具身涌现7月31日讯，广州工业智能体服务商智用开物完成近亿元天使+轮融资。本次融资由瑞枫资本继续领投，创享投资跟进出资，精密制造龙头立讯精密家族办公室及核心高管同步完成战略投资。

一年之内三次获得资本集中加注，叠加产业链头部企业深度绑定，这场融资向市场传递清晰信号：脱离产业实际场景的通用大模型路线，正在被制造业市场淘汰，扎根工业语义与岗位智能体的垂直技术方案，才是工业AI商业化的可行路径。

资本、产业方双向奔赴的合作模式，也为国内工业科技初创企业树立全新发展样本。

01

一年三轮融资，凭何持续打动资本？

2024年1月成立的智用开物扎根广州，核心研发团队源自微软等全球头部科技企业。

具身涌现认为，这家初创企业能持续拿到投资，核心优势在于它从创立初期就避开行业内卷的通用大模型赛道，始终以实体工厂真实生产需求为研发标尺，每一轮融资都配套落地可量化的产业成果，而非仅靠概念讲故事。

2025年，瑞枫资本、豫资涨泉、数字化服务商赛意信息先后完成投资布局，本轮新增立讯精密战略入股，投资方阵营形成差异化互补。

瑞枫资本依托自有产业生态圈，持续向企业开放一线工厂场景；创享投资长期深耕AI垂直赛道投资，看重技术长期商业化潜力；立讯精密作为链主制造企业，直接输出私有化工艺数据与产线测试环境。

三类主体从资金、场景、产业资源形成协同，这种绑定实体产业链的投资合作模式，也是多数纯软件AI创业公司难以复制的核心优势。

02

语义引擎，能否破解工业数据割裂顽疾？

当下国内多数制造企业早已完成数字化系统铺设，ERP、MES、各类生产设备常年并行运转，但行业长期存在一个无法规避的痛点：不同系统数据标准互不兼容，工程师口口相传的工艺经验无法转化为机器可读的标准化逻辑，通用大模型直接接入产线极易出现工艺误判、参数失真等风险，这也是大量工业AI项目止步试点、无法批量推广的关键。

智用开物自研的工业语义引擎恰好瞄准这一底层痛点，这套底层底座会统一梳理工厂物料、工序、设备的专业定义，把零散SOP文档、老师傅隐性工艺知识完成结构化沉淀，给AI输出划定严格的制造工艺约束，从源头规避大模型幻觉带来的生产事故。

搭配自研多智能体操作系统Agent Foundry，整套体系可自主拆解复杂生产任务、调度多智能体协同作业，还能根据生产数据持续迭代优化。

基于底层底座诞生的岗位智能体NCREW，是直面工厂一线的标准化产品。工厂只需上传岗位作业规范，智能体就能快速自主学习上岗，区别于普通对话机器人，它可独立完成全链路生产操作。

从落地数据来看，单套岗位智能体可实现全天候不间断作业，综合工作效率等效6至10名全职工人，在汽车、ICT、高端装备等高价值制造场景落地后，产线整体协同效率实现数倍提升。

本次融资募集资金，将全部投入底层底座迭代、智能体系统升级与多行业场景规模化复制。

03

资本押注语义路线，藏着哪些行业转向？

纵观整笔融资事件，具身涌现跳出单一企业资讯视角观察，当下工业AI赛道已经迎来发展分水岭。

过去行业扎堆比拼大模型参数规模，试图用一套通用模型适配全品类制造场景，但产业落地反馈证明，通用模型无法匹配制造业高精度、强约束的生产要求，落地成本高、容错空间极小。

智用开物以工业语义为核心的技术路线，重新定义了垂直工业AI的核心竞争力，行业竞争的重心正在从模型参数比拼，转向领域工业知识沉淀与场景适配能力比拼。

各大投资方的判断也印证这一趋势，创享投资明确提出，工业是AI落地难度最高、长期商业天花板最大的赛道，具备自主语义底座、可复制落地能力的企业，未来有望成长为工业领域底层基础设施服务商；瑞枫资本持续追加投资，核心逻辑在于坚持产业赋能投资，只有持续依托链主企业真实产线打磨产品，工业智能体才能完成从小范围试点到全行业批量交付的跨越。

实体制造企业主动下场战略投资AI公司，同样是行业全新变化。以立讯精密为代表的制造龙头，不再单纯采购外部标准化AI工具，而是深度参与底层技术联合研发，通过自有工艺数据反向优化智能体产品，打造适配自身精密制造场景的专属AI体系。

04

智能体规模化，会如何重构制造业？

站在产业长期发展维度，智用开物的发展路径，代表新一代工业AI企业标准成长逻辑：先搭建统一工业知识底层底座，再推出标准化虚拟员工产品，最后延伸细分行业定制化解决方案，搭建完整闭环产品矩阵。

具身涌现认为，未来数年制造业数字化会迎来结构性变革，中小型工厂无需投入巨额成本搭建全套数字化体系，依托工业语义底座与岗位智能体，就能搭建属于自身的AI生产团队。

本轮融资落地后，企业会深化与立讯精密等战略客户的联合创新，加速智能产品向更多细分制造行业推广。

智用开物创始人曾表示，语义引擎叠加多智能体的组合，简化了工厂数字化改造流程，企业不用推翻现有数字化设备，就能快速叠加AI生产能力，大幅压缩项目落地周期。随着同类技术路线企业持续崛起，重投入、长周期的传统工厂数字化改造模式会逐步淘汰，轻量化、可复用、自带行业工艺知识的工业AI底座，会成为制造企业数字化升级的刚需标配。