11月2日，零一创投被投企业「RoboScience机器科学」宣布完成A2轮数亿元融资。本轮由琥珀资本、鸿瑞达投资、上海半导体产投联合领投，爽资本、360战投、国联民生资本、金鼎资本及多家上市公司平台跟投。资金将用于大模型迭代升级，推进物流、零售、工业等核心场景的POC验证与规模化落地，并加强高端人才储备。
从数据到模型再到本体，一年内构建通用具身全栈闭环
具身智能的落地是覆盖模型、硬件、数据全链路的复杂系统工程。RoboScience机器科学围绕效率、准确率、泛化性三大目标，构建了从模型架构、数据闭环到本体的全栈技术体系。过去一年，公司完成了系统性技术卡位：2025年9月发布自研物理仿真引擎RoboMirage，2026年6月推出通用具身大模型Visics，8月亮相轮式仿人形机器人REX G1，用时一年打通了“数据-模型-本体”完整闭环。
针对场景迁移成本高与模型泛化能力不足的痛点，RoboScience构建了相互定义、彼此放大的数据飞轮：
“仿真+视频”双数据飞轮，推动具身Scaling Law
RoboMirage实现高并发、实时性和全物体空间覆盖，结合全自动视频标注清洗管线，将单条数据获取成本压至0.05元，仅为传统方案的1/20到1/200。2026年初至10月，视频训练数据从100万小时突破至400万小时，仿真训练数据突破百亿次运动轨迹，从根本上突破数据规模与成本瓶颈。
Visics通用具身大模型，实现“跨本体、跨物体、跨任务”泛化
Visics融合“具身世界模型”和“通用操作模型”，引入Object Trajectory作为中间接口，以物体连续3D点云轨迹表征。上层负责认知预演，下层负责物理控制，实现高层语义与底层物理规律解耦。在WAIC及WRC展会上，搭载Visics的机器人实现了不同品牌灵巧手30秒快速切换，无需重训即可执行操作，展示了强大的跨本体适配与跨物体泛化能力。
REX G1真实工况连续作业，实现“作业-反馈-迭代”闭环
自研轮式仿人形机器人REX G1集成移动、全向感知与双臂协同操作能力，面向物流与零售场景。其软硬件联合调优提升了传动精度与控制延迟，并能收集复杂长程作业数据，实时反哺至RoboMirage仿真系统，形成持续迭代闭环。
跨越通用大模型落地断层：三大技术底座筑牢深厚护城河
尽管GPT Astra等通用大语言模型具备强大的空间理解能力，但其并不天然适配不同机器人本体。具身智能产业化的核心痛点在于物理操作执行接口的泛化能力、响应速度与长效任务成功率，这要求AI必须习得接触、摩擦、弹性力等真实世界的复杂物理属性。
RoboScience依托三大技术底座构筑差异化优势：
- RoboMirage仿真引擎：源源不断产出海量低成本物理级数据，破解数据Scaling Law瓶颈；
- Visics通用具身大模型：通过分层解耦架构，实现跨本体、跨物体、跨任务的统一物理操作控制；
- REX G1本体：作为全栈能力载体，在真实工况中实现作业与反馈的持续闭环。
三大底座协同进化，让AI机器人先“看懂”物体运动逻辑，再灵活调用统一模型接口驱动硬件，为全球具身智能产业提供具备泛化落地价值的“基础设施”。
多方产业资本加持，提速商业化进程，加速核心场景验证
RoboScience创始人、CEO田野表示，物流、零售等场景涉及多样化物体与环境，既能发挥通用操作模型优势，又能积累丰富真实数据反哺模型。公司将率先切入此类高泛化要求场景，降低新增场景适配成本，形成可持续商业路径。
为推动规模化复用，RoboScience将模型能力转化为云端具身智能服务EaaS（Embodied-AI-as-a-Service）。目前，公司已与腾讯云达成战略合作，Visics大模型上线腾讯云，通过API开放调用，支持适配不同形态灵巧手及机器人末端执行器。这一举措推动具身智能从“本体绑定”走向“云端API调用”，加速从技术验证向规模化商用转型。
目前，RoboScience已在零售商超、物流等场景推进应用落地。本轮融资后，公司将加强与产业股东资源协同，加快核心场景验证与应用推广，持续迭代Visics，完善本体产品与EaaS服务，降低具身智能使用成本，推动其走向千行百业。
