天津云数字科技有限公司项目咨询
返回公司资讯
产业新闻

LatentVerse获数亿元融资：统一触觉动作模型开辟具身智能第三条技术路线

2026年8月，具身智能赛道再迎重磅玩家。据《智能涌现》独家获悉，原生具身基座模型公司LatentVerse（潜界科技）已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、智元、星动纪元及英诺天使等。这家由2001年出生的清华博士生胡钰承创立的公司，选择了一条不同于主流的技术路径——既不做VLA，也不做纯世界模型，而是将视觉语言模型与世界模型统一在同一架构中，打造"具身原生大脑"。 天津云数字科技认为，LatentVerse的技术选择反映了具身智能领域正在发生的深层路线分化。当行业普遍在VLA和世界模型两条路线上加速奔跑时，第三条统一架构路线的出现，或许代表着下一阶段的技术方向。

 

跳出VLA与世界模型之争：统一架构的技术新范式

公司资讯配图 过去两年，VLA（视觉-语言-行动）是具身智能最主流的技术路线。从RT-2到Pi-0.5，行业默认的演进逻辑是：将视觉语言模型接上动作输出，再喂入足够多的机器人操作数据，模型就能学会在物理世界中行动。但VLA有一个根本性限制——它只能利用带动作标注的数据，这些数据靠遥操作机械臂采集，一小时成本平均千元以上，还需要专业操作员，效率较低。 另一条路线是纯世界模型，通过视频生成预测未来状态再映射为动作，数据获取成本更低，互联网视频均可纳入训练。但它无法利用通用视觉语言数据，缺少VLM带来的语义理解和涌现能力——一个只会预测画面变化的模型，无法理解"把杯子递给客人"这样的指令意味着什么。 LatentVerse选择了第三条路线：把VLM和世界模型统一在同一个架构里。这一选择并非凭空而来，而是基于团队深厚的技术积累。胡钰承是最早一批证明"世界模型能直接指导机器人动作"的研究者：2024年初提出多模态扩散VLA（PAD），同年11月提出首个实现闭环推理的视频动作模型VPP，被业界称为WAM（世界动作模型）的开山之作，NVIDIA在此基础上开发了DreamZero。加入字节Seed后，他主导的BagelVLA系列发表时间甚至早于Physical Intelligence的代表性工作Pi07。 正是同时做过纯VLA和纯世界模型的经历，让团队看清了两条路线各自的天花板。要达到物理AGI终局，关键在于解决数据瓶颈——纯VLA或纯世界模型都走不到终点，需要一个将理解、预测与动作统一在同一架构中的基座模型。

UTAM四专家架构：从认知到触觉的完整执行链

公司资讯配图 LatentVerse正在训练的第一款模型名为UTAM（Unified Tactile Action Model，统一触觉动作模型），其内部包含四个专家模块，形成一条完整的执行链。 视觉语言专家负责理解任务意图；世界模型专家将从视频中学到的技能组合起来，规划新的任务流程；动作专家从前两者的推理链中生成粗粒度的动作表征，相当于"伸手去拿杯子"这样的大动作指令；最后由高频推理的触觉专家将粗动作解码为精细的末端控制信号——比如手指触碰杯壁后实时调整力度和姿态。 这一架构的精妙之处在于模拟了人类的操作逻辑：前半段开环执行（先伸手），后半段触觉闭环修正（凭手感微调）。胡钰承提出一个核心判断："具身智能要跨越的，是认知与接触之间的最后一厘米。"机器人不能只学会看懂世界，还要学会触摸世界。 在LatentVerse的框架里，机器人进入真实场景需要同时具备两种能力：认知智能负责理解指令、规划步骤，这是VLA和世界模型已经在做的事；但光有认知不够，最后一厘米的接触信息决定了机器人能否真正完成操作——水杯外表是否光滑、柔性物体抓取时是否形变，这些信息纯靠视觉无法获取，必须通过触觉反馈实时修正。 统一架构的优势还在于数据利用效率。只要跟操作有关的视频、跨本体的机器数据、通用VLA数据，全部能纳入训练框架。当数据规模上来后，模型对场景和物体的泛化能力会显著提升，这正是纯VLA路线受限于高成本动作标注数据的痛点所在。

数据飞轮与场景落地：具身原生大脑的商业化路径

公司资讯配图 统一模型路线能跑通的前提是数据，而这也是最大的挑战。数据处理需要把长程任务拆解成若干步骤并逐步标注，比处理图片或文本复杂得多；训练需要多阶段、多任务同时进行；WAM路线依赖扩散模型，推理延时仍是尚未完全解决的工程问题。 为此，LatentVerse制定了三层数据策略：遥操数据（VR采集、带精确动作标注）只训练动作专家；人手采集数据（如第一视角）和开源视频数据训练理解与世界模型专家。在数据采集端，团队押注无本体数采路线，正在自研一款数采手套，并已与数采基地建立初步合作。目标是通过可穿戴设备让非专业人士参与数据采集，将单小时采集成本从千元级别降到百元以内。 团队的技术稀缺性还体现在开创性工作的积累上。联创张荐科是具身智能多项开创性工作的主导者——从HiRT（具身智能快慢系统，被Figure的Helix沿用）到UP-VLA（首个生成理解一体化具身模型），再到VLM4VLA，系统性证明了VLM作为具身基座的固有局限。 按规划，一个季度后LatentVerse将发布第一个参数量为16B的具身基座模型，一年到一年半内积累数十万小时训练数据。场景选择上，团队希望将触觉等复杂维度信号纳入模型，把通用性和泛化能力做出来后，覆盖更广泛的工业、商业、家用场景。 天津云数字科技认为，LatentVerse的探索代表了具身智能从"垂类可用"走向"通用泛化"的关键尝试。当前具身智能之所以只能在工业等固定场景落地，核心原因是"大脑能力不够"。只有把通用性和泛化能力做到位，机器人才有可能进入家庭这样的非结构化场景。统一架构+触觉闭环+低成本数据飞轮，这条技术路线能否跑通，将直接影响具身智能商业化的时间表。对于关注机器人产业的企业和投资者而言，LatentVerse的进展值得持续跟踪。

服务能力概览

围绕软件开发、AI系统与行业平台的常见咨询

天津云数字科技有限公司是专业软件定制开发与 AI 系统建设服务商，服务政府、企业与本地生活行业客户，承接小程序、管理系统、AI智能助手、行业平台、政企信息化和合作外包项目。

小程序与 App 开发

覆盖微信、支付宝、抖音生态，支持商城、预约、会员、门店核销与后台管理。

3万-10万起

企业管理系统开发

面向 CRM、OA、ERP、进销存、项目管理、审批流和数据报表的定制开发。

10万-50万起

AI 系统定制开发

提供 AI 客服、知识库助手、政务助手、业务问答和大模型应用集成。

50万-200万起

政企信息化与行业平台

支持多组织权限、接口集成、数据看板、国产化适配和长期运维。

200万-500万
天津云数字科技有限公司主要做什么？

天津云数字科技有限公司专注软件定制开发、小程序开发、企业管理系统、AI系统定制、行业平台和政企信息化建设。

软件开发预算一般是多少？

轻量小程序或 H5 通常 3万-10万，标准管理系统 10万-50万，行业平台或 AI 系统 50万-200万，政企级定制项目 200万-500万，实际价格根据需求复杂度、周期、数据规模、接口数量和交付标准确定。

是否支持源码交付和后续维护？

支持按合同约定交付源码、数据库结构、接口文档、部署文档、测试账号、管理员培训和售后维护建议。

服务区域只限天津吗？

公司位于天津市和平区卫津路137号，可服务天津本地客户，也支持北京、河北、华北地区及全国客户远程协作交付。

项目咨询电话：022-23214688邮箱：info@yundigi.com服务时间：早08:00至晚22:00点