作者｜黃楠

編輯｜袁斯來

硬氪獲悉，具身智能企業穹徹智能（Noematrix）近日完成新一輪數億元融資，本輪融資由無錫數據集團領投，投資方包括上海交通大學AI未來基金（創業基金）、上海創之智科技有限公司（上海創智學院全資子公司）、一村資本等。

這也是公司近半年來完成的又一輪融資。此前穹徹智能已獲得多家機構加持，包括Prosperity7 Ventures、紅杉中國、C Capital、阿里巴巴和Sea Limited等。

穹徹智能是硬氪長期關注的企業。公司成立于2023年11月，長期專注具身智能基礎模型與系統的自主研發，已發布有核心產品“穹徹具身大腦”（Noematrix Brain），并圍繞其構建了覆蓋數據采集、模型訓練到部署驗證、具身機器人應用全流程的軟硬件產品體系。

具身智能的行業敘事正在經歷一次靜默的轉向。過去兩年，賽道內備受追捧的能力是“完成一個動作”，抓取、搬運、行走等任務在實驗室或演示臺上被反復驗證。但自今年以來，一個新的衡量尺度正在浮現：機器人能否在真實物理環境中持續穩定地工作，而非在可控條件下完成一次性展示。

這一轉向的實質，是從“動作能力”向“工程穩定性”的重心遷移。要讓機器人深度理解真實物理世界的運行規律，自主適配復雜環境的不確定性，這正是當前世界模型試圖解決的問題。

在數據策略上，穹徹智能選擇將真實數據與仿真數據并行納入訓練體系，其最早提出的“伴隨式數據采集”方案，通過自研外骨骼CoMiner、便攜式RoboPocket等數采設備，可以將數據采集以輕量化和低成本的方式拓展至家庭、辦公、工業等環境，逐步構建覆蓋多樣物理場景的數據庫。

穹徹智能認為真實數據進入模型后會讓模型更加穩定和魯棒，因為它來源于真實物理場景；仿真數據則利用其可規模化優勢擴充能力邊界。兩者配合，而非互相替代。同時，公司還搭建了一套融合AI Agent的閉環系統，由它負責分析任務、下發指令、優化采集行為，再根據數據分布動態調整后續采集任務，極大提升高質量數據獲取效率。

穹徹智能“伴隨式數據采集”方案（圖源/企業）

這些數據可以為穹徹具身大腦的訓練及迭代提供燃料。穹徹智能堅持通用具身智能大模型自研路線，依托海量真實場景數據進行模型預訓練，讓系統在投入實際使用之前就建立起對物理世界的基本認知；輔以力位混合后訓練，進一步校準模型對接觸狀態和力覺信息的理解精度，使其輸出的動作指令不僅在語義層面合理，在物理層面也可執行。

通過這套訓練流程持續打磨面向實體場景的通用具身大腦Noematrix Brain，為機器人提供了從指令理解、任務規劃到環境感知、執行反饋的完整決策閉環能力。同時硬氪了解到，穹徹智能還計劃于近期正式發布新一代自研具身智能世界模型。

進入具體任務場景，穹徹智能機器人已在藥房實現批量落地。其采用的“嵌入式升級”路線，無需改造原有貨架結構，僅在2.5平方米空間內完成部署，并且直接對接門店現有訂單系統，就能在原有通道環境中穩定運行。

尋導路徑規劃（圖源/企業）

長期以來，藥房場景的商業化價值，核心在于解決行業長期存在的人力結構性痛點。線下藥房普遍面臨夜間訂單零散、但必須專人值守的困境，單獨雇傭人員值班成本高、性價比極低，是門店長期的純成本項。而藥房線上訂單履約工作高度標準化，無需復雜的客戶溝通與導購推銷，僅需要精準、重復的揀貨動作，恰好是機器人最擅長的工作場景。

與此同時，一個藥房里有幾千個SKU，商品由于搜找被翻亂、包裝形態各異、貨架陳列隨時變動。種種復雜任務發生的小概率情況在真實運營狀態中是常態。即便適配場景簡單、作業流程標準化，但依舊充滿實驗室難以復刻的復雜變量。

穹徹團隊表示，藥房落地中真正需要應對的，更多是邊角案例的積累，而非技術范式的根本突破。“一個紅霉素眼膏因為包裝太小、擺放角度不標準，用夾爪或吸盤都難以穩定處理；溫度計因為懸掛陳列而非盒裝，抓取邏輯也需要重新調整。這類特殊商品在整個SKU中占比很小，但恰恰是它們決定了系統能否從實驗室遷移到真實場景。”

藥房打包（圖源/企業）

目前穹徹智能已與多家頭部連鎖藥店達成合作，進入商業交付階段，訂單規模已達千臺級別。

本輪融資后，穹徹智能將持續推進具備強泛化性和高自主決策能力的具身智能大模型的研發與迭代，加速具身智能在通用零售、酒店服務等真實場景落地。

以下為硬氪與穹徹智能的訪談節選（略經編輯）：

硬氪：一套可落地的物理AI具身大腦，現階段需要具備哪些成熟能力？

穹徹團隊：具身大腦真正跑通線下場景，核心離不開三方面能力。

首先是成熟穩定的算法能力。穹徹智能早在2021年就發布了通用抓取模型，在此后幾年持續迭代，抓取作業的成功率在國際上處于比較領先的水平。這套算法構成了我們藥房方案的技術底座，讓機器人在面對幾千個SKU時仍能保持較高的操作成功率。

其次是工程化的落地能力。實驗室演示環境相對理想，可走進真實門店，場地布局、商品擺放時刻都在變動，很容易影響機器人作業效果。這不僅要優化算法，還得做好現場調試與硬件適配。依托于過去服務數百家客戶、落地上千類場景的交付經驗，我們摸索出一套成熟方法，能做到對門店幾乎零改動，讓機器人快速進場投入使用。

此外，還有數據層面的支撐。真實物理環境中有大量實驗室無法模擬、需要打磨的邊緣場景（corner case）。比如紅霉素眼膏，它的包裝小、擺放角度不標準，用夾爪或吸盤都難以穩定處理；溫度計因為懸掛陳列而非盒裝，因此設備在抓取時也需要調整細節。這類特殊商品在整個SKU中占比不大，但恰恰是它們決定了系統能否從實驗室遷移到真實場景。解決這些問題的前提，是擁有足夠多、足夠真實的物理世界數據。

穹徹智能具身機器人在藥店場景中應用（圖源/企業）

硬氪：零售藥店場景中，客戶端呈現出哪些新需求與趨勢？怎么衡量投入回報？

穹徹團隊：穹徹智能現階段重點聚焦連鎖藥房場景。線下藥房利潤空間本就緊張，人工是僅次于房租的第二大成本，因此可以看到，客戶端的降本需求非常明確。藥房夜間訂單雖然零散，但必須有人值守，雇一個人性價比極低，而機器人恰好能承接夜間的線上揀貨工作。白天它也能輔助處理訂單，算下來單店平均可以減少1.5個人力。

這個價值反映在投資回報上，ROI測算邏輯很直接，就是跟人工薪資對標。就落地情況，我們的客戶在采購了機器人后，回本周期大約一年半到兩年。對于連鎖藥房來說，這個回報周期已經具備了很強的落地價值。目前落地門店主要集中在一二線城市，廣州、沈陽、南通等地已有項目在跑。

投資方評論：

上海交通大學、上海創智學院長期與穹徹智能在聯合實驗室、科研攻關等方面保持緊密合作。此次二者旗下投資平臺同時入股穹徹智能，標志著彼此合作邁向“技術+資本”深度綁定的新階段，其中上海交大AI未來基金由交大人工智能學院發起，凝聚交大的校友與行業力量，支持具有重大產業化前景的“交大系”人工智能創新項目。這不僅為穹徹智能持續引進高端科研人才、探索前沿技術提供了堅實后盾，也將鞏固其在具身智能科研層面的“護城河”。未來，穹徹智能將聯合上海交通大學、上海創智學院在具身智能模型前沿技術領域持續攻堅，加速具身智能技術成果向產業應用轉化。

無錫數據集團作為無錫市推動數字經濟與數據要素市場化發展的核心力量，將攜手穹徹智能等生態伙伴，共同啟動了城市級全域“千企百萬小時”具身智能高質量數據集聯合體行動，并正式發布第一階段建設成果。下一步，雙方將依托無錫數據集團的產業資源與場景治理能力，結合穹徹智能在前沿模型與具身大腦上的技術積淀，深入推進工業數據集建設。雙方將充分發揮各自在技術、數據與產業資源上的優勢，推動具身智能在真實產線中落地。