bb60贝博:

  跨维智能近期完结 10 亿元 B 轮融资，出资方阵型包括深创投、前海母基金、恒健本钱、工银本钱等财投基金，蓝思科技等工业本钱，以及贵阳数字经济基金等当地国资；老股东南山战新投、成都科创投、四川院士基金等继续重仓加码。至此，跨维智能估值超 100 亿，成为具身国际模型江湖百亿独角兽。

  公司背面，是一位香港中文大学（深圳）终身教授贾奎。他曾接连五年当选斯坦福全球 Top2% 顶 尖科学家，2021 年率队在深圳南山兴办跨维智能，投身物理 AGI 探究。五年来，跨维智能已跑出千余个具身落地项目，营收比年攀升上半年营收 1 亿元，全年有望打破 3 亿元，是职业少量已完结规模化商业落地的具身智能公司。

  跨维从创业第 一天起，就只关怀一件事：技能终究能为实体工业处理什么痛点。脱离工业落地实质的炫技，毫无意义。 目击具身智能的张狂，贾奎向出资界婉转聊起： 分水岭已在眼前。

  蓝思科技是全球消费电子玻璃盖板龙头，深度绑定苹果、华为等头部客户，近年市值一度打破 3000 亿元。背面站着一位女湘商周群飞。1970 年出世的她，凭仗一片玻璃书写创业逆袭的传奇，从一般打工妹成功蜕变成掌握千亿市值的 玻璃女王 ，问 鼎湖南首富。

  跨维智能与蓝思科技的根由，可以追溯到 2022 年。早在其时，跨维智能的仿真模型和 DexSense 视觉传感器就已在蓝思的产线上跑了起来，完结工件无序分拣、精细柔性安装。几年间，技能在实在场景中重复验证、迭代，信赖也在一次次交给中渐渐成长出来。

  本年 4 月的一个早晨，掌握 3000 亿市值蓝思科技的周群飞到访跨维智能。恰逢公司敞开新一轮融资窗口，在观赏了产品之后，她当场决议决议出资，从客户联系升级到股东联系。

  这无疑是对跨维智能最直接、也最有重量的认可先用你的产品，再投你的公司，陪你走更远。

  在此之前，公司已接连完结多轮融资。刚建立不久，跨维智能便收成松禾本钱、真格基金近千万美元天使轮融资，尔后又相继引进联想创投、南山战新投、联创本钱、清智本钱、成都科创投、洪泰基金、天鹰本钱、四川省科创出资集团、一村淞灵、探元创投等一众出资方。

  贾奎泄漏，本轮融资表现了长时刻资金商场对跨维饯别物理 AGI 长线战略的继续坚决支撑。在本钱支撑和商业化开展的两层效应下，这家百亿独角兽很快要 IPO 了。

  这种形象，与背面掌门人的风格一脉相承。贾奎，80 后山西人，别离于西北工业大学、新加坡国立大学、伦敦大学取得学士、硕士和博士学位，后在多家闻名高校从事教育和科研作业，是香港中文大学（深圳）终身教授，接连五年当选斯坦福全球 Top2% 顶 尖科学家。

  早在 2016 年，贾奎就率队建立几许感知与智能实验室。与其时大多数 AI 团队专心于处理二维图画不同，他们从一开端就锚定了一个更具挑战性的方向：探究怎么使用 AI 进行三维空间感知和生成，以及怎么经过组成数据练习模型，驱动机器人完结灵活作业，是国内最早系统性研讨空间智能、具身智能、物理 AI 算法的团队之一。

  那个时候他便得出判别：通用 AI 的结局是物理 AGI，机器人有必要先在虚拟国际完结海量练习，再搬迁到实践国际。

  2018 年前后，团队逐渐看清一件事：三维空间感知的瓶颈不是算法，是数据实在收集本钱高、标示难，场景掩盖也非常有限。第 一性原理决议了除了实在数据以外，组成数据和 Sim2Real 系统是要害抓手，团队逐渐建立了依托物理引擎批量生成三维物理数据并承当泛化练习，调配人本位示教、现场回流等多类实在数据协同互补的高效架构。

  这一步在其时显得有些特殊，但后来回头看，正是跨维智能 生成式仿真 路途的起点。

  尔后数年，团队在三维几许深度学习范畴继续深耕，连续推出了一系列开创性效果。他们开创了 SAM6D 全球首 个零样本 6D 物体姿势估量结构，可以在凌乱场景中完结从未见过物体的实例切割与姿势估量；还研制了 Fantasia3D 等深度模型，以及职业领 先的深度搬迁与域习惯学习算法。2019 年，团队拿下 IROS 等多项国际威望比赛冠军，在空间与机器人感知范畴奠定了学术位置。

  学术效果丰盛，但贾奎一直觉得，技能有必要落地实在国际才有生命力。所以 2021 年，跨维智能在深圳建立，专心具身智能和人形机器人，方针只要一个：用 AI 打通三维国际感知、决议计划、履行的每一个环节，构建一条通往物理 AGI 的可继续路途。

  从第 一天起，跨维智能的途径便非常明晰：不做风口中的观赏性机器人 Demo，而是扎进工厂和门店，去处理三维物理国际里实在的降本痛点。

  根据多年的学术堆集，跨维智能挑选了一条与职业干流不同的技能路途以生成式仿真为中心、多源数据协同的数据管线：在实在数据、组成数据和仿真环境之间，寻求更高的数据功率、更低的练习本钱，以及更可继续的 Sim2Real 闭环。

  五年下来，跨维智能打造了一套全栈自研的四层产品矩阵：底层 DexVerse 生成式仿真具身引擎、DexSense 空间智能传感器、DexBrain 具身智能大脑软件、DexForce W1 人形机器人本体，构建了一个完好的真假协同技能闭环。

  跨维智能交出的答卷是：全新智能制作使命，从场景生成到线 小时；商业人形交互使命，数天就可以完结全流程调试；现在已有超 1500 套模型完结商业化交给，客户包括美的、广汽、中联重科、蓝思科技等头部企业；人形机器人上半年出货数百台，全年正按 1000 台出货交给的方针稳步迈进。

  支撑这份成果的，是跨维从第 一天起就一以贯之的先让机器人在虚拟国际里学会物理规则，再走向实在国际。

  公司自研的 DexVerse 具身智能引擎，是国内唯 一底层全自研的仿真渠道，它能在虚拟国际里主动生成海量场景数据，掩盖各种使命环境、多样操作目标、光照改变、凌乱工况，直接喂给国际模型练习，再落地真机，支撑亚毫米、毫米、厘米多档位精度作业，彻底匹配制作业和商业场景人形落地的产等第规范。

  这套计划直接跳出了 Sora 类二维视频生成模型的结构。后者只能复刻像素画面，没办法了解三维空间中的动力学和物体交互规则。而 GS-World 从一开端就面向物理国际建模，这被以为是生成式 AI 落地物理国际和机器人使用难度最高的技能方向，跨维智能以这套计划领跑职业。

  本年 1 月，公司正式开源 EmbodiChain，后又推出 Dexterity-BEV 一致多源数据表征系统，把多来历、多视角、多本体的机器人数据，一致对齐到一个 BEV 三维空间里，进一步打通了数据复用、模型练习、真机推理的全链路功率。在这些底层技能加持下，不久前，跨维智能自主研制的具身国际模型一举拿下 WorldArena Track 2 冠军。同场竞技中，Track 1 的第一是智元机器人。

  技能不断迭代，但意图一直如一：用更低的本钱、更短的时刻，让机器人具有在实在场景中安稳作业的才能。

  这套 Sim2Real 闭环，直接处理了职业两个中心痛点：一是通用性不依赖特定物料或工况装备，同类场景间可快速复用，不需要从零编程或从头练习模型；二是交给功率从接到需求到真机落地，以小时为单位核算，而不是数月。

  在场景挑选上，跨维坚持抑制，优先深耕工业柔性制作和商业服务两大板块，先跑通盈余闭环，再逐渐拓展鸿沟。这种务实的挑选，也是开创团队 技能有必要落地 理念的延伸。

  正是如此，让跨维智能从做 Demo 走向 产等第规模化交给 ，从实验室走向工厂和门店，也终究把技能变成了出资人乐意买单的生意。

  2026 年的具身智能赛道，用 张狂 描述都不为过。揭露多个方面数据显现，上半年，我国具身智能赛道融资总额已打破 400 亿元，百亿估值企业从年头的 3 家扩容至 10 多家。

  从英伟达、谷歌到特斯拉，全球科学技能巨子都在押注同一个方向：让 AI 了解物理国际的运转规则。国内相同热烈，简直每一家具身智能公司都在讲 国际模型 的故事。

  在贾奎看来，国际模型验证途径没有绝 对好坏：猜测未来画面、生成新视角视频、驱动机器人完结实践作业，都仅仅查验模型是否了解物理规则的不同手法。实在的中心判别规范只要一条：模型能否精准猜测实在三维国际中物理交互的改变，如了解重力、冲突、磕碰、物体形变。这也正是跨维智能自研的 GS-World 与市面上许多视频生成模型之间的实质区别。

  热烈的另一面，是同质化的内卷和概念炒作。一大批企业扎堆做 Demo，用类似的故事、类似的途径争抢注意力。算力囤起来了，数据产线建起来了，但数据收集、练习、推理全链路的综组本钱，好像很少有人仔细算过账。

  凡此种种，贾奎都在看眼里。他一直镇定，本年以来更是重复揣摩同一个问题：Physical Token 经济学。

  传统大模型算力耗费按文本 Token 计费，但物理国际不一样，机器人每一次感知、每一次仿真生成、每一次真机履行，都要耗费一套三维资源这就是贾奎所说的 Physical Token。

  假如 AI 模型建模范式过错，数据使用功率会指数级下降；用超大模型处理场景鸿沟内使命，推理本钱极高，整条商业模式底子算不过来账。 事实上，通用具身智能包括语义泛化性（semantic generalization）和物理泛化性（physical generalization）两类智能，前者由根底模型担任，后者经过对根底模型进行调优完结。

  贾奎团队的中心思路是：用边沿递减的数据本钱练习通用根底模型完结 通才 才能，以主动化数据生成和模型练习管线的方法高效微调蒸馏出 专才 模型，完结具身智能商业落地所实质寻求的鸿沟内泛化，终究完结单位 physical token 下的最高 ROI（出资回报率）。

  贾奎以为当时中心瓶颈并非算力硬件，而是高质量带物理特点的生成式数据。正如他不止一次着重，具身智能的泛化历来都不是一个技能问题，而是商业问题， 要以最超高的性价比的方法做出模型，去到本体，再去到商业落地场景中，才是最重要的。这个理念也与大言语模型中 美竞赛中，我国公司后发逆袭的态势不约而同。

  他指出，全部技能终将回到企业经营的实质脱离本钱收益的盲目投入，很难长时刻继续发明社会价值。 本年，具身智能的商业化落地是全职业有必要跨过的中心门槛。

  这或许解说了为什么一家学者兴办的公司，能在具身智能这个烧钱如流水的赛道里，如此快地跑出订单、跑出营收。

  这是一个喧嚣的年代，但通用物理国际 AGI 这场长距离跑的结尾还很远，途径也远不止一条。有人堆算力，有人攒数据，有人讲故事，亦有人从头到尾结壮干事。或许多年回望，此时就是分水岭。百亿估值仅仅起点，跨维的物理 AGI 之旅已扬帆起航。