6月8日，工业和信息化部、国务院国资委联合印发通知，正式启动2026年度人形机器人与具身智能实景实训专项行动。明确要求到年底前，人形机器人在一批代表性场景中完成应用验证和常态部署，开启“作业模式”，凝练百个以上高价值应用场景，带动万台级规模落地。
几乎同一时间，清研精准在6月内迅速完成两轮数亿元融资，并于此番获得国机产业基金的战略投资。这一战略布局不仅是资本的入场，也意味着产业端力量对“扎根真实场景做数据”这一技术路线的实质性认可。
至此，清研精准B轮融资正式落定，“国家队+汽车产业圈”重仓押注，北汽产投、星源资本、一汽富晟、长城资本、陕汽资本、裕隆集团，六家车企产业资本罕见联手，共同将目光投向物理AI在真实场景中的落地能力。每一轮投资方的引入，都对应着关键场景的卡位与关键能力的互补，最终形成资本、场景与技术的多方共赢。他们投的不是一个“造机器人”的公司，而是一个让机器人在真实工业场景里学会干活的基础设施。
01“作业”模式开启，直指“真场景”，清研精准八年工业现场早已就位
本次专项行动中的“作业模式”要求具身智能产品像工人一样，在真实岗位上完成真实任务，接受真实工况的检验。也因此，政策的核心聚焦在三个层面：
首先，实景实训空间。它要求把生产制造、检测分析、维修维护这些真实的作业工位，直接变成机器人的训练场。选取那些正在运转、带着振动和节拍的真实场景单元，打造成可训练、可测试、可验证的实景实训空间。
其次，可泛化迁移的技能包。它要求这些在真实工位上训练的机器人，最终要形成可落地的作业技能包，构建出高质量、高保真的数据集，让模型真正具备在复杂工况下的泛化与容错能力。
最终，规模化落地。当一个方案在一个工位被验证可行后，它必须能快速复制到同一条产线、同一个行业，实现“验证一个、部署一批、带动一片”的规模化落地。
这三件事串起来，就是政策最底层的逻辑：把真实工位变成训练场，用真实数据打磨真实技能，最终在真实产业中形成规模化效应。
而清研精准过去8年所积累的产业积淀，精准对应了这份政策的每一处关键要求，并已带着前沿团队与工程化基础，提前完成了全方位、多层次的布局。
从新能源动力电池的PACK检测到整车总装，从地面工厂到井下矿山，清研精准将不同工业场景中的关键工位转化为具身智能的数据场与训练场，这些场景有数据、有工位、有真实作业，最能验证“实景实训”的价值。
02清华、斯坦福、机器人行业老兵强强联合
清研精准创始人兼CEO董汉，博士就读于清华大学，师从中国工程院院士李克强教授。他于2018年6月在清华大学孵化下正式创立清研精准。
成立8年来，清研精准将AI检测、仿真及测试验证产品进入了国内几乎所有整车厂和动力电池企业的核心供应链，出货超万台，落地30多个国家，产业客户覆盖新能源整车、动力电池、储能、核心零部件、矿山、电力等核心赛道。
（从左至右：曹绮桐、董汉、赵然）
清研精准具身智能板块——精准视界CEO曹绮桐，拥有斯坦福大学工程的学术背景，曾于斯坦福计算机研究院开展生命科学与AI交叉课题研究，相关成果曾以一作身份刊发于《Nature》子刊。在清研精准，曹绮桐主要统筹公司技术迁移与迭代路线以及商业场景落地，凸显企业攻坚工业具身智能落地最后一公里的核心优势。
她的核心研究领域涉及高维、多模态、动态数据推演系统状态演化规律，迁移到工业场景，本质问题也类似：机器人看到的不只是一个工件，而是一个由视觉、力觉、触觉、工艺参数和环境变量共同构成的动态物理系统。这与清研精准搭建的工业物理世界模型高度匹配。
清研精准具身智能总工程师、精准视界CTO赵然，曾在千寻智能、智平方科技两家200亿级头部具身企业担任具身 Infra 负责人，赵然博士的加入为清研精准打造具身基础设施与工程化提供了坚实的保障。作为机器人领域泰斗丁汉院士团队成员，赵然博士深耕机器人领域十余年，兼具扎实的学术积淀与产业落地经验。
他曾带领团队从0到1搭建遥操作、数据采集、底层数据闭环与仿真平台，十余年的机器人技术积累，使其能够更加系统性打通本体、数据、仿真与模型等关键环节，形成具身智能基础设施建设所需的核心能力。其平台化、工程化经验与团队深厚研发积累形成合力，进一步推动“顶天”的学术基因与“立地”的产业工程能力深度融合。
自此，团队集世界级前瞻视野、产业工程化底蕴、百亿级商业验证于一身，已然站上中国具身智能产业化的最前沿，成为行业公认的“技术定盘星”与“落地领航者”。
03让数据真正被“用起来”：打造高质量、高保真数据集和作业技能包
工业现场的数据天然呈现多复杂性和多模态的特征：视觉信号表征空间位姿，力觉数据反映接触刚度，设备状态体现工艺参数。完整操作任务的执行，要求这些异构信号在同一时间基准上精准对齐，并对每一步骤的因果逻辑与任务意图加以明确标注。可用于模型训练的数据，需清晰标注每段信号对应的物理动作、执行结果及失效原因。
清研精准不但沉淀出了全部来自真实作业工位的PB级数据，深入理解了行业know-how，更在一条条真实的产线里反复打磨出可实现同步采集、治理高质量数据集。
而真正让这些数据“用得起来”的，是清研精准自主研发的TsingLoop多模态数据工程管线。它把分散在多系统的原始信号，通过统一的时间-空间-语义对齐，转化成标准化的、可复用的数据资产包。一次采集的数据，经过管线处理后，把原始的“数据”升级为工业的“数据资产”。
04五大核心能力构建物理AI闭环，打造可落地、可复制的解决方案
基于TsingLoop多模态数据工程管线，清研精准正在构建一套面向工业场景的Robot-in-the-Loop 机器人在环测试体系。
这套体系可以理解为工业具身智能版的“采集-仿真-验证-评测-迭代”闭环：机器人或工人在真实工位中执行任务，TsingLoop同步采集视觉、力觉、触觉、轨迹、工艺参数、设备状态和执行结果等多模态数据；随后，系统基于真实数据重建数字孪生场景，在仿真环境中回放历史工况、复现异常样本，并对不同动作策略进行低成本、高频次的假设推演。
但仿真并不是终点。具身智能机器人最终要进入真实车间，必须跨过虚实差距。因此，清研精准会进一步引入机器人在环测试：让真实机器人本体、控制器、末端执行器、传感器和仿真场景形成闭环联动，在不直接占用客户产线的情况下，提前验证动作策略、力控边界、安全包络和异常接管机制。
部署到现场后，评测模块会持续输出标准化报告，包括任务成功率、节拍时间、异常率、碰撞风险、能耗、稳定运行时长等指标。这些评测结果不只是验收依据，也会反向进入TsingLoop 数据管线，驱动模型继续优化、策略持续更新。
不久前，我们与国家机器人检测与评定中心（广州）达成深度合作，并将联合进行数据集评测、实景实训、场景库共建，共同开展标准化研究和成果输出，破解产业难题，加速具身智能技术在实际场景的落地应用。
因此，Robot-in-the-Loop的价值，不只是测试机器人“能不能动”，而是系统性回答三个更关键的问题：它能不能在真实工况下稳定完成任务，能不能通过客户验收，能不能在下一条产线复用。当这一套能力从单个工位沉淀为数据包、异常库、评测集、技能库和工位模板后，清研精准就可以把同类能力迁移到不同产线、不同工艺和不同机器人本体上。这样，机器人落地可以持续复用、持续迭代、持续降本的工程化体系。
05规模化落地：凝练百个高价值应用场景
回到政策所指的长期目标：凝练百个以上高价值应用场景，带动万台级规模落地。这与清研精准 “一套底座、一个大脑、百个垂类场景应用”的愿景高度契合。
所谓“一套底座”，指的是贯穿真实工位准入、多模态数据采集、仿真验证、自动评测和持续迭代的数据工程体系；
“一个大脑”，则是建立在真实工业数据之上的工业认知世界模型；
而“百个垂类场景”，对应的正是电力、工程机械、低空经济、新能源制造、矿山、化工等一个个边界清晰、价值明确的工业任务。
目前，清研精准正在推动“数采-仿真-验证-评测-迭代”的闭环能力向更多工业场景延伸。每一个训练场，都不只是展示窗口，而是一个场景孵化器：在这里，真实数据被采集，任务模板被沉淀，评测标准被建立，机器人能力被验证，最终形成可以复制到同类产线和同类工位的标准化方案。
从这个意义上看，训练场的价值不止于训练机器人，更在于训练产业本身。它让本体厂商、算法团队、工业客户在同一套真实场景和评测体系中协同迭代，为未来万台级规模落地提供基础设施。清研精准正以真实场景践行：“扎根工业现场，扎实锻造物理AI的工程化底座。”
查看更多项目信息，请前往「睿兽分析」。
