简智机器人完成A轮融资，Momenta领投，累计融资额已超2亿美元
简智机器人宣布已完成A轮融资，本轮由全球领先的物理AI公司Momenta领投，老股东连续多轮追投。公司将持续聚焦大规模无本体数据基础设施建设、Data Foundation Model升级、物理AI评测闭环、大规模真机集群验证以及全球化业务拓展，加速构建数据驱动的物理AI基础设施。
简智机器人在成立仅短短一年的时间内，连续完成7轮融资，老股东连续追投，累计融资额超2亿美元，刷新了具身智能无本体数据累计融资体量，这背后是战略方、资本与行业对“数据驱动模型”这一产业底层逻辑的共识。
产业方战略重注：
人类技能数据✖️物理AI基座
当前，具身智能行业正处于从“专用演示”向“通用泛化”爬坡的关键节点。没有足够大规模、高质量的真实人类技能数据，就无法验证模型路线是否收敛、无法跨越智能泛化的临界点。
简智机器人正是为破解这一瓶颈而生，作为一家数据驱动、评测闭环的物理AI公司，简智机器人始终坚持源于人、服务人，模型服务模型（From Human for Human. From Model for Model.），致力于将海量人类技能数据，高效转化为可度量、可验证的具身智能与世界模型能力，为整个行业夯实基础设施底座。
本轮领投方Momenta作为全球领先的物理AI公司，以世界模型为基座，基于“数据飞轮”技术洞察，量产业务（Mass Production）与规模化无人业务（Scalable Robo）“两条腿”并行，让物理AI走入现实生活。简智机器人在人类技能数据、Data Foundation Model、大规模真机集群评测的布局，和Momenta的物理AI发展战略高度契合，双方将共同加速世界模型不断scale up，共促物理AI泛化与涌现。
简智机器人始终认准的朴素逻辑是用人类技能数据赋能物理AI，已经构建了覆盖人类技能数据收集、数据基础模型训练、大规模真机评测验证的基础设施。
左右滑动查看更多
全球客户的共同首选
纯无本体数据支持头部具身模型完成预训练
简智机器人的基础设施解决方案已在全球范围内具身智能、世界模型头部客户群实现标杆性落地：已有全部基于简智机器人提供的无本体数据实现预训练的新一代具身模型，并在复杂操作的泛化测试中表现出稳定的跨场景迁移能力。这初步验证了无本体数据在具身智能与世界模型预训练阶段的scaling law，简智提供的基础设施解决方案可以持续转化为模型能力的提升。
与此同时，海内外客户的数据需求自今年第二季度以来实现了量级跃升：具身智能与世界模型客户正集体从万小时级迈向十万小时级、百万小时级的预训练规模。判断这一基础设施层的价值，最直接的标准就是：最难服务、标准最高的客户是否愿意长期使用它。简智机器人凭借对模型训练侧真实需求的领先认知、对Data Foundation Model的自研训练、以及对评测模型与真机集群验证的大规模投入，成功服务了全球多家头部具身智能与世界模型团队。这些团队对数据质量、可验证性与交付节奏的要求，构成了行业当前的上限，在满足他们需求的过程中，这套要求会沉淀为行业的标准与共识。
模型服务模型
DFM是具身智能与世界模型的上游
行业里正在发生一个变化：模型与基础设施之间的边界是流动的。模型需要基础设施，而模型本身也会成为基础设施的一部分——一个模型会成为另一个模型的基础设施。
简智机器人的Data Foundation Model就站在这个位置。模型客户拿到的是一个持续运转的上游系统：DFM 把人类技能数据重建为可直接进入预训练的物理事实，评测 Foundation Model 与真机集群再把模型在真实世界里的表现反馈回来，校准下一轮该采什么、该补什么。
对客户而言，简智机器人是上游的数据与评测基础设施；对简智机器人而言，DFM 是一个为各家的基础模型而存在的基础模型——A foundation model for foundation models。
From Human for Human. From Model for Model.
当下，具身智能与世界模型正在探索属于自己的涌现路径，智能的边界正从屏幕中的语言、图像、视频，拓展到现实世界的动作、决策、反馈。简智机器人的战略图景也愈发清晰：以数据驱动智能，为全行业提供物理AI的基建。海量人类技能数据的持续积累，经过Data Foundation Model完成空间感知重建与思维链重构，成为模型可直接训练的燃料和基石。
与此同时，更大、更强的模型也带来更高的标准，全球头部客户在模型训练与验证过程中，数据需求也在不断迭代，在“人类技能数据收集-Data Foundation Model高效生产-大规模真机集群评测验证”的飞轮中，实现数据驱动模型、模型验证数据的闭环，以此推动世界级模型的能力阶梯式跃升。
通往具身智能和通用世界模型的路仍然很长，行业今天看到的也只是scaling的初步迹象，物理AI需要属于自己的数据与评测底座。越是在早期，越要做难而正确的事。
在人工智能从“预测下一个词元”走向“完成下一个动作”的关键节点，简智机器人要做的事很明确：把可直接用于具身、世界模型训练的数据规模持续做大、把物理AI的新基础设施持续做厚、把模型在真实世界的能力评测做成可验证、可复用、可量化的行业基准，让具身智能、世界模型的每一次进化，都站在持续复利的基础设施底座上。
责任编辑： 流过
