原力无限近10亿元融资背后：具身智能开始争夺“进化速度”

具身智能正在进入一个更现实的阶段：机器人交付以后，谁来为它持续补充经验？

8月14日，具身大脑公司原力无限完成A轮及A+轮融资，金额近10亿元。敦鸿资产及头部国资平台领投，浙大科创集团、盐都国控、丽水市国资公司等产业资本和头部社会资本跟投，老股东创世伙伴创投CCV继续加注。

钱将被用在三个地方：AtomBrain因果世界模型、全栈AI Infra DataGrid，以及多形态机器人在真实场景中的规模化交付与验证。

原力无限还透露，将于近期发布一款以高质量Ego数据为核心的具身模型。公司称，这将是全球首个此类模型。比“全球首个”的标签更值得关注的是，这款模型的实际表现，将直接检验Ego数据能否稳定转化为机器人可执行的能力。

这张资金使用清单，比融资金额更有看头。原力无限没有把钱集中押在某一款更像人的机器人上，它要搭一套能不断获得经验、吸收经验，再回到现场接受检验的“进化系统”。如果这套系统能转起来，机器人公司的竞争就会从卖本体，转向比谁学得更快。

01

Ego数据，贵在不是“拍视频”

目前，具身智能领域不缺视频，缺的是机器人能用的经验。

原力无限从2025年开始押注Ego。它从操作者自己的视角记录任务，更接近机器人部署后的观察位置。配合动作轨迹、接触状态、环境反馈和任务结果，一段视频才会变成模型可以学习的操作经验。

这条路线的商业价值首先在成本。真机遥操作数据精度高，但设备贵、采集慢，也受本体数量限制。Ego数据可以伴随人的日常工作产生，场景更丰富，也更容易扩大采集规模。它不能替代真机数据，却能与遥操作、本体数据配合使用。

真正麻烦的不是造一副头戴设备。多路视觉、深度与IMU要完成时空同步，大规模采集需要任务分发和质检，原始数据还得识别腕部位姿、接触过程与任务结果。不同数据怎样配比，最后仍要回到模型训练里验证。

为此，原力无限做了DataGrid，把采集硬件、数据处理、自动标注、训练接口和真机验证放进同一套体系。前端漏掉轨迹和状态变化，后端再花钱清洗，也补不回一段完整经验。

2026年，原力无限与盐都国控推进的华东具身智能数据采集中心投入运行，面积近2000平方米，是其继杭州后的第二座具身大脑训练中心。中心搭建了便利店前置仓、个护清洁、宠物潮玩等任务场景。商品的尺寸、材质和摆放稍有变化，就会形成新的训练样本。

一座中心不等于数据壁垒已经建成。但从杭州到盐城，DataGrid至少迈出了跨区域复制的一步。原力无限牵头发起的GB/Z《具身智能众包数据采集和纳管技术规范》也已获批立项。谁能先把采集、治理和使用标准跑通，谁就更有机会把“数据多”变成“数据能用”。

02

因果世界模型，要学会判断“做了会怎样”

有了数据，机器人还得理解动作的后果，才能学得更快。

持续学习VLA解决的是“看见什么、听懂什么、下一步怎么做”；因果世界模型更关心“如果这样做，会发生什么”。杯子会不会滑落，软包装会不会变形，前一步的偏差会不会让后续任务全部失败，这些都不是靠动作模仿就能稳定解决的。

原力无限的AtomBrain把两条路线放在同一套具身大脑里。其成果AtomVLA已被IROS 2026收录。它先用大语言模型拆解长程任务，再让预测式潜在世界模型预演候选动作，给VLA提供奖励信号，减少昂贵、危险的真机试错。

据公司披露的基准测试中，AtomVLA在LIBERO取得97%的任务成功率，AIM在RoboTwin 2.0取得93.1%。基准成绩不能直接兑换成工厂收入，但它证明了一件具体的事：世界模型已经开始参与动作选择和后训练。

这也是原力无限提出“进化速度”的原因。单次成功率回答机器人今天能做什么，进化速度关注一条经验能带来多少能力增益、单位时间能获得多少经验，以及部署中还需要多少人工介入。

对应到本轮融资，AtomBrain提高每条经验的利用率，DataGrid扩大经验获取带宽，多形态机器人的真实交付则负责把人工一点点撤掉。三件事必须同时发生，进化系统才能转起来。

03

商业化的价值，是给数据和模型找一块真场地

很多具身智能公司都有一个尴尬：模型在实验室里演示得不错，出了门却没有稳定场景；本体卖出去了，现场数据又回不到训练系统。技术和商业各走各的，闭环自然转不起来。

原力无限选择“一脑多身多场景”。同一套AtomBrain向人形、通用、双足和专用机器人迁移。新场景不必每次从零训练，现场产生的成功、失败和异常数据，也能经DataGrid回流。

据公司披露，目前相关技术已在全国30余座城市、100余个真实场景推进验证和商业化应用，覆盖商业服务、仓储物流、工业制造等领域。2026年7月，原力无限又与中铁工业规划设计研究总院签署战略合作，合作范围包括基础设施领域的联合攻关、机器人应用和标准建设。

中铁工业的场景不轻松。隧道、桥梁和高端工程装备里，环境复杂，容错率低，设备停机和人员风险都是真金白银。比起多一个大客户背书，原力无限更需要把具身大脑放进这些工程现场，获得实验室里造不出来的长尾数据。

近10亿元融资之后，原力无限仍要回答：Ego数据能否规模生产，因果世界模型能否提高任务成功率，现场回流能否让下一批机器人更好用。

机器人行业过去爱比参数，接下来要比的是学习速度。客户不会为一条漂亮的技术路线长期买单。试错成本降下来，人工介入少了，开机率真的提高了，他们自然会付钱。原力无限要证明的，是这套进化系统最终能够落到账单上。

— 欢迎在评论区留下您的想法 —