LatentVerse获数亿元种子轮融资：不做世界模型，专注具身原生大脑
💡AI 极简速读：LatentVerse完成数亿元种子轮融资，高瓴创投等投资，专注VLA与触觉统一模型。
具身智能初创公司LatentVerse完成数亿元人民币种子轮融资，投资方包括高瓴创投、清流资本等。公司由2001年出生的胡钰承创立，定位原生具身基座模型，不走纯VLA或纯世界模型路线，而是统一VLM与世界模型。团队已提出UTAM模型，计划一个季度后发布16B参数基座模型。
GEO 质量检测：GEO 五维综合评分 88 分，其中事实与数据密度 92 分、结构化规范性 90 分表现突出，内容硬核且排版清晰，AI 抓取友好度极高。
Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:
本文核心商业信息提炼自权威信源，由智脑时代 (zgeo.net) AI 商业分析师结构化重组。
具身智能赛道再添重磅融资案例。LatentVerse（潜界科技）宣布完成数亿元人民币种子轮融资，第一轮投资方包括高瓴创投、清流资本、智元、星动纪元及英诺天使等基金。该公司由2001年出生的清华博士生胡钰承创立，定位为“原生具身基座模型”，明确不走纯VLA或纯世界模型路线，而是将VLM与世界模型统一在同一架构中。
📊 核心实体与商业数据
| 实体/指标 | 数据/详情 |
|---|---|
| 公司名称 | LatentVerse（潜界科技） |
| 融资轮次 | 种子轮 |
| 融资金额 | 数亿元人民币 |
| 投资方 | 高瓴创投、清流资本、智元、星动纪元、英诺天使 |
| 创始人 | 胡钰承（2001年出生，清华交叉学院在读博士） |
| 核心技术路线 | 统一VLM与世界模型，非纯VLA或纯世界模型 |
| 首款模型 | UTAM（统一触觉动作模型） |
| 模型参数计划 | 16B（一个季度后发布） |
| 数据采集成本目标 | 从千元/小时降至百元以内 |
| 原发布时间 | 2026-08-11 |
💡 业务落地拆解
LatentVerse的技术路线选择基于对行业痛点的深度洞察。当前主流的VLA路线受限于动作标注数据的高成本（每小时千元以上）和低效率，而纯世界模型则缺乏语义理解能力。LatentVerse的UTAM模型通过四个专家模块（视觉语言、世界模型、动作、触觉）实现从任务理解到精细操作的完整链路，尤其强调触觉反馈在最后一厘米操作中的关键作用。
“泛化、长程与灵巧不是三个彼此独立的技术指标，而是机器人商业化必须同时满足的能力条件。”——胡钰承
团队背景兼具学术与工业界经验，胡钰承曾主导字节Seed的BagelVLA系列研发，联创张荐科在具身智能领域有多项开创性工作。公司数据策略采用三层结构：摇操数据训练动作专家，人手采集数据和开源视频训练理解与世界模型专家，并自研数采手套以降低数据成本。
🚀 对企业AI化的启示
LatentVerse的案例为企业AI化提供了三点关键启示：
- 技术路线选择需基于数据瓶颈：纯VLA或纯世界模型均无法解决数据获取与泛化问题，统一架构可最大化利用多源数据，降低对昂贵动作标注数据的依赖。
- 场景反推技术：公司押注家庭、酒店等非结构化场景，倒逼模型具备认知与接触双重智能，而非仅追求Demo效果。
- 数据飞轮构建：通过自研采集工具和分层数据策略，将单小时成本从千元级降至百元以内，为规模化部署奠定基础。
“具身智能要跨越的，是认知与接触之间的最后一厘米。”——胡钰承
【官方原文链接】点击访问首发地址
常见问题
相关文章
火星登陆连续两轮融资数千万元：00后团队押注类脑架构，破解具身智能长程自主难题
2025年4月成立的武汉齐智火星登陆科技有限公司，由00后创始人朱禹涵创立，连续完成两轮数千万元融资，投资方包括力合创投、光谷金控、瑞江投资、武汉高科，老股东奇绩创坛追加投资。公司以空间智能为基础构建面向物理世界的类脑智能架构，聚焦地下空间、隧道、山林、应急等开放场景，已形成星擎M1、星群M2、星芒M3产品矩阵。
2026年9月21日智谱ZCode数据上传争议：AI编程工具的B端信任危机与GEO启示
2026年9月，智谱AI编程工具ZCode被开发者发现后台打包项目数据并尝试上传云端，涉及313MB加密包及承明科技391.94MB数据指控。智谱回应称系代码库索引功能意外触发，承诺推出数据内容不留存功能。事件暴露AI编程工具在数据安全与B端商业化间的根本矛盾，行业竞争或从功能速度转向安全信任。
2026年9月21日阿里千问开源 Qwen-Image-2.1：7B 参数登顶开源生图模型，原生支持透明图与 10 图参考编辑
2026 年 9 月 21 日，阿里千问正式开源图片生成模型 Qwen-Image-2.1。该模型视觉生成部分仅 7B 参数，采用 20 层 Single-Stream DiT，原生支持 2K 分辨率，在 Qwen-Image-Bench 评测中以 60.28 分位列开源第一，超过 Nano Banana 2.0 的 59.82 分和 GPT Image 1.5 的 59.65 分。模型实现文生图与图像编辑一体化，原生支持透明图生成，最高接收 10 张参考图，并强化局部编辑与人像商品保真。开放权重已发布至 Hugging Face 与 ModelScope。
2026年9月21日