作者 | 大鹏

来源 | 具身之家Robots（ID：jushenhome）

图源 | 诺因智能

27岁那年，李银川带着“天才少年”的身份，成为华为诺亚方舟实验室最年轻的项目经理。四年之后，他创办的诺因智能宣布完成数亿元天使+++轮融资，京东相关基金领投，正心谷资本、南山战新投和华登投资跟投。

算上这一轮，这家机器人公司自2025年8月成立以来，十四个月已经完成五轮融资，累计金额超过10亿元。在此之前，诺因刚在8月完成5亿元天使++轮融资，经纬创投领投；更早的3月，钟鼎资本领投天使+轮，投后估值超过20亿元。

尽管被资本追着投，然而诺因智能面向家庭的机器人KNOWIN-X1还没有公布售价、续航和双臂负载，实际任务成功率也未见第三方数据。按照公司规划，量产要等到2027年第一季度。

几年前，他还在华为诺亚训练生成式大模型；现在，他要让阅历比自己更丰富的投资人、员工和未来的消费者相信，机器人不仅能在实验室里叠衣服，也能在客厅里干活不出错。

拒绝工厂订单

李银川很少出现在公众视野里，他16岁考入北京理工大学，是北理工与哥伦比亚大学联合培养博士；25岁加入华为，27岁成为诺亚方舟实验室最年轻的项目经理，离职前的身份是华为诺亚生成式大模型方向负责人。

李银川在华为训练生成式大模型，研究怎样让模型产生足够多、足够好的数据。这段经历决定了诺因智能后来的路线。

2025年8月创业时，李银川做了两个与当时行业共识相反的决定，在同行看来近乎固执的决定：不做To B，直接做家庭。

第一个关于场景。“2025年上半年，大家普遍认为具身智能就是操作、模仿学习、进工厂。”他后来向36氪复盘，“但我当时就在讲，我们要做能够泛化的技术路线，真正做出可泛化的具身模型，而不是过拟合。”

他因此没有接过To B的订单。在他看来，To B和To C在客户、组织、产品思维乃至人才画像上是两套逻辑，一家围绕To B长出来的公司，转向To C时会被严重低估转换的难度。

第二个关于成本。“不能一台机器人卖几十万元，那普通消费者根本买不起。”这句话后来划定了诺因所有技术选择的边界。

两个决定指向同一条路线，直接做家庭机器人，并用合成数据把训练成本压下来。按照公司的说法，诺因的模型训练约10%使用真实第一视角数据，其余90%通过3D视频生成，整体成本可以降低10到100倍。

彼时行业的主流做法是VLA加模仿学习，靠人类遥操作采集真实轨迹，机器人照着学；诺因智能走自回归Transformer，让模型理解场景和任务之后自己生成动作。

“去年我刚创业时，合成数据的反对声音还很多，现在几乎没有人不用了。字节也开始宣传用合成数据引擎支持具身智能的发展。”李银川告诉投中网。至于投资人的态度，他没有回避：“不少投资人在观望，认同我们的则非常认同。”

创业公司拼不起资源，只能拼路线。合成数据省下的是采集成本，代价是没有真实操作轨迹、标签精度不够，需要一整套Infra管线用算法给无标签数据打上精细标签。

这塑造了诺因的组织。目前公司有200余名研发人员，算法团队博士及以上学历占比超过三分之二，半数毕业于QS全球排名前30的高校。

合伙人周凯文同为“华为天才少年”，曾是诺亚方舟实验室决策与推理实验室首位天才少年，兼算法主管；曾入选华为“天才少年”计划的邓世元，以合伙人身份负责Infra；联合创始人王韵杰是大疆产品背后的操盘手之一，港科大（广州）助理教授陈颖聪出任多模态模型科学家顾问。

展厅里的“全场最佳”

合成数据最终要靠产品检验。诺因的技术栈分两层，GLOW负责模型，KNOWIN-X1负责本体。

GLOW由五个模块构成：KnowinDream生成训练数据，KnowinWorld构建可交互的“数字训练场”承载策略试错，KnowinBrain负责场景理解与决策，KnowinAct将策略转化为动作，KnowinAgent管理长程任务与失败恢复。

按照公司披露的数据，GLOW在RoboDojo的18项仿真任务中平均成功率62.2%，较GPT-6基线高出40个百分点；在LIBERO-Pro中以86.7%位列所列单策略模型第一。

X1是全折叠双臂构型，展开后覆盖桌面、地面、柜体三类操作面，折叠后高度控制在40厘米以内。这是同等负载能力下的结构压缩，而不是简单把机器人做小。

今年7月的WAIC上，X1第一次公开亮相。

观众随手挪动桌上的物品，它跑通了桌面收纳、洗衣闭环、衣物折叠三条长链任务。一位在展台前停留了近一小时的科技博主写道：“我在WAIC看了那么多展台，叠衣我给夯，设计我也给夯，全场最佳。”

9月24日，GLOW又验证了“一教就会”。

用户完成一次操作，系统将其编码为可复用的技能信息，机器人无需重新训练即可执行新任务。开盒收纳的例子换了技能、换了物体、也换了位置。李银川对此的解释是：“它学习的不是一条固定的动作轨迹，而是任务目标、物品关系和任务进度。”

李银川负责让数据更便宜，GLOW负责把数据变成动作，X1负责把动作做出来。剩下的问题在于，这三层都还没有经过真实家庭的长期检验。

RoboDojo和LIBERO-Pro的数据为公司自行披露，从仿真榜单到客厅里的可靠性之间，还隔着摩擦、受力与碰撞。X1的实际任务成功率，目前也没有第三方数据。

京东图什么？

十年前，冷晓琨们（乐聚机器人创始人）几乎每天都要向投资人解释，人形机器人为什么值得做。十年之后，李银川面对的问题已经反了过来，他不需要证明家庭机器人是否值得投资，而要在拥挤的赛道里解释：为什么是合成数据，为什么不做To B。

媒体曾这样描述他，被200个人质疑拒绝，也不会受挫。高中时他上课爱抢答，同学给他起外号叫“现长”。叫多了，他不好意思再举手，那个班从此没人回答老师提问。

这段往事他后来用到了公司管理上：“有的时候真话会得罪人。但不说的话，大家不讨论，公司就会多走一段弯路。”

这种“已经要作决定，却还没有全部答案”的状态，或许最接近从科学家转型的CEO的真实处境。李银川说，成为创始人后需要修炼的能力，是“把自己的能力复制出去”，因为公司的速度取决于他能否让两百个博士理解同一个目标。

京东的进入是这轮最值得琢磨的部分。

今年9月9日的京东科技探索者大会上，李银川与灵巧智能、太希智能等产业链伙伴同台，圆桌主题叫“具身破界·零售场景共生”。二十天后，京东的钱进来了。

这也是为什么，京东投资诺因可以成为乐鱼平台-乐鱼（中国）一站式服务平台，却还不能成为答案。只有售价、交付、持续运行和复购，才能把想象变成生意。

李银川说，整个赛道近期会有波动，但远没到泡沫彻底破灭的阶段。

被问到具身智能会不会有自己的ChatGPT时刻时，他给出的数字很大：“如果具身模型有一天真正出现能力涌现，机器人的商业价值毫无疑问会远超大语言模型，我认为可能是其10倍以上。”

这个判断也解释了诺因的处境。资本已经把这家公司送上牌桌，产业却还在等待它证明，合成数据和家庭场景这场梦想，应该怎样落到产品上。

镜头之外，X1仍要在实验室和展厅里重复同一个动作。一次失败，再调一个参数；一处故障，再换一个零件。李银川也要处理招聘、供应链、现金流，以及那些没有被写进融资乐鱼平台-乐鱼（中国）一站式服务平台的琐碎问题。

他说，现在慢，就是未来的快。

这句话现在还是判断。到2027年第一季度，它会变成账单。机器人要在一次次故障和重复动作中变得可靠，公司也一样。