云锦微
Sources: 云锦微横纵分析报告, 2026-05-18
Raw: 云锦微横纵分析报告
Overview
云锦微是面向工业、能源、水务、交通、安防等物理场景的边缘 AI 计算平台与视觉智能体系统商。它使用“具身智能体操作系统”“边缘 AI 大脑”“云锦OS”“具身 VLA 大模型”等表述,但当前公开证据更支持将其放入“具身智能基础设施 / 边缘 AI 大脑观察池”,而不是与机器人本体、机器人 VLA 技能模型或世界模型公司同权比较。
关键判断
判断 source date entity evidence_level 云锦微最稳妥的业务口径是低成本边缘 AI、工业视觉、多模态物理场景智能体和本地模型部署工具链。 云锦微横纵分析报告 2026-05-18 云锦微 B 公开材料尚不能证明其已形成机器人本体、运动控制、跨本体技能迁移或真实机器人训练数据闭环。 云锦微横纵分析报告 2026-05-18 云锦微 B/D 2025 年 1 月和 6 月融资稿分别披露数百万元天使轮、1000 万元天使轮+,但投资方持股、估值和工商变更仍待穿透。 云锦微横纵分析报告 2026-05-18 宁波云锦微智能科技有限公司 B/C 中国电子、贵阳轨交、上汽集团、上海隧道等客户线索来自融资稿/平台披露,缺客户侧公告或采购验收文件。 云锦微横纵分析报告 2026-05-18 云锦微 B/D
主体与边界
口径 当前采用 证据等级 备注 研究主体 宁波云锦微智能科技有限公司 B/C 2025 两轮融资稿使用宁波主体,官网也列宁波地址。 关联主体 上海云锦微智能科技有限公司、上海具身多模智能科技有限公司 B/C 作为品牌、早期运营或研发关联主体处理,不自动并入宁波股权结构。 产品口径 云锦OS、VT-Station、VT-Transformer、MaM、ZN04/ZN16 边缘脑、云锦派 A30V、云锦OS+AX630A 套片 A/B 偏边缘感知、模型部署和物理场景任务触发。 不采用口径 已验证机器人核心大脑公司 / 通用机器人 VLA 公司 D 缺多本体真实操作、机器人客户订单、技能库和训练数据闭环证据。
产品与技术路线
云锦微的产品栈围绕“低成本边缘 AI 部署”展开。云锦OS 负责连接云端大模型、行业视觉模型、传感器与设备;VT-Station 提供数据标注、模型训练、量化推理和部署工具;ZN04、ZN16、云锦派和 AX630A 套片是边缘硬件交付载体。
这条路线对矿山换电站、水务设备状态监测、电力工井线缆识别、AGV 叉车托盘孔位识别和安全生产监控有价值,但这些案例更接近工业视觉/边缘智能模块嵌入自动化流程。后续若要升级为“机器人边缘脑/物理 AI OS”主线,需要补出机器人本体伙伴、真实机器人部署、API/技能标准和跨场景数据闭环。
融资与资本
时间 事件 金额/投资方 evidence_level 当前处理 2025-01 天使轮 数百万元,科大讯飞领投 B 写公开媒体披露,不写投资方持股比例。 2025-06 天使轮+ 1000 万元,上海恒砥、宁波舜工 B 写公开媒体披露,不做精确累计估值。
关系图谱线索
关系类型 主体/对象 当前口径 evidence_level 产业资本 科大讯飞、上海恒砥、宁波舜工 公开融资稿披露的投资方线索。 B 客户/场景 中国电子、贵阳轨交、上汽集团、上海隧道、能源/水务/交通等行业客户 客户和落地线索,未见客户侧强确认。 B/D 供应链/生态 中科海光、天数智芯、寒武纪、爱芯元智、海思、AXERA AX630A 等 官网/产品页披露芯片和生态适配,合作深度需核验。 A/D 高校/科研 浙江大学背景、浙江大学上海高等研究院办公/产学研线索、机器人研究院和知识图谱实验室线索 人才与产学研线索,不写成正式联合实验室。 B/D
冲突与不确定性
事项 支持纳入 支持观察/降级 当前处理 是否属于具身智能公司 官网和融资稿大量使用具身智能、物理 AI、AI 大脑、边缘脑表述。 公开案例主要是工业视觉、设备监测、异常报警和边缘部署。 纳入“具身智能基础设施/边缘 AI 大脑观察池”。 宁波与上海主体关系 2025 融资主体和官网地址指向宁波。 36氪 PitchHub 指向上海云锦微,产品规格还出现上海具身多模。 宁波为本轮研究主体,上海/具身多模为关联主体待穿透。 客户与营收 融资稿称服务近百家/超 120 家企业、数千万元营收。 缺客户公告、合同、验收和审计收入。 写客户/收入线索,不写确认大额订单。
后续尽调问题
宁波云锦微与上海云锦微、上海具身多模之间的股权、IP、收入和产品归属如何拆分?
2025 两轮融资是否完成工商变更?科大讯飞、上海恒砥、宁波舜工持股比例是多少?
中国电子、贵阳轨交、上汽集团、上海隧道等客户是否有客户侧公告、采购合同、部署数量和验收指标?
云锦OS、MaM、VT-Transformer 是否有第三方 benchmark,是否已在机器人本体或自动化设备上形成闭环控制案例?