华为具身智能" 1 号员工"出来创业，仅仅两个月，就融了数亿元。

最近，刚成立两个月的家庭具身智能公司欧拉万象宣布完成数亿元 Pre-A 轮融资，由招商局创投领投，赛富投资、九合创投、拙朴投资、BV 百度风投、聚合投资等联合注资。

而就在 4 月 22 日，这家公司刚刚完成数千万元种子轮融资，投资方是高瓴创投和五源资本。

从高瓴、五源，到招商局创投、赛富、九合、百度风投，一众机构快速入局，欧拉万象几乎是一开场，就拿到了具身智能赛道里相当抢眼的一张船票。

但拿到这张船票之后，它们要做的第一款产品，竟然是一台"不聪明"的机器人。

各家都在争着证明自己的机器人更智能、更通用、更像人，而欧拉万象的这个选择，显然是这个赛道中的另类。

一个另类，凭什么能让这么多顶级机构在两个月内抢着下注？

资本买的，不只是“华为”光环

要解释这个问题，首先还是得回到欧拉万象的创始团队。

公开资料显示，欧拉万象的创始人周顺波曾是华为机器人方向的"天才少年"，也是华为唯一一位以"智能机器人"作为课题入选的"天才少年"。

在华为期间，他还有一个更关键的身份：华为具身智能领域的" 1 号员工"。

身为“1号员工”，他从早期阶段就参与了华为具身智能体系的搭建——从团队组建、技术路线，到平台产品和场景落地，都深度介入。

此外，周顺波还曾担任华为云物理智能创新 Lab 负责人、首席技术专家，连续多年负责华为云具身智能战略规划，并主导研发了华为云具身平台 CloudRobo。

但这段经历的含金量，不止"华为背景"四个字。

对一家家庭具身智能公司来说，比造出一台机器人更难的，是搞定机器人背后的数据采集、模型训练、仿真验证、任务部署，最终在真实场景中跑成闭环。

而周顺波过去在华为做的，刚好就是这件事——把具身智能从技术方案推到平台产品，再从平台产品推进真实场景，串起整条链路。

这也解释了为什么欧拉万象刚成立不久，就能拿到这么多机构的关注。

值得一提的是，欧拉万象的另一位联合创始人张靖，补上了产品和商业化的一环。

张靖本科毕业于清华大学，后获得达特茅斯工商管理硕士学位，曾任亚马逊 AWS 产品经理，在华为期间担任创新云服务产品总监，参与 CloudRobo、Talk2Video 等产品孵化。

公开资料显示，她曾主导定义国内首个自主可控的具身智能云平台，并做出过单一产品年营收破亿的商业成绩。

因此，欧拉万象虽然成立时间短，但整个高管团队已经相当成熟。

周顺波管的是技术体系、工程路径和具身智能底层判断；张靖补的是产品定义、商业节奏和客户理解。对早期具身智能公司来说，这两条腿缺一不可。

正是这样的公司底色，为欧拉万象后面的产品选择埋下了伏笔。

它没有一上来就承诺一台开箱即用的全能机器人，把重心放在"学习"和"养成"上。这个路线选择，更像是周顺波过去几年在具身智能工程化中积累下来的一个基本判断：

机器人真正变聪明，必须持续进入真实环境、持续拿到数据、再持续把能力迭代起来。

也就是说，欧拉万象真正想卖的，不是一台"不聪明"的机器人。

它想先做出来的，是一套让机器人变聪明的路径。

要做第二个大疆？

如果只看表面，欧拉万象这条产品路线很容易让人困惑。

家庭机器人是一个高度依赖想象力的赛道。用户期待的是端茶倒水、整理房间、照看老人孩子，最好买回家就能立刻干活。

在这样的预期下，一家公司主动说自己要先做一台“不那么聪明”的机器人，听起来并不讨巧。

而欧拉万象，推出的第一款产品甚至没有直接面向大众家庭。

按照目前公开信息，欧拉万象的首款产品采用“移动底盘 + 双机械臂”的形态，具备自主移动和操作能力，同时配套工具链，面向的是 Maker 和开发者群体，一批更愿意折腾、更愿意训练、更能接受早期产品形态的人。

这条路的核心是，第一代机器人不需要立刻成为成熟家政工具，而是先让它走进真实环境里，让早期用户通过数据采集、简单交互和任务示教，帮助机器人学习新技能、完成部署。

换句话说，欧拉万象的第一批“客户”，实则是愿意和机器人一起成长的“共创者”。

这种路径听起来新鲜，但并不是第一次出现在硬科技消费品里。

当前无人机领域的领头羊大疆，就走过这样的一段路。

大疆在创业之初，同样没有选择去造一台买回家就飞的消费级无人机，更多的瞄准了飞控系统和更偏专业化的产品，客户群体都是航模爱好者、专业玩家和极客。

这批早期用户的价值，不只是贡献了最初的销量，更重要的是，他们愿意折腾，也能在真实使用中不断暴露问题。

大疆正是在这个过程中，持续打磨飞控、稳定性和使用体验，最终把原本高门槛的航模产品，做成了“到手即飞”的消费级无人机。

从大体上看，欧拉万象和大疆的路线是相似的：

同样没有一开始就冲向最大的大众市场，选择先进入一个更小、更懂技术、更愿意参与迭代的人群。

欧拉万象 Maker 版产品承担的角色，正是进入家庭场景前的第一块试验田。当完成了服务高门槛用户，在小圈层里打磨核心能力之后，把复杂能力封装成更简单的产品，推向更广泛的人群就水到渠成了。

只是大疆的成功，并不意味着这条路能在家庭机器人赛道直接复现。

无人机的核心任务相对清晰：飞得稳、拍得清、用得简单；而家庭机器人面对的却是一个更复杂、更开放的世界。

它不仅要处理识别、移动、抓取、交互等场景的任务理解，还要适应不同家庭环境里的大量长尾变化。

这也构成了欧拉万象当前路径的最大疑问。

是“弯道超车”，还是“走进弯路”？

欧拉万象的“养成式机器人”要真正成立，还要回答一个更底层的问题：

靠一批 Maker 和开发者在真实家庭里训练机器人，究竟能带来多少不可替代的价值？

家庭场景的复杂性，既是这条路线的出发点，也是它最大的难点。

既然每个家庭都是非标环境，不同的户型、光线、家具、桌面高度、物品摆放和生活习惯都会影响机器人的判断和动作，那一个开发者在自己家里教会机器人完成某个任务、某项能力，也可以自然迁移到更多家庭吗？

这也意味着，欧拉万象需要证明的，不只是“有人愿意训练机器人”，还是这些分散在真实家庭里的训练，能不能沉淀成更通用的能力。

否则，养成式机器人很容易停留在单点场景里：在某个开发者家中有效，换一个家庭又要重新适配。

创客数量同样是一个现实变量。

家庭场景足够复杂，也就意味着数据覆盖需要足够丰富。Maker 和开发者能提供多少真实家庭环境、多少类任务、多少种长尾情况，决定了这条路线能走到多远。

但更核心的问题，是它和过去更常见的机器人训练方式相比，到底有什么优势。

过去，机器人训练往往依赖仿真环境、世界模型和大规模数据，让机器人先在虚拟世界里完成大量试错，再迁移到真实世界。

欧拉万象现在选择更早进入真实家庭，通过 Maker 版产品和开发者社区获取真实物理交互数据，本质上是在尝试另一种数据来源。

这条新路径最需要回答的，正是它相比传统训练范式是否有独特价值：

真实家庭里的开发者训练，究竟能提供什么是世界模型和仿真环境难以提供的？

它得到的是真正可迁移的家庭任务能力，还是一批分散在不同开发者家庭里的局部经验？

这些真实数据，能不能从“某个家庭里跑通”，进一步沉淀为“更多家庭都能受益”的模型能力？

这些问题的答案，才是决定欧拉万象未来能走多远的关键。

这也是“不聪明但能养成”背后，真正需要被验证的命题。