产品与数据的双重闭环。在落地场景中，零次方已经部署机器人 E 系列、C 系列等，图示系列是零次方 "H 系列 " 通用机器人的高性价比版本。这些机器人在特定任务中实现了成本与性能的最佳平衡，致力于让客户在短期内会获得清晰、可量化的经济回报。

与此同时，成千上万台机器人在真实商业场景中持续运行，从而快速积累数亿级的真实场景数据，不断用于实现模型性能的突破。每一次场景落地，都为通用智能的进化注入真实数据养料；每一笔商业订单，都在为零次方通往最终的 " 真通用 " 阶段做铺垫。

4D 增广数据，高物理熵与高环境熵的融合升维

通用具身智能要实现跨场景泛化，其训练数据必须具备 " 高物理熵 " 与 " 高环境熵 " 两大特征。以通用家庭场景为例，机器人需完成多物体泛化操作、适配复杂背景与动态干扰，其能力核心可拆解为两类指标：环境熵指场景布局、光照、场景任务规划等语义环境的复杂度；物理熵对应刚体、柔性体等不同属性物体动静态交互的物理规律复杂度。而目前环境熵适配已具备基础（如 seedance 等视频生成模型），对于具身通用来说还需要主攻物理熵，打透底层物理交互一致性。

4D 时空数据增广模型示意图

升维，融合时空多样性先验： 零次方通过 " 升维 " 来融合时空多样性先验。具体方法：首先，引入海量互联网多模态数据（这些数据具有 " 高环境熵、低物理熵 " 的特点）；然后，依托自研的 4D 增广模型 ZERITH4D-SDA，将视觉 - 语义层面的时空多样性先验，与底层的物理一致性规律进行异构融合，最终构建出能够进行多模态预测的 4D 时空数据增广模型。

" 类脑 " 具身操作基础模型，深度复刻人类认知行为逻辑

团队在 2025 年上半年推出具身操作基础模型 ZERITH-V0，实现了场景超长序列多任务的突破。而在攻克场景泛化与非结构化交互难题的过程中，当前主流的端到端串行架构存在明显局限，而零次方基于计算神经科学的跨时尺度处理机制与预测编码，自研出类脑双流异步执行架构 ZERITH-V2，其核心突破在于三大技术：

认知 - 行为双流异构网络：模型解耦为认知网络负责高维语义理解、全局规划。行为网络负责实时反应推理、高动态柔顺力控。

神经动力学引擎与异步稀疏调制：通过异步稀疏连接解决双流对齐与通信开销问题，其中，创新神经动力学引擎将低频意图平滑映射为高频控制的 " 引力场 "，从而同时保障了底层控制实时性与高动态任务的稳定性。

4D 时空记忆模块与预测编码网络：该模块构建 " 三重记忆空间 "，并搭配物理先验预测编码网络，解决机器人在长程任务中的 " 记忆丢失 " 问题，实现物理动态变化的提前预测与补偿。

4D 时空记忆模块与预测编码网络架构图

该架构为零次方在复杂非结构化场景中的落地应用，以及泛化迁移上构筑了强大的通用底座。

值得一提的是，2026 开年以来，零次方机器人在刚性需求场景中，已收获了近亿元订单。当下与华润万家、润泽集团、商汤集团等多家行业龙头达成战略合作，这也正是穿越 " 伪通用 "、扎实锚定 " 去通用 " 的阶段标志。