01
最新动态
完成数亿元 Pre-A 轮并披露规模化预训练路线
亮源新创公告称本轮由国科投资领投，招商局创投、襄禾资本等参与，资金将用于大模型训练、多模态数据基础设施与软硬件全栈研发；公司同时披露团队超过 100 人、研发人员占比超过 90%。以上团队规模与资金用途均为公司口径。
查看原始来源 ↗02
详细技术路线
数据入口以互联网规模的人类活动视频承载动作、任务进度和可供性先验，通过大规模清洗、切分与质量控制形成预训练语料；再用遥操作、真机轨迹和部署失败补足视频缺失的精确动作、力觉与本体状态。→
世界表征将人类行为压缩为可跨环境、跨任务与跨本体复用的 Universal Action Representations，并以“观察状态、预测动作”而非生成漂亮视频作为最终目标；公开材料尚未给出完整表征接口与模型卡。→
策略与控制内部同时探索自回归与 Flow Matching，现阶段更重视自回归预训练的扩展效率；模型框架在多个端到端策略之上组织能力，再用机器人数据完成动作空间、动力学和安全约束的对齐。→
本体部署当前以自研人形、低自由度轮式平台和 Lightbot 0 做真机验证，也曾测试宇树本体；近期产品优先选择视频覆盖更充分、接触精度要求较低的通用移动与交互能力。→
反馈闭环让新本体接入、真实运行、人工接管与失败恢复不断校准行为表征；路线成立的关键指标应是新任务和新本体所需真机数据、适配人天与接管率持续下降，而非内部的模型代际比喻。
TECHNOLOGY / 补充技术机制与验证证据
- 数据入口：把互联网人类视频视为预训练规模来源，抽取动作、任务进度、物体可供性与行为常识；再用遥操作、机器人轨迹和部署失败补足视频中不可见的关节动作、力、触觉与奖励。公司称过去一年超过一半研发投入用于视频清洗与处理，但未公开小时数、版权结构和质量分层
- 世界表征：以 Universal Action Representations 压缩可跨环境、任务和本体迁移的人类行为，最终目标是观察状态并预测可执行动作，而非只生成未来画面。公开材料尚未说明潜动作是否离散、如何处理相机运动与视觉混杂、怎样绑定机器人形态
- 策略与控制：内部同时研究自回归与 Flow Matching，现阶段更重视自回归预训练的扩展效率；模型框架位于多个端到端策略之上，再通过机器人数据完成动作空间、动力学和安全约束的对齐。所谓内部“GPT-2.5 / GPT-3.5”只是资源与能力代际比喻，不是行业基准
- 本体部署：近期先做通用移动，理由是公开视频对人体移动的覆盖更充分、接触精度要求通常低于灵巧操作；LightParkour 已证明团队能把短人类动作种子、物理仿真和深度策略落到自研本体，但尚未证明互联网视频基础模型或跨本体模型已达到产品级
03
创始人、核心成员与团队规模
公开团队规模：团队规模：2026 年 5 月访谈披露约 60 名全职成员。人员任职信息更新至页面标注日期。
- 姜旭（Roger Jiang）：创始人兼 CEO；曾在 OpenAI 参与 InstructGPT、ChatGPT、GPT-4 的预训练、对齐、优化和基础设施工作，也是 InstructGPT 论文作者之一；美国马里兰大学物理学博士。OpenAI 官方贡献页可核验其参与范围，不宜把团队成果简化为个人“发明”
- 团队规模：2026 年 5 月访谈披露约 60 名全职成员；2026 年 8 月公司融资公告披露已超过 100 人、研发人员占比超过 90%。两者对应不同时间点，均为公司口径
- 团队背景：公司披露成员来自 OpenAI、大疆、微软、华为、字节跳动等机构，覆盖模型、算力、数据、硬件和部署；完整核心管理层、研发负责人名单及人员留存数据尚未公开
04
上下游、产品和商业部署
UPSTREAM & ECOSYSTEM / 上下游与生态
- 国科投资领投 2026 年 8 月 Pre-A 轮，招商局创投、襄禾资本等参与；投资关系不等同于产品、供应链或客户合作
- 截至核验日，公司未披露付费客户、量产代工方、核心传感器与执行器供应商，也未公开轻量级具身智能体的商业部署合同
PRODUCTS / 产品
- Physical AI 基础模型：以人类行为压缩和泛化为核心，目标形成跨环境、跨本体的 Universal Action Representations；截至核验日未发布公开模型卡、API、参数规模、训练数据构成或标准化机器人评测
- Lightbot 0 / LightParkour：90 cm、18.9 kg、21 个主动关节的自研研究本体，通过 Real2Sim2Real 训练单一循环深度策略；项目页报告 50 Hz 机载运行和零样本 Sim-to-Real，属于运动控制研究证据
- 轻量级具身智能体：访谈披露的首款产品方向，优先提供通用移动、思考与交互能力，而非单纯陪伴机器人；名称、售价、量产时间、续航和服务模式尚未正式发布
- 多本体软件栈：公司称已自研人形与较低自由度轮式本体，也曾在宇树机器人上实验；长期希望模型覆盖双足、四足、轮式和数字人，当前适配接口和第三方开发计划未公开
COMMERCIAL DEPLOYMENT / 商业部署
- 公开访谈提到曾在宇树机器人本体上进行实验验证；未见双方正式商业合作、采购规模或联合产品公告，因此只记为技术试验，不列为已确认合作伙伴
合作仅指公开战略合作、联合研发、适配、客户部署或产业协同；分类依据公开表述，不把同一生态中的出现推断为正式订单。
05
融资情况
- 融资阶段：Pre-A 轮（2026-08）
- 融资总额：2026-08 完成数亿元人民币 Pre-A 轮；此前轮次金额未完整公开
- 2026-08-14：完成数亿元人民币 Pre-A 轮，国科投资领投，招商局创投、襄禾资本等参与；资金用于大模型训练、多模态数据基础设施、软硬件全栈研发与招聘
- 2026 年 5 月访谈提到公司在 2025 年上半年完成首轮融资，但轮次、金额与投资方未见同等清晰的正式公告
- 累计融资总额与最新估值未公开披露；不以“数亿元 Pre-A”反推公司估值
06
竞争定位、差异性与相似公司
POSITION / 竞争位置
以“预训练优先”切入 Physical AI 基础模型：先从海量人类视频压缩行为先验，再用较少真机数据完成机器人动作对齐，近期产品选择通用移动能力而非高精度灵巧操作。
DIFFERENTIATION / 核心差异化
与把遥操作轨迹作为主要规模来源的路线相比，亮源新创把稀缺机器人数据放在对齐环节，把互联网视频放在预训练环节；差异的核心不是数据量口号，而是能否让一种本体学到的行为先验降低下一种本体的接入成本。
MOAT / 竞争壁垒
潜在壁垒来自视频清洗与行为抽取管线、大模型预训练和对齐经验、通用动作接口以及自研本体反馈闭环；在公开学习曲线、跨本体适配成本和连续部署数据出现前，这些仍是待验证的系统能力。
INSIGHT
相关深度洞察
07
信息来源
优先采用公司官网、监管 / 政府信息和正式公告。来源旁的日期为信息更新日期，不一定是事件发生日期。