作者｜黄楠
编辑｜袁斯来
硬氪得知，具身智能企业“穹彻智能”在近日完成了数亿元的 Pre-A++轮融资。本轮融资有盛宇投资、清科创投、嘉御资本、云启资本、上海科创集团等机构参与投资。Prosperity7 和红杉中国作为公司 Pre-A 轮的投资人，已经连续三轮进行了投资加注。融资资金会用于加快公司在具身智能基础模型方面的突破，会用于加快在数据采集与评价等领域的突破，还会用于推动其在零售履约场景中的商业化应用探索，同时也会用于推动其在家庭服务场景中的商业化应用探索，以及用于推动其在食品加工场景中的商业化应用探索。
2023 年底成立后，「穹彻智能」已完成四轮融资。此次融资是企业在 2024 年底 Pre-A+轮融资结束之后进行的新一轮融资。
「穹彻智能」致力于具身智能技术的开发与应用。其联合创始人卢策吾，是斯坦福人工智能实验室的博士后，目前担任上海交通大学人工智能学院的副院长以及教授，他是国内在具身智能领域开展研究较早的学者之一。另一位联创是王世全，他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）的博士。2016 年，他创立了非夕科技。他开辟了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。他旗下的自适应机器人已在实际场景中得到广泛应用。
当前具身智能的发展遭遇许多阻碍。其核心难题一是怎样精准且有效地描述物理世界；二是怎样明确物理世界与机器人之间的交互机制。
从感知层面去看，自然语言及视觉语言大模型取得了显著的进展。然而，在应对现实世界的那些复杂问题时，它们依然存在着明显的不足。现实世界的物理环境包含诸多信息。其中有物体的物理属性，像重量、材质、硬度等；还有空间关系，如位置、距离、角度等；以及动态变化，像运动轨迹、速度、加速度等。同时还有直接影响操作的核心力行为数据，例如物体之间的接触力、摩擦力、扭矩等。仅凭借视觉和语言模态，很难对这些信息进行全面且准确的描述，也无法为具身智能提供足够的决策依据。
在数据端方面，训练具身智能大模型遭遇着数据获取的困境。与其他领域模型的训练不一样，具身智能需要大量能够体现真实物理交互的数据，而这些数据的获取必须借助机器人在现实环境里的实际操作，其成本是高昂的，效率也较为低下。同时，因为缺少统一的数据标准，不同来源的数据在格式方面有差异，在标注方面有差异，在质量方面也有差异，这些差异导致难以进行有效的整合与利用，进而进一步阻碍了具身智能大模型的发展。
「穹彻智能」在具身智能领域一直努力。它快速迭代实体世界模型和力中心行为模型，这样就大大提升了机器人对物理环境的建模能力、理解能力、预测能力和交互能力。它自研的 3D 视觉模仿学习框架，能够进一步让机器人在复杂环境中的泛化能力变强，任务执行的成功率提高，鲁棒性增强。
「穹彻智能」的业务涵盖了技术预研以及产品开发的全周期。（图源/企业）
“穹彻智能”针对数据采集成本高以及难以在真实场景中低成本规模化部署的痛点，结合自研算法模型，提出了一种无需脱产的“生产伴随”式数据采集方式，并且研发了相应的数采系统，有望打破高质量操作数据采集的瓶颈。该系统自发布之后仅仅过了半年时间，凭借其高效且便捷的数据采集能力，已经获得了近百套订单。
「穹彻智能」依托先进算法与数据支撑，其核心产品穹彻具身大脑（Noematrix Brain）已具备多种能力。它能够进行指令推理分解，能够进行任务规划，能够进行物体分类，能够进行环境感知，能够实现自主导航，还能够进行通用技能操作，具备全闭环能力。
在此基础上，「穹彻智能」构建了完整的产品矩阵。其中包括“Noematrix Brain + Training Platform + DevPlatform”，还有“硬件本体”以及“CoMiner 伴随式数采系统”。它具备跨场景应用部署的能力，并且聚焦于零售履约、家庭服务、食品加工等场景的智能化、自动化需求，已进入商业化应用阶段。
以家庭服务场景作为例子，“穹彻智能”已经和头部家电企业建立了深度的合作关系，一起推动家庭服务机器人的研发以及应用工作。在最近的 AWE 2025 展会当中，“穹彻智能”与该企业联合研发的用于洗护场景的家庭机器人，达成了从衣物的感知、精准的投放、洗衣和烘干一直到取衣的自动化操作，整个过程不需要人工进行干预。
「穹彻智能」AWE洗护机器人（图源/企业）
在食品加工领域，“穹彻智能”已经和知名食品厂商有了合作的意向。双方会加快那些复杂的食品生产以及加工处理产线的智能化和自动化转变进程。并且会以“人机协同”这种模式来提高食品的生产效率和质量。
本轮融资过后，“穹彻智能”会把重点放在提升具身智能大模型的通用性上。凭借 Noematrix CoMiner 伴随式数采系统，能够高效地获取高质量的操作数据，从而突破数据方面的瓶颈，加快模型的迭代以及性能的提升。
「穹彻智能」地面整理机器人（图源/企业）
此外，「穹彻智能」会持续加快具身智能在零售履约方面的应用探索，会持续加快具身智能在家庭服务方面的应用探索，会持续加快具身智能在食品加工方面的应用探索，并且会与各方行业厂商合作，会与科研机构合作，共同构建高质量、大规模的具身智能数据基础设施，推动技术从研究到产业加速转化，助力具身智能技术的规模化应用。
