5Y News | 「源策未来Archon Robotics」完�...

来源：市场资讯

（来源：五源资本 5Y Capital）

近日，通用全身具身大脑公司「源策未来Archon Robotics」近日完成数亿元种子轮融资，本轮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，以及戈壁创投与香港大学联名基金、奇绩创投、上海创智学院等。光源资本担任独家财务顾问。

本轮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，研发总部位于上海市徐汇区漕河泾开发区。公司专注研发通用全身人形基座模型，构建全身智能（Whole-body Intelligence），为人形机器人提供类人全身移动操作的能力，以加快实现具身智能走入千家万户。

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。

联合创始人兼CEO李天羽博士，为上海创智学院首批毕业生、复旦大学博士，作为核心开发者深度参与华为量产自动驾驶ADS 4.0世界引擎方案研发。联合创始人兼Head of AI陈立博士是UniAD最佳论文的第一作者，本科毕业于上海交通大学致远荣誉工程，曾获香港大学校长博士奖学金。

源策核心团队均来自香港大学、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，兼具原创算法突破与超大规模工业系统落地经验。

源策团队在珠峰大本营举杯（2024年2月）

五源资本合伙人孟醒谈到：

2023年我在做自动驾驶时认识弘扬，那时UniAD刚拿下CVPR最佳论文，是行业里最轰动的事件。让我服气的不是奖杯，而是他提问的方式：当所有人都在各自的模块里卷，他从planning这个终极目标出发，反推系统该长什么样，拉通一切模块的backbone，让一切服务于最后的planning。

三年后的源策，还是那个弘扬。别人问"现有数据能训出什么"，他在问"机器人该向人类学什么"。Human Body Learning之于具身，正如当年planning-oriented之于自动驾驶——都是用终局定义起点。今天的具身智能不缺钱、不缺工程师、不缺算力，唯独缺这种taste：在喧嚣里分辨什么值得做。我认为最珍贵的，是一个人穿越两次技术浪潮、始终把问题问对的判断力。

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。

这一局限的根源在于数据基础设施的结构性缺口。源策未来CEO李天羽告诉硬氪，“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仅支持记录人眼所看到的画面，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，则多集中在平面范畴，只记录末端轨迹，模型可以学习操作器如何移动，却难以理解如何与环境互动。而人形真机数据总量本就极低，采集成本更以数百至近千元每小时计，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，人类完成日常动作最核心的信息，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。

以一个简单的日常场景为例。当人在拉开一扇轻门和重门时，其手部轨迹几乎看不出差别；都是先抓住把手往后拉，无论使用多大力气，其位姿与门的运动始终同步。真正的差异体现在全身维度，面对轻门，人保持直立即可拉开；遇到重门，身体需要倾斜将重心前移，用体重对抗阻力。

这些重心移动的信息，只有在全身数据中才会被记录下来，并蕴藏着物体物理属性的本质差异。简单来说，如果模型长期仅学习单一维度信息，它或许能完成“拉门”这个动作，却无法理解“门有多重”在人体层面意味着什么。

“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。”

源策团队认为，从轮式底盘搭配双臂的方案向人形机器人迁移，在结构、运动控制、感知维度上均存在本质差异，并非简单的形态升级。当海外企业刚意识到人形任务的复杂性时，他们已率先将目标锁定于此。

源策未来瞄准了一个几乎无人涉足的领域，做通用全身人形基座模型，其核心理念Human Body Learning，即学习人类全身位姿与协调方式，而非仅仅跟踪末端执行器的轨迹。通过在人类的全身动作中，让机器人习得“四肢协调的智慧”，具备完整的全身交互能力。

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，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（Human-Centric）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。李天羽告诉硬氪，数据多样性与数据质量，比单纯的数据规模更为关键。“一条覆盖了重心移动、躯干角度变化的全身数据，其信息密度远高于一百条只有手部轨迹的桌面数据。”

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。

硬氪了解到，源策未来计划于2026年下旬发布其首个人形原生基座模型。

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。