独家 | 原力无限完成近10亿元融资，「Ego原生世界模型」加速机器人智能进化

基于Ego 数据的原生世界模型，给机器人行业带来新思路。

作者丨张 贤

编辑丨董子博

AI科技评论独家获悉，具身大脑公司原力无限（INFIFORCE）近期已完成A轮及A+轮融资，融资金额近10亿元。

据了解，本阶段融资由敦鸿资产及头部国资平台领投，浙大科创集团、盐都国控、丽水市国资公司等产业资本、头部社会资本跟投，创世伙伴（CCV）创投等老股东持续加注。据悉，融资资金将主要用于具身大脑AtomBrain 因果世界模型、全栈 AI Infra DataGrid的研发，以及多形态机器人本体在真实场景中的规模化交付与验证等三个方面。

相关人士透露，原力无限将于近期发布首个以高质量Ego 数据为核心的具身模型，这或将意味着具身智能大脑行业将重新洗牌，并随之进入到高速发展的快车道。

当前，具身智能的竞争核心已经从"谁能做出机器人本体"转向"谁能让机器人持续变聪明"。当资本与产业注意力从本体转向大脑，一个更根本的问题浮现——机器人的智能从哪里来？原力无限从技术路线、商业落地、团队配置层面给出了他们的解法。

01

Ego原生闭环，被低估的技术选择

当前，主流具身模型大量依赖第三人称视角的示范数据。机器人可以学习"如何完成一个动作"，却难以回答"当我处于这一位置、面对这一环境时，我应该如何行动"。视角与本体之间的错位，使模型能力难以稳定迁移到真实世界——这也是大量具身模型演示效果好、真实场景掉链子的根本原因。

原力无限从 2025 年开始研究围绕 Ego-Centric （以下简称 Ego）数据为核心，以人类自身第一人称视角数据作为学习的原生经验。这条路径的门槛不仅在与之对应的模型算法层面，还包括一整套复杂的数据采集和处理体系。Ego原生数据在日常工作生活中即可以由人类大范围高质量地产生，相比传统的真机数据，获取成本相对更低，场景数据更具多样性，同时随着处理能力的提升质量也将越来越高，这将彻底改变原有具身行业模式下的数据困境，有望尽早实现机器人的智能跨越。

沿着这条路线，原力无限研发了Atom系列具身模型，这一系列模型是首个以Ego 数据为核心的原生具身基础模型。该模型以机器人自身第一视角采集的Ego数据进行预训练，将视觉观察、语言指令、动作轨迹与环境反馈进行统一建模。从公开基准看，Atom 系列的早期世界模型AtomVLA于LIBERO取得97.0%任务成功率，成果被IROS 2026收录；HiMem-WAM世界模型在LIBERO达到97.7%，困难真实任务平均性能优于π0.5约22.5%；在复杂环境泛化基准RoboTwin 2.0上，原力无限第三代的AIM世界模型取得93.1%的领先成绩，这些数据说明Ego原生路径不仅在理论上成立，同时在能力迁移层面展现出可观的实践潜力。

但模型只是能力链路的一环——能力从哪里来、如何持续增长，才是更底层的问题，DataGrid 是原力无限给出的答案。

作为自研的端到端智训体系，DataGrid集成数据采集系统、数据处理平台与硬件底座，覆盖UMI手持夹爪、Ego第一人称采集设备、真机遥操作等多种采集形态。它解决的是：在物理世界里，经验不能被爬取，只能被经历，获取经验的带宽直接决定了大脑进化的速度。如果说Atom系列模型证明了Ego原生路径"走得通"，那么DataGrid解决的是"走得快"——它是整个技术闭环中连接真实世界与模型能力的那条管道。

02

从商业落地到行业标准的制定

技术闭环跑通之后，下一个问题是：它能否真正走进产业？

原力无限以统一的AtomBrain 驱动不同形态机器人本体，已形成覆盖专用、通用与人形的完整产品矩阵：AstroDroid 轮式人形、UltraDroid多形态通用、小原子双足及FORCE系列专用机器人。一个大脑、多种本体——这意味着能力可以在不同场景间复用与迁移，而不必为每一个新场景从零训练。基于这一架构，公司已在全国30余个城市、100余个真实场景推进落地验证与商业化，覆盖商业服务、仓储物流、工业制造等领域。

商业落地的深度，也体现在行业标准的制定权上。

2026年7月，中铁高新与原力无限签署基础设施领域具身智能战略合作。原力无限牵头发起的GB/Z《具身智能众包数据采集和纳管技术规范》获批立项，系行业首个国家级具身智能数据规范。公司同时是工信部人工智能标准化技术委员会、中国人工智能产业发展联盟与人形机器人场景应用联盟成员单位。

03

打通技术与商业落地的核心团队

能够在短时间内打通技术链路并实现商业落地，得益于原力无限团队兼具科学深度、工程实力与成熟的产业落地经验。

创始人兼CEO 白惠源博士，是浙江省青年科学企业家十人之一，前阿里巴巴副总裁，在阿里集团任职超十五年，操盘过百亿、千亿级业务从0到1与规模化增长。白惠源还拥有百亿独角兽公司的成功创业经验，是产品技术和商业落地双栖领袖。

CTO 王一舟系加州大学伯克利分校博士，拥有 10 余年自动驾驶算法研发与量产项目交付经验，是百度 IDL自动驾驶团队首批核心成员、英伟达DriveAV 核心成员，后曾任禾多科技首席架构师。

首席科学家陈佳玉教授，1998年出生，本科毕业于北京大学，之后在普渡大学获得博士学位，并在卡耐基梅隆大学（CMU）进行博士后研究。他现任香港大学数据与系统工程系助理教授，加入公司后带领团队产出15项顶尖科研成果，多项成果曾被顶刊顶会收录。

此外，原力无限核心研发团队硕博占比超 75%，成员来自清华、北大、浙大、斯坦福、伯克利、普渡、CMU、港大等海内外顶尖院校，以及阿里、华为、百度、英伟达等头部企业，累计拥有 100 余项专利与软著。

04

智能的进化速率

当智能从数字世界走向物理世界，机器人需要回答的是"部署之后还能变多强"。

原力无限认为，在物理世界中，衡量具身智能价值的核心指标正在从单点任务成功率转向智能的进化速率，即机器人在真实环境中获取经验、转化能力并完成迁移的效率，他们将其表达为三个相乘的因子：进化速率 = 单位经验的能力增益 × 单位时间的经验获取量 × 人工介入衰减因子。

三个变量共同指向同一个结论：在物理世界中，衡量具身智能价值的核心指标，正在从单点任务成功率转向进化速率，即机器人在真实环境中获取经验、转化能力并完成迁移的效率。如果说Scaling Law刻画的是能力的高度，进化速率刻画的是能力斜率。

这三项指标直接对应原力无限已有的技术布局：单位经验的能力增益，指向模型架构与训练方法——这是Atom模型已经在回答的问题；单位时间的经验获取量，指向数据采集带宽与效率——这是DataGrid的存在意义；人工介入衰减因子，指向系统在真实部署中自主学习、减少人工干预的能力。公式三因子，恰好是Ego原生数据、DataGrid基础设施与AtomBrain 模型能力这三个技术支柱的另一种表达。原力无限要做的就是把三项因子的数值推高。

现阶段，Atom 在解决"机器人拥有自己的经验"的问题。AI科技评论获悉，接下来的Atom 最新版本模型将引入长期记忆与持续学习机制的Ego世界模型；再往后是AtomWM，基于Ego数据的隐式因果世界模型。三个代次分别对应进化速率公式中的三项：让每一条经验产出更多能力，让经验获取不断加宽，让人工介入持续趋零。

与模型代次同步推进的是真实世界的规模化落地。目前，原力无限将依托已验证场景推动FORCE 与UltraDroid系列在工业制造、巡检、商业、物流、能源电力的批量部署，同时持续扩大DataGrid的Ego原生数据采集规模与场景覆盖，构建物理AI时代的数据底座。这两条线是同一个飞轮的两半：一半向上，是科学研究不断抬高模型能力的边界；一半向下，是技术真正踩进工厂、仓库、门店与家庭，进入人们的生产与生活。

每一次真实任务的执行与修正都会沉淀为新的经验，通过DataGrid 回流至AtomBrain，转化为下一代模型的能力——这恰恰回到本轮融资所投向的三个方向：模型研发提升"能力增益"，DataGrid升级拓宽"经验获取"，规模化交付压低"人工介入"。

上车，带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。