36氪首发丨国防科技专家做微型智能无人机，累计融资超亿元，年内签下数亿元订单

作者 | 乔钰杰

编辑 | 袁斯来

本文约2900字，建议阅读7分钟

硬氪获悉，聚焦空中无人智能体的硬科技企业常州中湾智能科技有限公司（以下简称“中湾智能”）已连续完成天使轮、Pre-A轮、Pre-A+轮及A轮多轮融资，累计融资超亿元。历史股东包括中科创星、毅达资本、方广资本、苏高新金控、敦行资本等。中湾智能为中科晶锐科技有限公司（以下简称“中科晶锐”）母公司。

中科晶锐由中科院苏州育成中心孵化，核心团队由具备20余年行业经验的国防科技专家组成，曾主导多项国家重点项目。以200克级微型飞行器为核心平台，中科晶锐构建了覆盖总体设计、气动与结构设计、核心部件研发及批量化生产的全链条能力，并开发了微型无人直升机、共轴双桨、仿生飞行器等多种构型产品。

与户外中高空飞行相对开阔的场景不同，微型智能无人机现阶段主要面向室内、隧道、地下管网等空间受限的特种环境。在这些场景中，卫星导航信号往往不可用，狭窄空间又对飞行器的避障、定位和自主控制能力提出了更高要求。传统同类产品在复杂环境中仍较多依赖人工操控或接管，自主化程度有限，能够独立完成任务的微型空中智能体仍存在市场缺口。

中科晶锐基于低功耗小型边端计算平台，研发了适配微型飞行器任务场景、融合具身大模型与深度学习的边端智能技术，可实现飞行器脱离遥控操作，无GPS下自主作业、复杂环境重建与集群协同。

中科晶锐创始人刘德生向硬氪表示，相较于中大型无人机，微型飞行器的技术难点主要集中在飞控系统、结构设计、气动优化和智能化四个方面。

首先是飞控系统。微型无人机需要在封闭、狭窄的空间内灵活飞行，对控制精度、响应速度和抗干扰能力的要求更高。传统开源飞控方案多以常规多旋翼平台为设计对象，难以直接适配公司的微型飞行器。基于实际应用积累，中科晶锐自研飞控底层代码，非套用传统开源飞控算法，自研适配不同构型的微型飞行器飞控技术体系，以提升控制精度和抗干扰能力。

其次是结构设计。微型化意味着机载空间和重量预算都十分有限，元器件装配精度、公差控制以及系统集成难度随之上升。中科晶锐通过机电深度融合的一体化设计，结合硬件并行处理，将系统控制周期由毫秒级缩短至微秒级，以满足微型飞行平台对快速响应的要求。

在气动优化方面，公司通过大量仿真与参数迭代降低飞行噪声，以适应对隐蔽性和环境噪声敏感的应用场景，将旋翼系统的悬停品质因数（FM）优化至0.65—0.7水平。

室内导航与智能化则是微型无人机实现自主作业的另一道门槛。在缺乏卫星导航信号的环境中，飞行器需要依靠机载传感器和计算模块完成自主定位、环境感知、障碍物规避及路径规划。刘德生介绍称，公司产品搭载了算力为0.8TOPS的轻量化机载智能模块，并基于视觉SLAM技术，在导航定位信号缺失或受到干扰的情况下实现自主导航与任务执行。公司同时推进视觉语言导航模型（VLN）在微型飞行平台上的部署，目前已完成相关仿真验证。

据了解，中科晶锐的智能微型无人直升机于2025年10月完成技术定型，并于同年12月进入中试及工程化落地阶段。目前，公司产品主要分为三个系列，分别面向不同的任务需求。

智蜂系列面向多业务场景，支持可见光、红外、激光雷达等多传感器配置，具备相对更强的机载算力与智能化能力；翼蜂系列主打轻量化和低噪声，单机重量约65克，主要搭载可见光传感器，适用于对重量和隐蔽性要求更高的场景；影蜂系列则侧重长续航、抗风能力和集群协同，支持在六级风环境下稳定飞行，并可实现“一控多”。由于集群任务涉及多机之间的感知、规划与协同，影蜂系列需要配置更强的机载算力。

（翼蜂系列）

围绕集群作业，中科晶锐开发了分布式异构集群系统，将任务规划、控制与监视等功能部署在地面端，同时由机载端完成目标识别、跟踪、多传感器融合、避障及多机任务协同编组。通过地面端与机载端的协同，系统能够支持多架无人机执行任务规划、协同作业、任务评估与过程回放等功能，提升复杂场景下的作业效率。

（影蜂共轴无人机）

商业化方面，据介绍，2026年以来，智蜂、翼蜂系列无人机已签订5000余套订单，在手订单数亿元。

以下为创始人问答：

硬氪：在0.8TOPS的有限算力下实现SLAM和VLN模型部署，公司在算法优化和硬件适配上做了哪些工作？

刘德生：微型无人机的机载算力受到体积、重量和功耗的多重限制。算力更强的芯片通常体积更大、功耗更高，不仅增加部署难度，也会影响飞行续航。因此，我们没有简单地通过提高硬件算力来解决问题，而是更多地从算法和系统架构上进行优化。

在算法层面，我们针对微型飞行平台设计了轻量化VLN智能体架构，覆盖从输入信息处理、语义理解到动作规划的完整链路，并围绕绕障、轨迹优化和在线策略更新等环节进行适配。同时，我们也对状态信息回传、自主导航和三维环境建模等功能进行了优化。

受限于算力，我们会根据具体任务对模型能力进行取舍。例如，在室内环境建模中，系统的重点是识别墙体、门、柱子等关键结构，为飞行和避障提供必要的空间信息，而不是追求高精度的三维重建、细节还原或渲染。这样可以在有限算力下优先保障任务执行所需的核心能力。

此外，在应急救援、室内巡检等实际应用中，我们也积累了大量场景数据，并据此持续优化模型和算法策略。我们的思路不是将通用大模型直接搬到微型无人机上，而是围绕垂直应用场景，构建一个轻量化的机载智能体，让有限的算力集中服务于实际任务需求。

硬氪：影蜂系列具备集群协同能力。相比单机飞行，实现集群化还需要哪些额外的机载能力和系统部署？

刘德生：首先，集群协同对算力的要求更高，因此影蜂系列的机载算力配置相对更强。与此同时，我们还开发了一套分布式异构集群系统，可以理解为面向多架无人机协同作业的系统软件与算法框架。

在系统架构上，地面端主要负责任务规划、控制和状态监视，机载端则承担实时感知、飞行控制和任务执行。单架无人机需要具备目标识别、目标跟踪、多传感器融合和自主避障等能力；在此基础上，集群系统还需要进一步支持多机任务编组、协同规划、任务分配、执行评估及过程回放等功能。

这些能力需要地面端与机载端共同完成。通过将任务规划与实时执行进行合理分工，系统可以实现对多架无人机的统一调度和协同控制，即“一控多”，从而提高复杂任务中的作业效率。

硬氪：公司未来计划将产品拓展至哪些应用场景？

刘德生：现阶段，我们会优先聚焦地下坑道、管网，以及大型设备内部的检查和检修等空间受限的专业场景。这些环境通常存在光线不足、空间狭窄、卫星导航信号缺失等问题，对飞行器的安全性、自主导航和环境感知能力要求很高。我们希望通过微型智能无人机，为这些场景提供传统设备难以实现的解决方案。

在此基础上，我们也会持续提升平台的智能化和集成化能力。我们始终认为，飞机本身只是一个载体，真正重要的是它能否在有限的空间、算力和复杂的环境交互条件下，自主完成具体任务。

从更长远来看，微型智能无人机的应用场景还可以进一步延伸。例如，在家庭环境中，飞行器可以用于远程巡视、看护和日常检查等任务。当然，这类应用对安全性、噪声和自主控制能力提出了更高要求，需要技术逐步成熟后才能落地。让微型智能体从专业场景走向更广泛的日常生活，是我们未来希望探索的方向。