<mark id="oztn4"></mark>
0
AI科技評論獲悉，跨維智能近日已完成B輪融資，融資金額10億元人民幣，投后估值超過百億，成功躋身具身智能獨角獸行列，踏入IPO的門檻。
這輪融資的投資方橫跨幾類資本：國家級母基金、頭部國資創(chuàng)投、實體龍頭產(chǎn)業(yè)資本和地方科創(chuàng)平臺。深創(chuàng)投、貴陽數(shù)字經(jīng)濟基金是連續(xù)兩輪下注；前海母基金、藍思科技、工銀資本、恒健資產(chǎn)、諸瑞資本這輪新進入；南山戰(zhàn)新投、成都科創(chuàng)投、四川院士基金等老股東繼續(xù)追加。新老股東一起加碼，背后是資本市場對跨維技術路線和落地能力的某種共識。
至于錢往哪花，跨維的答案是幾件事：底層世界模型算法迭代、物理引擎升級、數(shù)據(jù)基礎設施建設、人形機器人能力完善，以及真實場景落地——把技術、產(chǎn)品和商業(yè)閉環(huán)再往前推一步。
百億估值從來不是憑空出現(xiàn)的。一家成立僅四年的公司憑什么走到這個位置？拆開來看，撐起估值的是：一條被持續(xù)驗證的技術路線、一個跑通了的商業(yè)閉環(huán)、一種以終為始的終局戰(zhàn)略。
物理AI技術全棧自研，幾經(jīng)行業(yè)驗證
2021年成立時，跨維智能就把方向定在物理AI與世界模型上，是國內(nèi)最早一批做物理AI全棧自研的公司。它選的路徑是"世界模型 + 物理仿真 + 真機落地"，這條路被它認為是行業(yè)終局。值得注意的是，跨維多項核心技術節(jié)點的布局進度，排在英偉達、DeepMind等海外巨頭之前，而過去幾年的行業(yè)走勢，也一直在驗證這條路線。
世界模型，是這條路線的核心，也是當下全球AI頭部力量競逐的方向。英偉達、谷歌等公司持續(xù)圍繞物理AI、機器人仿真、環(huán)境推演、合成數(shù)據(jù)生成和世界基礎模型進行前沿布局，把人工智能從語言理解、視覺識別，進一步推向物理世界建模、動作因果預測和智能體交互決策。對具身智能產(chǎn)業(yè)而言，世界模型早已不只是"生成未來畫面"的視覺模型，而是支撐機器人訓練、評估、規(guī)劃與泛化的關鍵技術底座。跨維選這條道，等于把自己擺到了和全球頭部同臺競技的位置。
一個近期的注腳，來自全球具身世界模型權威評測WorldArena的最新公開榜單，跨維智能自研的通用具身世界模型DexWorldModel，在Track 2賽道拿下全球第一名，這個成績意味著什么？
WorldArena云集全球頂尖團隊參賽，側重世界模型的推理能力，核心考驗機器人對真實環(huán)境結構、物理規(guī)律、動態(tài)變化的理解與預判能力，被視為驗證機器人"是否真的理解真實世界"的標尺。
榜單分兩條賽道。Track 1（Perception）聚焦視頻綜合質量，考核視覺效果、動態(tài)表現(xiàn)、內(nèi)容一致性與物理遵循性，側重感知預測、物理邏輯及動態(tài)場景理解——此前智元機器人曾在該賽道取得領先成績，體現(xiàn)出國內(nèi)具身智能企業(yè)在視頻生成技術上的持續(xù)突破。Track 2（Functionality）則聚焦具身任務的功能性，考驗世界模型作為數(shù)據(jù)合成引擎、策略評估與行動規(guī)劃載體，對機器人訓練、評估及執(zhí)行的支撐能力。這條賽道業(yè)內(nèi)公認為"實戰(zhàn)"門檻最高、含金量也最高，是評判技術落地價值的核心硬指標。
拿下榜首，證明跨維不僅具備領先的世界模型環(huán)境推演能力，更擁有把推演結果轉化為機器人訓練資產(chǎn)的工程化能力——在具身數(shù)據(jù)生成、仿真訓練閉環(huán)構建、策略模型賦能、虛實遷移落地幾個方向上，綜合技術實力都過了硬指標。
而這份成績的背后，是 DexWorldModel 從底層就與眾不同的技術路線。它圍繞三維物理世界的真實運行規(guī)律建模，具備隱空間動態(tài)建模能力，可實現(xiàn)統(tǒng)一坐標系對齊、時空表征精準匹配，徹底解決傳統(tǒng)視覺方案空間感知不準、物理建模缺失、無法適配實操任務等行業(yè)痛點，真正讓AI精準理解物理空間、動力學邏輯與真實作業(yè)規(guī)則，支撐機器人完成分揀、裝配、雙臂復合操作等實操任務，推動世界模型從 “可視化演示” 正式邁入 “可落地作業(yè)” 的產(chǎn)業(yè)階段。
在夯實世界模型核心能力的同時，跨維智能同樣將數(shù)據(jù)基建視為物理 AI 規(guī)模化落地的核心根基。
2026年1月，跨維還開源了基于生成式仿真世界模型的具身智能工具鏈EmbodiChain，這是業(yè)內(nèi)首個能夠自動訓練VLA模型并實現(xiàn)真機部署的工具鏈，無需依賴真實數(shù)據(jù)即可完成零樣本虛實遷移。將具身智能數(shù)據(jù)生產(chǎn)從“人工小作坊模式”推向了“工業(yè)化量產(chǎn)階段”。
僅四個月后，跨維又創(chuàng)新性提出Dexterity-BEV。該技術將視覺輸入、機器人本體狀態(tài)與目標動作指令三者對齊至統(tǒng)一空間參考系，首次為機器人多源異構數(shù)據(jù)搭建起可規(guī)模化訓練的標準空間底座，從根源上破解了行業(yè)長期存在的數(shù)據(jù)標準分散、動作技能難以遷移、作業(yè)經(jīng)驗無法跨本體復用的核心痛點，大幅提升數(shù)據(jù)利用效率與模型跨場景泛化能力。
從頂層終局路線的篤定選擇，到核心世界模型的全球領跑，再到底層數(shù)據(jù)基建的體系化突破，跨維智能構建起 “模型 - 仿真 - 數(shù)據(jù) - 落地” 全鏈路自主可控的技術體系，也讓 “全棧自研” 從戰(zhàn)略口號落地為可被行業(yè)反復驗證的硬核實力。
場景邊界內(nèi)泛化，Physical Token 經(jīng)濟學跑通商業(yè)化閉環(huán)
跨維智能對通用具身智能有一個第一性原理式的判斷：它的本質是"場景邊界內(nèi)泛化"。做法是先把場景邊界定義清楚，讓數(shù)據(jù)、模型、訓練范式去適配產(chǎn)品級作業(yè)標準，在每個場景里做到高精度、高可靠的通用能力，再靠逐個場景的技術突破去拓寬能力邊界，一點點向終極的Physical AGI演進。
支撐這套打法的，是跨維自研的四個底層基座：DexVerse?物理引擎、DexAgent通用具身智能體、DexSense空間感知終端、DexBrain智能算法大腦，軟硬件一體化，托住全場景落地。
目前，跨維智能已經(jīng)落地50多個應用場景，迭代沉淀了1500余個成熟具身模型，覆蓋汽車零部件、新能源、3C電子、航空航天、物流、家電、化工、醫(yī)療、教育等細分領域，服務多家行業(yè)頭部客戶，可成熟應用于柔性分揀、柔性插拔裝配、商業(yè)零售、文旅服務等場景。在國內(nèi)具身智能的規(guī)模化商業(yè)落地里，它走在了前面。
跨維智能還首次提出了一個"Physical Token經(jīng)濟學"的理念，試圖重新定義物理AI的產(chǎn)業(yè)邏輯。簡單說，就是從數(shù)據(jù)采集、模型訓練、推理部署、硬件本體到場景運維的全鏈路，把成本和效率都把控住，聚焦單數(shù)據(jù)、單動作、單推理的投入產(chǎn)出比，追求每一項技術能力和每一次機器人作業(yè)的最高商業(yè)回報率，讓技術創(chuàng)新和商業(yè)價值對得上。
"我們追求的核心目標，是實現(xiàn)the highest ROI per physical token——讓物理世界里的每一組數(shù)據(jù)、每一次動作、每一輪推理，都能高效轉化為真實的商業(yè)價值。"跨維智能創(chuàng)始人賈奎教授說，"跨維始終扎根底層數(shù)據(jù)與模型，打造可泛化、可部署、可商業(yè)化的物理AI能力，在工業(yè)、商業(yè)以及逐漸成熟的康養(yǎng)家庭場景中持續(xù)驗證并跑通價值閉環(huán)。"
技術能落地、商業(yè)閉環(huán)跑通，是這輪資本加碼跨維的核心邏輯。多年下來，跨維智能已經(jīng)形成"技術迭代—產(chǎn)品落地—客戶付費—數(shù)據(jù)反哺"的正向循環(huán)，成為行業(yè)里少數(shù)實現(xiàn)超億級營收、規(guī)模化真實作業(yè)機器人出貨的企業(yè)。值得留意的是，這輪戰(zhàn)略入局的藍思科技，會和跨維開展深度產(chǎn)業(yè)協(xié)同，聚焦工業(yè)智造核心場景，加速物理AI在實體制造業(yè)的規(guī)模化商用。
一步一個腳印，目標是物理AGI終局
賽道很熱，跨維智能卻一直保持著戰(zhàn)略定力。它把使命定在"邁向通用物理世界智能"，走的是"沿途下蛋、分步落地"的穩(wěn)健路徑，一點點構筑行業(yè)壁壘。本輪融資帶來的資金和產(chǎn)業(yè)資源，會被用來繼續(xù)筑牢技術、量產(chǎn)、商業(yè)化三大核心壁壘，推進物理AGI的產(chǎn)業(yè)落地，用自研技術把物理智能推向千行百業(yè)。
