无界动力
Boundless Dynamics
以共享隐空间世界模型、强化学习和失败知识库训练长时序操作能力,重点提升高精度任务中的失败归因与自主恢复。
路线特点与关键观察
- 聚焦通用具身大模型与跨本体迁移,强调从互联网 / 人类视频、仿真和少量真机数据中学习可迁移策略。
- 关键验证不是单项演示,而是同一模型在不同本体、任务和场景中的零样本或少样本成功率。
最新动态
详细技术路线
失败样本与隐空间因果的组合很鲜明,但“使用失败数据”不再独家;关键是失败归因和恢复策略是否可复用。
- 选择路径:隐空间世界模型(Latent Space World Model)+ 强化学习闭环
- 与主流差异:有意的非 VLA 架构选择,与行业主流端到端 VLA 划清界限
- MWA™ 逻辑:在隐空间完成多模态信息的统一表征、训练与推理闭环,声称减少 VLA 范式在语言与动作跨表征映射中的信息衰减
- 强化学习:承担持续迭代决策策略的角色,与世界模型形成闭环协同
关键人员
张玉峰创始人兼 CEO
许闻达联合创始人兼 CTO
夏中谱联合创始人兼联席 CTO
- 创始人/首席执行官:张玉峰 前职:地平线(Horizon Robotics)副总裁兼智能汽车事业部总裁
- 联合创始人/CTO:夏中谱(2026-04 公开报道) 经验年限:国内最早世界模型和强化学习研究者之一,15+ 年经验
- 技术路径:隐空间世界模型(MWA™)+ 强化学习闭环,不同于主流 VLA 架构
落地场景
上下游、产品和商业部署
产业资本与机器人硬件伙伴
强化学习与仿真训练设施
工业 / 商业高价值场景
全球本体厂商与集成商
“合作”仅指公开战略合作、投资协同、联合研发、部署或公开资料明确提及的适配关系;不把同一生态中的出现推断为正式商业合同。
- 主力产品:MWA™(Mind-World-Action)通用具身智能大脑
- 产品定位:软件/大脑层公司,非本体制造
- 交付模式:软硬一体方案,由合作伙伴制造执行本体,集成 Unbounded 大脑
- K15 机器人:执行本体型号,已发布图片但具体规格有限,由合作伙伴制造
- 首代双臂轮式机器人:2025 年 11 月正式进入工厂部署(来源: 36Kr (2025-11-11))
- 最大订单:超 ¥5 亿全球市场订单,来自远景科技集团(2026-04-27 签署)
- 部署区域:欧洲、亚洲等多国
- 历史追溯:2026-02 已披露数亿元海外订单(即同一订单)
- 赛道意义:具身智能赛道首个亿元级海外订单、国内具身最大规模单笔出海合同
- ZF LIFETEC(采埃孚旗下汽车安全):战略合作,机器人已落地进入真实产线
- 欧摩威集团(大陆集团汽车子集团分拆上市):战略合作
- 国际知名连锁咖啡品牌:海外合作,开放式服务场景(具体品牌未公开)
融资时间线
3 亿元;红杉中国、线性领投
超 2 亿元
累计超 2 亿美元;北京市产业基金等参与
LATEST DISCLOSED- 融资阶段:天使++轮(2026-05)
- 融资总额:天使轮累计超过 2 亿美元(公司公开口径)
- 累计融资 2 亿元
- 投资方:远景科技集团、北京市人工智能产业投资基金、红杉中国、线性资本、高瓴创投 等
- 总金额:$200M+(天使轮连续子轮累计,2025—2026-04)
- 总金额是否估算:是(公开报道数字,非公司官方确认)
- 雷锋网/新浪科技 (2026-04-27) + 投资界
- 💡 天使轮 ¥3 亿细节:首轮天使融资由 HSG 中国与线性资本共同领投。地平线作为公司前东家也参与了投资,创始人余凯公开背书称”高度一致于地平线’软硬协同驱动智能时代’理念”。来源: 36Kr
- 雷锋网/新浪科技 (2026-04-27) + 东方财富
信息来源
优先使用公司、政府、监管与合作方一手页面。公司自报性能与规模保留原口径,但不改写为第三方已验证事实。
北京市投促:天使轮累计超 2 亿美元政府
↗02中国经济网:首轮 3 亿元与团队媒体
↗03上海交大工研院:天使+与技术路线机构
↗04RobotScope 公司信息行业平台
↗05独家|拿下5亿元海外订单,无界动力完成天使++轮融资公司/机构官网
↗06无界动力完成新一轮融资,天使轮累计融资超2亿美元公司/机构官网
↗07无界动力天使轮累计融资超2亿美元,获"具身操作智能"首个亿元级海外订单公司/机构官网
↗08无界动力完成天使++轮融资,获5亿元海外订单及超2亿美元累计融资公司/机构官网
↗09Sequoia Capital and Hillhouse Capital Team Up for Robot Investment媒体
↗竞争定位、差异性与相似公司
聚焦隐空间因果、失败知识和强化学习,目标是处理长时序、高精度且需要恢复能力的操作任务。
将失败归因和恢复策略系统化,并在共享隐空间中连接感知、动作与后果,使模型不仅模仿成功轨迹,也学习“如何不再失败”。
失败知识库、强化学习训练设施和真实任务恢复数据构成潜在壁垒;跨本体复用率和客户生产节拍仍是核心检验。