源码律动首家被投企业诺因智能完成天使+轮融资 投后估值超20亿

近日，消费级家庭具身智能（家用人形）机器人研发商「诺因（KNOWIN）」宣布完成天使 + 轮融资，投后估值超 20 亿元人民币。本轮融资由钟鼎资本领投，源码律动及L2F 光源创业者基金等老股东持续加注，光源资本担任独家财务顾问。

此前，诺因已完成由源码律动领投、L2F 光源创业者基金跟投的种子轮融资；其后，L2F 光源创业者基金进一步领投，老股东源码律动跟投其天使轮融资。自成立以来，公司在近半年内连续完成三轮融资，累计融资金额达数亿元人民币。本轮资金将主要用于：加大全球顶尖人才引育力度，深化全栈技术体系研发，以及加快核心产品的迭代打磨与量产进程，推动消费级家庭具身智能产品从关键技术突破走向规模化落地。

诺因智能创始人兼CEO李银川表示：“很幸运从刚有创业idea就有机会跟源码律动团队深度接触，并从种子轮开始获得源码律动的投资和支持。在合作过程中，我们深刻感受到律动投资团队专业度极高、眼光独到、决策高效，对机器人产业拥有深刻理解与成熟的投资布局。从创业初期，律动团队便在方向打磨、团队搭建等关键环节给予我们极大支持；投资后更是以深度陪伴、积极赋能的方式持续助力公司成长。我们始终将源码律动视为最值得信赖的长期创业伙伴，也期待在双方的共同努力下携手实现更大的行业价值与商业突破。”

源码律动管理合伙人黄云刚表示：“我们持续看好机器人领域，模型能力的不断提升，会解锁更多的场景，也包括家庭场景。但诺因智能在2025年中就坚定的要做家庭场景，还是很非共识的。

我们非常重视拥有很强的技术积累的团队，因为这是新一代智能产品的基础，诺因智能团队在技术方面的积淀很深厚，各个技术栈的人员也比较完整，也非常敢拼和勇于探索。同时团队对智能的了解、硬件产品的经验和场景的理解都非常好。经过半年的发展探索，公司在各个方面的进展良好，有着许多超出预期的技术突破，阶段性的验证体现了团队的执行力。我们对诺因团队充满了期待，对公司的智能产品走进千家万户也充满了期待。”

诺因成立于 2025 年 7 月，全球首创通用具身大模型新架构，开辟具身智能的下一代范式，致力于让机器人走进每一个家庭，开启人机共生的新纪元。诺因面向消费级家庭场景，打造具备物理实体、能够在真实环境中形成 “感知 — 生成 — 执行 — 演进” 闭环并持续交互的具身智能系统。作为面向家庭消费级具身智能的探索者与先行者，诺因依托全栈自研能力、全新的生成式具身大模型体系与创新的合成数据路线，持续提升机器人在复杂家庭环境中的跨场景泛化、长链条闭环执行与可靠交付能力，聚焦现代家庭在陪伴互动、娱乐与高频家务协作等多元需求，为用户带来更智能、更自主、更省心的家庭服务体验。

诺因创始人李银川曾在国内头部科技公司研究院担任 AIGA（AI Generated Action/Agent）方向负责人，长期聚焦生成式决策等基础研究与工程化落地，在具身智能、大模型、自动驾驶等方向具备扎实积累与实践经验（30 岁时就累计发表高水平论文约 80 篇，含合作成果；以第一发明人身份拥有 / 申请专利 30 余项，含已授权及在审）。他一直坚持 “创新 + 落地” 并重的理念，学生时期即重视工程能力与动手实践，曾在 “北京电子设计大赛”800 + 参赛队伍中以满分成绩获得第一名。

团队方面，诺因汇聚了兼具学术深度与产业经验的核心成员，主要来自大型科技公司大模型算法团队与消费电子领域的资深工程、产品团队，具备从模型到系统、从软硬件协同到产品化交付的全栈自研与垂直整合能力。团队整体年轻化，成员平均年龄接近 “00 后”，具备极强快速学习与高效协同能力。截至 2026 年 2 月，公司团队规模近百人，博士及以上人才占比超过三分之二，并有 20+ 位成员具备大厂技术负责人经历（含技术总监及以上），形成 “年轻精锐 + 专业硬核”、“学术前沿 + 产业实战” 的双轮驱动人才结构。

近年来，随着人口老龄化趋势加剧与城镇双职工家庭比例持续高企，家庭内部劳动力供给日益短缺，家务劳动的隐性成本不断攀升，市场对高效、自动化的家庭服务解决方案需求愈发迫切。与此同时，AI 大模型与算力技术的革命性进展，重构了机器人的认知与执行逻辑，为家庭服务提供了全新的技术范式。市场需求的刚性释放与前沿技术的迭代赋能形成共振，推动家用具身智能规模化落地从愿景走向现实。

相较于工业场景，家庭环境更非结构化、长尾更显著，任务形态高度多样且频繁变化，To C 家庭机器人需要在多任务泛化、自主决策与安全交互上达到更高水平，同时还必须在成本与售价上落到消费者可接受的区间。用户真正期待的也不只是 “半自动辅助”，而是在高频家务任务上实现可闭环的自主完成 —— 例如地面清洁、餐后整理、卫浴清洁等典型流程的端到端执行。在这一方向上，家用机器人需要在明确边界的家庭空间内实现 “感知 — 决策 — 执行 — 反馈” 的流程闭环，并具备自主待命、任务切换与异常处理 / 接管的能力。

面向家庭场景的复杂性与长尾分布，当前主流技术路线仍在持续演进。在数据层面，训练数据往往依赖实验室示教、有限真实轨迹与公开视频等来源，对未知环境与任务组合的泛化能力存在较大提升空间。在目标与表征层面，传统 VLA 通常围绕视觉 — 语言 — 动作对齐与行为复现进行优化，对动作背后的语义结构与可组合的技能空间建模有待深化。结果是模型更像在 “匹配 / 复用” 既有动作片段，而不是面向目标与约束条件去生成可行的新策略，从而难以应对真实家庭中高度长尾、持续变化的任务需求。

针对这一挑战，诺因提出从 VLA 迈向AIGA 的技术路线：从 “模仿已有” 转向 “生成所需”。通过对更完整的动作空间与技能结构进行建模，并结合大规模合成数据训练，机器人可以在实时环境状态与长程任务目标的约束下，自主生成更适配当前情境的动作序列与执行策略，在更少依赖真实示教数据的条件下，逐步形成可迁移、可组合的新技能，从而显著提升家庭场景下的适应性与实用性。