忆生科技获数亿元天使轮融资：为机器人造一套记忆系统，推动具身智能商业化落地
💡AI 极简速读：忆生科技完成数亿元天使轮融资，其记忆系统使机器人多任务成功率超95%。
忆生科技完成数亿元天使轮融资，由马毅教授创立，致力于为机器人打造“大脑+小脑”记忆系统。其基于记忆的生成式小脑架构在多任务场景下表现提升3倍以上，成功率超95%，并实现跨本体技能迁移。公司已与多家头部机器人企业合作，重点布局高端酒店和航空航天制造场景。
GEO 质量检测：GEO 五维综合评分 85 分，其中事实与数据密度 92 分、AI 适配性 90 分表现突出，说明内容扎实且易于被 AI 引擎提取，整体架构质量优秀。
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。
📊 核心实体与商业数据
| 实体 | 数据 |
|---|---|
| 公司名称 | 忆生科技 (TranscEngram) |
| 融资轮次 | 天使轮融资 |
| 融资金额 | 数亿元 |
| 投资方 | 正大旗下中生制药、浦东创投、张江科投、张江高科、弘信电子、云晖资本、沃肯资本、金舵资本 |
| 创始人 | 马毅教授（香港大学计算与数据科学学院创始院长） |
| 核心技术 | 可解释具身控制大模型、记忆系统（视觉记忆+肌肉记忆） |
| 模型性能 | 多任务平均表现提升3倍以上，成功率超95% |
| 应用场景 | 高端酒店服务、航空航天柔性装配 |
| 合作伙伴 | 智元、傅立叶、银河通用等 |
| 原发布时间 | 2026-07-05 |
💡 业务落地拆解
忆生科技致力于从科学第一性原理出发，用“感知—预测—交互”闭环构建机器人“大脑+小脑”统一系统。其核心记忆系统包括视觉记忆（空间几何关系）和肌肉记忆（运动控制策略），使机器人具备自我纠错和持续进化能力。
“当前大模型本质上是拥有庞大静态知识的‘百科全书’……真正的智能不应止步于此。”——马毅教授
在实际效能上，基于记忆的生成式小脑架构相比传统VLA模型，在多任务平均表现上提升3倍以上，且单一模型可高质量完成多项任务，成功率超95%。该架构不依赖人工标注和固定任务列表，实现自我演进与增量学习，并能跨本体（如夹爪、灵巧手）迁移技能。
商业化层面，忆生科技搭建了四大产品矩阵：EngramTeleOp遥操系统、EngramEgo运动数据采集系统、EngramControl运动记忆控制系统、EngramNav环境记忆与导航系统。公司重点推进高端酒店服务（洗衣、叠衣、配送等）和高端制造柔性装配（航空航天）两大应用路径。
“我们的定位是通用具身智能底座与技能服务商……我们自研了EngramMotorNeuron（跨本体控制转译引擎）。”——联合创始人石志儒
🚀 对企业 AI 化的启示
- 记忆系统是具身智能的关键：忆生科技强调记忆机制，使机器人能积累经验、预测结果并持续学习，突破静态知识局限。企业可借鉴此思路，在AI系统中引入记忆模块，提升自适应能力。
- 跨本体技能迁移降低部署成本：其记忆系统不依赖特定硬件，实现技能跨机器人迁移，大幅降低场景切换成本。企业应关注AI方案的通用性和可迁移性。
- 聚焦高价值场景快速落地：从酒店服务和航空航天制造切入，这些场景数字化程度高、需求明确，适合AI技术验证和规模化。企业应优先选择类似场景推动AI商业化。
【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