前华为员工创办苏州具身数据公司柏川数据完成5000万元Pre-A轮融资
苏州物理AI数据基座服务商柏川数据宣布完成5000万元Pre-A轮融资,资金将用于构建“数据采集—山海数据管理平台—真实场景开发验证—高质量数据集”的业务闭环。该公司依托2座实训场与300余种工序渠道,月产能超5万小时,累计交付超20万小时有效数据覆盖12类场景。业务已拓展至欧盟等40余国,计划于2027年突破百万小时交付量并启用海外数据中心。
苏州物理AI数据基座服务商柏川数据宣布完成5000万元Pre-A轮融资,资金将用于构建“数据采集—山海数据管理平台—真实场景开发验证—高质量数据集”的业务闭环。该公司依托2座实训场与300余种工序渠道,月产能超5万小时,累计交付超20万小时有效数据覆盖12类场景。业务已拓展至欧盟等40余国,计划于2027年突破百万小时交付量并启用海外数据中心。
物理AI数据基座服务商柏川数据宣布完成5000万元Pre-A轮融资,投资方包括元禾厚望、毅峰资本和星海图。本轮资金将重点用于物理AI数据管线建设、具身智能算法研发及高质量数据集构建。
2026 年 11 月 18 日举行的 webinar 由 inVia Robotics、Gideon 和 Ambi Robotics 三位创始人共同解析 AI 对供应链机器人的变革。
深圳具身智能公司鹰瞰智翼宣布完成由商汤国香资本独家投资的数千万元人民币 Pre-B 轮融资。资金将用于下一代具备约 15 个自由度的“白鹰”扑翼机器人及 Vortrix 流体仿真引擎研发,并推进 Eagle X 量产爬坡与欧洲、日本市场拓展。
深圳鹰瞰智翼近日完成数千万元 Pre-B 轮融资,由商汤国香资本独家投资。资金将用于下一代扑翼机器人整机与 Vortrix 流体仿真引擎研发、产线建设及海外拓展。其首款消费级产品 Eagle X 已于 9 月在 IFA 2026 全球首秀并进入量产爬坡阶段,同时推进具备约 15 个自由度的“白鹰”下一代产品研发。
Standard Bots CEO Evan Beard 指出,多数工业机器人在工厂失效的根本原因在于未能跨越从原型到生产的鸿沟。Intel 通过开放可扩展平台提供推理、感知与实时控制能力,助力开发者将物理 AI 创新转化为实际影响。该观点强调机器人成功不仅依赖智能机器构建,更取决于在真实环境中有效运作的能力。
FFR 向密歇根州立 Central Michigan University 交付两台 Aegis Ultra 机器人,标志着其教育科研生态及跨区域拓展取得进展。同时 FFR 开发者平台上线 Brain Blocks 的 AI 模块与动作录制回放功能,支持手势、姿势等识别以简化编程。公司计划推进百城计划并在 CES 发布 Physical AI Cloud 技术平台和生产力 Token 标准。
Motive 推出用于景观美化、害虫防治等现场服务团队的 AI 智能体(Agents),将安全与运营数据转化为立即行动以接管报到电话和司机跟踪等例行工作。该方案旨在帮助工作人员尽早解决问题,在不增加人员的情况下扩展服务能力并减少管理人员处理体力工作的时间投入。
芯驰科技正式开源D9-MAX软件SDK,该SDK基于车规级异构单芯底座,主要面向具身智能“小脑”场景,旨在为物理AI和机器人研发提供底层算力与软件支持。针对传统多板架构的痛点,D9-MAX芯片在一颗芯片内融合感知、运控与安全岛功能,其基于ARM DynamIQ Shared Unit技术,将12核CPU划分为8核与4核两个物理独立集群,实现运控与交互任务的物理硬隔离。
推荐理由:芯驰科技开源面向具身智能的D9-MAX软件SDK,提供车规级异构单芯底座与实时协议栈,支持6轴运动控制与功能安全认证。
英伟达发布了面向快速精准视觉规划的通用解码框架VFlash。该框架利用视觉信息的几何结构,通过并行预测完整空间信息替代传统逐Token生成,在三维点运动预测任务中单次生成速度提升约25倍,动作解码最高加速12倍、整体机器人推理加速5.1倍。
推荐理由:英伟达推出VFlash并行解码框架,将机器人推理加速5倍、动作解码提速12倍,并提升任务成功率。
开普勒宣布采用NVIDIA物理AI全栈平台,将Isaac Lab、GR00T和Cosmos等技术与自身工业机器人硬件及真实数据结合,推动具身智能从模型训练走向真实工业环境验证与产业化。在部署方面,依托Omniverse构建数字孪生,利用Jetson Thor实现端侧感知推理与控制,并采用GPU平台统一AI训练基础设施。
领益智造与京津冀润泽正式签署协议,拟在湖南衡南县设立合资公司推进机器人智能制造基地建设。双方将围绕物理 AI 及机器人领域,结合零部件制造、整机集成与智能体生态资源共同探索商业化应用。
在2026智元创新日主论坛上,智元联合创始人彭志辉公布公司最新经营与量产进展:今年9月完成第2万台具身智能机器人下线,2026年上半年整体营收接近20亿元。智元具身智能机器人已覆盖工厂、酒店、零售等多类线下场景,承接产线上下料、游客接待等真实工作任务。
超进化智能(HyperVolve)近日完成由蓝驰创投领投的数亿元天使轮,资金将用于算力基建与团队扩充。公司创始人陈恺依托 OpenMMLab、书生及司南等过往成果,致力于研发具备元研究能力的“超级研究员大脑”。其核心路径 RSI 聚焦模型层参数自更新,旨在推动大模型从辅助工具转向自主提出假设并持续迭代的新阶段。
RoboBusiness 2026 第二场活动于今日上午 9:30 PT 开幕,核心议题聚焦人形机器人当前能力、技术挑战及早期工业落地经验。全天议程涵盖从 OLogic 的以自我为中心学习、Arm 的物理 AI 可扩展架构到 Tesla 工程师探讨的真实世界物理 AI 失效原因等深度讨论。
图达通与伽利略(天津)达成战略合作,联合开发面向电力巡检、城市安防等场景的具身机器人智能感知系统。双方整合高可靠空间感知与全栈自研技术,推动机器人从实验室研发走向规模化产业落地,打造适配性更强的解决方案。
RoboBusiness 2026 今日在圣克拉拉会议中心开幕,庆祝行业 20 周年并探讨未来二十年机遇。上午议程涵盖 Rodney Brooks、Agility Robotics 及 UC Berkeley 专家的主题演讲,以及 Instawork、Core Matter Labs 等关于物理 AI 数据与供应链的研讨。
The Robot Report 面向全球征集 2027 TRR50 机器人创新奖提名,申报项目需为 2026 年启动或发布的创新成果。奖项设置包括年度初创企业、年度应用、年度机器人、向善机器人、最佳 AI 应用及商业与应用等七大类别。提交截止日期为 2027 年 1 月 5 日,获奖者将在同年 6 月的波士顿机器人峰会暨博览会上接受表彰并展示原型机。
Analog Devices Inc. (ADI) 发布白皮书《The Race to Make AI Physical》,指出物理 AI 核心在于将智能从数字环境移至机器,使其能在充满噪声与时序约束的现实世界中感知、决策并执行动作。成功不仅依赖模型性能,更需传感、仿真、计算、连接与控制等底层技术的协同进步,以应对无法完全预测的复杂工况。
波士顿动力 Atlas 人形机器人已离开实验室进入现代工厂,在 Hyundai 汽车厂与近 1500 名人类协作完成搬运、冲压和焊接等任务。其开发依赖 NVIDIA 芯片及 VR 遥操作演示数据,先在仿真环境中训练超 4000 个数字分身以掌握复杂动作,最终实现自主执行分拣等任务。文章指出此类机器人旨在协助而非取代人类,消除对失控机器的恐惧。
上海初光跃迁智能科技有限公司(Simate)近日完成工商变更,小米旗下瀚星创投与百度旗下三亚百川致新成为股东,创始人张颖接任法定代表人。该公司定位为 Physical AI 企业,研发方向为“AI for Physical AI”,技术路线采用物理智能递归自我改进(Physical RSI)。
Promise Robotics 与北美最大建筑商 D.R. Horton 签署多年协议,将在美国利用其工厂即服务 (FaaS) 能力生产超过 1,250 套住宅。该公司通过集成机器人、AI 和制造系统,提供从设计到安装的自动化工作流,旨在解决建筑业碎片化问题并提升产能与一致性。合作初期设施将设在加拿大埃德蒙顿、卡尔加里及美国凤凰城,随后扩展至更多市场。
完成单次操作不等于具备实用灵巧性,若单步成功率为 99%,连续 100 次任务仅能维持 36.6% 成功率。TDK Ventures 指出,可靠性源于在视觉、触觉等多模态数据闭环中不断部署、学习与改进。Agility Digit、ANYbotics 四足机器人及 Starship Technologies 均通过匹配特定工作流的最小必要灵巧度实现可靠作业。
10月8日,MIT韩松团队联合英伟达、香港大学和加州大学圣地亚哥分校发布了世界动作模型Long-WAM。该框架旨在满足实时控制要求的同时扩展因果世界动作模型的上下文长度,利用历史视觉信息辅助动作决策。
推荐理由:MIT韩松团队联合英伟达等发布的Long-WAM,通过分阶段预训练扩展了世界动作模型的视觉上下文长度,在保持实时响应的同时显著提升了复杂连续操作任务的成功率。
极智嘉发布公告,其全资附属公司以5000万元认购北京深诣增资后20%的股权。北京深诣成立于2026年1月,专注于物理人工智能与通用具身大脑,核心团队来自清华大学计算机系。此次交易构成关联交易,投后估值或为2.5亿元。双方将加强在具身人工智能及模型技术领域的合作,但具体联合研发项目、产品集成方案及落地时间表尚未披露。
2026年9月28日,东土科技与逐际动力联合发布全国首个搭载国产电子架构的人形机器人,实现国产工业级实时通信能力在人形机器人复杂系统中的首次贯通。该方案基于逐际动力的全尺寸人形机器人Oli(身高165cm、31个自由度)及自研大脑系统COSA进行整机适配验证,旨在解决底层操作系统、通信总线和AI计算芯片等关键环节的自主可控问题,推动国产电子架构从“适配场景”走向“定义标准”。
加州大学圣地亚哥分校助理教授黄碧薇创立的Aether AI发布了代号CRIS-0的具身智能系统,展示了在突发扰动下0.2秒急停、秒级重规划及长程任务抗干扰能力。该系统采用因果原生架构,通过提取物理因果变量、统一工具接口及内建安全机制,实现了从感知到执行的闭环控制。材料包含官方Demo视频与测试数据,未提及开源代码或具体硬件部署规模。
FAITH 是一种免模型的可行性感知安全过滤强化学习框架,通过前馈网络近似最优状态动作安全值并摊销最小干预过滤,在无需竞争项的情况下优化任务回报。该方法在无可行动作时逼近预测峰值伤害最小的动作。
正行创新在第22届亚太零售商大会暨展览会(APRCE 2026)上正式发布面向零售开放场景的Physical AI解决方案,包含双足人形机器人H1、搬运理货轮臂式机器人C1及统一管理平台M1。
AWS 今日推出开源物理 AI 工具链,旨在解决将训练好的模型转化为可在现实世界可靠运行的系统的难题。该工具链整合了 AWS SageMaker、IoT Greengrass 与 NVIDIA Isaac Sim、Isaac Lab、GR00T 及 Cosmos 等组件,支持合成数据生成、模型训练、仿真验证及边缘部署的端到端工作流。
推荐理由:AWS 整合自身服务与 NVIDIA 软件栈,发布开源物理 AI 工具链以打通从合成数据生成到边缘部署的全流程。
正行创新发布面向零售场景的Physical AI解决方案,核心包括参数量23亿的SLM-0.5世界动作模型、STEAM强化学习后训练体系及Rpent智能体。公司推出双足人形机器人H1和轮式双臂机器人C1,分别承担交互巡检与搬运理货任务。
北京具身智能企业灵生科技宣布完成亿元级A轮融资,投资方包括华方资本、道禾元启等。该公司定位为具身智能基础设施服务商,自主研发了RUDA机器人统一系统架构,构建了“数据采集—模型训练—机器人执行—反馈回流”的自进化闭环。
Wenhui Chen 等人构建了一个包含人工肌肉、多模态传感器及强化学习控制器的机器人模拟系统,成功复现了动物运动皮层中精确的自愿运动及其鲁棒性。研究发现神经旋转产生垂直于抓取方向的振荡机动以优化轨迹调整,并揭示了传感器与电机冗余下的反直觉能量原则及学习过程中的顿悟时刻。该工作通过任务驱动的具身模型阐明了神经群体动力学与运动结果之间的因果联系,为未来智能机器人的类动物移动能力提供了新视角。
动易科技近日提出Embodied PhyStack四层具身智能技术栈,将传统三层架构拆分为通用大模型、物理智能体PhyAgents、运控模型PhyCore和机器人本体PHYBOT。实验数据显示,该架构使机器人长程任务执行效率提升超百倍,新场景训练时间从一周压缩至3小时。动易科技指出,未来具身智能企业应将研发资源集中于物理交互数据、实时决策能力、全身控制及真实场景工程闭环。
论文介绍 Sensor-Language-Action (SLA) 建模框架,将多模态传感器观测、自然语言与动作在统一模型中连接,利用语言作为语义接口实现异构动作的表示、预测与解释。
推荐理由:该工作提出统一传感器、语言与动作的建模框架,并构建大规模基准验证其在临床预测等真实任务中的性能。
波士顿动力宣布任命前亚马逊高级副总裁兼首席科学家 Rohit Prasad 为新任 CEO,接替 Robert Playter。Prasad 将负责加速公司的物理 AI 战略,结合机器人技术与先进 AI 能力以规模化商业化智能机器。
TwelveLabs 发布了 Pegasus 1.6 模型,旨在通过视频理解赋能物理 AI。该模型专注于第一人称视角(egocentric video)的理解,无需特定硬件即可处理现有视频数据及静态图像。Pegasus 1.6 提供动作分割、密集标注、质量评分、搜索策展和合规标记五种工作流,帮助机器人团队从真实人类经验中提取结构化知识,用于训练灵巧操作等任务。
本文探讨了视觉语言动作模型(VLA)的泛化能力是源于对物体物理属性的全局理解以适配未见场景,还是仅靠偶然鲁棒性重放已学行为。研究通过线性探测和表征相似性分析发现,在七种主流 VLA 中,质量、易碎性等物理属性比语义类别等属性更难解码;机器人预训练反而削弱了语言流中对物理属性的线性编码。
推荐理由:该研究通过线性探测与表征相似性分析,发现主流视觉语言动作模型对物体质量等物理属性的编码较弱,且在任务中难以据此调整运动策略。
该研究提出了一种无需训练即可加速扩散策略的监控方法,核心在于利用‘未过期’的策略片段作为内部相似性信号,仅在检测到显著偏差时触发重计算。实验在超过 114 种加速器配置和四个策略家族上验证,该方法平均将每次调用的计算量降低 1.55 至 3.09 倍,且在接触丰富的第五类任务中成功维持了预定的性能余量。
推荐理由:原文提出一种无需训练的扩散策略加速监控器,通过统计偏差而非特征距离来维持闭环成功率。
论文介绍 JESSI(JAX-based E2E Safe Social Interpretable navigation),这是一个轻量级端到端强化学习框架,直接将原始 LiDAR 扫描映射为运动学可行的控制指令。