具身智能赛道,又迎来一笔重磅融资。
近日,通用具身大脑企业原力无限(INFIFORCE)宣布完成数千万元Pre-B轮融资,由杭州市属千亿级国资平台杭州资本独家投资。本轮资金将重点用于具身大脑AtomBrain研发、真实场景深耕及产业化落地。
值得关注的是,这已经是原力无限三个月内的第四次融资。
2026年8月,原力无限完成近10亿元人民币A轮、A+轮融资;10月,获得浙江省级国资平台浙创投近亿元投资;11月,杭州资本再度入局。
从头部市场化资本到省级国资,再到千亿级市属国资平台,原力无限正在成为具身智能赛道上备受资本关注的头部企业之一。
与此同时,中国具身智能行业的竞争也在发生变化。随着市场逐步回归技术价值与商业价值,行业第一梯队的竞争门槛正在被不断抬高。
原创科研、核心模型、人才密度、工程化能力、商业化进展,成为衡量一家具身智能企业综合实力的重要维度。
以此审视原力无限,会发现这家成立仅三年多的科技企业,已经积累了相当深厚的技术家底。
01|三个月连融四轮,资本为何持续押注原力无限?
观察一家硬科技企业的发展潜力,除了融资金额,投资方的构成同样值得关注。
翻开原力无限的资本版图,敦鸿资产、创世伙伴创投CCV、浙大科创集团、盐都国控、丽水市国资公司、浙创投、杭州资本等实力机构相继入局,形成了市场化资本、产业资本与多层级国资共同参与的股东生态。
最新入局的杭州资本,更是一家颇具分量的投资机构。
作为杭州市属国有资本投资运营平台,杭州资本注册资本100亿元,截至2025年底合并资产总额达1120.51亿元,旗下运营杭州科创基金、杭州创新基金两大千亿级基金,基金合作规模超过2400亿元。
宇树科技、强脑科技、云深处科技等杭州代表性硬科技企业背后,均有杭州资本体系的投资身影。
如今,杭州资本又将目光投向了通用具身大脑。
过去几年,中国机器人产业在运动控制、硬件设计、供应链及整机制造领域取得了显著进展。随着本体技术日益成熟,如何让机器人真正理解物理世界、处理复杂任务、适应未知环境,并具备持续学习能力,已经成为具身智能下一阶段的核心技术命题。
原力无限很早便选择了这条技术路线。
自2023年成立以来,原力无限将战略重心聚焦于通用具身大脑研发,持续投入具身基础模型、世界模型、因果推理、持续学习及真实世界数据等前沿方向。
其自主研发的通用具身大脑AtomBrain,以隐式世界模型(Latent World Model)为核心,融合具身基础模型、大小脑协同、持续学习与场景化后训练,致力于让机器人从真实世界经验中学习物理规律,理解动作与结果之间的因果关系,并形成可迁移、可泛化的智能能力。
这是一条科研门槛极高、技术纵深极长的赛道,同时也具备广阔的产业想象空间。
一旦具身大脑具备足够强的通用性与持续进化能力,其技术价值将有机会跨越单一机器人形态、单一任务和单一行业,延伸至更广泛的实体经济领域。
连续获得不同类型资本的加注,背后是原力无限所选择的技术方向及其长期发展价值,正在获得越来越多的认可。
02|三年20余项科研成果,具身大脑赛道的硬核实力派
在中国具身智能第一梯队企业中,原力无限有一个极具辨识度的标签:原创科研。
成立三年多来,原力无限已形成20余项高水平科研成果,完成两代具身基础模型的研发与迭代,研究覆盖因果世界模型、具身基础模型、持续学习、鲁棒决策、真实世界数据、触觉感知及全身控制七大方向。
多项成果发表于ICLR、ICML、ECCV、IROS、AAAI、IEEE TPAMI等国际顶级学术会议及期刊,多项原创模型在国际权威Benchmark中取得发布当期领先成绩。
进一步拆解其科研成果,一系列硬核数据颇为亮眼。
在具身基础模型与机器人操作领域:
AtomVLA在LIBERO基准测试中取得97.0%的成功率;
SAM3D-VLA将LIBERO成功率进一步提升至99.1%,并在CALVIN基准测试中取得4.11的成绩。
在世界模型与因果推理领域:
AIM在RoboTwin 2.0的50项任务中取得93.1%的平均成功率;
CausalVAE在代表性物理反事实测试中实现272.7%的性能提升;
HiMem-WAM在真实机器人测试中,较π0.5基线平均提升22.5%。
在第一人称经验与具身学习领域:
AtomEgo基于2659小时第一人称数据,将真机任务成功率从32.86%提升至51.43%,验证了大规模人类第一人称经验向机器人能力迁移的潜力。
这些科研成果的价值,还在于彼此之间存在清晰的技术关联。
从空间理解到因果推理,从长程任务记忆到持续学习,从人类经验迁移到机器人自主操作,原力无限正在围绕通用具身大脑的关键能力展开系统性科研布局。
如此高密度的原创科研产出,背后是一支具有鲜明科学家底色的创业团队。
原力无限由科学家企业家领衔,汇聚了一批具有国际前沿科研背景及产业工程化经验的核心人才,研发团队硕博占比约75%,并形成杭州总部、深圳研究院、北京实验室协同发展的研发格局。
对于一家硬科技创业企业而言,论文数量、顶会顶刊、Benchmark成绩固然重要,更稀缺的是持续提出原创技术问题、解决关键科学问题,并将科研成果转化为核心模型能力的组织能力。
20余项顶尖学术科研成果、两代具身基础模型、多项国际领先的评测成绩,让原力无限在中国具身智能第一梯队中,形成了鲜明的科研优势。
03|从世界级科研到世界级产线,打出全栈竞争优势
如果说原创科研决定了一家具身智能企业的技术上限,那么工程化与商业化能力,则决定了这些技术能够走多远。
原力无限的另一项竞争优势,在于其围绕通用具身大脑建立的全栈技术与产品体系。
在核心模型层,原力无限自主研发通用具身大脑AtomBrain;在基础设施层,打造覆盖Ego原生数据采集、数据处理、模型训练与场景应用的DataGrid全栈AI Infra;在机器人本体层,形成AstroDroid、UltraDroid及小原子三大产品系列。
从真实世界数据、基础模型、具身大脑,到机器人本体与场景化后训练,原力无限建立了一条贯通科研、工程与产业应用的技术链路。
这套全栈体系的价值,正在真实产业现场逐步显现。
目前,原力无限业务已覆盖全国30余座城市、近百个应用场景,并加速向高标准、高复杂度、高价值的产业环境深入。
在国际高端制造领域,原力无限已走进德国百年车企生产线,探索具身智能在汽车工业场景中的应用。
在国内智能制造领域,原力无限持续深耕头部家电品牌的智能制造场景,推进具身智能技术与工业生产需求的融合。
在基础设施领域,原力无限与中铁高新工业股份有限公司规划设计研究总院签署战略合作协议,将具身智能的应用边界进一步拓展至工程装备与基础设施领域。
在商业零售领域,原力无限深度参与杭州国家级具身智能中试基地建设,打造首个全流程自主零售场景实景实训落地案例,推动具身大脑在真实商业环境中的能力验证与迭代。
与此同时,原力无限的区域产业布局也在加速。
2026年9月,原力无限战略落地重庆,规划建设西南区域最大的具身大脑训练中心及全场景实景实训中心,面向重庆6.72万家工业企业,推动具身大脑与汽车制造、电子信息、装备制造等优势产业深度融合。
从国际高端制造到央企战略合作,从国家级产业平台到区域级产业布局,原力无限正在挺进具身智能的产业深水区。
这些高价值产业场景,也为原力无限带来了另一项长期竞争优势——真实世界经验。
工业产线中的精细操作、复杂环境中的自主决策、商业场景中的长尾任务,都能够为具身大脑提供宝贵的学习与验证机会。
依托DataGrid全栈AI Infra,这些真实世界经验能够进一步反哺模型训练与场景化后训练,推动AtomBrain持续迭代。
随着场景不断拓展、模型能力不断增强,原力无限有望在技术研发与商业化之间形成更强的正向循环。
从原创科研到核心模型,从全栈AI Infra到真实产业场景,原力无限已经打出了一套具有自身特色的全栈竞争优势。
04|中国具身智能第一梯队,下一站是全球竞争
2026年,中国具身智能行业正在进入一个新的竞争周期。
融资规模、机器人出货量、模型能力、原创科研水平、产业落地质量等不同维度,共同构成了行业竞争的新坐标。
单一指标已经越来越难以完整衡量一家头部具身智能企业的长期价值。
尤其是在通用具身智能领域,企业需要具备极强的原创科研能力、持续迭代的核心模型、完善的工程化体系,以及将前沿技术带入真实世界的产业能力。
从这一视角重新审视原力无限,其在中国具身智能第一梯队中的竞争优势逐渐清晰。
技术上, 聚焦通用具身大脑,以隐式世界模型为核心,持续攻坚具身智能前沿科学问题。
科研上, 三年20余项高水平科研成果、两代具身基础模型,多项成果在国际权威Benchmark中取得领先成绩。
人才上, 科学家企业家领衔,研发团队硕博占比约75%,形成具有国际化科研能力的人才体系。
产业上, 构建从通用具身大脑、全栈AI Infra到多形态机器人本体的完整体系,持续深入国际高端制造、商业零售及基础设施等高价值产业场景。
资本上, 三个月连融四轮,接连获得头部市场化资本、省级国资及千亿级市属国资平台的认可。
五大核心能力,共同构成了原力无限的综合竞争力。
如果将观察原力无限的时间维度从三个月拉长至三年,就不难理解,为什么资本会在这一阶段密集入局。
三个月的资本认可,背后是三年的原创科研与产业积累。
而对于中国具身智能企业而言,第一梯队也只是阶段性的行业坐标。未来真正的竞争,将发生在全球原创技术、基础模型、产业生态与规模化应用等更广阔的舞台上。
在物理AI时代,中国既需要世界级的机器人本体企业,也需要世界级的具身大脑企业。
真正的冠军气质,需要原创技术的硬实力、走进世界级产业现场的真本事,以及参与全球科技竞争的雄心。
从杭州出发,领跑浙江具身大脑赛道,站在中国具身智能第一梯队,原力无限正在向着更大的目标迈进——成为世界级通用具身大脑企业。
















