前华为 ADS 负责人融资 1400 万美元，做从视频重建触觉的灵巧机器人 AI
格物同知的视频到触觉流水线绕开手套，以互联网规模训练机器人触觉
一家由设计了华为商用自动驾驶系统核心世界模型架构的工程师创立的杭州创业公司，已完成约 1 亿元人民币 —— 约 1400 万美元 —— 的天使轮融资，用于构建这样一种机器人操作 AI：它学习触觉不是靠物理手套，而是靠看视频。如果这一方法能在规模上奏效，它会把那套「把互联网文本变成语言模型智能」的数据飞轮逻辑，应用到灵巧机器人最顽固的瓶颈之一：触觉数据。
格物同知，大致意为「探究事物以扩展知识」，于 2026 年 8 月由蔡佳博士创立。本轮由宏富资产管理领投，参投方包括作为鞋类制造战略伙伴进入的匹克投资，以及杭州资本、杭州人才集团、杭州润淼基金、杭州颠覆性成果转化基金、一只省级具身 AI 基金和几家未披露的上市公司。枫质资本担任独家私募融资顾问。该交易最先由 36Kr 报道。
为什么物理反演不是标准的世界模型
机器人和自动驾驶中使用的多数世界模型是前向模型：给定当前状态和一个计划动作，预测下一个状态。华为的 ADS 架构 —— 蔡佳博士参与构建的 WEWA 系统 —— 用的正是这种设计：一个预测驾驶环境如何演变的世界引擎，配一个在这些预测内规划车辆行为的世界动作模型。
格物同知把这个方向反了过来。它的「物理反演世界模型」接收一段观察到的动作序列 —— 一名工人拾取、放置、折叠或装配的视频 —— 并推断中介了那段运动的隐藏物理属性：每一刻施加的接触力、每个接触点的摩擦，以及所处理材料的柔顺性（刚度或软度）。
这是一个用物理先验增强的逆动力学问题。标准操作学习问的是「给定这个传感器读数，我在施加什么力？」，而物理反演问的是「给定这个可见的运动结果，必定存在什么样的力才能产生它？」模型不测量触觉数据 —— 它从能看见的反推它看不见的。
这一方法在蔡佳博士于华为内部钻研了六年的问题上有直接的架构先例。构建一个从传感器观测预测驾驶环境物理行为的模型，在结构上等价于构建一个从视频观测推断操作接触物理行为的模型。对象更小、交互更快、力的范围更窄 —— 但底层挑战相同：从嘈杂、不完整的感官数据中学习真实世界的物理。
延伸阅读：特斯拉 Optimus 专利公开腱驱动手部蓝图，触觉层接踵而至
手套解决不了的触觉数据问题
问一名机器人工程师什么限制了灵巧操作，答案很快就来：数据。具体说是触觉数据 —— 人手接收并无意识地用来调节握力、避免压碎易碎物体、完成精细装配步骤的那股连续的力、压力和纹理信息流。
为机器人训练采集触觉数据确实很难。主流方法用带仪器的手套：一名工人戴上一个遍布力传感器和触觉垫的设备，执行目标操作任务，手套在记录手部运动学的同时记录接触力曲线。然后训练机器人策略来复现那些曲线。这行得通，但在工业规模上，它同时在三个维度上失败。
第一，戴手套改变了你的工作方式。该设备增加质量、降低灵巧度，并使某些握持几何变得不可能 —— 意味着你采集的数据系统性地低估了熟练工人不戴手套时实际使用的技巧。第二，基于手套的采集又慢又贵：每一种新的物体几何、每一种新材料、每一个新任务变体都需要新鲜的手套仪器演示。第三，由此得到的数据集以语言模型的标准衡量很小。一个资源充足的实验室或许能在数月内采集数百万个触觉样本；而人类执行操作任务的互联网视频，已经录好的就以数十亿帧计。
格物同知的 Real-to-Sim（R2S）流水线正是为把那些现有视频转换成触觉训练语料而设计的。来自车间摄像头的第一人称画面、来自装配线监控的第三人称视频，以及公开可得的制造演示视频，经由物理反演模型处理，为每一帧生成重建的力和摩擦标签。带标签的（视频，重建触觉）对成为操作策略的预训练数据。公司把这描述为实现「互联网规模」的触觉预训练 —— 十年前语言和视觉预训练用的正是同一个词。
PSI（物理自进化）系统在机器人部署后闭合回路。物理反演预测驱动任务规划；机器人执行；真实反馈 —— 包括视觉任务结果和任何可得的传感器信号 —— 衡量预测与现实匹配得多好。关键是，成功的轨迹和失败都成为训练信号。一个出错的动作，或一名监督操作员的手动纠正，更新模型而不是被丢弃。这类似于强化学习中的事后经验回放，扩展到了整条世界模型流水线。
蔡佳博士与华为血统
创始人的背景是格物同知在出产品前就吸引机构资金的最直接原因。蔡佳博士在西北工业大学完成博士学位，聚焦空间机器人的灵巧操作 —— 在零重力环境中对部件的精确操作，那里没有来自表面的纠正力可用，每一次接触都必须被明确规划。
在华为车 BU 2030 实验室，她升任世界模型基础模型项目负责人，并作为总监带领一个 100 人团队，负责 ADS 2.0 到 4.0 的核心算法开发。ADS 平台达到了百万台级的商业部署 —— 这一转变不仅要求一个可用的模型，还要求一个稳定可靠到能在大众市场消费车辆内运行的模型。她被提名进入华为科学家委员会，并获得公司最高个人技术奖。
ADS 与格物同知之间的连接组织，在公司描述自身技术的方式中是明确的。华为的 ADS 架构解决了构建一个准确到足以在真实交通中规划自动驾驶行为的世界模型的问题。格物同知的架构试图在接触力学的尺度上解决同一个问题：构建一个准确到足以在真实工厂车间规划操作行为的物理模型。对象不同；认识论挑战相同。
中国的灵巧操作竞赛，以及这家公司的位置
中国的具身 AI 板块已成为全球科技领域增长最快的投资类别之一。据多家中国科技刊物引用的行业数据，仅 2026 年上半年该板块就在 219 笔交易中吸引了 101 亿美元。「十五五」规划（2026–2030）把具身 AI 列为「未来产业」—— 这一分类触发省级和市级的强制政府联合投资，这有助于解释为什么三个杭州政府实体参与了一轮正式意义上的天使轮。
在这波更广泛融资潮中，灵巧操作细分十分拥挤。TARS（多模态具身智能）已融到更大的一轮，聚焦多模态具身系统。DexForce（灵动宇宙）已完成 A 轮。PsiBot 和 PokeBot 活跃于用直接触觉传感器方法的富接触操作。X Square Robot 在工业操作 AI 领域竞争。中国更广泛的机器人投资潮见证了板块领头羊在任何一家展示出生产级部署之前就融到数亿美元级的轮次。
这些公司中没有一家公开描述过可与 R2S 相比的视频到触觉重建流水线。所有已识别的竞争者都通过物理仪器采集触觉数据 —— 手套、内置于机器人手腕的力/力矩传感器，或定制触觉硬件。格物同知的架构差异化是真实的，但它也是公司主要技术风险的来源：一条产出系统性不准确触觉重建的流水线，会用错误的物理先验训练操作策略，使精细运动失败更难诊断，因为错误存在于训练数据中而非硬件中。
杭州的区位是刻意选择的。该市大力投资，与北京（人形机器人）和深圳（制造硬件）并列建立具身 AI 集群。中国超过一半的具身 AI 公司集中在长三角，而杭州市政府于 2026 年 5 月发布法规支持具身智能机器人产业，并在当月启动了一个具身智能 AI 应用国家试点中心 —— 市级资金明确投向 AI 软件为主的创业公司，作为对深圳硬件制造优势的补充。
R2S 仍需自证之处
公司对其瞄准的运营语境很坦率：「双柔性 + 一高精度」。在与匹克投资的鞋类制造试点中，这指的是织物柔性（不可预测地变形的鞋面材料）、鞋底柔性（柔顺性可变的 EVA/橡胶化合物），以及要求受控力的高精度粘合或缝合步骤。这些恰恰是基于手套的训练数据最难采集、也最可能低估专家技巧的场景。
公司尚未公开讨论的是任何基于反演的方法固有的自举问题。物理反演模型必须先经过训练，才能生成可靠的触觉重建。那种训练需要一些真值触觉数据 —— 想必是在初始阶段通过手套或力传感器采集的 —— 来建立从视觉观测到力曲线的映射。那个初始真值数据集必须多大，以及模型能否准确泛化到其中未表示的材料和接触几何，是概念验证试点想必要回答的开放工程问题。
R2S 架构没有发表过经同行评审的验证。操作策略不存在独立的基准结果。首个概念验证交付的目标是在 2026 年底之前，届时公司将有真实世界的证据 —— 或一个修订的时间表。这轮天使轮的资金跑道正是为这一转变准备的：物理反演世界模型的大规模预训练、硬件建造、人才招募，以及来自试点部署的真实数据采集。
值得关注什么
最有意义的近期信号将是格物同知能否在其三个目标领域中至少一个交付承诺的年底概念验证。尤其是一个可用的织物操作概念验证 —— 软性物品被认为是最难的一类操作问题，恰恰因为织物变形高度可变且强烈依赖接触力历史 —— 将构成有意义的证据，表明 R2S 架构产出的训练信号质量足以驱动可靠的任务执行。
第二个信号是独立的技术验证。如果公司推进到 A 轮，进行技术尽调的机构投资者想必会要求公开的基准结果或对内部评估数据的访问。一篇描述物理反演架构的同行评审论文，会提供该方法在理论上成立的独立证据。
更广泛的战略含义取决于一个更简单问题的答案：触觉数据真能像语义意义从文本中被学到那样从视频中被学到吗？如果能，含义远超格物同知 —— 任何操作系统原则上都能在现存的海量人类制造录像语料上预训练。如果不能 —— 如果物理反演步骤引入的噪声太多而无助于精细运动控制 —— 公司的差异化就塌回它想要逃离的手套数据竞争，而它六位数的跑道已经花在了一个价值有限的预训练语料上。