近日，千寻智能完成了由柏睿资本独家注资的天使+轮融资，柏睿资本，是由宁德时代天使投资人，联合创始人、副董事长李平出资创办的早期投资机构。

自成立至今，千寻在半年多的时间里已完成三轮融资。新融资后，公司将重点发力人才引进和商业化场景下的产品迭代及业务拓展。

具身智能是伴随新一代AI技术发展而来的系统性机会，我们长期看好这一主题。在和千寻的多轮合作中，我们深刻地感受到千寻的独树一帜，这既体现在软件硬件双top的创始团队组合，也体现在其技术路线的独特性和优越性。在具身智能算法上，千寻一直走在全球最前沿，我们的公众号先前也分享过多篇对千寻首席算法科学家高阳老师的论文解读。千寻在技术、产品、场景上的突破让我们对具身智能的未来充满期待。

资本入局加速资源整合

千寻智能创始人兼CEO韩峰涛强调：“感谢资方的支持，千寻的愿景是打造能够适用于各类机器人的通用具身模型。依托于UC伯克利顶尖的AI技术、行业领先的硬件以及丰富的商业化实践经验，千寻智能拥有坚实的基础，并以此作为追求具身智能领域极限的基石。借助产投资源，千寻智能将快速切入市场化落地进行具身智能泛化性作业验证，预计在明年将交付数百台具身智能产品，有望成为全球首家在高附加值真实场景中实现批量交付的企业。

“我们相信模型的质量取决于数据的质量，高质量交付所产生的高质量真实数据将助力千寻快速形成物理数据飞轮闭环，持续推动模型和算法快速迭代，最终赋予机器人前所未有的灵巧作业能力。”

率先实现多场景泛化

面向具身智能企业除技术之外的最大挑战，即应用场景探索，今年9月初，千寻智能已率先公布了通用机器人泛化技术最新研究成果。基于神经网络架构，机器人在非结构化环境下成功完成冲泡咖啡、手掂苹果等复杂动作，实现了多任务连续泛化能力。

具身智能要实现大规模落地，首先要解决泛化能力，满足不同场景的作业要求，而解决泛化能力的前提是获取高质量数据样本，这直接影响到机器人执行任务的精准性。

千寻智能拥有业界领先的具身大模型技术及卓越的机器人研发能力，在预训练模型、模仿学习和强化学习等方面核心技术优势突出。

全球顶级具身智能技术实力

千寻智能联合创始人高阳，本科毕业于清华大学，因热爱机器学习而选择美国加州大学伯克利深造，在Trevor Darrell团队攻读博士，专注于机器人跨模态交互研究。高阳不仅深耕视觉领域，还勇于探索可动AI与决策科学，博二即涉足自动驾驶，并在Waymo实习深化实践。他敏锐洞察到自动驾驶与机器人控制的共通性，积极推动模仿学习与强化学习的结合。在Trevor领衔的Deep Drive项目中，高阳负责核心算法开发与实车验证，亲历了从仿真到现实的跨越。其发布的自动驾驶数据集BDDV，强调了数据质量对模型的关键作用。

博士后期间，高阳在伯克利跟随强化学习领域顶尖教授Pieter Abbeel开展研究，并与机器人学习领域的顶尖学者Sergey Levine深度合作，Pieter Abbeel是扩散模型（Sora、SD背后核心技术）的提出者之一，而Sergey Levine则是美国Physical Intelligence（Pi）的联合创始人，专注于自主智能体学习复杂行为的算法研究，为Physical Intelligence提供了关键的技术支持和战略指导。就在不久前，Physical Intelligence宣布完成4亿美元（约合28亿人民币）融资，使其整体估值达到24亿美元（约合170亿元）。

尤为重要的是，Sergey Levine与高阳的技术研究都专注于提高机器人的泛化能力，通过训练一个模型来控制多种机器人。同时两个人都重视数据在机器人学习中的重要性，探索了如何利用多样化的数据集来训练机器人模型。由于两者研究技术路线趋同，因此两人也成了亲密无间的挚友，而Physical Intelligence的再次亮眼融资，也让高阳坚定了千寻智能未来会成为一个全球顶尖具身智能公司的信心。

放眼全球，目前最有成果的具身智能科学家和公司绝大多数都在北美，而伯克利又被称为具身智能大本营。博士毕业后，高阳选择回国，加入清华大学交叉信息研究院任博士生导师，聚焦计算机视觉与机器人结合领域的研究。他坚信当具备泛化能力的机器人技术得到大规模普及落地的时候，中国将会率先进入第四轮工业革命，而他则立志成为那把开启这扇大门的关键钥匙。

高阳在机器人领域拥有多项技术创新成果，在刚刚结束的德国CoRL 2024顶会上，高阳团队连中四篇高水平论文。除此之外，他们还发现了具身智能领域的“圣杯"--data scaling laws，让机器人实现了真正的零样本泛化，可以无需任何微调就能泛化到全新的场景和物体。这一发现揭示了机器人对新物体、新环境以及环境-物体组合的泛化能力与训练数据量之间的幂律关系。

Scaling Laws：从 ChatGPT 到机器人的制胜法则

图为：谷歌DeepMind技术专家Ted Xiao评论，称该项研究对机器人大模型时代具有里程碑意义

多维度高效协同，飞速发展