今天小编分享的互联网经验：斯坦福团队创立，红杉、P7持续加注，这家具身智能公司再融资数亿，欢迎阅读。
作者｜黄楠
编辑｜袁斯来
硬氪获悉，具身智能企业「穹彻智能」近日完成数亿元 Pre-A++ 轮融资，本轮融资由盛宇投资、清科创投、嘉御资本、云启资本、上海科创集团等机构参投，Prosperity7、红杉中国作为公司 Pre-A 轮投资人已连续三轮加注。融资资金将用于进一步加速公司在具身智能基础模型、数据采集与评价等领網域突破，并推动其在零售履约、家庭服务、食品加工等场景中的商业化应用探索。
自 2023 年底成立以来，「穹彻智能」已完成四轮融资。此次也是企业继 2024 年底 Pre-A+ 轮融资结束后、完成的又新一轮融资。
「穹彻智能」专注具身智能技术的开发和应用。联合创始人卢策吾是斯坦福人工智能实验室的博士后，现任上海交通大学人工智能学院副院长及教授，是国内最早研究具身智能领網域的学者之一。另一位联创王世全是斯坦福仿生与灵巧操作实验室及人工智能实验室（机器人方向）博士，于 2016 年创立非夕科技，开辟基于极致力控和层级式智能的仿人化通用机器人技术路线，旗下自适应机器人已在实际场景中广泛应用。
当前具身智能的发展面临诸多阻碍，其中核心难题在于如何精准、有效地描述物理世界，以及明确物理世界与机器人之间的互動机制。
从感知层面来看，虽然自然语言及视觉语言大模型取得显著进展，但在应对现实世界的复杂问题时，仍存在明显不足。现实世界的物理环境包含丰富的信息，比如重量、材质、硬度等物体的物理属性，位置、距离、角度等空间关系，运动轨迹、速度、加速度等动态变化，以及直接影响操作的核心力行为数据，如物体之间的接触力、摩擦力、扭矩等。仅依靠视觉和语言模态，难以对这些信息进行全面、准确的描述，无法为具身智能提供足够的决策依据。
而在数据端，训练具身智能大模型面临着数据获取的困境。与其他领網域的模型训练不同，具身智能需要大量反映真实物理互動的数据，这些数据的获取需借助机器人在现实环境中的实际操作，成本高昂且效率低下。同时，由于缺乏统一的数据标准，不同来源的数据在格式、标注、质量等方面存在差异，难以进行有效的整合与利用，进一步阻碍了具身智能大模型的发展。
「穹彻智能」在具身智能领網域持续发力，通过快速迭代实体世界模型和力中心行为模型，显著提升了机器人对物理环境的建模、理解、预测和互動能力。其自研的 3D 视觉模仿学习框架，可进一步增强机器人在复杂环境中的泛化能力、任务执行的成功率和鲁棒性。
「穹彻智能」业务 - 覆盖技术预研 & 产品开发全周期（图源 / 企业）
针对数据采集成本高、难以在真实场景低成本规模化部署的痛点，「穹彻智能」结合自研算法模型，提出了无需離職的 " 生产伴随 " 式数据采集方式，并研发了相应的数采系统，有望突破高质量操作数据采集的瓶颈。该系统自发布以来仅半年时间，凭借其高效、便捷的数据采集能力，已获得近百套订单。
依托先进算法与数据支撑，「穹彻智能」的核心产品——穹彻具身大腦（Noematrix Brain），已具备指令推理分解、任务规划、物体分类、环境感知、自主导航和通用技能操作的全闭环能力。
在此基础上，「穹彻智能」构建了完整的产品矩阵，包括 "Noematrix Brain + Training Platform + DevPlatform"、" 硬體本体 " 及 "CoMiner 伴随式数采系统 "，具备跨场景应用部署能力，并聚焦零售履约、家庭服务、食品加工等场景的智能化、自动化需求进入商业化应用阶段。
以家庭服务场景为例，「穹彻智能」已同头部家电企业达成深度合作，共同推动家庭服务机器人的研发与应用。在近日的 AWE 2025 上，「穹彻智能」与该企业联合研发的洗护场景家庭机器人，实现了从衣物感知、精准投放、洗衣烘干到取衣的自动化操作，无需人工干预。
「穹彻智能」AWE 洗护机器人（图源 / 企业）
在食品加工领網域，「穹彻智能」已与知名食品厂商达成合作意向，双方将加快复杂食品生产、加工处理产线的智能化与自动化转型，以 " 人机协同 " 的模式提升食品生产效率和质量。
本轮融资后，「穹彻智能」将聚焦提升具身智能大模型的通用性。依托 Noematrix CoMiner 伴随式数采系统，高效获取高质量操作数据，突破数据瓶颈，加速模型迭代与性能提升。
「穹彻智能」地面整理机器人（图源 / 企业）
此外，「穹彻智能」将持续加快具身智能在零售履约、家庭服务、食品加工等更多场景的应用探索，并与各方行业厂商、科研机构合作，共建高质量、大规模的具身智能数据基础设施，推动技术从研究到产业的加速转化，助力具身智能技术的规模化应用。
