🐯虎嗅•較早收集於 11m
千尋智能打破具身智能融資紀錄
#vla#physical-ai#robotics-dataspirit-vla-modelqianxun-intelligencenvidiaspirit-vla
💡了解頂尖機器人初創公司如何利用「髒數據」策略，在VLA模型基準測試中超越行業巨頭。
⚡ 30-Second TL;DR
有什麼變化
三個月內融資45億人民幣，估值近200億人民幣。
為什麼重要
「髒數據」訓練法挑戰了傳統的純淨數據範式，可能加速通用機器人的研發進程。
下一步行動
評估將「髒數據」訓練策略應用於您的計算機視覺或機器人模型，以提升對邊緣情況的處理能力。
誰應關注：Researchers & Academics
關鍵要點
- •三個月內融資45億人民幣，估值近200億人民幣。
- •專注於「物理AI」(Moz) 與VLA模型，致力於真實環境任務執行。
- •實施「數據金字塔」策略，結合互聯網視頻、遙操作與真機數據。
- •提倡使用「髒數據」（非標準化、包含失敗案例的數據）以提升模型在真實環境的穩健性。
🧠 深度解析
本篇為 AI 生成分析，非原文內容。
🔑 增強重點摘要
- •千尋智能（千尋智能科技）的核心團隊成員多來自於大疆創新（DJI）及其他頂尖機器人實驗室，具備深厚的硬體工程與自動化控制背景。
- •該公司在技術路線上強調「端到端」學習，試圖繞過傳統機器人開發中繁瑣的規則編寫，直接透過視覺語言動作（VLA）模型實現感知與決策的統一。
- •千尋智能的「數據金字塔」策略不僅包含數據量級的擴充，還特別強調了數據多樣性，透過模擬環境（Simulation）與真實環境（Real-world）的閉環迭代來降低部署成本。
- •公司在融資過程中獲得了包括紅杉中國、高瓴創投等頂級投資機構的支持，顯示資本市場對具身智能（Embodied AI）賽道的高度看好。
- •千尋智能目前正積極推動通用機器人平台的標準化，目標是讓其物理AI模型能夠適配不同形態的機器人硬體，而非僅限於單一產品。
📊 競品分析▸ Show
| 特性 | 千尋智能 | 宇樹科技 (Unitree) | 傅利葉智能 |
|---|---|---|---|
| 核心技術 | 物理AI/VLA模型 | 運動控制/硬體製造 | 康復機器人/通用人形 |
| 數據策略 | 髒數據/數據金字塔 | 硬體數據採集 | 臨床數據/動作捕捉 |
| 市場定位 | 具身智能軟體/算法 | 高性價比機器人硬體 | 醫療與服務機器人 |
🛠️ 技術深入
- 物理AI (Moz) 架構：採用基於Transformer的架構，將視覺輸入與語言指令直接映射為機器人的關節動作序列。
- 髒數據處理：利用自動化標註工具對非結構化視頻數據進行清洗，並透過強化學習（RL）在模擬器中過濾掉無效或錯誤的動作樣本。
- 數據金字塔模型：底層為大規模互聯網視頻預訓練，中層為遙操作數據（Teleoperation），頂層為少量高質量的真機微調數據（Fine-tuning）。
- 跨平台適配：模型設計具備通用性，透過抽象層（Abstraction Layer）屏蔽不同機器人底盤與末端執行器的硬體差異。
🔮 前景展望AI analysis grounded in cited sources
千尋智能將在2027年前實現通用機器人在非結構化家庭環境的初步商業化部署。
其數據金字塔策略能有效解決機器人在複雜環境下的泛化難題，這是目前具身智能落地最大的技術瓶頸。
VLA模型將成為未來人形機器人操作系統的核心標準。
隨著千尋智能等企業推動模型通用化，硬體廠商將傾向於採用成熟的AI模型而非自行開發底層算法。
⏳ 時間線
2024-01
千尋智能正式成立，由韓峰濤與高陽聯合創立。
2024-05
完成種子輪及天使輪融資，啟動物理AI模型研發。
2025-03
發布首個基於VLA架構的機器人操作原型，展示初步的環境適應能力。
2026-04
完成數十億人民幣融資，估值達到近200億人民幣，創下具身智能領域融資紀錄。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 虎嗅 ↗
每週 AI 簡報
每週一封，可隨時退訂。