Nature封面团队！清华副教授+蔚来前高管创业18个月拿下近亿元融资

近日,可信物理智能企业Xspark AI(无界智航)完成首轮近亿元天使轮融资。本轮融资由鼎晖VGC、初心资本、SEE Fund无限基金联合领投,深圳天使母基金、水木校友种子基金等多家财务投资机构,以及北洋海棠基金、特步家办等产业方跟投,多维资本担任融资财务顾问。资金将主要用于核心技术研发、产品迭代以及Physical AI的规模化落地。

过去一年,Physical AI领域各类演示视频层出不穷,从世界模型、VLA到强化学习,机器人的能力边界不断被刷新。但热闹背后,一个更现实的问题正在浮出水面:那些在实验室里表现优异的模型,一旦进入真实场景,为什么总是"水土不服"?

真实物理世界充满动态变化和长尾场景。工厂车间的光线变化、家庭环境的物品摆放、商业场景的人流干扰,这些都是大模型黑盒决策难以应对的。更关键的是,当机器人出现判断失误时,缺少安全兜底机制,极易引发设备故障甚至安全事故。一个在视频里灵巧倒水的机器人,到了真实厨房可能连杯子都抓不稳。

PART 01

为什么资本押注可信具身智能架构新范式？

鼎晖VGC高级合伙人王明宇认为，想要让具身智能大规模落地，真正的前提是可信与安全。相比于追逐风口、只会做表面技术包装的团队，投资机构更看好踏实深耕底层技术、扎实打磨落地体系的团队。

这也道出了行业最现实的问题：花哨的技术演示没有实际意义，靠噱头走不通工业、家庭等真实落地场景，脱离实际应用的技术，终究无法实现规模化发展。

初心资本管理合伙人田江川，则把行业落地的核心问题聚焦在了数据上。在他看来，当下具身智能难以普及，最大短板就是缺少高质量的真实场景数据。实验室数据、仿真数据和公开数据集都存在明显短板，无法适配家庭、工业、公共服务等复杂场景的动态变化，也覆盖不了实际应用中的各类极端突发状况。

这个观点精准戳中了行业症结。AI模型的成长离不开真实场景的打磨，没有一线场景的数据积累，再先进的模型也只能停留在实验室阶段，一落地就暴露问题，完全不具备实用价值。

深耕具身智能领域的Xspark AI，对这一行业痛点有着切身的实战体会。公司CEO熊祺曾在蔚来主导团队，完成了业内首个百万量级世界模型的规模化量产交付，亲眼见证了自动驾驶行业从技术内卷到落地商业化的完整过程。

自动驾驶行业早年同样陷入过内卷怪圈：各家企业一味堆算法参数、拼测试里程，比拼纸面技术实力。但最终跑出成绩、实现商业化落地的企业，靠的不是花哨的技术数据，而是成熟的安全体系和真实路况下的稳定运行能力。

如今，这样的行业转折正在Physical AI领域重演。

熊祺判断，Physical AI的发展轨迹会和自动驾驶高度相似。实体智能设备想要突破发展瓶颈，必须持续走入真实应用场景、积累真实工况数据，通过源源不断的实景数据形成良性迭代的数据飞轮，最终迎来行业的爆发期，也就是Physical AI领域的“ChatGPT时刻”。而机器人能否安全、精准地完成人机协同工作，是其大规模商用的核心门槛。

Xspark AI联合创始人、CTO陈天行，从一线技术研发的角度，印证了行业普遍存在的落地难题。他是RoboTwin、RoboDojo等全球主流具身智能评测体系的核心开发者，全程亲历了近几年具身智能技术的快速迭代。

在他看来，具身智能技术迭代十分迅猛：从RoboTwin 1.0阶段的小参数模仿学习，到普及度极高的预训练VLA模型，再到如今各类WAM模型不断涌现，模型的纸面能力一直在快速升级。但行业看似蓬勃发展，落地的核心问题却始终没有解决：模型在真实场景中运行的稳定性、安全性和可控性，依旧存在大量短板。越是接近商业化落地，就越不能只看演示效果、只追求模型“看上去能用”，真实场景的实际适配能力才是关键。

PART 02

“慢脑-快脑-脊髓”架构能解决什么问题？

不同于行业普遍靠堆叠模型参数换取效果的做法，Xspark AI选择用一套分层协同的完整系统，解决具身智能的落地问题。团队的核心思路很直接：真正能落地、足够安全的实体智能，不能只靠模型能力单打独斗，必须把模型性能、安全约束、运行兜底、可验证能力和持续迭代机制打通，形成一套完整闭环。

在整套体系中，X-Brain Thinking（慢脑）承担高层认知和任务规划的核心工作。模型训练同时融合了仿真、AIGC和真实场景三类数据，并叠加多层安全对齐机制，能够主动识别风险、审核操作指令，在危险场景下主动干预、规避问题。更关键的是，系统会持续收集真实场景里的各类极端边角案例，反向迭代优化，不断补齐现实场景中的认知短板，避免模型只适配标准测试环境。

X-Brain Manip（快脑）则主打物理端的实操执行。依托团队自研的高质量场景数据，搭配多触觉融合感知能力，再结合内置的安全约束逻辑，机器人可以在复杂多变的环境中，完成更精准、灵活、稳定的操作，同时大幅提升不同任务之间的通用适配能力，避免单一场景适配、换场景就失效的问题。

最底层的安全保障来自X-Reflex（脊髓），负责毫秒级的极速响应。这套机制整合了多光谱触觉与多模态感知数据，相当于为上层的认知决策装上了实时安全兜底。一旦识别到异常风险，系统可以立刻划定安全边界，自主完成紧急停止、轨迹修正、主动避险等操作。所有场景异常数据会自动沉淀、回流至上层模型，支撑整套系统的持续迭代优化。

整套架构的核心优势，是跳出了行业“大模型堆参数”的单点思维。不靠单一模型“大力出奇迹”，而是通过分层分工、相互制衡、层层兜底的系统工程设计，搭建出能够适配真实场景、可落地、可信赖的实体智能执行体系。

数据积累上，Xspark AI已经沉淀超10万小时训练数据，同时完成万小时级别的商业落地交付数据积累。相比于实验室可控环境下生成的仿真数据，这些来自真实商业场景的数据价值极高。只有真实工况中随机出现的各类极端、特殊场景，才能真正打磨模型的实战能力，让智能设备真正适配复杂的现实世界。

除此之外，团队在机器人触觉感知上的技术突破，是落地精细操作的关键支撑。2026年1月，团队自研的多光谱触觉传感器SuperTac成果登上《Nature Sensors》封面，同时配套打造了8.5亿参数的触觉大模型DOVE。高精度触觉感知，让机器人可以更细腻、精准地感知物理世界的细微变化，也是其能够完成各类精细化实操任务的核心基础。

PART 03

产业与科研双重基因意味着什么？

Xspark AI的竞争优势,很大程度上来自团队的复合背景。熊祺深耕AI算法15年、自动驾驶行业8年,拥有百万级智能驾驶产品量产经验,擅长推动前沿AI技术工程化落地。

丁文伯为清华大学长聘副教授,作为国内机器触觉领域领军学者,在Nature、Science、Cell子刊等顶级期刊累计发表论文80余篇。

陈天行作为RoboTwin与RoboDojo第一作者,其开源项目累计获得GitHub近两万Stars。

这种产业与科研的双重基因,在当前阶段尤为稀缺。纯科研背景的团队往往技术领先但工程化能力不足,纯产业背景的团队又容易陷入短期应用而缺少技术积累。Xspark AI的团队配置,恰好在两端都有足够的深度。

从技术积累看,团队自研世界模型在2026年5月WorldArena最新评测中获得视觉质量赛道第一、综合排名全球第三。更重要的是,团队深度参与全球主流具身智能评测体系建设,相关工作累计获得Google Scholar引用超600次、GitHub超3000 Star、下载量突破80万。这种对行业基础设施的贡献,既是技术实力的体现,也在构建长期竞争壁垒。

Xspark AI已与英伟达、智元机器人、字节跳动、生数科技等产业链企业展开合作。这些合作既是对技术能力的验证,也在为后续规模化落地铺路。

PART 04

长期主义能跑多远？

无限基金SEE Fund管理合伙人马麟对赛道有着清晰的周期判断：具身智能是一场长线产业，目前整个行业依旧处于发展早期。正是这份对行业节奏的清醒认知，让机构放弃了短期套利的投机思维，选择长期陪伴踏实深耕产业、稳步迭代成长的实干团队。

本次融资的投资阵容，也充分体现了市场对Xspark AI的双重认可。投资方不仅包含鼎晖、初心、无限基金等一线财务投资机构，还有北洋海棠基金、特步家办等产业资本入局。产业资本的加持，意味着公司的技术路线和落地思路，已经获得下游真实应用场景的背书，为后续商业化规模化推进打下了关键基础。

当下Physical AI赛道，正处在从技术demo验证走向真实产业落地的关键拐点。行业竞争逻辑已然改变，单纯比拼模型参数、展示炫酷效果的时代已经过去，未来的行业优势，终将属于那些沉下心打磨底层核心能力、切实解决落地痛点的企业。

Xspark AI坚持的“安全可信”落地路线，或许不是赛道里见效最快、噱头最足的选择，但绝对是最稳健、最贴合产业需求的发展路径。归根结底，机器人产业的核心价值不在于实验室的优异数据，而在于真实场景的可用性。只有做到运行稳定、操作安全、效果可验证，具身智能产品才能真正走出实验室，落地到千行百业的实际场景中。

这笔近亿元的融资，既是资本市场对Xspark AI技术路线的高度认可，也是对团队长期主义理念的深度押注。未来，行业的最终答案，将由真实场景的数据积累和规模化商业落地成绩来书写，这也是Xspark AI接下来的核心验证方向。