IT之家 4 月 13 日消息，据雷峰网今日报道， 消费级 3D 打印品牌“智能派”即将完成新一轮数亿元融资 。本轮融资由深创投领投，美团龙珠、美团战投、高瓴资本等机构跟投，或将覆盖不同层面的潜在合作。 IT之家查询公开信息获悉，深圳市智能派科技有限公司成立于 2015 年，专注于研发、生产和销售消费级 3D 打印机、激光雕刻机、STEM 套件等产品。 深圳市智能派科技有限公司于 2025 年 11 月发生工商变更 ，注册资本增加至约 643.96 万元，新增杭州疆御科技咨询有限公司、 深圳市大疆创新科技有限公司 为股东。 雷峰网报道还提到，大疆投资智能派的消息公布后，还有消息称 大疆派遣了一个研发团队支援智能派 ，这无异于为资本市场注入了一剂强心针。大量机构随后闻风而动，各展所长。 知情人士透露，美团在此轮融资中份额不低，资金分别通过北京龙珠、福建龙珠和美团战投三个主体注入。 美团创始人王兴十分看好消费级 3D 打印赛道 ，曾亲自飞往深圳洽谈项目。这也是美团近半年来，继投资“快造”之后第二个消费级 3D 打印机项目，两个项目分别由美团内部不同的团队推进。
作者｜黄楠 编辑｜袁斯来 硬氪获悉，具身智能世界模型公司「千诀科技」日前完成数亿元A轮融资，本轮由京铭资本领投，山东新动能、山东财金资本、元禾厚望、芯能创投、南创投、英诺天使基金、尚势资本、仁爱集团、玄素投资等机构共同投资，投资方阵容汇集了国家队、产业方、市场化基金及家族办公室。Maple Pledge枫承资本长期出任私募股权融资顾问。 资金将重点用于自研世界模型的架构搭建、算法迭代与场景落地，同步扩充核心研发与项目交付团队，完善商业化落地配��能力。 千诀科技创立于2023年6月，核心团队孵化自清华大学类脑研究中心，长期聚焦具身智能决策与规划大模型研发落地，突破传统设备任务局限，以帮助机器人实现环境动态自适应与全自主作业。 世界模型的热潮正迅速卷向具身智能领域，成为通用人工智能落地物理世界的核心突破口。卷积神经网络之父Yann LeCun（杨立昆）率先提出世界模型核心理论，其创办的AMI团队持续专注抽象表征空间建模、物理世界规律预测的技术方向研究，为行业奠定了核心理论基础。 从因果推理到空间智能，从物理仿真到生成式预测，基于不同技术范式、不同理论底座的研究在业内正同步展开。这是个尚未收敛、想象力巨大的赛道。各路探索者都在试图回答同一个问题：如何让机器真正理解并预知物理世界的变化。 在主流的生成式路线中，典型做法是通过像素级重构来预测下一帧画面。但千诀科技CTO章天任向硬氪指出，这种方法往往存在一个容易被忽视的问题——特征污染。 “真实物理世界的图像输入信息量极大，包含大量与任务无关的噪声，比如光影、纹理。”章天任解释，模型为了追求像素级的无损重构，不得不把有效特征和无效信息强行绑定在一起，结果可能导致模型内部表征不再“纯净”，“它确实能从现实数据中提取出具有泛化性的特征，但这些特征里混入了干扰项。” 这种污染会直接影响模型对物理世界的理解能力。世界模型的本意是让模型学会符合物理规律的预测，而不是单纯地拟合图像。一旦特征被污染，模型就很难提炼出真正的因果关系和物理不变性，泛化能力自然受限。 “人看一张图时，不会平均分配注意力在每个像素上，而是快速锁定与任务相关的区域。”章天任说，“但生成式模型与其说是理解世界，却更容易发生复刻表象的情况。” 面对生成式路线存在特征提取的这一局限，预测式世界模型提供了另一种思路。 其核心逻辑是，让机器人真正理解物理世界，不是靠还原每一帧像素，而是靠预测物理状态的低维演化轨迹。 千诀科技CEO高海川用一个案例解释了两者的本质区别：人在打球时，不会在脑中想象一帧帧清晰的画面，而是直接挥拍，依靠对球轨迹的低维预测。这种预测不包含像素信息，只包含物理规律的状态演化。“人类在物理世界中玩球类游戏，不可能去想象清晰完整的像素画面，来不及，而且这种信息不稳定。”高海川说。 同样的逻辑适用于具身智能。执行任务时，机器人需要的不是“未来会长什么样”的想象，而是“下一个状态该往哪走”的预判。预测式模型的核心输出不是视频帧，而是低维抽象特征，这些特征可以直接解码为动作轨迹或规划指令，从而绕开像素重构带来的计算负担和特征污染问题。 在预测式路线基础上，千诀科技还进一步提出了分布式预测架构。其架构采用了类人脑的脑区连接方式，大脑不同区域各司其职，连接紧密的区域内部协同，区域之间则相对独立。 对比传统方法把所有信息揉在一起压缩处理，分布式预测架构会先把信息分到不同的区域里，再分别压缩和预测，从而实现样本效率更高，推理速度更快。“同样一个任务，从零开始可能需要1000个‘状态-动作’对；有了好的表征，100个就够了，有效减少了机器人适应新场景所需的示教数据。”章天任说。 通过这种分布式架构，可以帮助模型在抽象表征空间中学习物理状态的演化规律，而非仅仅是像素的时序关联，更好地服务于下游的规划与控制。当机器人面对新环境时，可以更快地理解“什么会导致什么”，对真实场景落地尤为关键。 搭载千诀世界模型的机器人在餐厅打工（图源/企业） 具体到应用端，千诀科技将具身大脑与小脑解耦，由其世界模型负责感知、预测与规划，不绑定具体的执行动作空间。只要共享同一模态，模型就能将其观察到的环境变化作为统一的数据来源进行训练。这意味着，同一个“大脑”可以快速迁移到不同本体上，解耦设计有效降低了迁移成本，并加速了真实场景中的数据飞轮闭环。 据硬氪了解，千诀科技自研具身大脑已完成轮式、四足、双足人形、无人机、清扫机器人等多品类硬件适配，落地酒店保洁、商用服务、精密室内作业等实景项目，当前接入终端设备规模达十万台。依托海量终端持续产生的真实交互数据，未来将反哺世界模型进一步迭代优化。 搭载千诀世界模型的机器人在咖啡店自主配送（图源/企业） 以下为硬氪与千诀科技CEO高海川、CTO章天任的访谈节选（略经编辑）： 硬氪：开环预测场景下，世界模型的长时推理误差会随步数累积。千诀的预测式架构如何应对这一问题？具身任务的闭环反馈机制能在多大程度上抑制误差放大？ 章天任： 这个问题分几个层面。第一，累积误差的大小取决于应用场景是否具备闭环反馈。视频生成模型是纯开环的，一次性预测未来很多帧，中间没有任何外部信息校正，所以误差容易累积。但具身不同在于它有闭环反馈，我们不会让机器人一次性预测1000步、把整个任务全部规划完再执行，而是先预测50步，选出动作去执行，执行完后环境会给出新的状态作为反馈，基于反馈修正后续预测。 这种“执行-观测-修正”的循环，是具身任务与视频生成最本质的区别，能有效抑制误差放大。 第二是关于记忆模块。千诀目前已经在一些平台上尝试搭建Memory系统，但还没有与视觉中心直接融合。原因在于，既然已经有了闭环反馈，很多场景下暂时不需要显式的长期记忆。 第三，千诀的模型支持多步预测，模型预测的“一步”不一定对应底层的一个控制指令，而可以对应一个完整的语义动作，比如50个底层step。预测步数越少，累积误差发生的概率和幅度就越小。 总的来说，我们认为世界模型的能力上限挑战在于完全开环的超长时规划，比如机器人还没开始行动，就要一次性规划好未来几百步的所有细节。但这种使用场景在真实的具身任务中很少见，更自然、更现实的做法还是“边做边看”，发现问题随时调整。 硬氪：千诀已实现十万台级别的规模化部署。在实际落地过程中，客户反馈中有哪些超出预期的发现？对你们的产品迭代有什么影响？ 高海川： 千诀目前已有十万台机器在真实场景中运行，用户把机器人当真实产品使用，给出的反馈也是真实的。因此，我们训练的模型与落地场景之间不存在“real-to-real gap”。 搭载千诀世界模型的机器人自主清洁桌面（图源/企业） 市场反馈中有两个点超出了我们的预期。 一个是响应速度的敏感度。 不同场景对延迟的容忍度差异很大。生成式模型4秒级的响应，在机器人场景中基本不可用。我们的预测式模型虽然推理速度快、可以在0.5秒内返回结果，但部分机器人需要云端传输延迟在1秒左右，客户仍然反馈“卡顿”。当我们把延迟降低0.5秒，用户体验就有了质的飞跃，这种毫秒级的延迟优化，往往比模型能力的提升更能直接转化为用户满意度。 另一方面在于主动性的价值。 大多数时候，客户并不希望机器人只是一个被动执行指令的工具，而是期待它能“眼里有活”——主动感知环境、自主决策，而不是逐条等人类发令。比如在酒店场景中，机器人主动发现地面有污渍并启动清洁，比接到指令再执行，更能让客户感受到“智能化”。这种从“被驱动设备”到“智能体成员”的体验跃迁，正在成为产品差异化的关键维度。
文｜胡香赟 编辑｜海若镜 36氪获悉，近日，AI原生生物科技公司百奥几何已完成数亿元战略融资。由上海生物医药创新转化基金、国科投资、达晨财智、星连资本联合领投，高榕资本、指数人工智能产业创新基金跟投。指数资本担任独家财务顾问。另据介绍，本轮募集资金将重点用于生命科学微观世界模型GeoFlow的持续迭代，以及自研药物管线的推进。 当前，人工智能正沿两条主线加速演进：以大语言模型与多模态模型为代表的数字AI（Digital AI），以自动驾驶与人形机器人为代表的物理AI（Physical AI）。而生命AI（Bio AI）或将成为下一个最具想象力的疆域，这一判断，正被全球顶级资本与科学界持续确认。 2024年，诺贝尔化学奖同时授予蛋白质结构预测与蛋白质从头设计两个方向；2025年，中国创新药BD交易金额达1357亿美元，占全球交易金额约49%，超越美国成为全球创新药对外授权第一大市场；2026年5月，Alphabet旗下Isomorphic Labs完成21亿美元融资，由Thrive Capital领投，淡马锡、MGX、英国主权AI基金等主权资本共同入局，刷新AI药物发现领域的单笔融资纪录。 生命科学的基本单位是由分子组成的细胞，生命的所有功能，都源自分子在原子尺度上的相互作用。能否在微观层面真正理解、并精准设计分子之间的相互作用，是生命科学最底层的命题。百奥几何自研的GeoFlow正是这样一个"微观世界模型"，通过在原子级精度上对蛋白质、DNA、RNA等生物分子的相互作用进行精确建模，以生成式AI从头创造自然界从未存在的全新分子，让"理解生命"走向"设计生命"。 自2024年首次发布至今，GeoFlow历经三次升级。GeoFlow V1将"原子级精度建模分子相互作用"这一核心思想落地为可工程化的大模型。在关键的蛋白-蛋白复合物结构预测任务上，GeoFlow V1达到与AlphaFold 3同等水准；2025年4月迭代至GeoFlow V2这一版本时，已不再局限于单纯的结构预测，而是实现了原子级精度下蛋白质结构预测与“从头设计（de novo design）”能力的统一，能够完成抗体从头设计、疫苗设计、工业酶优化等工作。 “客观而言，GeoFlow V2已能针对部分靶点生成相应的结合分子，但所得分子的结合亲和力仍有提升空间。因此，去年10月，我们又迭代了GeoFlow V3，核心目标是提高结合分子的生成成功率，并尽可能获得更多高亲和力结合分子，达到纳摩尔级（nM）水平。”唐建表示。 为实现这一点，百奥几何将大模型领域的Test-Time Scaling（TTS）技术应用到了蛋白质设计中。简单理解，这是一种用推理时间和计算投入换取设计质量的思路，具体到蛋白质设计上，就是针对目标靶点，让模型一次性生成多个蛋白版本，再从中筛选出优质样本、验证优化，最终得到结构稳定、亲和力达标的新蛋白。其核心优势在于成本低、落地快，不用投入巨资重新训练模型，就能提高蛋白质设计的成功率和质量。 以实际的抗体设计应用场景为例：在科学家还需“手搓”的时代，研发团队通常会在动物体内/体外构建上亿级分子库，并开展多轮、耗时数月的高通量筛选，成本高、流程长。如今，在AI“主导”下，则可以通过更少的试验投入，实现更高的命中率。 据百奥几何披露数据，在针对TSLP、IL-33、IL-13、CCR8、 PD-1、H3-HA、IL-4Rα等超过20个靶点的从头设计任务中，每个靶点仅需合成验证不超过50个GeoFlow V3设计的候选分子，就能获得表位特异的nM级别的结合抗体，平均命中率接近20%，且先导分子发现时间可缩短至三周内。 目前，百奥几何正在研发下一代微观世界模型GeoFlow V4，将建模尺度从分子相互作用拓展至从"设计单个分子"走向"设计分子系统"。 近两年，BD交易成为创新药企的重要商业化出口。既往案例中，药物管线的价值通常随临床阶段推进而增加。此前，百亿美元级大额交易多发生在临床2期或3期之后，也能看出这一点。但AI的“从头设计”能力或将进一步放大早期阶段分子的价值，进而改写这个逻辑。 唐建认为，对于那些传统方法容易获得的抗体分子，跨国药企更看重后期临床数据，是因为速度越快、临床数据越充分，获批上市概率就更大。但对于获取难度本就很高的分子，即便处于早期阶段，只要能形成差异化，也可以做出高价值；而且，优质分子还能提升临床阶段的成功率。 据介绍，百奥几何现已与国内外药企达成超20项BD合作，在高特异性抗体从头设计、先导分子多目标优化、疫苗设计等多方面实现突破。 以肿瘤免疫领域��例，GeoFlow 模型实现了高特异性抗体的"从头设计"。该项目的目标靶点是肿瘤细胞表面特有的抗原，研发难点在于它存在一个高度同源的"孪生靶点"——两者结构高度相似，传统方法难以在分子层面精准区分，极易误伤表达"孪生靶点"的正常细胞。百奥几何借助 GeoFlow 的全原子建模能力，将"特异性"作为前置约束直接写入分子生成阶段：仅设计不超过 100 条序列，即获得 2 条同时具备高选择性与高亲和力的抗体——精准结合目标靶点，而对"孪生靶点"不结合，从源头保障了临床安全性。 “目前，这是最能代表百奥几何模型能力的项目之一。通常，与客户共同开发的大多是传统方法无法攻克的项目，甚至有一些GeoFlow V2无法完成、GeoFlow V3迭代后成功突破的案例。这个过程中，不仅我们能感受到模型迭代带来的能力涌现，客户自身也在直观感受到AI技术的快速进化，尤其是AI Agent爆发后，药物研发和蛋白设计领域的技术迭代速度在显著提升。”唐建提到。 在与某国外知名药企的合作中，目标项目需要同时优化先导抗体的亲和力、理化性质、热稳定性、人源性等多项指标。GeoFlow在零样本（模型未经该靶点数据微调）场景下，仅通过一轮设计与验证即交付了同时满足全部预设指标的目标分子：亲和力提升数十倍、表达量提升8倍、人源性优化至90%以上、热稳定性同步显著提升，项目交付周期较客户预期缩短80%以上。 此外，在合成生物学领域，百奥几何已储备数十条自研管线。其中，包括ɑ-酮戊二酸、天然冰片在内的多条管线已完成中试放大；目前，公司的多款自研管线已通过“技术转让+销售分成”的模式达成授权合作，商业化进展持续提速。 团队方面，百奥几何由AI4S科学家唐建教授创立，图灵奖得主、AI之父Yoshua Bengio担任首席科学顾问。团队自2018年开始探索AI驱动药物发现，已取得多项产学研落地成果。2021年，将扩散生成模型用于分子三维结构生成（代表性工作 ConfGF、GeoDiff）；2022年联合英伟达、英特尔、IBM发布开源机器学习药物发现平台 TorchDrug 与 TorchProtein。近期，作为核心贡献者参与英伟达开源蛋白质大模型 La Proteina 的研发，并自主研发前沿 AI 虚拟细胞模型PerturbDiff。 投资人观点： 上海生物医药创新转化基金总裁郭秋杉表示，大分子药物开发长期掣肘于传统筛选的冗长与过往分步式AI工具链的误差逐级放大。百奥几何实现了生物分子相互作用的原子级精度建模，并将结构预测、序列生成、成药性评价与湿实验反馈整合闭环，代表一条更接近底层科学逻辑和真实工业需求的 AI Native 路径。这种全原子 De Novo 设计思想，让公司在传统难成药靶点、复杂抗体、多特异性大分子等高难度管线上展现出无法比拟的代际优势，并实现了 PCC 级分子的交付。我们期待百奥几何凭借快速迭代、自主可控的 GeoFlow 算法底座，全速推进自研管线的临床开发与全球合作。 国科投资智慧医疗组组长张堃表示，AI驱动药物研发有望打破生物医药行业“反摩尔定律”研发困局，推动大分子药物逐步构建“结构理解、定向设计、干湿实验闭环验证”的全新研发范式。我们高度认可唐建教授领衔团队在AI4S领域的技术能力及其全球影响力，其自主研发的GeoFlow模型在抗体药物、工业酶从头设计场景中已展现出差异化技术优势。我们相信，在AI重塑药物研发的时代背景下，百奥几何将深度赋能创新药企与生物制造产业，加速管线转化与商业化落地，持续带来产业化价值和兑现产业化红利。 达晨财智董事总经理王大奎博士表示，AI在生物医药领域的“智能涌现”时刻比业内预想中来得更快。AI可以近乎无限地设计、筛选候选分子，药物研发的创新正从传统实验试错转向计算驱动。百奥几何正是由唐建教授带领的一支顶尖AI4S团队，常年扎根生物计算，既有扎实的学术积累，也具备把前沿算法落地成工程方案的能力。团队自研的GeoFlow微观世界模型，可以高精度预测蛋白质等生物大分子的结构与相互作用，技术能力处于全球第一梯队，也是打破海外相关闭源模型垄断的一个关键突破口。再叠加国内在湿实验环节成本低、迭代快的优势，以百奥几何为代表的中国AI制药公司，完全有能力实现后发追赶。 星连资本合伙人李文珏表示，生命科学正在进入一个全新的时代：从依赖经验和偶然发现，走向以计算和设计驱动的精准创新。百奥几何以生成式 AI 为引擎，探索蛋白质这一生命底层语言的可编程化设计，并通过干湿实验闭环不断加速模型迭代与实验验证，提升新分子发现和功能设计的效率与成功率。我们看好百奥几何在 AI 基础模型、蛋白设计能力和实验验证体系上的系统性积累，也看好其全球化、交叉学科团队所展现出的长期创新潜力。期待百奥几何持续推动 AI 与生命科学的深度融合，为生物医药与合成生物学打开更高效、更可预测、更具工程化能力的新范式。
36氪获悉，近日，高精度现代模拟计算芯片公司“安纳智芯”宣布完成新一轮数亿元融资，本轮由经纬创投领投，峰瑞资本、阿尔法公社跟投，老股东讯飞创投、中赢创投持续加码。
「暗涌Waves」独家获悉，量子计算公司「量坤科技」近日完成数亿元人民币天使轮、天使+轮融资。本轮系列融资由英诺天使基金领投，国汽投资、北工投资、BV百度风投、水木清华校友基金、明势创投等多家机构参与投资。光源资本担任独家财务顾问。 这笔融资背后，是一个逐渐清晰的判断： AI for Science需要量子计算。 AI可以学习规律，但模型能力上限，受制于它所见过世界的“分辨率”。在化学、材料与医药等研发场景中，如果底层数据的精度不够，模型预测结果也会显著受限。 量子计算，天然适合模拟分子结构、化学键等体系。 作为一种高精度求解器，它有可能输出更接近物理世界规律的计算结果；计算产出的量子级高精度数据，也是AI4S提升模型表现的一个关键。 量坤科技成立于2026年1月，创始人吕定顺在华为、字节跳动AI4S Lab工作七年，带领团队探索量子计算的能力边界。再往前，他是清华大学最早一批量子计算方向博士，深度参与基于离子阱量子计算系统的搭建。 过去，凭借“硬件不足，软件先行”的路径，吕定顺在大厂拿到过许多结果。在他看来，量子技术、AI和高性能计算融合的异构智算平台，能够在应用层，最大化有限量子算力的价值。 这位年轻的理工科博士，一直想 用量子计算解决真实世界的大问题 。在量子计算硬件技术路线尚未收敛之际，他没有“卷”入硬件创业的热潮，而是选择了硬件之上的算法和软件平台，把量子算法、AI模型和行业workflow封装成可调用的科学智能体，连接量子计算机与AI4S应用需求。 吕定顺说话语速很快，近两小时的访谈里，说了15次“exciting/兴奋”。在华为第一年，打破谷歌“量子霸权”叙事的研究，没有让他很exciting。但用AI在高温超导相关模型计算中实现SOTA，令他兴奋；遇到敢挑战Google、IBM，能打硬仗的人，他也会兴奋。 目前，量坤科技团队已有近40人，集聚了量子、AI、高性能计算方向的前沿人才。在吕定顺看来，“团队是创始人内心认知的映射，当深度理解量子计算这一系统工程，就知道该如何招募团队。人才最核心的是心气儿要足。” 为什么AI4S需要量子计算？算法和操作系统层的创业机会有多大？未来量子计算会成为新的算力解法吗？以下是我们与吕定顺的对话（经编辑）： 一、来时路 「暗涌」：“量子霸权”为什么令人震撼？作为清华第一批量子计算专业博士，你为什么坚定走向了工业界？ 吕定顺： 2019年谷歌发布了包含53个可用量子比特的处理器，只用200秒就完成了一项研究；并宣称，同样的任务，用当时最强经典计算机需要算1万年。这就是“量子霸权”的来由。 后来我们在华为做了一年，用百卡级传统GPU做模拟，通过算法优化验证经典计算机根本不需要1万年，几个月甚至几天就能算出来。这一研究可以说打破了谷歌量子霸权。 但完成这项工作后，我没有特别exciting。因为量子计算机还在往前发展，Scaling（指数级规模扩展）摆在那里。53比特还能追赶，往后60比特、100比特，经典超级计算机很难再跟得上。 我更关心的是，当量子硬件能力继续向上，量子计算到底能解决哪些真实世界问题？解决的问题能不能更大？量子计算是系统性工程，所以我很坚定地选择去工业界。 「暗涌」：在华为期间，你如何寻找量子计算的真实应用场景？ 吕定顺： 量子计算机是一把锤子，要找到合适的钉子。 除了随机线路模拟，还有两段探索经历。一是化学和材料科学模拟。量子计算机本身是微观量子体系，用它模拟另一个量子体系顺理成章，比如材料化学。进入工业界前，我没有研究过化学，就花三个月读计算化学等文章，再写算法、做复现。后来我们把量子化学模拟推到了28比特，这也是当时业界最大规模的模拟。 另一段是做组合优化问题，比如最大切割、网络流量优化等。在量子计算机算力不高的情况下，我们基于QAOA（量子近似优化）算法做降维化简，最终用不到20比特的量子计算资源，模拟出了10万比特的业务规模。 「暗涌」：什么时候开始更聚焦于AI4S场景？“混合异构计算”这一平台思路是怎么形成的？ 吕定顺： 在字节，最开始我们依然沿着“量子计算实用化”的逻辑。 如果量子计算机长期只有20-50比特，怎么解决真实的大问题？ 后来我发现“量子嵌入”是很好的思路，简单来说就是好钢用到刀刃上。它通过计算任务分解，用量子计算机解决最核心、最复杂的矛盾，其他次要部分用经典计算机算，从而在计算规模、精度、成本实现平衡。 比如：眼前这个会议桌上，最重要的特征是摆了两台电脑，其他部分都相似，那我们就用量子计算机去算“电脑”部分。具体场景上，我们选择了电子结构复杂、传统算法难突破的强关联材料做研究，像氧化镍等过渡金属氧化物。 随着AI大语言模型能力爆发，团队思路更加侧重应用。原来是拿着量子计算机这锤子找钉子；后来是只要能解决science问题，AI、量子计算、经典算法一起用。 围绕化学和材料，我们探索了三种路径：多尺度量子计算化学模拟，把原需上万比特的问题，转换成只需20量子比特；将量子计算机作为高精度求解器，为AI4S模型提供高质量数据。基于GPU的量子嵌入算法，不依赖于量子硬件能力提升；还有纯基于神经网络量子态来求解物理问题，既作为问题求解器，也作为数据合成器。 「暗涌」：你很在意解决的问题够不够“大”。做这些应用探索时，最重要的是什么？ 吕定顺：最重要的就是“选题”，要找到一个足够有影响力的问题。 后面我们选择了“高温超导”，这是凝聚态物理领域很关注的问题，普通人也有感知。借助AI神经网络，我们在高温超导的Hubbard模型计算上取得了SOTA。 这让我挺兴奋。与传统计算范式相比，我们的算法在小数点后第二位就已经显示出优势，既往学界都在PK小数点第四位。 这个AI模型也不是传统的Data-driven算法，本质是基于“变分原理”解极复杂的薛定谔方程，通过不断优化降低Loss，求出真正的基态解。从第一性原理来看，它可以拓展到化学、材料等很多问题。 一开始这方法消耗的计算资源很大，我们紧接着又做了算法和框架改进，极大降低了算力需求，让更多科研团队能参与进来。 二、正当下 「暗涌」：在量子计算这个系统工程里，如何理解你们的卡位？ 吕定顺： 量子计算产业，很多公司在做量子计算机硬件，解决基础的算力问题。最上面的应用层需求也很旺盛，用户想把量子计算、AI用于解决真实问题，比如半导体材料、化学材料、新药分子研发等。 但硬件算力层和应用层中间，算法、软件工具，其实是缺失的。量子算力的操作系统，正是我们想卡住的位置。 图源：量坤科技 「暗涌」：如何理解做中间算法、工具层的技术壁垒？为什么你选择了算法与操作系统端的创业机会？ 吕定顺： 中间层，不是简单地把已有算法程序化。特别是现在量子计算机硬件资源还不丰富。 不丰富，意味着不是所有算法路径都能完成任务。因为量子计算的误差会累积，只有对算法做充分优化，让路径足够短，才可能把有限的量子算力榨出来，最大限度地用起来。 这跟在GPU上运行算法不同。GPU上算法差一些，效率低几倍也能跑，无非成本高；但量子计算里，如果算法效率差了5倍，可能根本跑不起来。这是0和1的区别。 所以算法层的壁垒，在于能不能巧妙地设计和改造算法。这套算法和操作系统平台建好，还可以不断扩充功能，逐渐拓展成算法和工具平台。 「暗涌」：目前量子计算的产业图景里，哪些是你们想要服务的用户？ 吕定顺： 第一类是本身就有量子计算需求的客户，比如国央企、科研院所等。他们需要培育量子计算能力、迭代量子算法。这类通常会从工具出发，把问题分解成量子算法，再运行到对应的量子计算机上。 第二类是有明确研发需求的产业客户，比如半导体材料、新药研发等企业。用户并不关心底层算力是不是量子计算机，更关心问题能不能解决，成本效率如何。求解路径上，他们可能会用AI算法、量子算法，也可能用多分辨量子-经典混合算法。（混合算法，即把最难、最核心的交给量子计算，其他用神经网络、经典算法或其他精确算法处理） 量子计算机厂商，其实也是我们的合作和服务对象，很多公司聚焦硬件的演化，操作系统、算法工具和应用生态，需要专业的团队和长期投入。合作方式上，比如将操作系统、算法平台与硬件打包销售，一起卖算力，或卖整机加操作系统等。 「暗涌」：现在AI4S公司很多，融资也很热。为什么一定需要量子计算？ 吕定顺： 纯AI for Science视角来看，AI是一种解决方案，量子计算也是一种解决方案。除了计算速度快（量子加速），精度也是量子计算的一个优势。 很多材料、化学问题需要高精度求解，纯AI模型非常依赖训练数据质量，比如结合能预测，如果底层数据精度不够，模型结果也会受限制。传统DFT方法本身也有精度边界，且依赖泛函选择。 高精度计算在GPU上也可以做，但往往受显存限制，只能处理较小规模体系。量子计算虽然现在规模还不大，但在精度上有优势，未来有机会把高精度求解扩展到更大体系。 「暗涌」：针对这几类客户的需求，你们如何交付并完成商业化？ 吕定顺： 我们交付的其实是将量子计算、AI、经典计算和行业工具等封装后的能力。交付形式很多：CRO式解决方案、高精度数据合成、workflow、云访问入口等都可以。 早期以项目制为主，后续会沉淀项目经验，以标准化的科学发现云服务平台服务用户。未来在同类大场景，可能这套系统95%的能力可以标准化，只有小部分需要定制。 其实，我们希望能把中间环节抽象掉。量子算法也可以抽象成skill，用户能够通过自然语言调度多种skill，构建复合函数去求解。 用户只需带着问题来，用户端入口可能就是agent系统。 他可以不关心底层用谁家的量子计算机，甚至不操心调用哪种算法。就像今天用大模型，用户不关心背后是谁家的硬件，只关心输出质量、Token效率。 「暗涌」：AI时代，算力和能耗焦虑长期存在。量子计算的发展，会是算力新解法么？ 吕定顺： AI 和量子都是具备“完备性”的求解器，它们之间能双向赋能。AI for Quantum已经聊了很多，AI可帮助构建更好的量子计算机和算法，放大量子计算能力。 反过来，Quantum for AI也有几层意义。首先，量子计算的一些insight，可能启发AI算法设计；其次，量子计算机作为高精度求解器，产生的高质量、差异化数据，会成为未来增强AI模型的关键。 更长远看，今天我们可以在GPU、FPGA上部署模型，未来理论上也可能在量子计算机上部署量子版大模型。到了那个阶段，AI面临的算力和能耗问题，可能会出现新的解法。 但现在还没有到那一步。量子硬件还在发展，技术路线也没有完全收敛，更现实的情况是在现有硬件条件下，将量子计算、AI算法和经典计算等结合起来，以量子突破精度天花板，以AI重塑效率边界，推动难而重要的科学问题求解。 这也是我们对现阶段的定义：“第四范式++Science”。 三、打硬仗 「暗涌」：量子计算、AI4S需要很多高阶人才，你们招人难么？ 吕定顺： 我们现在已经进入了招人的良性循环，现在团队接近40人。AI方向，有全国物理、化学竞赛集训队背景的人才；高性能计算，也有清华的特奖选手、天才少年；工程化方面，有大厂出来的技术骨干。 量子计算、AI4S是一个系统工程，各个方向都要有足够强的人，不能出现明显短板。 「暗涌」：刚创业四五个月，为什么能招到这么多人才？ 吕定顺： 我们有招人的方法论。除了学术界的合作网络，我觉得，团队很多时候是创始人内心认知的映射、能力的延伸。如果创始人对整个系统的认知足够深，清晰地知道需要延伸、补足哪些能力，就可能配到很强的团队。 「暗涌」：有怎样特质的人，更容易让你觉得磁场相合？ 吕定顺： 前几天我去清华做分享，有个问题是：AI时代，人才最重要的能力是什么？大家有提到定义问题的能力、批判性思维。在我看来，最重要的是心气儿，是你敢不敢去打胜仗。在量子计算领域，面对IBM、谷歌的顶尖团队，你觉得自己能不能打得赢。畏首畏尾的人，不会让我觉得兴奋。 「暗涌」：这很华为。 吕定顺： 字节也是一样，强调韧性。打硬仗、打胜仗，需要韧性。没怎么失败过的人，反而不敢打仗，失败会让他们背上包袱。 我们处在一个开放的世界，研究、商业都是开放目标，要敢于挑战难题。量子产业直接招到对口的人确实难。组队方面，既往我有很多经验。我们不一定最关注专业背景，反而看重自我驱动力。 如果动力够强，进入团队和这个环境，我们可以从0到1，快速把他带到业界高水平，然后为团队做贡献。我们提供了很有竞争力的薪酬，来了可以不操心钱，主要就操心能不能把事情做起来。我们也会协调解决优秀员工的北京落户问题。 最关键是你对这件事是否有信念、愿不愿意折腾、眼里有没有光。
近日，“博登智能”正式宣布完成数亿元A+轮及A++轮融资，鼎晖百孚、清新资本、鲁信创投、深产投等多家知名机构联合参投。作为面向Physical AI时代的真实世界AI基础设施公司，博登智能深度布局具身智能、大模型与自动驾驶三大核心方向，构建起“真实世界场景网络、全自动化数据引擎、现实世界验证体系”三层能力生态。本轮融资将进一步推动博登智能核心技术平台升级、全球真实世界训练网络建设及顶尖人才集聚，加速“Train at Scale, Validate in Reality”战略落地。
36氪获悉，近日，“微光医疗”完成新一轮数亿元融资。本轮融资由中美绿色长三角和倚锋资本共同领投，中银资本、汇誉投资共同跟投。此次融资将重点用于公司核心产品的全球商业化布局，以及创新管线的研发、注册与临床推进，进一步夯实微光医疗在智能介入领域的战略布局。
36氪获悉，近日，六维力传感器企业“蓝点触控”宣布完成C++轮数亿元人民币融资，本轮由上汽金控、尚颀资本领投，由中芯聚源、正大机器人以及厚为资本跟投。本轮融资将主要用于新产品研发、生产数智化建设以及全球市场拓展。
作者 | 乔钰杰 编辑 | 袁斯来 硬氪获悉，北京维泛智能科技有限公司（以下简称“维泛智能”）近日完成数亿元种子轮融资，由中关村资本及旗下启航投资联合领投，上海未来产业基金、石溪资本、佰维存储、燕创集团、海益投资、探元创投共同投资。 维泛智能成立于2025年5月，孵化自北京大学类脑芯片实验室（PAICORE Lab），专注于具身智能“大小脑”融合芯片研发，致力于打造全国产化机器人核心计算方案。 联合创始人殷积磊毕业于北京大学，拥有超过20年半导体行业经验，曾任知存科技COO兼研发副总裁，以及IBM、GlobalFoundries芯片研发总监，并曾在MTK、VIA等企业从事芯片研发工作。团队核心成员均来自IBM、华为、腾讯等行业头部企业。 随着具身智能快速发展，机器人“大脑”算法持续演进，对通用芯片平台提出了更高要求。机器人“大脑”芯片不仅需要承载多模态感知与AI推理，还需要兼顾运动控制等核心计算任务，是机器人完成交互、决策与执行的“中枢神经”。 目前，具身智能“大脑”芯片市场高度依赖英伟达Jetson系列，但存在着价格高昂、本地化支持有限，商业化部署门槛较高问题。 另一方面，国产芯片目前尚无成熟产品能够真正满足机器人端侧“大脑”需求。 针对机器人芯片在“算力—能效—成本”之间的平衡难题，维泛智能充分利用团队前期在类脑芯片深耕多年的技术积累，自主研发了类脑启发式GPU架构（Brain-Inpsired GPU，BiGPU)，融合类脑计算与通用GPU计算能力，为具身智能SOTA大模型原生设计。 通过引入类脑计算机制降低功耗，同时保留GPU对多种算法框架的通用适配能力，从而兼顾低功耗、高能效与算法灵活性。 （图源/企业） 殷积磊介绍称，神经网络中超过80%的计算量集中于矩阵乘累加（GEMM）操作。为了在保证算力效果的前提下降低数据量与带宽需求，维泛智能通过编码转换，将传统神经网络计算（ANN）转化为脉冲神经网络（SNN）形式的累加计算，在保留功能的同时显著降低功耗与带宽压力。 此前，维泛智能已申请支持ANN与SNN网络结构统一软硬件方法及相关装置专利，实现SNN与ANN指令格式及地址编址的统一。 相比传统异构方案需要维护两套系统与工具链，该方案能够共享统一指令集与软件工具链，并深度兼容主流软件生态，从而降低开发复杂度与生态接入成本。 据了解，公司整体研发周期规划为两年，目前项目进度已过半，预计于2027年第二季度实现芯片投产。 本轮融资将主要用于扩大研发团队、完成指令集架构开发，以及推进产品定义与实现方案落地。 以下为硬氪与维泛智能创始人殷积磊访谈节选（略经编辑）： 硬氪：为什么选择用类脑计算路线做机器人大脑芯片？ 殷积磊： 类脑计算本质上是下一代人工智能的重要方向。我们其实是在用下一代技术解决当下问题，同时为未来算法演进提前预留计算平台。 目前，我们既能够支持Attention Transformer、VLA、世界模型等主流架构，也能够运行类脑神经网络，以及两者融合后的新型模型。从长期来看，类脑计算被认为是通向AGI的重要路径之一，它具备极低功耗和多功能集成潜力。比如人脑的功耗只有20瓦左右，但却能够完成高度复杂的感知与决策任务。我们希望BiGPU不仅服务当前机器人算法，也能够承载未来新的智能计算范式。 硬氪：此前有企业尝试将类脑计算用于机器人大脑芯片设计吗？难点主要在哪？ 殷积磊： 此前行业内确实有一些类脑计算商业化尝试，但大多采用的是纯SNN计算或者异构方案。所谓异构，是把SNN（脉冲神经网络）计算模块和传统NPU模块拼接在一起，本质上仍然是两套系统。我们的做法是同构融合，相当于把通用GPU计算能力和类脑计算核心融合在同一个架构里。这样最大的好处，是能够共享同一套指令集和软件工具链，并进一步实现主流生态兼容。 真正的难点在于，团队既要理解类脑计算，也要理解通用计算架构，才能在底层完成两种技术路线的融合。 硬氪：公司目前有和机器人厂商展开合作吗？ 殷积磊： 有，目前我们已经在和一些头部机器人公司进行合作沟通，其中部分项目已经进入实际合作阶段。 投资方观点 中关村资本董事长 孙次锁： 多领域技术融合是当下硬科技投资的新特征，中关村资本时刻保持对前沿技术的高度敏感性。维泛智能的类脑芯片是典型的交叉学科应用，通过对任务的深层次拆分高效提升器件层执行能力，这种技术能力离不开北京大学在类脑芯片领域的多年积淀。中关村资本希望结合自己的集成服务能力，与维泛智能团队一同在端侧场景呈现出兼顾性能与功耗的推理AI芯片。 启航投资董事总经理 李磊： 启航投资聚焦新一代人工智能、高端核心芯片等国家级战略性硬科技赛道，重点投资拥有底层原始创新、突破产业瓶颈、可实现自主可控与规模化产业赋能的优质科创企业。投资维泛智能，核心看好公司在具身智能类脑芯片领域的差异化技术壁垒，有望解决端侧具身智能“高能耗、低实时、弱自适应”的行业痛点。启航投资将全方位赋能企业技术迭代、产品量产与标杆场景落地，助力公司持续夯实技术护城河，加速国产替代进程。 上海未来产业基金 李然： 维泛智能聚焦具身智能“大小脑”融合芯片，属于上海重点布局的类脑智能+具身智能交叉硬核赛道。公司自主研发BiGPU 类脑启发式GPU架构，实现ANN与SNN同构融合，技术路线具备原始创新与替代价值。本次投资维泛智能，核心是立足上海类脑智能未来产业集聚区战略布局，锚定具身智能核心芯片自主可控，推动前沿技术与产业生态协同落地。 石溪资本合伙人 韩楠： 投资维泛智能这家类脑芯片企业，核心看好三点。第一是赛道趋势，全球AI正在从高功耗大算力，转向端侧超低功耗智能，类脑计算是产业发展必然方向；第二是团队与技术，公司拥有成熟的全栈研发能力，在脉冲神经网络、神经形态架构上形成自主核心技术，摆脱传统算力局限；第三是落地前景，产品精准匹配人形机器人大脑、边缘智能、工业智能等实体产业需求，商业化路径清晰。未来随着下游应用全面爆发，企业有望快速实现规模化放量，成长空间值得长期期待。 海益投资合伙人 秦祥龙: 维泛智能依托独创类脑+通用计算芯片架构，专注于在端侧打造适配多场景、高性价比的“大小脑”融合芯片。公司创始团队深耕具身场景理解、芯片架构设计、工具链、算法研发及工程化落地全链条，技术积淀深厚、实战经验充足。同时维泛创始人的成功创业履历和海益团队在过往也建立了非常好的默契和信任。海益投资看好维泛智能紧扣国家科技发展战略，聚力国产自主可控芯片，未来发展前景广阔。
36氪获悉，近日，聚焦消费级通用具身智能的企业“贝塔无限 Beta Infinity”宣布，公司已先后完成种子轮、种子+轮数亿元融资。种子轮由洪泰基金、正景基金、银杏谷资本、水木清华校友种子基金、粤科金融等投资机构联合投资，种子+轮由世纪华通参与的盛趣泰和基金与和利资本联合领投，毅达资本、南山战新投等机构跟投，义柏资本担任财务顾问。两轮资金将主要用于核心技术研发、产品试制等。
36氪获悉，近日，AI Token生产服务商“趋境科技”（Approaching.AI）宣布完成数亿元 Pre-A 轮融资。本轮融资由星连资本与华控科技联合领投，弘晖资本、天壕能源、尚势资本、天津仁爱弘盛、杭州福成等机构跟投，老股东高瓴创投（GL Ventures）持续加注。
36氪获悉，具身智能企业“深度机智”近日完成数亿元融资，投资方包括中关村资本、诚通科创基金、北京熙诚致远、普华资本、东方富海、蓝湖资本、晶科能源控股旗下CVC基金、云岫资本、未来光锥前沿科技基金等；其核心模型已在WorldArena、RoboTwin 2.0、SimplerEnv、RoboCasa、LIBERO等多个公开评测中取得榜首或领先成绩。
36氪获悉，近日，“鹿明机器人”宣布，连续完成A1及A2两轮融资。其中A1轮融资由三菱电机智能制造科技（中国）集团有限公司（统筹在中国的工业自动化事业，以下简称“三菱电机”）领投，老股东普华资本、吴中金控等超额跟投，A2轮融资由三菱电机继续领投，恒生电子、海高集团、昆石投资等产业方跟投。两轮融资完成后，公司累计融资近10亿元。融资将用于公司具身大模型研发和场景拓展的持续投入。
36氪获悉，据小雨智造官微，小雨智造于近日完成数亿元B+轮融资，本轮融资由北汽产投、复星锐正和建发新兴三家新进投资方联合投资，老股东华业天成、贵州科创天使基金共同跟投，滴滴、小米联合创始人黎万强持续追加投资，庚辛资本作为独家财务顾问并进行投资。
作者 | 乔钰杰 编辑 | 袁斯来 硬氪获悉，北京容芯致远科技有限公司（以下简称“容芯致远”）近日完成天使轮数亿元融资。本轮由北京绿色能源和低碳产业基金与赛富投资基金领投，顺禧基金、富华资本、万利达集团、长江创新投、水木清华校友基金、梅花创投等跟投。云岫资本此前参与了公司种子轮投资，本轮继续跟投，并担任长期独家财务顾问。 AI浪潮下，算力需求激增，传统以CPU为中心的架构瓶颈愈发凸显：CPU成为数据调度与交互的核心限制，GPU之间通信效率不足，内存无法实现统一地址空间共享，整体算力利用率较低。 容芯致远创始人石旭毕业于清华大学电子工程系，在芯片设计与AI领域从业多年，接受硬氪采访时，石旭表示，“在实际部署中，典型的AI服务器配置需要多个CPU协同调度少量GPU，且随着规模扩大，CPU数量也需同步增加，系统复杂度与成本显著上升，这正说明传统架构难以适配AI时代的计算需求。” 基于此，容芯致远提出了以GPU为核心的AI计算体系——AGC（AI computer system with the GPU as its Core）架构。该架构打破以CPU为中心的传统模式，将GPU作为系统核心计算单元，CPU则转为外围控制组件。 通过这一重构，系统中GPU与CPU的比例（G:C）可由传统的约2:1提升至20:1甚至32:1，大幅释放GPU算力潜力。 系统层面，AGC架构进一步解决了内存一致性问题，支持单一操作系统统一管理多达64个GPU，实现全局地址空间共享，避免跨节点数据拷贝，从而在大模型训练与推理等场景中显著提升整体效率。 这一体系创新并非单点优化，而是涉及全栈重构，包括BMC管理、交换系统、通信协议、推理框架、连接器等多个层面。 石旭介绍，在核心技术实现上，容芯致远围绕算力稳定性与利用效率展开了系统性创新。在硬件监控层面，公司自研AI BMC系统，将传统3–5秒级的轮询机制提升至微秒级响应，可在GPU温度异常等风险出现时即时触发降频或休眠策略，从而显著提升系统安全性与整体能效。 在可靠性设计上，传统八卡服务器一旦单卡故障，往往需要整机停机维护，恢复周期长、成本高。而在AGC架构下，单机可实现多达20个GPU的冗余设计。配合自研混存技术，系统可构建约10TB的混合存储空间，对健康GPU的KV Cache进行实时缓存。一旦某张GPU发生故障，系统可在AI BMC的快速响应下，迅速调度冗余GPU接替任务，并通过统一内存地址空间直接访问原有数据，实现计算过程无缝衔接。 基于这一机制，容芯致远可实现GPU故障情况下的“任务不中断热插拔”（GPU RAID），将维护时间从约2小时压缩至约1分钟，同时显著降低运维成本。 互连层面，容芯致远推出Blue Link光互连方案，以Mini LED/MICRO LED替代传统激光光模块，在高温环境下具备更高稳定性，同时实现更高带宽密度与更长传输距离，突破了铜缆在带宽与距离上的物理限制。 生态策略上，容芯致远强调开放与兼容。石旭介绍称，由于显著降低了对CPU性能的依赖，其方案可适配龙芯、飞腾、海光等国产CPU，同时兼容主流GPU厂商产品，构建起更为开放的计算生态。相较部分仅支持自研芯片的封闭体系，这一路径具备更强的产业协同能力。 与此同时，公司牵头发起RISC-V智算体系生态联盟，联合产业链上下游厂商作为生态伙伴，通过深度合作与专利共享，推动相关技术标准化与国产化规模落地。 产品层面，容芯致远已形成两大产品体系。一类为强调灵活性的K系列，兼容全球所有PCIe标准GPU卡，面向私有化部署场景，兼顾灵活配置与数据安全，主要型号包括K2（两卡桌面型）、K4（四卡）及K10（十卡）、K20（二十卡）。 K20产品示例（图源/企业） 另一类为强调极致性能的AGC系列，通过定制化模组实现更高算力密度与系统效率，覆盖风冷，液冷及移动式等多种开放形态，支持多类特定GPU，代表型号包括AGC 64F（64卡风冷），AGC 64L（64卡液冷，提供21P算力与3T显存）， AGC 32F（32卡风冷），AGC 16F（移动式16卡）及AGC 2（两卡工作站）。 AGC 64F产品示例（图源/企业） 商业模式方面，公司采取“自有品牌直销+OEM合作”的双路径策略，已与多家整机厂商展开合作，以联合方案形式推向市场。同时，公司推出子品牌Upchanger，并与中央美院联合打造，聚焦艺术与渲染等细分场景。 以下为访谈节选（部分内容经编辑）： 硬氪：为什么容芯致远的AGC架构对国产卡非常友好？ 石旭： 传统以CPU为中心的架构，对CPU性能与生态依赖极高，这使得在实际部署中，很难将国产CPU与主流GPU体系有效结合，往往受限于数据交换能力与系统瓶颈，难以落地真正意义上的“全国产方案”。而AGC体系通过将GPU上升为系统核心，大幅降低了对CPU的性能依赖，使国产CPU能够在体系中发挥作用，同时兼容国产GPU，从而在现实工程层面打通全国产路径。 容芯致远的理念更像是安卓，我们很开放，兼容全球主流计算芯片，会更强调产业协同与规模扩展能力。在这一开放体系下，不仅整机厂商可以灵活组合硬件方案，上游GPU、CPU及连接器厂商也获得了更广阔的市场空间。AGC本质上提供的是一个“连接平台”，让不同厂商的产品能够在同一体系中协同运行，并随着系统演进持续优化性能与成本结构。 硬氪：您怎么定义容芯致远？ 石旭： 我们更像是“不做GPU的英伟达”，希望去定义AI时代新的计算标准与架构范式，让智算进入每一个行业、每一个企业，每一个家庭及个人。目前我们也是工信部人工智能标准委员会成员。 任何计算体系的建立都离不开产业联盟的协同推进。传统x86通用计算体系背后，是由英特尔、AMD、微软以及大量硬件厂商共同构建的长期生态；而AGC所面向的AI计算，同样需要一套全新的产业协作网络。围绕这一目标，容芯致远正联合GPU厂商、CPU厂商、整机厂商、连接器与器件厂商以及模型公司等多方力量，共同推动这个体系的落地与演进。目前正在组织和发起AGC架构生态联盟，未来将会以AGC架构为基础，进一步推动国产智算新标准新生态的落地。 投资方观点 北京绿色能源和低碳产业基金表示： “随着AI Agent时代的到来，对算力成本的消耗将从训练逐步向推理演进。未来推理对算力的消耗将大于训练。单台AI服务器的性价比与兼容性将在未来成为算力企业的核心竞争力。同时，国产算力的瓶颈一方面受制于GPU的制程和单卡性能，另一方面受制于IO传输瓶颈及国产CPU性能。容芯致远掌握多项软硬件核心技术，打造新一代AGC计算体系，降低了对CPU性能的要求，可以适配国内外主流GPU，并提高实际有效性能。此外还正在开发多项新一代技术，有效解决算力传输瓶颈。我们相信，随着容芯致远产品与技术的不断迭代，在AI算力需求激增和国产化需求迫切的时代下，容芯致远不断驱动行业创新，赋能国产AI产业发展。” 赛富投资基金负责科技赛道的管理合伙人蒋驰华表示： “摩尔定律的物理红利正在无可避免地触顶。正如行业数据显示，在2022年之前的十年里，单芯片的计算性能曾实现了超1000倍的飞跃，但随着半导体工艺逼近物理极限，近几年的纯硬件性能增速已显著放缓。在当前以大模型为核心的‘Token工厂’时代，单靠芯片制程的演进已无法支撑算力需求的指数级爆发，计算系统级的架构颠覆才是破局的关键。这也是赛富投资基金坚定领投容芯致远天使轮的核心逻辑。容芯团队极具前瞻性地跳出了传统硬件堆叠的定式，提出了以GPU为核心的AGC计算体系，彻底打破了以CPU为调度中心的传统瓶颈。他们不仅仅在做单点优化，而是实现了系统层面的内存一致性与全局地址空间共享，并从底层光互连到BMC管理进行了软硬件的全栈重构。我们始终致力于寻找能定义未来的底层创新者。容芯致远正在重构适应未来的AI Infra标准，期待容芯的系统级代际颠覆能在当前的算力基建角逐中脱颖而出，以极致的算力利用率与高扩展性，真正加速AGI时代的全面到来。” 梅花创投董事总经理吴世鸿表示： “容芯致远研发的AGC架构，以GPU为核心重构AI 计算体系，彻底打破传统CPU中心化瓶颈，显著提升算力密度与GPU利用率，完美适配主流国产GPU，是算力基础设施国产替代的关键一环。目前产品已快速获得市场验证，商业化落地节奏超预期，十分期待其Blue Link光互连方案尽快推向市场。创始团队是典型的技术领军+产业深耕+商业化能力的黄金组合，兼具技术深度与落地能力，赛道卡位精准、壁垒清晰、成长性极强，长期坚定看好容芯致远 AI Infra领域的发展潜力！” 云岫资本创始合伙人兼首席执行官高超表示： “在当前算力增长遭遇诸多系统性瓶颈的背景下，容芯致远以颠覆性的AGC架构以及整机解决方案，为国产智算开辟一条创新之路，公司产品在让GPU发挥更大算力效率的同时，兼顾了成本优势和灵活的适用性，开启了中国AI计算机系统架构创新的新范式。云岫资本坚定支持公司团队做难而正确的事，坚定看好公司会成为中国算力创新解决方案的重要破局者。”
一季度过去，具身智能行业的融资热潮还在继续。 36氪获悉，专注于L4低速自动驾驶的公司「优时科技」宣布完成数亿元人民币B2轮融资。 本轮融资由前海方舟领投，前海母基金旗下多支基金参与，联同鲲翎资本、厚天资本等8家投资机构共同完成。 在此之前，「优时科技」已完成了6轮融资： ·2018年6月，拿到 PNP 中国领投、北京汇丰投融、北京金种子和上海平阳复辉跟投的数百万人民币种子轮； ·2019年7月，获得英诺天使领投、驰星创投跟投的千万人民币天使轮； ·2020年10月，获得 Global Brain、英诺天使、驰星创投、PNP 中国、平阳复辉的数千万A轮融资； ·2022年7月，获得海尔资本、金茂资本、惟一资本投资的数千万A+轮融资； ·2023年1月，获得零以创投、厚天资本的数千万A++轮融资； ·2024年7月，完成了B1轮融资，由驰星创投、Global Brain投资，金额在数千万元级别。 「优时科技」成立于2018年，聚焦于通过计算机视觉实现L4自动驾驶，取代了传统多线激光雷达在低速行驶领域的应用。截至目前，「优时科技」已在海内外商圈、步行街、地铁站、机场等大流量场景部署了数千台「优时小车」，追平了成立于2014年的海外自动驾驶配送头部企业 Starship。 「优时科技」CEO林锫森表示：“在人形机器人赛道中， 优时以L4视觉自动驾驶为底座，通过大流量场景验证机器人的通用导航和交互能力，进而平移到人形机器人平台。 这一逻辑与特斯拉（Tesla）从FSD（完全自动驾驶）向人形机器人 Optimus 延伸的思路相似，两者都是坚持通过‘纯视觉感知算法 + 物理世界真实数据’，来驱动人形机器人走向通用智能。” “当然，从小车跨越到人形机器人，在机械控制层面存在差异。” 林锫森强调，“ 优时的核心壁垒并非从零打造一具‘双足躯壳’，而是将成熟的L4视觉算法与空间认知能力，封装为具身机器人的‘社交导航大脑’。 在硬件供应链日益成熟的今天，拥有应对复杂人流量的导航和交互大脑，也是人形机器人落地的重要环节。” 1.突破非结构化挑战，低成本转动数据飞轮 聚焦大流量场景，其技术挑战与传统开放道路的L4自动驾驶截然不同。 乘用车面临的环境通常是结构化的：有规整的车道线和室外RTK，算法可通过海量数据学习识别车道，并借助高精地图与多传感器融合进行辅助定位。相比之下，线下大流量商圈场景则是高度非结构化、强动态的复杂环境。这里没有车道线，人群穿梭不息，干扰因素极多。 要在这种环境中实现自动驾驶，不仅需要重新构建算法，更必须把方案成本降到极致，才能满足线下商业需求。 “物理世界对成本极度敏感。无论是自动驾驶还是具身智能，低成本都是实现规模化的前提。”林锫森向36氪强调。“目前，可自主运营的人形机器人造价普遍偏高，出货量与乘用车无法在同一个量级，这导致其在物理世界采集的数据无法满足算法训练需求。行业陷入了‘先有鸡还是先有蛋’的困境——没有规模出货就跑不出数据，没数据就做不好智能，进而没法规模出货。具身智能很难直接复制乘用车‘靠海量用户转动数据飞轮’的路线。” 基于此，「优时科技」通过低成本的「优时小车」作为终端载体，率先在大流量场景跑起来。 小车在拥挤人群中累积的真实运行数据，补齐了具身智能的“高动态社交数据”与“人机交互能力”。 为了实现这套低成本方案，「优时科技」花了7年时间的技术研发以及市场的探索。 与其他竞品普遍采用多线激光雷达不同，优时从成立之初就坚决走纯视觉路线—— 采用双目摄像头实现三维定位和导航。 “如果依赖高精地图，派人重新扫描三维地图的市场价在每公里2000元左右。”一位无人车工程师透露。这对结构经常变动的大流量场景来说，是无法承受的隐性负担。 双目摄像头硬件虽便宜，但要实时生成3D信息，对算力要求极高。为此，优时通过自主研发的算法：在强弱光交替的环境中提取核心三维轮廓，滤除高动态干扰。这种机制确保了环境变化不对导航和运行产生影响。 2.下一步：大流量场景的人形机器人 “优时科技的定位始终是一家机器人公司。六轮小车是我们很专注的产品形态，接下来，我们的产品矩阵会增加人形机器人，未来两者将产生深度的场景和 IP 的结合。”林锫森表示。 在规划中，人形机器人更多承载交互功能，六轮小车则承担负载与移动。 林锫森解释：“大流量场景需要高频的人机交互，且对续航要求极高。让人形机器人背着货跑，耗电量非常大，如果没有7到8小时以上的续航，很难在真实的商业运营中成立。” 在林锫森看来，具身智能的发展有两大核心板块： 第一板块是 Locomotion（移动能力）与 Interaction（交互能力）；第二板块是 Manipulation（精细操作能力）。 他认为，机器人要想渗透进物理世界与人共处，首先要解决在复杂环境中的“共存与通行”问题——能否准确预判人的意图？是否听得懂指令？懂不懂得避让？而这正是「优时小车」的先发优势。每天在人流密集、环境嘈杂的商超中穿梭，积累了海量的人机共存数据，并借此训练出了“社交导航能力”，赋予了机器人意图预判、秩序融入和得体交互的能力。 “虽然小车和人形机器人的物理载体不同，但应对复杂人流的‘社交导航大脑’和‘空间认知模型’是相通的。”林锫森指出，“这能率先解决第一板块的移动和交互痛点。随着技术发展，我们再去慢慢完善第二板块的精细操作能力。” 3.造血式数据采集：线下商业闭环 除了视觉算法的复用，「优时科技」利用高频的线下商业场景，破解了具身智能行业“数据采集成本高”的核心痛点—— 用商业价值为数据采集买单，让机器人在为B端客户创造收益的同时，源源不断地反哺AI训练数据。 在大流量场景中，优时花了多年时间打磨造血环节：「优时小车」不再仅仅是单纯的物理移动载体，而是可移动的商业智能终端（AI Agent），能够依靠视觉算法主动寻找人流密集的高热度区域，为线下客户提供动态的展示、移动产品体验与线下流量分发。 这种主动找人的交互模式，打破了传统商业被动获客的痛点，将公域流量转化为私域流量；凭借可量化的商业回报，让小车成为基础设施，为客户大幅降低了获客成本。 如今，数千台在高频运转的终端小车构成了自我造血的变现网络，也是一个持续更新的世界数据库。 小车在与人群的高频商业交互中，累积了海量的多模态数据与动态空间信息。 本轮投资方前海方舟项目投资负责人表示：“在物理世界里复刻AGI，是一场勇敢者的游戏。优时科技通过技术创新，实现了低成本高精度的L4自动驾驶解决方案；并进一步利用自研方案的优势，锚定赋能线下大流量、高动态环境市场。在快速跑通商业模式形成闭环的同时，逐步构建起了规模效应和物理世界的数据壁垒。该项目是前海方舟基金群在‘AI+物理智能体’垂直领域落下的关键一子。” 据悉，本轮资金将主要用于L4自动驾驶技术向具身智能的规模化迁移、通用视觉技术商业终端的网格化部署，以及多模态AI Agent与生成式动作大模型的研发与市场扩展。
4月29日，“擎天租”宣布完成数亿元Pre-A轮融资。本轮投资方包括正大集团旗下正大机器人、长信股份等产业方，美格智能、蓝思科技等多家上市公司参与，老股东明嘉资本、知行投资和睿资创投超额认购。融资资金将主要用于全国履约服务网络建设、机器人资产与调度系统升级、物流保险体系完善、标准化场景产品打磨及全球化服务网络拓展。
36氪获悉，近日，“清听声学”宣布完成B+轮数亿元融资。本轮融资由联想创投、苏创投、苏高新金控、合肥高投、兴泰资本、合肥文化产投共同参与。融资资金将主要用于核心技术迭代、量产规模扩大、产品矩阵拓展、市场拓展及规模化制造与交付能力提升，进一步加快聚音屏相关产品与解决方案规模化落地，并推动定向听觉能力在更多终端与应用场景中的持续拓展。
36氪获悉，全域移动智能机器人公司杭州具微科技有限公司（下简称「具微科技」）近期完成A+++轮融资。 本轮融资由滨州国投、魏桥集团、滨化股份联合领投，和达控股、德诺资本跟投，其中滨州国投连续追投。资金将重点用于核心技术的持续深度研发，以及全国范围内特种应用场景的规模化落地与商业化推进。 具微科技2025年初成立于杭州，专注于轮式四足机器人研发与应用，打造具备全地形自主作业能力的“全域移动智能体”，为强磁场、爆破、极寒等特种场景提供智能化解决方案，产品具备负载量大、续航时长等优势。 2026年开年，具微科技曾在30天连续完成3轮A轮融资，连续获得产业龙头上市公司、国有产业平台与市场化机构投资。 其中A轮融资由正强股份、壹连科技、鲁信创投等上市公司及专业投资机构战略入局；A+、A++轮融资，建元天华、滨州国投等优质产业资本、国有资本相继战略注资。加上本次A+++轮融资，总融资金额达数亿元。 具微科技创始人、CEO王子煊表示，具微科技希望通过融合各方产业资源， 打造“技术自研+供应链绑定+场景闭环落地”的可持续发展模式， 加速具身智能技术规模化、商业化落地，持续巩固在行业内的领先壁垒。 魏桥集团作为能源和铝业行业的全球五百强企业，旗下电解铝等核心产业对防磁、抗干扰、高可靠性的特种作业机器人需求突出，与具微科技的机器人业务形成天然产业协同；滨化股份作为化工行业领军企业，其生产场景普遍存在易燃易爆、腐蚀性强等特点，可直接为具微科技防爆机器人提供丰富的落地应用。而与正强股份联合研发机器人关节模组核心硬件，与壹连科技深耕电连接组件一体化配套，有助于具微科技打通具身智能硬件底层供应链。 王子煊拥有连续成功创业与产业经验，曾主导零跑汽车、欣旺达等项目投资，创立钠离子电池头部企业并完成产线搭建及重大订单落地。公司首席科学家李秦川为四足机器人领域资深专家、享受国务院政府特殊津贴，研发团队核心成员多来自斯坦福大学、浙江大学、浙江理工大学等国内外高校。 1.瞄准“人不愿去”的极端环境岗位，打造轮式+四足的全域移动智能体 在人形机器人大热的2025年，王子煊却更清楚地看到了行业在产业落地中的真实瓶颈。“我们观察，目前具身领域在产业落地上碰到的问题，核心在于痛点不够痛，刚需不够强。 移动机器人的真正刚需不是替代坐在办公室里的人，而是那些危险而艰苦，原本就不应当由人去工作的岗位。 ” 基于这一思考，具微科技没有选择在结构化场景中打磨算法，或是从表演、教育等场景实现商业化，而是锁定特种工作场景：让机器人去往强磁场、核辐射、高海拔、缺氧、极寒、极高温等恶劣环境，从事那些人类不想做、不敢做、做不了的工作。王子煊说，“目前在中国，这样的高危特种工作岗位有2000万个之多。” 围绕这些特定场景，具微科技聚焦于实现机器人的“四防”能力：防磁、防爆、防冻、防水。而要实现这些能力，前提是机器人具备足够大的负载能力，能够在叠加防爆外壳、防磁屏蔽、保温层等防护改造后，仍然保证运动能力和稳定性。 为此，具微科技打破传统四足机器人窄体长腿的设计范式，采用少有的“宽体+短腿”构型，并将传统的轮式与四足相结合。 具微科技机器人 “我们认为，结合了轮子的效率与腿的全地形能力的形态，是未来实现全域移动的的终局解法。”王子煊认为，传统四足机器人虽然具备越障能力，但是连续抬足的运动方式能耗高、无故障平均续航时间受限，并且机械损耗严重，硬件容易损坏，难以胜任工业场景下大范围、长时间作业需求。 除了产品形态创新，具微科技已实现劲擎关节电机等零部件的自研自产，并通过高强度结构设计突破机器人的负载极限，使动态负载达200公斤，静态站立负载达400公斤，超过行业平均水平五倍以上，从而能够稳定承载各类重型探测、应急救援等专业装备。 为保证机器人在极端环境下能够长时间保持工作状态，具微科技通过跨行业的组合式创新，将汽车行业能量回收系统、液冷方案等技术融入机器人设计，提升机器人的能耗效率，使机器人的实测无负载续航提高至12小时，带负载续航提高至8小时，突破行业瓶颈，表现是行业平均水平数倍。 在算法层面，具微科技打造了从底层FOC控制，到上层运动控制与感知决策的“感规控驱”一体化系统，以模块化拓展平台兼容多元作业设备，从而兼顾重载性能与场景适配性。 “只有底层系统打通，才能将硬件的性能从70分发挥到95分以上，做到机器人的‘书同文、车同轨’。” 据王子煊介绍，在2025年世界机器人大会上，具微科技展示的机器人产品实现了完全脱离遥控器的自主跟随与越障能力，能够在三维立体空间中完成无图、无遥控的自主导航。 2.向上构筑更高技术壁垒，向下深耕2000万个特种工作场景 在王子煊看来，具身智能行业的发展可以分为三个阶段：“第一阶段是要素创新，也就是强化学习等底层技术的突破，基本上已经过去了。现在具微科技是带着第一阶段的成果，切入到供应链整合、工程化落地与场景解决的第二阶段，同时向商业模式创新的第三阶段进行，最终形成增长飞轮。” 基于聚焦特种工业场景的市场定位，目前具微科技重点拓展电解铝生产、石油石化、消防应急与公安安防等领域的大型国央企客户，“这类客户对安全生产、ESG和社会责任有更高要求，付费能力和创新意愿也更强。”王子煊说。 这些场景的客户，不会单纯计算人工替代的经济账，而是首先关注“安全账”和“社会价值账”。因此产品技术能力与稳定性也是具微科技要服务好上述客户，需要长期专注打造的核心竞争力所在。 王子煊表示，为持续构筑更高的准入壁垒，具微科技已取得具身智能机器人首张Ex db eb IIB T4 Gb“隔爆加增安”复合防爆资质，年内还计划完成国际电工协会IECEx、欧盟ATEX、北美及国内CNEX的全系列防爆认证。 除了机器人硬件产品外，具微科技面向复杂工业场景客户，提供本地部署、上装适配、算法平台一体化的全栈式特种作业解决方案，实现从设备交付到场景落地的一站式闭环服务。 2025年，具微科技实现订单额亿元级，目前已有订单规模数亿元，预计2026年机器人产品出货量上千台，实现营收数亿元。 谈及未来规划，王子煊表示，具微科技的核心策略是不追求过早地横向拓展，而是先做好垂直领域的深入， “我总结为面宽10米，向上向下各延伸100米” 。 所谓“向上”是指核心技术的持续研发， 一方面进一步提高产品性能，目标在2027年底将无故障连续工作的平均时间提升至1万小时以上，真正达到工业级标准；另一方面加强对操作系统的研发，打造一个向第三方硬件开发者开放的机器人“应用商城”，满足各类细分场景的差异化需求。在单个机器人独立工作的基础上，具微科技也在研发群体智能技术，预计今年下半年实现“AI智能体+多机器人”的协同作业能力。 “向下”则是继续深耕2000万个特种岗位场景与准入资质， 待产品可靠性与算法成熟度进一步提升后，再向更日常的生活服务场景迁移。“从技术突破，工程化与场景深耕，到生态与商业模式创新，具微科技要做的就是从底层到顶层，把这三个阶段跑通，为行业提供一个全新的范式。”王子煊表示。
36氪获悉，“智能派”已完成数亿元B+轮融资。由美团领投，深创投、高瓴、银泰、国策、明荟致远、高新投等联合注资。本轮融资距离上一次大疆参与的轮次不到半年。