6月30日，记者获悉，近日物理AI与具身智能企业跨维智能官宣完成B轮融资，融资金额10亿元人民币，投后估值超百亿，跻身百亿估值具身智能独角兽企业，并且即将进入IPO环节。本次融资投资方涵盖国家级母基金、头部国资创投、实体龙头产业资本、地方科创平台等，其中，深创投、贵阳数字经济基金实现连续两轮重仓投资；前海母基金、蓝思科技、工银资本、恒健资本、诸瑞资本全新重磅入局；南山战新投、成都科创投、四川院士基金等原有股东持续追加跟投。新老股东接连加码重仓。据了解，本轮融资将重点用于底层世界模型算法迭代、物理引擎升级、数据基础设施建设、人形机器人能力完善与真实场景落地，持续加速技术、产品与商业闭环进化。跨维智能创立于2021年，总部位于深圳，在创始人贾奎的带领下，目前已落地50多个细分行业、超过1000个项目。值得关注的是，跨维智能最核心的差异化在于其“生成式仿真”路线。与行业普遍依赖真机采集不同，跨维智能选择的是以生成式仿真为核心、多源数据协同的数据工程路线，通过自研的DexVerse具身智能引擎，用合成数据训练机器人模型，解决了机器人在真实世界中训练数据匮乏的难题。对于选择“生成式仿真”路线的原因，在近日接受等媒体采访时，贾奎算了一笔账：主流玩家依靠真机遥操采集数据，效率极低，一个操作员一天只能获取100到150条数据。“以这样的效率去解决具身智能所需的语义泛化性，可能需要10万年，这种低效正是跨维智能选择另一条技术路线的根本原因。”他指出。贾奎解释道，具身智能所需要的泛化性分为两类：语义泛化性和物理泛化性。语义泛化性依赖真实数据，本质上是人的数据，解决“机器人知道该怎么做”的问题。物理泛化性则完全可以用仿真数据解决，环境变了、物体位置变了、表面材质变了，这些都可以在虚拟世界中高效生成。“我们从来都是从第一性原理出发，用正确的数据方式解决具身智能不同泛化维度所需要的数据。”贾奎说，真实数据更适合解决语义泛化问题，仿真数据则更适合解决物理泛化和产品化打磨问题。这条技术路线在过去一年有了关键突破。贾奎透露，相比语言或视频生成，“生成式仿真”路线解决的是三维物理世界的规律建模，跨维智能目前做一个新的泛智能制造场景任务，从造数据到训模型、再到让模型在真实场景中正常工作，只需要6—8小时。从业务来看，跨维智能的业务主要分工业和商业两大板
=*=*=*=*=*=
当前为第1/2页
下一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页