聚焦零售履約、家庭服務、
食品加工等場景的商業化探索。
文｜黃楠
編輯｜袁斯來
來源｜硬氪（ID：south_36kr）
封面來源｜企業供圖
硬氪獲悉，具身智慧企業「穹徹智慧」近日完成數億元Pre-A++輪融資，本輪融資由盛宇投資、清科創投、嘉御資本、雲啟資本、上海科創基金等機構參投，Prosperity7、紅杉中國作為公司Pre-A輪投資人已連續三輪加註。融資資金將用於進一步加速公司在具身智慧基礎模型、資料採集與評價等領域突破，並推動其在零售履約、家庭服務、食品加工等場景中的商業化應用探索。
自2023年底成立以來，「穹徹智慧」已完成四輪融資。此次也是企業繼2024年底Pre-A+輪融資結束後、完成的又新一輪融資。
「穹徹智慧」專注具身智慧技術的開發和應用。聯合創始人盧策吾是斯坦福人工智慧實驗室的博士後，現任上海交通大學人工智慧學院副院長及教授，是國內最早研究具身智慧領域的學者之一。另一位聯創王世全是斯坦福仿生與靈巧操作實驗室及人工智慧實驗室（機器人方向）博士，於2016年創立非夕科技，開闢基於極致力控和層級式智慧的仿人化通用機器人技術路線，旗下自適應機器人已在實際場景中廣泛應用。
當前具身智慧的發展面臨諸多阻礙，其中核心難題在於如何精準、有效地描述物理世界，以及明確物理世界與機器人之間的互動機制。
從感知層面來看，雖然自然語言及視覺語言大模型取得顯著進展，但在應對現實世界的複雜問題時，仍存在明顯不足。現實世界的物理環境包含豐富的資訊，比如重量、材質、硬度等物體的物理屬性，位置、距離、角度等空間關係，運動軌跡、速度、加速度等動態變化，以及直接影響操作的核心力行為資料，如物體之間的接觸力、摩擦力、扭矩等。僅依靠視覺和語言模態，難以對這些資訊進行全面、準確的描述，無法為具身智慧提供足夠的決策依據。
而在資料端，訓練具身智慧大模型面臨著資料獲取的困境。與其他領域的模型訓練不同，具身智慧需要大量反映真實物理互動的資料，這些資料的獲取需藉助機器人在現實環境中的實際操作，成本高昂且效率低下。同時，由於缺乏統一的資料標準，不同來源的資料在格式、標註、質量等方面存在差異，難以進行有效的整合與利用，進一步阻礙了具身智慧大模型的發展。
「穹徹智慧」在具身智慧領域持續發力，透過快速迭代實體世界模型和力中心行為模型，顯著提升了機器人對物理環境的建模、理解、預測和互動能力。其自研的3D視覺模仿學習框架，可進一步增強機器人在複雜環境中的泛化能力、任務執行的成功率和魯棒性。
「穹徹智慧」業務-覆蓋技術預研&產品開發全週期（圖源/企業）
針對資料採集成本高、難以在真實場景低成本規模化部署的痛點，「穹徹智慧」結合自研演算法模型，提出了無需脫產的「生產伴隨」式資料採集方式，並研發了相應的數採系統，有望突破高質量操作資料採集的瓶頸。該系統自發布以來僅半年時間，憑藉其高效、便捷的資料採集能力，已獲得近百套訂單。
依託先進演算法與資料支撐，「穹徹智慧」的核心產品——穹徹具身大腦（Noematrix Brain），已具備指令推理分解、任務規劃、物體分類、環境感知、自主導航和通用技能操作的全閉環能力。
在此基礎上，「穹徹智慧」構建了完整的產品矩陣，包括「Noematrix Brain+Training Platform+DevPlatform」、「硬體本體」及「CoMiner伴隨式數採系統」，具備跨場景應用部署能力，並聚焦零售履約、家庭服務、食品加工等場景的智慧化、自動化需求進入商業化應用階段。
以家庭服務場景為例，「穹徹智慧」已同頭部家電企業達成深度合作，共同推動家庭服務機器人的研發與應用。在近日的AWE 2025上，「穹徹智慧」與該企業聯合研發的洗護場景家庭機器人，實現了從衣物感知、精準投放、洗衣烘乾到取衣的自動化操作，無需人工干預。
「穹徹智慧」AWE洗護機器人（圖源/企業）
在食品加工領域，「穹徹智慧」已與知名食品廠商達成合作意向，雙方將加快複雜食品生產、加工處理產線的智慧化與自動化轉型，以「人機協同」的模式提升食品生產效率和質量。
本輪融資後，「穹徹智慧」將聚焦提升具身智慧大模型的通用性。依託Noematrix CoMiner伴隨式數採系統，高效獲取高質量操作資料，突破資料瓶頸，加速模型迭代與效能提升。
此外，「穹徹智慧」將持續加快具身智慧在零售履約、家庭服務、食品加工等更多場景的應用探索，並與各方行業廠商、科研機構合作，共建高質量、大規模的具身智慧資料基礎設施，推動技術從研究到產業的加速轉化，助力具身智慧技術的規模化應用。
點選關鍵詞，檢視最近的早起看早期：