RoboScience 机器科学完成 A2 轮数亿元融资，单条训练数据成本被压到 0.05 元，约为传统方案的二十分之一到二百分之一。这笔钱要投进 Visics 通用具身大模型的下一轮迭代，以及物流、零售、工业三类场景的规模化验证。
2026 年 11 月 2 日，通用具身智能企业 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、国联通宝、金鼎资本及多家上市公司平台跟投。加上本轮，公司今年已完成三轮融资。
资本结构本身就值得留意。360 战投是互联网大厂背景的战略投资平台，上海半导体产投代表地方产业资本进入，多家上市公司平台跟投，呈现的是产业资本与财务投资并存的特征。在一级市场对具身智能融资趋紧的传闻里，这种组合通常只出现在被认为能产生真实交付的公司身上。
创始人背景：苹果系技术负责人加上学术派
RoboScience 成立于 2024 年 12 月，成立不到两年，由田野与邵林联合创立。
田野曾任 Apple AI Platform（苹果公司人工智能平台）技术负责人，拥有斯坦福大学 AI Lab 硕士背景；邵林是新加坡国立大学助理教授、斯坦福大学 AI Lab 博士。这套组合的意图很清楚：田野提供大厂平台级的工程与工程管理经验，邵林提供物理与学习算法方向的研究积累。
田野对本轮融资的表述把重点放在场景落地而非模型参数上：每一次场景落地既要解决客户的实际问题，也要为通用能力的提升积累经验；融资后将持续迭代 Visics，完善本体产品与 EaaS 服务，在真实作业中提升效率、准确率与泛化能力，降低具身智能的使用成本。
一年打通数据、模型、本体三段
RoboScience 走的是全栈路线，一年内完成了三个关键发布。
| 时间 | 产品 | 定位 |
|---|---|---|
| 2024 年 12 月 | 公司成立 | 田野与邵林联合创立，瞄准通用具身智能 |
| 2025 年 9 月 | RoboMirage | 自研可微多模态物理仿真引擎 |
| 2026 年 6 月 | Visics | 通用具身大模型，跨本体泛化操作 |
| 2026 年 8 月 | REX G1 | 轮式仿人形机器人本体 |
| 2026 年 11 月 2 日 | A2 轮数亿元 | 琥珀资本等领投，投向模型迭代与场景落地 |
三段不是并列的三个产品，而是一个互相定义的闭环。仿真引擎产出物理级数据，模型消化这些数据，本体在真实工况中跑作业并把长程作业数据回灌给仿真系统，形成作业、反馈、迭代的循环。这个设计对机器人公司来说并不新鲜，但把三段都自己吃掉，成本结构会完全不同。
数据成本 0.05 元：仿真加视频的双数据路线
具身智能当前的公认瓶颈是数据。纯靠真机遥操作采集，单条有效数据的成本轻松上百元，还受限于场地、人员和机器人工时。RoboScience 披露的数字是 0.05 元。
具体路径是仿真加视频的双数据飞轮。RoboMirage 负责高并发、实时性与全物体空间的物理级轨迹，配合全自动的视频标注与清洗管线补上真实世界分布。2026 年初到 10 月，视频训练数据从 100 万小时增至 400 万小时，仿真训练数据超过百亿次运动轨迹，两条线都在持续扩张。
参照物在隔壁。英伟达开源的机器人标注引擎 Flora 把视频标注压到了 0.72 美元一条，两者是不同环节的成本，量级却能互相印证：真实世界的具身数据获取成本正在被系统性地往下打。RoboScience 走的是另一条路，用仿真替代一部分真机采集，把边际成本压到两位分以下。
Visics 的分层解耦：一条轨迹打通所有本体
Visics 的核心设计是引入 Object Trajectory 作为中间接口，并用物体的连续 3D 点云轨迹做表征。上层具身世界模型负责认知与物理轨迹预演，下层通用操作模型负责把轨迹转化成不同机器人的控制信号。高层语义与底层物理规律被解耦开来，分别用海量互联网视频和仿真数据做预训练。
这套架构指向的是跨本体、跨物体、跨任务三个维度的泛化。最直观的演示出现在今年的 WAIC 与 WRC 两大行业展会上：搭载 Visics 的机器人可以在 30 秒内切换不同品牌的灵巧手，无需重新训练，并能现场抓取观众随机提供的物品。灵巧手换一个品牌的成本，从传统意义上的重新采集加重新训练，压缩到一次热插拔式的适配。
这种架构路线与 智元 GO-3 Preview 的自进化本体 属于同一问题域的不同解法，一个是把泛化能力做进模型接口，一个是把泛化能力做进本体与训练闭环。也有纯软件层面的参照，逐际动力 FluxVLA V2 用 14 种策略换来 9.64 倍推理加速，处理的是同一类物理操作接口的效率问题。
REX G1 与 EaaS：从本体绑定走向云端调用
REX G1 是轮式仿人形机器人，集成移动、全向感知与双臂协同操作能力，重点面向物流与零售这类高动态、高泛化场景。作为搭载 Visics 的载体，它同时承担软硬件联合调优与数据回灌两个角色，实时把复杂长程作业的数据提取出来反哺 RoboMirage 仿真系统。
更值得注意的是 EaaS（Embodied-AI-as-a-Service）。RoboScience 已与腾讯云达成战略合作，Visics 上线腾讯云，通过 API 开放模型调用，支持适配不同形态的灵巧手、机器人等末端执行器。用户的用法是像调用大语言模型那样从云端获取具身模型生成的操作策略。商业含义很直接：具身智能从本体绑定走向云端 API 调用，从技术验证走向规模化商用，模型不必跟着每台机器人重复卖。
公司的判断是，物流、零售场景涉及多样化的物体、环境与任务，既能发挥通用操作模型的优势，也能积累丰富的真实作业数据，反哺模型迭代。因此先切入泛化要求高的场景，让能力跨场景复用，逐步降低新增场景的适配成本。目前已在零售商超、物流等场景推进应用落地。
通用大模型的冲击下，自研大脑的理由是什么
行业内部有一个绕不开的追问：随着通用大语言模型的空间理解能力不断增强，具身智能公司自研大脑的差异化价值究竟在哪里。
RoboScience 给出的边界划分是：通用大语言模型擅长工具调用、任务拆解、链式规划与意图编排，但不天然适配不同的机器人本体。具身智能产业化的真正痛点在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，要求 AI 真正习得真实世界的复杂物理属性，包括接触、摩擦、弹性力与动力学反馈。这些关键物理规律不会自然从互联网文本或通用视频数据里长出来。
这条论点也在别的技术路线里出现过。清华代数世界模型 AWM 通关 ARC-AGI-3 的 183 关 强调的是动作空间中的推理深度，高德 λ0 全身基座模型 强调的是 500 小时人类数据带来的真机成功率。共同的判断是，纯文本预训练撑不起物理世界的数据瓶颈。
常见问题
RoboScience 这轮融资具体金额是多少
官方披露口径为 A2 轮数亿元人民币，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、国联通宝、金鼎资本及多家上市公司平台跟投。公司没有公布估值数字，也没有披露本轮前后的具体股权结构变化。
单条数据 0.05 元是怎么算出来的
RoboScience 的说法是仿真加视频的双数据路线把单条数据获取成本压至 0.05 元，约为传统方案的二十分之一到二百分之一。传统方案主要指真机遥操作采集。这个数字是公司口径的加权结果，包含仿真轨迹与视频数据的综合获取成本，无法直接与单一采集方式的单价对齐比较。
Visics 换灵巧手真的不用重新训练吗
在 WAIC 与 WRC 展会的演示场景下是的，切换不同品牌灵巧手耗时 30 秒，无需重新训练即可执行操作。支撑这一点的机制是 Object Trajectory 中间接口，上层世界模型输出的轨迹与具体硬件解耦，由下层通用操作模型转译成控制信号。实际工业环境中的切换成功率与耗时，公司尚未公开数据。
小结
A2 轮数亿元、0.05 元单条数据、400 万小时视频、百亿次仿真轨迹、30 秒换手，这几个数字串起来就是 RoboScience 一年做的事。
这轮融资真正值得看的不是金额，而是三个动作的排序：先用仿真把数据成本打下来，再用分层解耦把模型绑上多本体，最后用云端 API 把能力从机器人本体里剥出来变成可售卖的服务。在行业整体降温的背景下拿到产业资本的钱，说明投资方看的不再是演示视频，而是场景交付的单位经济账。
至于这套架构能否在真实工况下撑住长效任务成功率，答案要等物流和零售场景里跑够长的时间才会出现。数据成本解决的是能不能规模化，操作成功率的长期曲线才决定能不能商业化。
相关阅读
- 英伟达开源机器人标注引擎 Flora：1 小时标注 0.72 美元
- 智元 GO-3 Preview：61.90 分与 5 天 85.7% 自进化
- 逐际动力 FluxVLA V2：14 种策略与 9.64 倍推理加速
- 高德 λ0 全身基座模型：500 小时人类数据与 62.5% 真机成功率
- 清华代数世界模型 AWM：ARC-AGI-3 183 关全通
延伸阅读
- 中国生成式AI用户破7亿：算力一年涨177%，问答场景占76%1 月前
- 影溯仿真数采中心落地杭州：目标月产百万小时数据3 天前
- DeepSeek创始人梁文锋密集接触具身智能：自建团队还是投资入局3 周前
- 红旗连锁终止机器人售货研发：16 个月与 280 万元的教训17 小时前
继续读
同一批更新里这几篇值得一看：
- 逐际动力 FluxVLA V2：14 种策略与 9.64 倍推理加速2026-10-30
- 智元 GO-3 Preview：61.90 分与 5 天 85.7% 自进化2026-10-30
- 小米 21 自由度仿生手：1827 个 SOP 支撑，手掌仅 324 克2026-10-27