自研全球最小行星滚柱丝杠,量产价格降至百元级,「诺仕机器人」完成超亿元A轮融资|水下项目
36氪获悉,具身智能核心部件供应商「诺仕机器人」(下简称“诺仕”)近日宣布完成超亿元A轮融资。本轮融资由上海半导体装备材料产业基金/浦东科创领投,联想创投、琥珀资本跟投,汽车零部件上市公司鹏翎股份、克来机电战略入股,老股东上汽创投继续加注。诚一资本持续担任公司长期财务顾问。资金将主要用于产能提升、产品研发与流动资金补充。
诺仕机器人成立于2023年7月,专注于微型行星滚柱丝杠及基于此的微型线性执行器(电缸)的设计、研发与制造,致力于成为汽车、人形机器人及工业领域高精度传动与运动控制核心供应商。
目前,诺仕自研的直径仅1.5mm、螺母直径5.5mm的全球最小行星滚柱丝杠,已突破C5级精度丝杠(定位精度误差≤0.023mm/300mm)量产瓶颈。此外,诺仕的1.5mm线性关节方案被国内头部人形机器人厂商采纳为新一代机型的核心执行单元,纳入头部车企与头部具身公司核心供应链。并与多家专注灵巧手技术的头部企业联合开发标准化模组。
创始人徐杨硕士毕业于同济大学机械制造专业,曾任法雷奥集团亚太研发中心研发部负责人,具备世界级工厂的实操研发与管理经验。CEO王晓斌曾担任法雷奥集团分公司副经理,参与创立多个新能源汽车公司,擅长企业运营与产业链整合。首席技术顾问徐根林教授任职于上海工业大学(现上海大学)、上海师范⼤学等高校,长期为汽车、航空航天、医疗等行业解决精密传动零部件的进口替代问题,拥有30多年螺纹技术的理论研究与生产经验。
1.研发1.5mm全球最小丝杠,量产价格降至百元
丝杠是一种常见的机械传动部件,将旋转运动转换为直线运动,广泛用于需要精密控制的工业制造领域,主要分为滑动丝杠(多为梯形丝杠)、滚珠丝杠和行星滚柱丝杠等。其中行星滚柱丝杠因具备高承载、耐冲击、寿命长等优势,主要用于航空等高端领域,但其量产与成本控制也始终是行业难题。
而在人形机器人领域,尤其是灵巧手的应用,对丝杠提出了近乎矛盾的需求:不仅体积必须极致小巧,以装入有限的手部空间,还有负载力足够大,以完成捏取、扭转等精细操作,同时兼具高精度、长寿命且成本可控的条件。
“灵巧手场景这种‘既要又要还要’的需求,基本上排除了市面上95%以上的供应商。”徐杨表示,“我们得益于徐根林教授过去30多年在这一领域的技术和工艺积累,只用几个月就研发出具身企业需要的产品。”
诺仕的核心突破在于,其成功量产的行星滚柱丝杠直径仅1.5mm,螺母直径5.5mm,并且能稳定承载10公斤重量,相比同规格滚珠丝杠额定载荷提升3-5倍,使用寿命延长至15倍。基于此集成无刷电机与非接触式传感器打造的微型线性电缸,尺寸可缩小到8mm x 10.2mm,为全球体积最小的一体化电缸。在可靠性方面,诺仕设计的产品寿命目标超过300万次,性能指标达到国际领先水平。
2.发挥行业Know-how能力,成为下一代产品架构共建者
“我们不想只做一个‘小而美’的零部件供应商,而是通过发挥行业Know-how能力,成为与客户共同定义下一代产品的架构共建者”。徐杨表示。
由于目前国内人形机器人厂商的产品结构设计尚未形成行业共识,诺仕面对不同的客户需求,采取标准化与定制化兼顾的策略:针对灵巧手、腿部等部位,预先根据主流力学需求收敛技术,推出几款标准品,以此保证量产效率;对于非标的个性化需求,则通过小批量试制车间快速响应,帮助客户降低设计复杂度与成本。
“过去是机器人公司提需求,供应商想办法满足;现在是诺仕带着1.5mm关节方案,和客户一起重新思考‘手指该怎么做’。”一位投资人说道。
徐杨认为,面对不同行业客户的产品需求,诺仕的跨行业服务能力源于公司对底层传动技术的深刻理解以及团队成员的复合背景。例如CEO王晓斌以往在汽车行业的经验,为公司切入汽车线控底盘市场提供关键助力。
目前诺仕正与多家主机厂核心Tier 1合作开发后轮转向系统用滚柱丝杠,并参与智能座舱执行器项目,计划从2026年起为国内主流车企稳定供应底盘刹车等高价值产品,构建稳健的现金牛业务。
2025年4月,诺仕获得上汽集团首笔投资,打开从线控制动到悬架、座椅调节等汽车精密传动件的合作通道。徐杨介绍,最新一轮融资中的产业资本方中,除了再次投资的上汽创投,还引入联想创投,凭借其生态网络为诺仕的人形机器人业务链接头部本体公司。
其他投资方也将从不同方面提供支持,例如浦东科创将协助诺仕对接长三角的机器人和半导体产业集群资源;鹏翎股份、克来机电将提供汽车产业链的协同与自动化生产经验;琥珀资本作为专注于数字化转型核心领域投资的CVC,此前参与投资宇树科技,可以帮助诺仕更好地切入人形机器人其他零部件赛道。
“我们的愿景是成为汽车、人形机器人乃至工业领域最核心的灵动执行器供应商,通过把硬件产品做到极致,成长为能够定义行业的‘隐形冠军’。”在徐杨看来,AI和具身行业正在以指数级速度发展,“行业的进化速度已经无法用过去的经验预判,我们的目标很可能比预想的更快实现。”















