成立2个月，李弘扬的具身大脑公司融资数亿元

港大教授创业做通用全身具身大脑，打造人形机器人时代OpenAI。

作者 | 周加琦

编辑 | 漠影

机器人前瞻6月29日报道，今天，具身全身大脑公司「源策未来Archon Robotics」宣布完成数亿元种子轮融资，投资方包括真格基金、高榕创投、IDG资本、五源资本等头部美元基金，以及亚洲领先的戈壁创投与香港大学联名基金、奇绩创投、上海创智学院等机构。光源资本担任源策未来的长期独家财务顾问。

据悉，源策未来该轮所融资金将主要用于全身人形基础模型研发、多模态全身动作数据采集、人才团队扩充，以及多地研发中心与产业合作生态搭建，加速在今年内实现开源人形基座模型落地。

源策未来成立于2026年4月，专注于研发通用全身人形基座模型，构建全身智能，为人形机器人提供类人全身移动操作的能力。

该公司计划于2026年下旬发布其首个人形原生基座模型，从全身数据中学习人类与物理世界交互的底层逻辑。

该模型架构中大脑负责任务理解和长程规划，中脑学习跨本体的全身运动表征，小脑负责实时位姿跟踪与平衡维持。三层协同，输出全身运动轨迹。

源策未来创始人李弘扬博士，现任香港大学助理教授、计算与数据科学学院助理院长、上海创智学院导师。他主导的端到端自动驾驶项目UniAD获CVPR 2023最佳论文，是近十年来大陆学术机构唯一获此奖项的工作；2026年荣获机器人领域国际顶会RSS Early Career Award，成为这一奖项设立20年来的首位华人学者。

▲源策未来创始人 李弘扬

源策未来联合创始人兼CEO李天羽博士，是上海创智学院首批毕业生及复旦大学博士，曾是华为量产自动驾驶ADS 4.0世界引擎方案的核心开发者，也是端到端自动驾驶与具身智能领域的杰出青年学者，并入选2025年阿里云魔塔社区EAI学术新锐20人。

源策未来联合创始人兼Head of AI陈立博士，本科毕业于上海交通大学致远荣誉工程，曾荣获香港大学校长博士奖学金。作为UniAD最佳论文的第一作者，他是具身智能与世界模型领域的优秀青年学者，曾荣获2024年世界人工智能大会云帆奖明日之星，并受邀担任计算机视觉顶级会议ECCV 2026的领域主席。

核心团队成员均来自香港大学、清华大学、上海交通大学、复旦大学、浙江大学等头部自动驾驶、机器人与大模型研究团队，兼具前沿原创算法的突破能力与大规模工业系统的落地经验。

▲源策未来团队（图源：企业）

当前具身智能行业正步入一个关键的分化时刻。Omdia等公开数据显示，2026年上半年，国内具身智能及机器人领域共发生288起融资事件，披露融资总额超过460亿元，加快逼近2025年全年554亿元的规模。但巨额融资并未同步带来技术共识的收敛。

当下多数具身方案存在先天局限：现有训练数据以桌面第一视角视频、单臂或夹爪动作为主，缺失全身重心调整、躯干借力、多肢体协同等人类原生交互逻辑。这意味着，大部分机器人仅能完成固定点位抓取，面对推门、整理床铺、双手持物开关门这类需要全身配合的日常任务，则难以自主适配变量。

源策未来CEO李天羽表示，“市面上可获取的具身数据集看似庞大，实际真正对人形全身训练有效的信息却极为有限。”

第一视角视频数据集蹲下、俯身、侧身等手部表象之外的关键动作位姿信息缺失，机械臂及夹爪等标注数据难以理解如何与环境互动，人形真机数据有关全身多关节耦合的复合任务样本在过去的数据池中近乎空白。

三类数据各有缺失，指向了同一个问题：即全身如何协调、重心如何转移、力量如何从下肢传导到上肢等，在现有数据中几乎没有被记录过。

“这些信息的长期缺位，将当前机器人的能力锁定在固定桌面抓取的层面，与真实家庭环境中多样化任务之间，横亘着一道数据断层。”李天羽说，“要突破这层天花板，必须回到源头重新定义数据采集的逻辑。”

这正是源策未来所切入的方向，即上述所提到即将发布的通用全身人形基座模型。

通过将人形机器人的行动“智能”尽可能沉淀在与本体无关的中脑层级，这期间，中脑所学习的能力不绑定某款具体的机器人，它输出的是全身运动轨迹，而非针对某个特定型号的关节角度指令，这使模型具备跨不同本体迁移的潜力。

随着数据采集越充分、覆盖场景越多样，中脑的表征能力就越强，源策未来具身全身大脑可以迁移到的本体类型也就越广。

基于这一判断，源策未来将构建一套全新数据采集体系。创始人李弘扬认为，具身数据的演进路径正从真机遥操作向手持设备与第一人称视角迭代，最终目的地是具备人类完整感知要素、并带有全身动作标签的以人为中心全人形数据。

同时，源策未来还将引入触觉等多维感知模态，搭配更高精度的全身与手部捕捉设备。

数据的采集方式决定了模型能学到什么，模型的能力短板反过来定义了下一次采集的目标。这套“采集-训练-反馈”的闭环一旦运转起来，就会形成一道持续自我强化的数据壁垒：每完成一轮采集和训练，模型能力提升一截，系统对“哪些数据真正有用”的认知也更精准一分，下一轮采集的效率和质量便再上一个台阶。

它考验的不仅是算法层面的工程能力，更是对“模型究竟需要从物理世界中学习什么”这一根本问题的系统性理解。而这项理解，正是源策未来最核心的判断力所在。

在源策未来团队看来，人形机器人要真正从实验室走入家庭，需要的不仅是一次完美的单点演示，而是让机器人具备在复杂、动态、非结构化的家庭环境中持续可靠工作的能力。这种能力的上限，从根本上取决于模型对物理世界的理解深度。

源策未来选择回到具身智能的起点重新回答这个问题：用一个什么样的身体、从什么样的数据中学习，决定了机器人最终能走多远。