物理AGI再获10亿加码：极佳视界B2轮融资背后的”国家队”信号，家庭+工业双轨落地到底能不能成？
📌核心要点
- 极佳视界完成10亿元B2轮融资，由新加坡跨境投资机构狮城资本领投，中比基金、建投投资、复星锐正、万向钱潮等全球国家队基金和产业资本共同参与，国中资本、达晨财智、图灵资管等老股东持续超额加注。
- 公司采用“双金字塔”数据与算法体系，覆盖物理AGI基础模型研发迭代，以及C端家庭场景与B端工业场景的规模化落地。
- 2026年以来，中国具身智能赛道累计涌入460亿元资金，从海底机器人到家庭服务机器人，物理AI正从实验室加速走向规模化商业应用。
- 物理AGI的核心挑战在于“大脑-身体”协同——模型再强，硬件迭代周期远长于软件，数据标准尚未统一，闭环能力仍是行业最大瓶颈。
一、10亿B2轮：谁在为”物理AGI”押注？
2026年6月中旬，物理AGI企业极佳视界宣布完成超过10亿元人民币的B2轮融资。这笔资金的规模和投资方阵容，在当前的AI融资市场中格外引人注目。
领投方狮城资本是新加坡跨境投资机构，旗下管理着数百亿美元规模的亚洲科技基金；中比基金是中国-比利时政府间产业合作基金；建投投资背靠中国建银投资；复星锐正是复星集团旗下的产业投资平台；万向钱潮则是万向集团的汽车零部件龙头企业。
加上老股东国中资本、达晨财智、图灵资管等的持续超额加注，这轮融资几乎汇聚了中国和新加坡两国最顶级的”国家队”资本。
二、”双金字塔”：物理AGI的技术底座是什么？
极佳视界的核心竞争力，在于其提出的“双金字塔”数据与算法体系。这个概念听起来抽象，但拆开来看，它解决的是物理AGI最核心的两个问题：数据从哪里来？算法如何通用？
传统的AI模型大多建立在文本和图片之上——ChatGPT读的是文字，Sora看的是视频。但物理世界的运行规则完全不同：一个机器人要拿起水杯，不仅需要”看到”杯子，还需要理解重力、摩擦力、握力的大小、杯子的材质和重量。
极佳视界的”双金字塔”体系，第一层是数据金字塔——通过大规模的真实物理交互数据采集，构建覆盖家庭场景和工业场景的多模态数据集。第二层是算法金字塔——从基础物理模型到特定场景的专用模型，形成分层递进的算法架构。
传统AI vs 物理AGI
| 维度 | 传统AI（大语言模型） | 物理AGI（极佳视界方向） |
|---|---|---|
| 输入 | 文本、图片、音频 | 视觉+力觉+触觉+空间感知 |
| 输出 | 文字、代码、图像 | 物理动作、机械控制指令 |
| 训练数据 | 互联网文本（万亿token） | 真实物理交互（百万小时级） |
| 核心挑战 | 幻觉、事实准确性 | 物理世界的不确定性、安全约束 |
| 落地场景 | 客服、写作、编程 | 家庭服务、工业制造、物流仓储 |
这种架构的优势在于可复用性——基础层的物理模型一旦训练完成，可以在不同场景之间迁移，而不需要从零开始。这也解释了为什么极佳视界能够同时布局C端家庭场景和B端工业场景。
三、从实验室到市场：家庭+工业的双轨落地
极佳视界的融资用途明确指向两个方向：“双金字塔”数据与算法体系的持续投入，以及C端家庭场景与B端工业场景的规模化落地。
在C端家庭场景，物理AGI的目标是让机器人真正走进千家万户——不仅能扫地、整理物品，还能理解复杂指令、完成多步骤任务。这需要模型具备极强的泛化能力和安全约束，因为家庭环境中充满了不可预测的因素。
在B端工业场景，逻辑则更加直接——提高效率、降低成本、替代高危作业。工业环境相对结构化，对精确性和可靠性的要求更高，但对”智能程度”的要求反而低于家庭场景。
💡 关键洞察
物理AGI的商业化路径，本质上是一条“先B后C”的逻辑。工业场景虽然技术门槛高，但付费意愿明确、ROI可量化；家庭场景虽然想象空间更大，但需要等待硬件成本下降、模型泛化能力提升、以及消费者接受度的逐步培养。
四、460亿赛道：中国具身智能的”军备竞赛”
极佳视界的10亿B2轮融资，只是2026年中国具身智能赛道资本涌入的一个缩影。
据公开数据，截至2026年中期，已有超过460亿元资金涌入中国具身智能领域。这个数字背后，是从海底机器人到家庭服务机器人，从工业机械臂到全尺寸人形机器人的全方位布局。
回顾2026年的几个标志性事件：
- 1月：智谱GLM-5.2以MIT协议开源，中国大模型首次在全球范围内大规模开放
- 3月：优必选U1人形机器人10天预售3800台，证明消费级机器人市场存在真实需求
- 4月：世航智能海洋具身智能公司完成超10亿元A轮融资，朱啸虎第五次加注
- 5月：大晓机器人完成天使+轮融资，累计融资达数亿美元，成为具身领域最快独角兽之一
- 6月：极佳视界拿下10亿B2轮，物理AGI从概念验证进入规模化落地阶段
“硬件、数据、模型，三者的结合还不够。在海外，Figure、特斯拉等头部具身企业，都在内部整合硬件研发、数据采集和模型训练，以此提高协同迭代的效率。在国内，这套闭环尚未形成。”
—— 大晓机器人董事长王晓刚
五、挑战与隐忧：物理AGI的三道坎
尽管资本热情高涨，但物理AGI的商业化之路仍面临三道难以回避的坎。
第一道坎：硬件迭代周期远长于模型。软件可以一周更新一次，但硬件的供应链、模具、测试周期通常以月甚至年计。这意味着，即使模型能力大幅提升，硬件的滞后效应也会拖累整体迭代速度。
第二道坎：数据采集标准缺失。与大语言模型的”互联网文本即数据”不同，物理交互数据的采集需要专门的设备和场景。目前行业内尚无统一的数据采集标准，各家各自为战，导致数据孤岛严重，难以形成规模效应。
第三道坎：安全与监管。当AI开始操控物理世界中的物体——无论是工厂里的机械臂还是家庭中的服务机器人——安全问题就不再是”说错一句话”那么简单。一次误操作可能导致人身伤害或财产损失，这对模型的可靠性提出了近乎苛刻的要求。
六、小结
📌小结
- 极佳视界10亿B2轮融资标志着物理AGI从实验室走向规模化商业应用的关键节点。
- “双金字塔”数据与算法体系是核心竞争力，覆盖C端家庭与B端工业双场景。
- 2026年中国具身智能赛道累计融资超460亿元，资本热度持续升温。
- 硬件迭代、数据标准、安全监管是物理AGI商业化的三大挑战。
🔥 关注 xlb.baby
获取最新AI前沿动态与深度分析。我们每天为您筛选最有价值的AI故事，用数据说话，用逻辑拆解。
xlb.baby — AI时代的深度资讯站
本文综合自36氪、硬氪、富途牛牛等公开报道。数据来源：极佳视界官方公告、36氪投融资数据库。
发表回复