1.富临精工拟5亿元投建机器人智能电关节项目 分两期建设
2.微路智能获得千万级天使+轮融资，系AI推理芯片研发商
3.九天睿芯半年完成累计10亿元融资，系SRAM存算一体芯片企业
4.辉羲智能获得超25亿元B轮融资，系具身智能大算力芯片企业
5.消息称DeepSeek即将完成1000亿融资
1.富临精工拟5亿元投建机器人智能电关节项目 分两期建设
10月20日，富临精工发布公告，公司及子公司四川班巧智能机器人有限公司拟与绵阳市涪城区人民政府签订《机器人智能电关节项目投资协议》，由班巧智能在绵阳市涪城区实施机器人智能电关节项目。项目计划总投资5亿元，资金来源为自有资金和自筹资金。
项目选址四川绵阳工业园东区，用地面积约3万平方米，整体分两期建设。
一期计划投资2.5亿元，其中固定资产投资约2亿元，研发投入约5000万元，将建设智能电关节及其核心零部件产线，预计形成200万套年产能。项目一期在厂房交付后3个月内进场装修，预计9个月内投产。
二期投资2.5亿元，将结合市场需求动态进行调整。
公告显示，公司机器人智能电关节相关产品已经实现小批量生产和交付，正在推进量产及产业化进程。项目落地将延伸机器人关键零部件产业链布局，助力人形机器人、机器狗等电关节模组研发制造，提升在机器人关键零部件领域的核心竞争力，契合公司整体发展战略。
2.微路智能获得千万级天使+轮融资，系AI推理芯片研发商
微路智能近日完成千万级天使+轮融资，本轮融资由杭州中赢资本领投。在此之前，微路智能曾完成数千万元天使轮融资。
微路智能是一家AI推理芯片研发商，自研端侧GPNPU架构，基于统一的技术体系开发加速卡产品，可为工控机、算力盒、智能终端和机器人增加本地大模型推理能力。
依托自研架构推出的加速卡产品可让设备厂商无需更换原有主控平台，即可获得完整的端侧AI能力，有效降低下游客户升级端侧AI能力的成本与门槛。
3.九天睿芯半年完成累计10亿元融资，系SRAM存算一体芯片企业
近日，九天睿芯宣布半年内完成累计10亿元融资，一苇资本担任本轮融资财务顾问。美团战投、小鹏汽车（星航资本）、长存产业基金、元禾璞华、豪威集团等战略投资机构先后入局，近期智微资本、米哈游战投加入，老股东英豪资本、韦豪创芯超额追加。本次融资将主要用于人工智能芯片领域的研发投入。
九天睿芯2018年成立于深圳，是一家以SRAM存算一体芯片为核心，覆盖边缘推理、端云协同、云端大模型推理与AI存储系统的计算企业。公司以MPM（Memory–Processor–Model）共生设计为核心方法论，致力于推动模型、处理器、存储及系统软件的联合创新，探索摩尔定律基本停滞等物理限制下更高效的智能计算路径。
九天睿芯核心研发团队成员多来自英特尔、高通、华为等海内外科技企业，目前已搭建起近50人的研发队伍，面向多场景智能计算需求进行产品布局。
4.辉羲智能获得超25亿元B轮融资，系具身智能大算力芯片企业
2026年10月22日，北京辉羲智能宣布随着Pre-B+及B轮融资相继完成，公司2026年内累计股权融资规模已超25亿元。本次融资由北京市人工智能产业投资基金领投，北京机器人产业发展投资基金、隐山资本、正心谷资本、金浦投资等多家政府基金及市场化投资机构共同参与，顺为资本、元生资本、凯辉基金等老股东持续加码。
辉羲智能是一家具身智能大算力芯片企业，成立于2022年4月，创始团队具备多次原创AI计算平台大规模量产落地经验。公司构建了覆盖模型框架、编译器、算子库、Runtime、中间件、操作系统、仿真及实时控制的完整软件体系，通过软硬件协同优化，降低机器人企业从算法开发到实机部署的工程门槛，加速产品迭代与商业化落地。
目前辉羲智能已实现大算力端侧旗舰芯片R1的成功流片与量产交付，光至R1采用7nm车规级工艺，集成450亿晶体管。公司推出了R1 MAX与R1 PRO两款SoC、核心模组、域控制器等完整产品矩阵。公司已与多家头部具身智能企业建立合作，产品应用覆盖工业制造、智慧零售、商用餐饮、无人物流等多个场景。
5.消息称DeepSeek即将完成1000亿融资
据两位知情人士透露，中国人工智能初创公司DeepSeek即将完成最新一轮融资，从现有及新进投资者处筹集了约1000亿元人民币（约合149.98亿美元（约合1003.27亿元人民币））。
其中一位知情人士表示，电池制造商宁德时代（CATL）和微信运营方腾讯控股是本轮融资的主要投资者。另一位知情人士称，此次融资预计将在未来几天内完成，但具体的财务细节尚未最终敲定，仍存在变动的可能。
DeepSeek此次筹集的资金额度是其最初500亿元人民币融资目标的两倍，这凸显了投资者的浓厚兴趣。此次融资也释放出信号，表明DeepSeek正愈发接近公开市场。曾有报道称，该公司已聘请中信证券，为未来可能在科创板进行的首次公开募股（IPO）做准备。
上个月，该公司发布了最新模型DeepSeek-V4.1-Flash。据介绍，该模型旨在实现更强的性能、更快的推理速度、更高的吞吐量，并支持向更大规模的模型进行扩展。
