近日水下机器人研发商「龙诚智航」宣布完成百万级人民币种子轮融资，由全球最大的硬件创业加速器 HAX投资。这笔资金将主要用于技术研发，以及市场销售团队和渠道的搭建。

龙诚智航成立于 2021 年 6 月，技术团队由清华大学、中国科学院大学、北京信息科技大学的成员组成，定位于研发生产观测级 / 作业级机器人，为 ToB 市场的水质检测、水下环境监测、水库及防洪坝体的安全检测等场景，提供高性价比的水下机器人产品。

2021 年，国务院原则同意《" 十四五 "海洋经济发展规划》，实施要优化海洋经济空间布局，加快构建现代海洋产业体系，着力提升海洋科技自主创新能力，协调推进海洋资源保护与开发。未来随着规划的落地和发展，海洋能源的开采将成为刚需，而能够替代人类潜水员进行深海作业的水下机器人则进一步受到人们青睐。

目前全球水下机器人市场仍规模较小，主要集中在北美地区，市场份额超过 30%，其次分别为欧洲和亚太市场。据市场研究机构QYR(恒州博智)统计数据，2021 年全球水下机器人市场的销售额为 2.7 亿美元(约 18.13 亿人民币)，预计 2028 年将达到 4.3 亿美元(约28.88 亿人民币)，2022 年至 2028 年的年复合增长率为 6.9%。

龙诚智航 CEO 王曜瑄告诉 36 氪，在现有机器人公司及其产品系列中，定位观测级和作业级的水下机器人较少。" 主要与市场环境有关。"他解释，大部分公司做观测级水下机器人的思维逻辑是从大型机器入手，做回小型机器时仍基于QGC(QGroundControl)系统搭载各种功能模块，导致成本过高，售价往往达几十万元至上百万元不等，这对价格较为敏感的小型机器来说是难以承受的。

自成立以来，龙诚智航稳步推进产品研发和技术优化迭代，目前已推出黑鳍和白鳍两款水下机器人产品。

其中，黑鳍为水下作业级机器人，主要面向水务、坝体检测等涉水基础设施的日常维护检测和探伤工作，具备低功耗、高机动性、高智能、高便携等特点;白鳍为小型教育版水下机器人，适用于实践创新教学及参加学科竞赛，其控制系统采用模块化设计，预留充足的软硬件接口，可扩展性强，可进行深度二次开发。

值得一提的是，龙诚智航将开源白鳍的相关系统，" 目前国内水下机器人方向的教育尚未形成体系，底层大多采用国外开源的 QGC技术系统，底层技术及芯片都受制于人。"王曜瑄谈道，因此公司希望通过向高校开源自有的系统化技术，帮助学生在启蒙阶段就养成基于国产芯片开发水下机器人的习惯。

在他看来，在一些对芯片性能需求不过高的场景下，国产芯片完全可以取代进口芯片，不仅成本会更低，货源也有保证，同时在产业不断发展的过程中，也将对芯片起到反向推进的作用。

从技术角度看，水下作业场景十分复杂，需涉及到图像识别处理、通信及定位导航、动力控制等多方面技术的相互配合。

王曜瑄认为，涉及水下的最大一个难点是水密问题，换句话说就是产品的防水深度，这是衡量水下机器人公司当前技术水平的重要标准之一。目前国际头部玩家的水下机器人防水深度可达到6000 米以上，国内玩家平均可达到 1000-3000 米水平，其中龙诚智航的产品防水深度已突破 2000 米。

整体来看，龙诚智航的水下机器人产品配备了定向、定深、调速、姿态显示和自稳等控制功能，并自研了自适应图像处理算法，拥有去雾、去绿、低延迟和 1080p显示等技术，清晰还原水下图像。同时，公司还拥有多种通讯及电源方案，其中通过自行设计的硬件及软件，大幅度降低了通信和图像传输延迟，延迟低于100ms，机器人操作精度大大提升。

此外，公司还研发了多自由度机械臂，通过主从式算法配合舵机关节，设计出多自由度的主从式水下机械臂，解决现有水下机械臂的操作困难、精度较差和成本高昂等问题。与传统摇杆+ 按钮的操 作方式相比，该方式具有操作简单、易上手、效率高等特点。

由于我国水下机器人市场起步较晚，目前处于飞速发展阶段。除了龙诚智航之外，国内还有鳍源科技、潜行创新、博雅工道、吉影科技等公司在此布局。

在王曜瑄看来，龙诚智航与国内大部分玩家相比，最大的差异化在于国产化程度的不同，国内大部分玩家主要基于美国开源的 QGC系统为底层架构研发产品，而公司从底层系统控制到软件框架结构均为自主研发，并采用国产芯片及传感器，产品的国产化程度达 90% 以上，定制化优势明显。

在商业模式上，龙诚智航将以设备租赁和售卖为主。

过去一年，公司逐步通过军工、大学教育及水务需求切入市场并拓展相关客户，已有观测级的水下机器人实现销售。目前公司意向订单 10 台，预计年收入100-300 万人民币。与此同时，公司还看好海上风力发电管道的日常维护及巡查，以及大型海洋工程建设等方向的应用落地，并已做好技术储备。

接下来一年，龙诚智航将推进黑鳍二代的升级，根据客户需求对机器外观、功能进行更通用化的设计，逐步打开市场;白鳍则初步推入市场，再根据市场反馈进行优化迭代。