作者丨张贤
编辑丨董子博
具身大脑公司原力无限（INFIFORCE）近期已完成 A 轮及 A+ 轮融资，总额近 10 亿元。本轮由敦鸿资产及头部国资平台领投，浙大科创集团、盐都国控、丽水市国资等产业资本与社会资本跟投，老股东创世伙伴（CCV）持续加注。
融资资金将聚焦三大方向：具身大脑 AtomBrain 因果世界模型研发、全栈 AI Infra DataGrid 建设，以及多形态机器人本体在真实场景的规模化交付与验证。据悉，公司即将发布首个以高质量 Ego 数据为核心的具身模型，有望推动行业进入高速发展期。
当前，具身智能竞争核心已从“制造本体”转向“持续进化”。针对“智能来源”这一根本问题，原力无限从技术路线、商业落地及团队配置给出了系统化解法。
Ego 原生闭环：被低估的技术选择
主流具身模型多依赖第三人称视角示范数据，导致机器人虽能模仿动作，却难以在特定位置和环境下的自主决策。这种视角与本体的错位，是诸多模型在真实场景中表现不稳定的根源。
原力无限自 2025 年起深耕 Ego-Centric（第一人称视角）数据路径。相比传统真机数据，Ego 原生数据可由人类在日常中大规模低成本产生，具备场景多样性高、质量随处理能力提升而优化的优势，有望突破行业数据瓶颈。
基于此路线，公司研发了 Atom 系列原生具身基础模型，统一建模视觉、语言、动作与环境反馈。数据显示：早期模型 AtomVLA 在 LIBERO 基准任务成功率达 97.0%（成果入选 IROS 2026）；HiMem-WAM 在 LIBERO 达 97.7%，困难任务性能优于π0.5 约 22.5%；第三代 AIM 模型在 RoboTwin 2.0 泛化基准上取得 93.1% 的领先成绩。
为支撑模型持续进化，原力无限构建了端到端智训体系 DataGrid。该体系集成数据采集、处理平台与硬件底座，覆盖 UMI 手持夹爪、Ego 采集设备及真机遥操作等多种形态，解决了物理世界中经验获取带宽的关键问题，打通了从真实世界到模型能力的闭环管道。
从商业落地到行业标准制定
技术闭环确立后，原力无限以统一的 AtomBrain 驱动多形态本体，形成了涵盖专用、通用与人形机器人的完整产品矩阵，包括 AstroDroid 轮式人形、UltraDroid 多形态通用、小原子双足及 FORCE 系列专用机器人。该架构实现了能力跨场景复用，无需针对新场景从零训练。目前，公司已在全国 30 余个城市、100 余个真实场景推进商业化落地，覆盖商业服务、仓储物流及工业制造等领域。
在商业深度拓展的同时，公司积极主导行业标准制定。2026 年 7 月，原力无限与中铁高新签署战略合作，并牵头立项行业首个国家级具身智能数据规范——GB/Z《具身智能众包数据采集和纳管技术规范》。此外，公司还是工信部人工智能标准化技术委员会、中国人工智能产业发展联盟及人形机器人场景应用联盟成员单位。
打通技术与落地的核心团队
原力无限团队兼具科学深度、工程实力与产业经验。创始人兼 CEO 白惠源博士曾任阿里巴巴副总裁，拥有超十五年百亿级业务操盘经验及独角兽创业背景；CTO 王一舟系加州大学伯克利分校博士，曾任百度 IDL 及英伟达 DriveAV 核心成员，具备十余年自动驾驶量产经验；首席科学家陈佳玉教授毕业于北大、普渡大学，曾在 CMU 做博士后研究，现任港大助理教授，带领团队产出多项顶刊顶会成果。
公司核心研发团队硕博占比超 75%，成员来自清华、北大、斯坦福、伯克利等顶尖院校及阿里、华为、英伟达等头部企业，累计持有专利与软著百余项。
智能的进化速率
在物理世界中，具身智能的核心指标正从单点任务成功率转向“进化速率”，即机器人获取经验、转化能力及迁移效率的综合体现。原力无限将其定义为：进化速率 = 单位经验的能力增益 × 单位时间的经验获取量 × 人工介入衰减因子。
若说 Scaling Law 刻画的是能力高度，进化速率则刻画了能力斜率。这三项因子分别对应公司的三大技术支柱：Atom 模型架构决定“能力增益”，DataGrid 基础设施决定“经验获取量”，而自主学习能力则致力于降低“人工介入”。
未来，Atom 系列将迭代引入长期记忆机制及基于 Ego 数据的隐式因果世界模型（AtomWM），旨在让每条经验产出更多能力、拓宽经验获取渠道并趋零人工干预。与此同时，公司将依托已验证场景推动 FORCE 与 UltraDroid 系列在工业、巡检、物流等领域的批量部署，并通过 DataGrid 持续扩大数据采集规模。
真实任务的执行与修正将通过 DataGrid 回流至 AtomBrain，转化为下一代模型能力。这一飞轮效应正是本轮融资聚焦的方向：通过模型研发提升增益，升级 DataGrid 拓宽经验获取，利用规模化交付压低人工成本。
