Стартап RoboScience из Стэнфорда привлек несколько сотен миллионов юаней на фоне охлаждения сектора воплощенного ИИ

Автор: У Цюн, Investment Community

На переломном этапе развития воплощенного интеллекта появился раунд финансирования вопреки тренду — сегодня (2 ноября) RoboScience объявила о завершении раунда A2 на несколько сотен миллионов юаней, со-ведущими инвесторами выступили Amber Capital, Hongruida Investment и Shanghai Semiconductor Industry Investment Fund, при участии Shuang Capital, 360 Strategic Investment, Guolian Tongbao Capital, Jinding Capital и нескольких платформ публичных компаний.

За RoboScience стоят два однокурсника из лаборатории ИИ Стэнфордского университета — Тянь Е и Шао Линь. В студенческие годы они часто обсуждали, как роботы могут войти в жизнь человека. Спустя годы, наблюдая взрывной рост воплощенного интеллекта в Китае, они решили вернуться на родину и основать RoboScience.

Стэнфорд — едва ли не мировая колыбель исследований воплощенного интеллекта: Фэй-Фэй Ли, инициатор ImageNet и пионер парадигмы, основанной на зрении и данных; лаборатория REAL Челси Финн; специалист по геометрическим вычислениям Леонидас Дж. Гибас; а также команда основателей ведущей зарубежной компании Physical Intelligence (Pi) — все они из Стэнфорда. Примерно в 2016 году профессор Леонидас Дж. Гибас (член трех национальных академий США) возглавил в Стэнфорде группу геометрических вычислений, собравшую группу китайских студентов, включая Ван Хэ, Шао Линя и их младшего товарища Су Хао.

От 3D-геометрии и обучения роботов до физического взаимодействия — исследовательский фундамент Стэнфорда дал этим предпринимателям важное вдохновение для изучения общего воплощенного интеллекта. Это отражается и в технологической ДНК RoboScience: собственная универсальная воплощенная модель Visics преодолевает проблему обобщения воплощения; собственный физический симуляционный движок RoboMirage дополнительно устраняет барьер данных. На пути к универсальному воплощению RoboScience выбирает прямое столкновение с самыми сложными препятствиями.

В нынешний момент выбор инвесторов часто служит более значимым индикатором. Воспользовавшись завершением раунда, PEdaily провел углубленную беседу с основателем и генеральным директором RoboScience Тянь Е, и постепенно раскрылась история воплощенного предпринимательства, отличная от большинства других.

Два однокурсника из Стэнфорда объединяют усилия для решения задач обобщения воплощения

Стэнфордское происхождение — таково первое впечатление, которое RoboScience производит на большинство людей.

Истоки команды начались в Стэнфорде — Тянь окончил бакалавриат Китайского университета науки и технологий и в 2014 году отправился в Стэнфорд для дальнейшего обучения под руководством профессора Эндрю Ына, войдя таким образом в мир ИИ.

Этот период обучения стал одним из самых ценных опытов в жизни Тяня. В то время глобальное глубокое обучение только зарождалось, и Эндрю Ын был одним из его первых пропагандистов. Под руководством наставника Тянь не только получил доступ к самым передовым мировым технологиям, но и предпринял множество попыток применить технологии в реальных сценариях.

Многие великие предпринимательские истории в деловом мире часто начинаются с самой чистой дружбы в кампусе — именно в этом кампусе, полном гиков и инноваций, Тянь завязал дружбу с однокурсником Шао. В отличие от Тяня, Шао учился у эксперта по воплощенным манипуляциям Жанетт Бог и авторитета в области геометрических вычислений Леонидаса Дж. Гибаса, сосредоточившись на обучении роботов.

Хотя их исследовательские направления различались, их любопытство неожиданно совпало: как перенести возможности ИИ в физический мир, используя общий естественный язык для взаимодействия с роботами и управления ими? «Еще со Стэнфорда мы говорили о том, когда роботы смогут по-настоящему войти в масштабное производство и повседневную жизнь человека», — вспоминал Тянь в беседе с PEdaily.

Но в то время концепция воплощенного интеллекта еще не взорвалась, и время для предпринимательства не созрело. Поэтому Тянь решил сначала присоединиться к Apple, сыграв ключевую роль в создании экосистемы ИИ-продуктов и экосистемы ИИ-приложений Apple, пройдя путь от инженера до технического руководителя, возглавив первую в мире систему логического вывода больших моделей со сквозным облачным взаимодействием Apple Intelligence и ключевые платформы CoreML и CreateML, получившие название «PyTorch и CUDA от Apple»; Шао присоединился к факультету компьютерных наук Национального университета Сингапура в качестве доцента, продолжив исследования в области обучения роботов и ловких манипуляций.

Эти два совершенно разных вида опыта завершили последний фрагмент предпринимательской головоломки: начав вместе в Стэнфорде, Тянь накопил в Apple инженерный опыт развертывания технологий на масштабных устройствах и для пользователей; Шао возглавил команду, чьи серии исследований стали технической основой для их будущего предприятия. Так сформировалась взаимодополняющая предпринимательская команда «академия и инженерия».

*Фотография двух основателей RoboScience (слева Шао Линь, справа Тянь Е)

Перенесемся в 2024 год: универсальность больших языковых моделей резко возросла с появлением ChatGPT, и как академические круги, так и индустрия начали пытаться воспроизвести этот закон масштабирования на роботах в физическом мире. Наконец ухватив возможность, Тянь решительно уволился и вернулся в Китай, чтобы основать RoboScience. Они продолжили работать бок о бок — Тянь в качестве генерального директора, а Шао — главного научного сотрудника.

Примерно в это же время отечественный сектор воплощенного интеллекта полностью взорвался, и в борьбу вступили различные капиталы и ведущие предприниматели. Оглядываясь на эту волну, стэнфордская группа была особенно заметна — основатель Hillbot Су Хао, основатель Galaxy General Ван Хэ, основатель Qiongche Intelligence Лу Цеву... все они происходят из стэнфордской академической школы робототехники и ИИ. Как чувствовал Тянь, «в области ИИ Стэнфорд, несомненно, является мировым фронтиром, где рождаются бесчисленные академические и инженерные инновации». Незаметно в китайском секторе воплощенного интеллекта поднялась «стэнфордская группа».

Чем выше старт, тем масштабнее видение. RoboScience выбрала более трудный путь: через полноценный технологический подход, объединяющий программное и аппаратное обеспечение, разрабатывая одновременно универсальную воплощенную модель, аппаратное обеспечение роботов и физическое моделирование.

«Два самых важных аспекта в воплощенном интеллекте — это модели и данные», — как сказал Тянь, это в основном объясняет траекторию роста RoboScience: чтобы преодолеть проблемы обобщения, с которыми сталкивается воплощенный интеллект, команда самостоятельно разработала универсальную воплощенную модель Visics.

В частности, универсальная воплощенная модель Visics использует архитектуру VLOA (Vision-Language-Object-Action), применяя траектории объектов (траектории трехмерных облаков точек объектов) в качестве единого промежуточного стандарта представления. Такая конструкция полностью разделяет «познание» и «исполнение» — верхняя воплощенная модель мира отвечает за прогнозирование и вывод физических траекторий движения объектов, а нижняя универсальная модель манипуляции преобразует траектории в команды управления, адаптируемые к любому воплощению робота.

Одновременно компания самостоятельно разработала высокоточный симуляционный движок RoboMirage. Бывший директор по ИИ Tesla и соучредитель OpenAI Андрей Карпаты в своей статье «Verifiability» предположил, что когда задача имеет достаточно эффективную и всеобъемлющую среду проверки, позволяющую многократно пробовать и ошибаться, эффективно экспериментировать и автоматически получать обратную связь с вознаграждением, вероятность того, что ИИ решит проблему путем непрерывного обучения, значительно возрастает.

RoboMirage достиг высокой степени параллелизма, работы в реальном времени и полного пространственного охвата объектов. Это дает мощный импульс развитию воплощенных моделей RoboScience. В сочетании с полностью автоматизированным конвейером аннотирования и очистки видео создается двойной механизм накопления данных «симуляция + видео». Тянь поделился рядом данных: конвейер данных RoboScience снизил стоимость получения одной точки данных до 0,05 юаня, что составляет от 1/20 до 1/200 от традиционных решений. С начала 2026 года по октябрь объем обучающих видеоданных RoboScience вырос с 1 миллиона до 4 миллионов и продолжает расширяться, принципиально преодолевая двойные узкие места масштаба и стоимости данных, создавая условия для закона масштабирования воплощения.

По мере того как универсальные большие языковые модели продолжают демонстрировать способности пространственного понимания, вопросы со стороны рынка капитала к компаниям воплощенного интеллекта становятся более прямыми: когда границы возможностей универсальных моделей продолжают расширяться, в чем именно заключается независимая ценность и долгосрочный ров компаний, разрабатывающих собственные «мозги»?

Суждение Тяня состоит в том, что универсальные большие языковые модели отлично справляются с вызовом инструментов, декомпозицией задач и оркестрацией намерений, но от понимания задач до управления роботами для надежного выполнения операций остается барьер физического мира. Для компаний воплощенного интеллекта основная ценность заключается в том, могут ли они позволить различному оборудованию выполнять операции в сложных средах с достаточной скоростью и успешностью, а также воспроизводить эту способность на большем числе воплощений и задач. За этим стоит необходимость для моделей изучать физические законы, такие как контакт, трение и упругость, и постоянно накапливать данные физического взаимодействия, которые трудно получить непосредственно из текста и видео, позволяя системе эффективно и надежно выполнять реальные задачи в физическом мире.

Это также лежит в основе логики развертывания RoboScience модели Visics и симуляционного движка RoboMirage: использование симуляционного движка для массовой генерации данных физического взаимодействия, снижение стоимости обучения модели; использование иерархической разделенной архитектуры для соединения понимания движения объектов и манипуляции роботами, снижение зависимости модели от конкретного оборудования. Оба направления указывают на коммерчески ценную цель: обеспечить повторное использование одной и той же способности манипуляции в разных воплощениях и задачах, снижая предельные издержки адаптации нового оборудования и развертывания новых сценариев. С точки зрения венчурного капитала, воображаемое пространство этого пути заключается в преобразовании непрерывного накопления данных и моделей в масштабируемые универсальные способности манипуляции и обслуживании большего числа производителей роботов и разработчиков приложений через единый интерфейс модели Visics.

После значительных скачков как в модели, так и в данных RoboScience выпустила свое первое поколение роботизированного воплощения — колесного гуманоидного универсального робота REX G1, который может широко применяться в логистике, розничной торговле, на заводах, в домах и других сценариях.

Как и у Apple, настоящее конкурентное преимущество никогда не заключается в одной технологии, а в системной способности интегрировать программное и аппаратное обеспечение. То же самое у RoboScience — создавая полноценные возможности, компания стремится создавать роботов следующего поколения, способных автономно выполнять сложные задачи с более высокой скоростью итераций.

Финансирование вопреки тренду: замыкание полного цикла воплощения за один год

Инвесторы давно обратили внимание на эту пару однокурсников из Стэнфорда.

В эпоху ИИ инвесторы часто заранее устанавливают связи с высокопотенциальными руководителями крупных компаний и университетскими профессорами, чтобы иметь возможность инвестировать при первой же возможности, когда те решат начать бизнес. Эта сцена произошла и с Тянем — он вспоминает, что еще до того, как они с Шао уволились с работы, инвесторы уже выходили на них, поддерживая регулярное общение.

Все сложилось естественным образом. Как только была основана RoboScience, быстро завершился посевной раунд на десятки миллионов юаней, единственным инвестором выступил Zero One Ventures. Через два месяца после завершения финансирования команда Шао получила награду за лучшую статью в области манипуляции и передвижения роботов за свою универсальную платформу ловкого захвата D(R,O) Grasp, став первой командой из азиатского учреждения за последние пять лет, удостоенной этой чести в качестве основной аффилиации. Это исследование также является техническим истоком прорыва RoboScience в кросс-воплощенной ловкой манипуляции.

После этого инвесторы продолжали наращивать свои доли: в июле того же года был завершен ангельский раунд на сумму около 200 миллионов юаней во главе с JD.com при участии China Merchants Venture Capital и SenseTime Guoxiang Capital, а существующий акционер Zero One Ventures добавил инвестиции; в феврале 2026 года был завершен раунд Pre-A на несколько сотен миллионов юаней, среди инвесторов — известные учреждения, такие как Puhua Capital и Dachen Caizhi, а China Merchants Venture Capital и Zero One Ventures продолжили добавлять инвестиции; к настоящему моменту компания завершила несколько раундов серии A на несколько сотен миллионов юаней.

RoboScience сохраняла устойчивый и прагматичный темп в привлечении средств. Фактически, после бума финансирования в первой половине года сектор воплощенного интеллекта значительно остыл во второй половине, инвесторы стали более осторожными, а критерии инвестиций — более строгими. Чем глубже отрасль находится в низшей точке, тем большее значение приобретает финансирование.

Что заставило инвесторов твердо решиться, так это вехи, достигнутые RoboScience на каждом этапе финансирования: в сентябре 2025 года был выпущен высокоточный симуляционный движок RoboMirage, создавший недорогой крупномасштабный механизм накопления данных; в июне 2026 года официально запущена универсальная воплощенная модель Visics, доказавшая способности обобщения между воплощениями, объектами и задачами с помощью архитектуры VLOA; всего два месяца спустя был представлен первый колесный гуманоидный робот REX G1. Иными словами, в течение одного года были соединены ключевые звенья, такие как данные, модели и аппаратное обеспечение роботов, сформировав полный замкнутый цикл универсального воплощения.

Стоит отметить, что перед завершением этого раунда финансирования RoboScience также достигла стратегического сотрудничества с Tencent Cloud для создания первого в мире облачного сервиса воплощенного интеллекта EaaS (Embodied-AI-as-a-Service). На основе этого сотрудничества Visics стала первой в мире облачной воплощенной моделью, открыв доступ к своей экосистеме для общественности.

За этим стоит мышление RoboScience о коммерциализации. Тянь сообщил, что у команды в настоящее время есть три пути индустриализации: предоставление комплексных воплощенных решений для конечных приложений; предоставление модельных услуг EaaS, доступных через облако, а также контроллеров, развертываемых на периферии, открывая возможности модели для более широкого круга разработчиков, аппаратных компаний и интеграторов сценариев.

По словам Тяня, эти три пути сочетают «глубину и охват»: полноценный маршрут глубоко осваивает ключевые сценарии, в то время как контроллеры и EaaS расширяют возможности вовне, охватывая огромный спектр прикладных сценариев, которые одна компания не может полностью проникнуть.

Все это впечатлило инвесторов. Как заявили в Amber Capital: «Итерация технологий воплощенного интеллекта ускоряется, и они продвигаются от технической проверки к крупномасштабному применению в различных областях. Универсальные возможности в открытых сценариях и стоимость развертывания являются ключом к промышленным прорывам. RoboScience, сосредоточившись на этом ключевом вопросе, построила комплексную технологическую систему, объединяющую данные, модели и аппаратное обеспечение, дополнительно усиливая способности обобщения между воплощениями, объектами и задачами и достигая непрерывного накопления данных и итерации возможностей в реальных условиях. Мы высоко ценим дальновидное суждение команды о технических путях и систематические исполнительские способности и оптимистично оцениваем ускорение компанией проверки в реальных сценариях, продвижение крупномасштабного повторного использования модельных возможностей и постепенное превращение в важную инфраструктурную платформу эпохи универсального воплощенного интеллекта».

Перед лицом испытаний коммерческого массового производства и крупномасштабной проверки действия промышленного капитала часто рассматриваются как индикатор. Для всех игроков такие инвесторы бесценны — не только из-за финансовой поддержки, но и из-за предоставления реальных сценариев проверки.

Глядя на список акционеров RoboScience, такие инвесторы не редкость: у JD.com есть десятки «умных» логистических парков «Азия №1» и тысячи складов по всей стране; за Shuang Capital стоит семья Ли Кум Ке, гонконгская семья с активами в сотни миллиардов, обладающая обширной глобальной производственной базой и сетью поставок. Их бизнес полон нестандартных, громоздких и трудно автоматизируемых процессов, которые являются идеальными сценариями замены для воплощенного интеллекта.

В этом раунде финансирования также объединились несколько промышленных инвесторов и платформ публичных компаний, чтобы продемонстрировать уверенность в RoboScience. Тянь сообщил, что компания в настоящее время сотрудничает с группой промышленных партнеров, и детали будут объявлены в ближайшее время.

Это, несомненно, лучший испытательный полигон для компаний воплощенного интеллекта. Далее путь ускорения RoboScience становится яснее: средства этого раунда будут направлены на поддержку итеративных обновлений большой модели, продвижение подтверждения концепции (POC) и крупномасштабного развертывания в ключевых сценариях, таких как логистика, розничная торговля и промышленность. Одновременно будет дополнительно усилен резерв высококвалифицированных специалистов.

К финальной стадии универсального воплощения

Достижение универсального воплощенного интеллекта — едва ли не конечная мечта всех предпринимателей в этой области.

Это чрезвычайно грандиозная и дальновидная задача. Но универсальность означает, что роботы могут воспринимать окружающую среду, принимать автономные решения и учиться на обратной связи после действий, обучаясь на практике, как люди. За этим все еще стоит множество инженерных задач, которые предстоит преодолеть, и впереди долгий путь. Когда воображение и реальность расходятся, отрасль начинает переходить от «универсальной фантазии» к стадии «сначала специализация». Некоторые даже утверждают: «Универсальность еще слишком далека; сосредоточение на вертикальных сценариях — ключ к выживанию».

Но, по мнению Тяня, это не бинарный выбор. «Ядро универсального воплощенного интеллекта заключается в снижении предельных издержек, что также является нашей будущей ключевой конкурентоспособностью». Он далее пояснил, что RoboScience настаивает на создании полноценных продуктов именно для глубокой оптимизации в конкретных областях, таких как логистика и розничная торговля.

«Нам определенно нужно сначала внедриться в определенных сценариях, но за этим стоит базовая технология, которая постоянно развивается, становится более универсальной и дешевой», — подчеркнул Тянь. Устойчивая бизнес-модель требует глубокой связи со сценариями, в то время как долгосрочная конкурентоспособность требует расширения масштаба за счет постоянного снижения предельных издержек.

Сначала войти в реальные отрасли с высокой добавленной стоимостью и высоким спросом, затем позволить роботам перейти в более широкие сценарии и в конечном итоге достичь универсального воплощенного интеллекта, которого все ожидают. На этом пути обобщение — самая сложная задача.

Проще говоря, большинство современных воплощенных моделей могут достигать почти 100% успешности задач в фиксированных сценариях после достаточного сбора данных и специализированного обучения. Но как только изменяются манипулируемые объекты или среда слегка меняется, процент успешных выполнений задач робота значительно падает.

Столкнувшись с этой проблемой, у RoboScience есть собственное решение: с помощью самостоятельно разработанной структуры VLOA уже поддерживается обобщение по трем измерениям: между воплощениями, объектами и задачами. Впечатляющая сцена произошла на Всемирной конференции по искусственному интеллекту 2026 года, где RoboScience устроила «30-секундную быструю замену манипулятора» — сотрудники напрямую заменили аппаратное обеспечение ловкой руки разных брендов, без необходимости повторной адаптации или тонкой настройки. Ловкая рука была мгновенно распознана в течение 30 секунд и плавно выполняла различные задачи захвата, действительно достигнув принципа «подключи и работай», что подтвердило способности обобщения между воплощениями.

Кроме того, ловкая рука, оснащенная универсальной воплощенной моделью Visics, может успешно захватывать любой объект, предоставленный зрителями на месте; еще более прорывным стало то, что на WRC, состоявшейся в августе этого года, RoboScience одновременно открыла процесс логического вывода своей модели мира на своем стенде, став первой компанией в отрасли, публично продемонстрировавшей визуализированное рассуждение модели мира в реальном времени.

«Воплощенный интеллект тесно связан с физическим миром, и ему необходимо развиваться в тандеме с реальными сценариями, реальными задачами и алгоритмами», — Тянь не проявляет слепого оптимизма. «Это определенно будет шаг за шагом, от малого к большому, от конкретных отраслей к более широким отраслям». Но он также уверен, что это произойдет в ближайшие несколько лет.

В волне предпринимательства в области воплощенного интеллекта последовали споры и спекулятивные пузыри. Говоря об этом, Тянь казался спокойным: «Пузырь может возникать из-за того, что все делают разные попытки, подобно биологической эволюции — некоторые исчезают в процессе, некоторые выживают. Это естественное явление технологической эволюции».

Во второй половине развития воплощенного интеллекта компании, полагающиеся исключительно на эффектные демонстрации для рассказывания историй, столкнутся с растущим давлением выживания. Тянь предпочитает сосредоточиться на конкретных делах: «Краткосрочные колебания для нас — просто "шум". Возвращаясь к сути бизнеса, все в дальнейшем сосредоточатся на том, как технологии по-настоящему воплощаются в продуктах».

Дорога к AGI в физическом мире еще далека. Оглядываясь назад спустя годы, этот момент может оказаться поворотным моментом.