正行创新完成近亿美元天使轮融资,正大集团、华勤技术等多家上市企业联合加持
具身智能企业正行创新完成近亿美元天使轮融资,由正大集团、华勤技术等领投,致力于通过世界动作模型与强化学习技术推动人形机器人在真实场景的落地。
今日科技圈的重磅新闻聚焦于具身智能的“基础设施”与“商业落地”。英伟达抛出了机器人的“安全宪法”,试图定义行业标准;而国内独角兽正行创新则完成巨额融资,打通了场景与数据的闭环。这两起事件标志着具身智能正在从单纯算法竞赛,转向工程化与生态化的系统级较量。
机器人全栈操作系统!老黄率先抛出“具身版安卓” - 英伟达发布的 Halos for Robotics 并非简单的软件更新,而是将自动驾驶领域积累了 18600 人年的安全资产“降维打击”至机器人赛道。这套系统从芯片“安全岛”到 ISO 认证的生态安全,构建了一个物理隔离的四层防御体系。这不仅解决了具身智能在非结构化环境中的核心痛点——不可控性,更意味着英伟达正在复制安卓模式:不造机器人,却通过掌控安全认证这一“准入证”,成为行业的隐形守门人。
这种“全栈定义”的策略与国内的落地热潮形成了有趣的呼应。如果说英伟达在铺设通往未来的“铁轨”,那么正行创新就是正在上面飞驰的“高铁”。正行创新完成近亿美元天使轮融资,正大集团、华勤技术等多家上市企业联合加持 - 这家由姚颂和清华学者联合创立的公司,展现了极具中国特色的“场景驱动”路径。他们没有单纯卷模型参数,而是通过与正大集团、华勤技术的深度绑定,直接获取了百万小时级的真实场景数据。这种“数据—模型—基础设施”的协同进化,尤其是其独特的隐空间世界动作模型,直击当前 VLA 模型缺乏物理常识的软肋,让具身智能不再是空中楼阁。
将这两条新闻放在一起,我们可以看到行业正经历从技术探索到商业变现的范式转移。过去两年,大家都在比拼谁的机器人跑得快(模型能力强),而现在的焦点变成了谁的路修得更稳(安全架构)以及谁的货源更足(场景数据)。
英伟达的 Halos 实际上是在为整个行业兜底。当机器人真正进入工厂和办公室与人协同时,“不出错”比“很聪明”更重要。这给开发者的启示是:未来的具身智能开发将不再是单一算法的优化,而是基于安全框架的系统工程。而对于正行创新而言,近亿美元的天使轮融资不仅仅是资本的认可,更证明了“产业资本+学术巨头”的结合是目前加速物理智能落地的最优解。它们利用真实世界的长尾数据反哺模型,这种从场景中来到场景中去的务实路线,或许正是打破当前机器人“演示容易落地难”僵局的关键。
随着底层标准的统一和头部场景的打通,具身智能的 2026 年,注定不再是 PPT 上的狂欢,而是物理世界变革的开始。
具身智能企业正行创新完成近亿美元天使轮融资,由正大集团、华勤技术等领投,致力于通过世界动作模型与强化学习技术推动人形机器人在真实场景的落地。
文章介绍了如何利用Amazon Bedrock和Verified Permissions构建安全的多租户RAG应用,通过单一知识库实例和元数据过滤实现部门级的细粒度数据隔离,并在无需重新部署代码的情况下动态更新访问规则。
文章详细介绍了 Spring AI 2.0 在结构化输出方面的增强,重点解析了 provider-native 结构化输出和自纠正模式验证这两个新特性。
文章介绍了一种基于AWS的五层AI弹性架构,利用AWS Resilience Hub、Bedrock AgentCore等服务自动发现依赖关系、生成混沌工程实验,并将其集成到CI/CD流程中以持续验证系统弹性。
文章详细介绍了Avanse Financial Services如何利用Amazon SageMaker Unified Studio从传统架构迁移至云原生Lakehouse架构,解决了数据同步瓶颈、高昂许可费用及治理难题。
本文介绍了华盛顿大学博士Alisa Liu分享的57场AI岗位求职经历,涵盖了从投递、面试准备到谈薪的全流程SOP及开源学习笔记。
字节跳动发布豆包Seed 2.1系列模型,在代码生成、工具调用及Agent任务执行能力上比肩国际头部模型,并通过实测展示其在芯片设计、3D开发及办公场景下的生产级表现。
文章深度剖析了亚马逊云科技如何通过全栈Agentic AI技术赋能小鹏、Kimi及猎豹移动等企业,展示了AI Agent从单点工具融入核心业务研发与运营的实践案例与成效。