据 IPO 早知道消息，原力无限（INFIFORCE）近期已完成 A 轮及 A+ 轮融资，融资金额近 10 亿元。本阶段融资由敦鸿资产及头部国资平台领投，浙大科创集团、盐都国控、丽水市国资公司等产业资本、头部社会资本跟投，创世伙伴创投 CCV 等老股东持续加注。
据悉，融资资金将主要用于具身大脑 AtomBrain 因果世界模型、全栈 AI Infra DataGrid 的研发，以及多形态机器人本体在真实场景中的规模化交付与验证等三个方面。
值得注意的是，原力无限将于近期发布全球首个以高质量 Ego 数据为核心的具身模型。
创世伙伴创投 CCV 创始主管合伙人周炜表示：“我们持续看好原力无限在具身智能领域的长期价值。从世界模型到具身大脑 AtomBrain，再到真实产业场景的规模化落地，原力无限正在形成从技术创新到产业验证的完整闭环。此次持续加注，也是我们对团队技术路线和长期成长性的坚定认可。”
敦鸿资产项目负责人俞文超表示：“具身智能正在进入分化期，真正的门槛不在本体，而在能否让机器人在真实环境中持续获得新能力。原力无限是我们看到的少数同时具备 Ego 原生数据体系、自研具身大脑与规模化交付能力的团队，AtomBrain 已经在真实产业场景中完成了从技术验证到商业闭环的关键一跃。我们看好它成为物理 AI 时代的底层能力提供者。”
Ego 原生闭环，被低估的技术选择
当前，主流具身模型大量依赖第三人称视角的示范数据。机器人可以学习"如何完成一个动作"，却难以回答"当我处于这一位置、面对这一环境时，我应该如何行动"。视角与本体之间的错位，使模型能力难以稳定迁移到真实世界——这也是大量具身模型演示效果好、真实场景掉链子的根本原因。
原力无限从 2025 年开始坚持研究围绕 Ego-Centric（以下简称 Ego）数据为核心，即以人类自身第一人称视角数据作为学习的原生经验。这条路径的门槛不仅在与之对应的模型算法层面，还包括一整套复杂的数据采集和处理体系。Ego 原生数据在日常工作生活中即可以由人类大范围高质量地产生，相比传统的真机数据，获取成本相对更低，场景数据更具多样性，同时随着处理能力的提升质量也将越来越高，这将彻底改变原有具身行业模式下的数据困境，有望尽早实现机器人的智能跨越。
沿着这条路线，原力无限研发了 Atom 系列具身模型，这一系列模型是全球首个以 Ego 数据为核心的原生具身基础模型。该模型以机器人自身第一视角采集的 Ego 数据进行预训练，将视觉观察、语言指令、动作轨迹与环境反馈进行统一建模。从公开基准看，Atom 系列的早期世界模型 AtomVLA 于 LIBERO 取得 97.0% 任务成功率，成果被 IROS 2026 收录；HiMem-WAM 世界模型在 LIBERO 达到 97.7%，困难真实任务平均性能优于π0.5 约 22.5%；在复杂环境泛化基准 RoboTwin 2.0 上，原力无限第三代的 AIM 世界模型取得 93.1% 的领先成绩；此外，SAM3D 面向机器人任务提出三维表征增强方法，在 LIBERO 达到 99.1% 成功率、CALVIN 基准达到 4.11 平均长度。这些数据说明 Ego 原生路径不仅在理论上成立，在实际能力迁移上也已经跑通。
同时，作为自研的端到端智训体系，原力无限 DataGrid 集成数据采集系统、数据处理平台与硬件底座，覆盖 UMI 手持夹爪、Ego 第一人称采集设备、真机遥操作等多种采集形态。它解决的是：在物理世界里，经验不能被爬取，只能被经历，获取经验的带宽直接决定了大脑进化的速度。如果说 Atom 系列模型证明了 Ego 原生路径"走得通"，那么 DataGrid 解决的是"走得快"——它是整个技术闭环中连接真实世界与模型能力的那条管道。
在技术闭环跑通之后，原力无限以统一的 AtomBrain 驱动不同形态机器人本体，现已形成覆盖专用、通用与人形的完整产品矩阵：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。
一个大脑、多种本体——这意味着能力可以在不同场景间复用与迁移，而不必为每一个新场景从零训练。基于这一架构，原力无限已在全国 30 余个城市、100 余个真实场景推进落地验证与商业化，覆盖商业服务、仓储物流、工业制造等领域。
核心团队兼具科学深度、工程实力与落地经验
能够在短时间内打通技术链路并实现商业落地，得益于原力无限团队兼具科学深度、工程实力与成熟的产业落地经验。
创始人兼 CEO 白惠源博士，是前阿里巴巴副总裁，在阿里集团任职超十五年，操盘过百亿、千亿级业务从 0 到 1 与规模化增长；作为连续创业者白惠源本人有百亿独角兽公司的成功创业经验，是产品技术和商业落地双栖领袖。
CTO 王一舟系加州大学伯克利分校博士，拥有 10 余年自动驾驶算法研发与量产项目交付经验，是百度 IDL 自动驾驶团队首批核心成员、英伟达 DriveAV 核心成员，也曾任禾多科技首席架构师。
首席科学家陈佳玉教授，1998 年出生，本科毕业于北京大学，之后在普渡大学获得博士学位，并在卡耐基梅隆大学（CMU）进行博士后研究。他现任香港大学数据与系统工程系助理教授，加入原力无限后带领团队产出 15 项顶尖科研成果，多项成果曾被顶刊顶会收录。
此外，原力无限核心研发团队硕博占比超 75%，成员来自清华、北大、浙大、斯坦福、伯克利、普渡、CMU、港大等海内外顶尖院校，以及阿里、华为、百度、英伟达等头部企业，累计拥有 100 余项专利与软著。
衡量具身价值的核心指标转向智能的进化速率
不可否认的是，当智能从数字世界走向物理世界，机器人需要回答的是"部署之后还能变多强"。
原力无限认为，在物理世界中，衡量具身智能价值的核心指标正在从单点任务成功率转向智能的进化速率，即机器人在真实环境中获取经验、转化能力并完成迁移的效率，他们将其表达为三个相乘的因子：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。 如果说 Scaling Law 刻画的是能力的高度，进化速率刻画的是能力的斜率。
这三项指标直接对应原力无限已有的技术布局：单位经验的能力增益，指向模型架构与训练方法——这是 Atom 模型已经在回答的问题；单位时间的经验获取量，指向数据采集带宽与效率——这是 DataGrid 的存在意义；人工介入衰减因子，指向系统在真实部署中自主学习、减少人工干预的能力。公式三因子，恰好是 Ego 原生数据、DataGrid 基础设施与 AtomBrain 模型能力这三个技术支柱的另一种表达。原力无限要做的就是把三项因子的数值推高。
现阶段，Atom 在解决"机器人拥有自己的经验"的问题。接下来的 Atom 最新版本模型将引入长期记忆与持续学习机制的 Ego 世界模型；再往后是 AtomWM，基于 Ego 数据的隐式因果世界模型。三个代次分别对应进化速率公式中的三项：让每一条经验产出更多能力，让经验获取不断加宽，让人工介入持续趋零。
与模型代次同步推进的是真实世界的规模化落地。目前，原力无限将依托已验证场景推动 FORCE 与 UltraDroid 系列在工业制造、巡检、商业、物流、能源电力的批量部署，同时持续扩大 DataGrid 的 Ego 原生数据采集规模与场景覆盖，构建物理 AI 时代的数据底座。这两条线是同一个飞轮的两半：一半向上，是科学研究不断抬高模型能力的边界；一半向下，是技术真正踩进工厂、仓库、门店与家庭，进入人们的生产与生活。
每一次真实任务的执行与修正（FR）都会沉淀为新的经验，通过 DataGrid 回流至 AtomBrain，转化为下一代模型的能力——这恰恰回到本轮融资所投向的三个方向：模型研发提升"能力增益"，DataGrid 升级拓宽"经验获取"，规模化交付压低"人工介入"。
原力无限相信，物理 AI 时代的到来，将始于一个真正理解世界的具身大脑。通往那里的路径并不神秘：让机器人在真实世界中，一次又一次地经历、记住、理解，并变得更强。当这件事被重复足够多次，机器人就会成为千行百业中真实的生产力。
小马智行｜地平线｜文远知行 蜜雪冰城｜古茗｜沪上阿姨 极智嘉｜云迹科技｜特斯联
