相较于成熟的数字大模型赛道，具身智能底座作为机器人、物理智能体的核心中枢，解决了AI无法理解物理世界、无法完成精细化实操、场景泛化能力薄弱的核心痛点，是下一代通用人工智能落地实体经济的核心基础设施，具备万亿级产业衍生空间，已然成为硬科技投资的核心主线。
2026年8月11日，具身基座模型公司LatentVerse（潜界科技）宣布完成数亿元种子轮融资。投资方阵容堪称豪华——高瓴创投、清流资本、英诺天使基金等一线市场化VC集出手，智元机器人、星动纪元两家具身智能头部企业以CVC身份同步入局。
本轮融资在不到2个月就完成。其中，高瓴创投在公司成立之前就和核心成员有过接触，在融资启动之后以最快速度成为第一轮投资人。英诺天使也是最早资方之一，和团队沟通当天就给出TS。另有多家一线VC已锁定正在进行的下一轮融资。
成立90天，没有一台样机，没有一分钱营收，凭一篇论文和一个技术叙事，估值数亿元。
这不是一个"天才少年"的励志故事，而是资本在用真金白银投票：具身智能的竞赛，已经从"造身体"不可逆地转向了"造大脑"。
00后博士在读生创业
潜界科技成立于2026年5月20日，由来自清华大学交叉信息研究院的具身智能研究团队创立。公司专注于具身智能基础模型的研发，致力于构建面向下一代智能机器人的基础模型体系。
团队成员来自清华大学、南洋理工大学、北京大学，以及字节跳动Seed、阿里巴巴Qwen、小米等大模型与具身智能团队。
这个团队为什么让高瓴、英诺天使、智元、星动纪元等疯狂押注，原因之一是包括创始人在内的三位核心成员都是“伯克利归国四子”的学生。创始人胡钰承和一位成员师从星动纪元创始人陈建宇，还有一位师从破壳机器人创始人许华哲——如果用大厂黑话描述，就是具身行业的“嫡中嫡”。
“伯克利归国四子”的严选弟子，意味着他们接受的是国内乃至全球最前沿、最先进的研究训练。还有一个难得的视角，他们在读博期间亲眼见证了导师从零到一创业具身智能。
创始人兼CEO胡钰承，2001年出生，是清华大学交叉信息研究院的在读博士生。也是国内最早把预训练的视频生成模型做到具身领域的学者之一，这一成果曾吸引英伟达科学家Jim Fan（范麟熙）的注意，并向胡钰承抛出英伟达的工作邀约。
他的导师是交叉信息研究院助理教授、星动纪元创始人陈建宇——后者创办的星动纪元已是一家估值超百亿的具身智能明星企业。
在创业之前，胡钰承曾在字节跳动Seed参与具身智能基座模型研究，是较早探索VLA（视觉-语言-动作模型）与WAM（世界动作模型）融合架构的具身智能研究者之一。
潜界科技在股权架构上有个让人意外的设计。作为团队一号位，胡钰承拥有控制权和最高持股，但比例只在30%左右，股份相对均衡的分配给联创成员。这不是一个主流的做法，胡钰承的想法是，这个时代想做成大脑，一定不是靠一个人，像一个独裁者，而是要靠整个团队贡献智慧。
“如果公司做不出来，一号位有70%的股份也没有意义。如果能做出来，即使只有10%也是很好的结果”。
这也许是胡钰承能快速搭建这样一个创业豪华天团的原因之一。
潜界科技并非一支纯粹的学术团队，而是一支兼具学术深度与产业视野的复合型团队。团队的研究方向覆盖具身模型预训练、世界模型、灵巧操作、数据基础设施与端侧部署。这种“学术+产业”的双重基因——既有清华交叉院的前沿研究积累，又有头部科技公司的工程化经验——在具身智能“大脑”赛道中构成了极高的竞争壁垒。
潜界科技选择的技术路线是原生具身基座模型，其最鲜明的差异化特征是将触觉作为模型的原生训练模态。
胡钰承的说法是："不想被叫世界模型公司，要做原生具身基座模型。"意思是，不是先做一个通用世界模型再适配机器人，而是从一开始就为具身智能设计架构。
团队的研究主线与具身智能模型范式的演进高度一致：
沿着VA、VLA、WAM到Unified Model的演进路径，潜界科技打造了UTAM（Unified Tactile Action Model，统一触觉动作模型）——一个具身全模态世界模型。
UTAM的核心设计理念，是将触觉作为“第三只眼”。在视觉和语言之外，团队把触觉反馈纳入统一基座。
按公司目前披露的设计，UTAM先理解眼前的场景和任务，再预测动作可能带来的变化，随后生成具体动作；等机械手真正碰到物体，模型还会根据触觉反馈实时调整。在论文的实验设置下，UAM保留了超过95%的原始VLM多模态能力。
在具体架构设计上，UTAM模型搭载四大协同工作的专家模块，实现全维度能力闭环：
在统一模型框架下，意图理解、世界状态预测、机器人动作生成与触觉反馈被放在同一具身原生基座内进行训练，使感知、推理、预测和控制能够共享表征并协同演化。
潜界科技认为，机器人需要同时具备认知智能与接触智能。认知智能可类比人类的高层行为模式——机器人不仅需要听懂、模仿简单的任务，更需要利用大脑理解新指令、适应环境变化并重新调用和组合已有技能。而接触智能则更为本质——在真实的家庭场景中，仅有视觉语言的认知远远不够，水杯外表是否光滑、工具抓握姿态是否正确，这些接触信息决定了智能体能否充分获取现实世界的物理信号。
目前，公司已完成UTAM的多模态数据基础设施与训练管线建设，打通了视频、语言、机器人状态、动作与触觉等多模态数据的采集、清洗、时间同步、对齐、标注和训练链路。团队正在推进UTAM各专家模块的联合训练，重点评估模型在未见物体与环境中的表现。
潜界计划约一个季度后发布首个16B参数具身基座模型。
相较于行业传统技术方案，潜界科技UTAM架构的核心优势显著：一是实现多模态原生统一建模，而非简单的模块拼接，模型协同性与稳定性更强；二是首次将触觉作为核心原生模态纳入基座模型，补齐物理交互短板；三是打通“认知慢系统+实操快系统”，适配真实物理世界的动态变化，解决长程任务执行不稳定、精细操作失误率高的行业痛点，完全贴合机器人商业化落地的核心需求。
从“躯体竞赛”到“大脑竞赛”
如果说2024-2025年是具身智能的“躯体竞赛年”，那么2026年的赛点已经转移。过去两年，行业的目光几乎全部聚焦于人形机器人的四肢——从宇树到智元，机器人在跳舞、跑马拉松、翻跟头上不断刷新上限。但具身智能面临着一个更深层的矛盾：“身体”越来越强，“脑子”却还没跟上。
据IT桔子数据，2026年上半年国内具身智能赛道融资总金额达935亿元，较2025年上半年提升5倍。其中，超过一半的融资——约241亿元——流入了“具身大脑”赛道。以具身大脑为核心业务的大脑派公司吸纳了222.53亿元，占比高达50.8%；而机器人本体整机公司同期融资仅56亿元，占比12.8%。大脑赛道的体量是第二名的近4倍。
从年初尚无一家200亿估值企业，到年中已有多家估值突破200亿元——宇树科技IPO发行估值约420亿元、智平方估值突破200亿元。具身大脑成为资本第二大核心布局赛道，TOP20企业中有7家聚焦于此，合计融资约145亿元。
技术路线正在经历范式迭代。当前具身智能“大脑”赛道的主流技术路线正从单一的VLA讨论，走向VLA与世界模型融合的多模态架构。行业正形成几条清晰的路线：
公司 |
技术路线 |
最新融资 |
估值 |
|---|---|---|---|
智平方 |
类脑架构VLA（NeuroVLA） |
2026年6月完成近50亿元 |
超200亿元 |
自变量机器人 |
VLA+世界模型深度融合 |
2个多月完成B/B+/B++/C四轮 |
超200亿元 |
星海图 |
端到端VLA（G0 Plus） |
2026年2月近10亿元B轮；4月近20亿元B+轮 |
超200亿元 |
千寻智能 |
开源具身模型Spirit v1.5 |
2026年2月连续两轮近20亿元 |
突破百亿 |
银河通用 |
仿真合成数据+虚实融合 |
— |
约200亿元 |
至简动力 |
LaST0（世界模型物理预测+VLA快慢思维） |
成立半年不到完成5轮，累计20亿元 |
— |
无界动力 |
隐空间世界模型 |
2026年6月末超2亿美元天使轮 |
— |
Manifold AI |
自研世界模型 |
不到十个月四轮累计近5亿元 |
— |
它石智航 |
AWE 3.0通用具身大模型 |
2026年4月4.55亿美元Pre-A轮 |
— |
VLA视觉-语言-动作统一建模路线（主流商用路线）。该路线是目前行业落地最广的基础范式，核心逻辑是统一视觉感知、自然语言理解、运动动作生成三大能力，让智能体实现“看懂场景、听懂指令、完成动作”的基础闭环。核心优势是语义理解能力强、场景适配灵活、研发体系成熟，适配通用服务机器人基础交互场景；短板是缺乏物理规律预判能力与精细化触觉交互能力，在动态复杂场景、精细操作场景失误率高，长程任务执行稳定性不足。国内多数具身智能企业以VLA架构为基础迭代优化，是行业入门主流路线。
WAM世界模型预测路线（前沿技术路线）。该路线以物理世界规律学习与未来状态预测为核心，通过海量物理数据训练，让AI掌握物体运动、力学变化、环境演变等底层规律，具备前置预判、动态适配能力。核心优势是物理认知深刻、动态场景适应性强，能够解决复杂非结构化场景的智能决策问题；短板是语义理解、指令泛化能力较弱，单纯的世界模型难以完成自然人机交互，落地成本高、周期长，多应用于前沿科研与高端工业场景。海外AMI Labs、国内部分科研团队重点布局该路线。
UTAM全模态融合路线（新一代创新路线）。该路线以潜界科技为核心代表，是行业最新迭代的进阶范式。核心逻辑是融合VLA的语义交互优势与WAM的物理预测优势，创新性加入触觉模态，实现视觉、语言、动作、物理预测、触觉反馈的全维度统一建模，构建“认知-预判-执行-修正”的完整闭环。核心优势是兼顾高层推理、物理预判、精细实操与动态自适应，完美解决传统模型知行割裂、实操薄弱的核心痛点，适配全场景规模化落地需求；短板是技术研发难度大、多模态融合训练门槛高，对团队底层架构创新能力要求极高，目前仅潜界科技实现规模化架构落地。该路线也是当前最贴合具身智能商业化终局的技术路线。
2026年6月以来，多家触觉类企业频获融资。8月11日当天，除了潜界科技，另一家触觉类企业戴盟机器人也完成数亿元融资，由蚂蚁集团领投。行业正形成一种判断：视觉让机器人“看见”世界，触觉才能让机器人“理解”世界。潜界科技UTAM将触觉作为原生训练模态，正是对这一判断最激进的实践。
当机器人腿部技术趋于成熟、手部能力推向新高度时，限制机器人走进千家万户的已经不是机械结构，而是能否深刻理解物理世界并进行自主决策。“大脑”是具身智能从“遥控玩具”走向“通用智能”的关键一跃。
潜界科技选择了一条少有人走、但可能至关重要的路线——将触觉反馈纳入统一基座。在真实的物理世界中，仅有视觉和语言的认知远远不够——水杯外表是否光滑、剪刀等工具的抓握姿态是否正确，这些接触信息决定了智能体能否真正获取现实世界的物理信号。当行业从“看得见”走向“摸得着”，触觉将成为具身智能“大脑”的标配能力。
智元、星动纪元等产业方的入局，意味着具身智能“大脑”正在从“纯技术探索”走向“产业落地”。整机厂商通过投资上游“大脑”公司锁定核心技术，正在成为行业的标准动作。这种“整机+大脑”的垂直整合趋势，将加速“大脑”赛道的优胜劣汰。
但作为投资人，也必须清醒地看到风险：UTAM尚未公开完整模型和系统性评测，首个16B参数具身基座模型计划一个季度后发布。技术验证仍处于很早阶段。潜界今天提出的目标，比单纯做一个VLA更大，相应地，面临的技术难点也会更多，失败的风险也更高。
胡钰承和他的潜界科技，能否成为具身智能的"OpenAI时刻"？时间会给出答案。
