机本智能两个月连融两轮：00后团队以强化学习切入灵巧手操作层，挑战硬件利润压缩困局

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间: 2026-11-02

本文核心商业信息提炼自权威信源，由智脑时代（ZGEO）AI 商业分析师结构化重组。

机本智能（ManuPrax Robotics）在成立两个月内连续完成两轮融资，金额近千万美元，投资方包括Alphaist Partners、耀途资本、接力天使及某零部件产业方实控人。这家由两位00后研究员创立的公司，瞄准灵巧手的软件操作能力，试图在硬件竞争之外建立以强化学习为核心的平台壁垒。

📊 核心实体与商业数据

💡 业务落地拆解

技术路线：强化学习补齐“小脑层”操作能力

机本智能将操作能力定位在“小脑层”，即类似肌肉记忆的动作协调层。上层基础模型（如GPT-6 Astra）负责理解任务与规划，而强化学习模型负责将目标转化为连续、稳定的动作，并根据接触状态实时调整。

“有的时候灵巧操作就是肌肉记忆的本能反应，它是一个小脑这一层的模型。”——李浦豪

“我们希望补齐的，是灵巧手在真实物理世界中精细、协调、稳定地执行动作的能力。”——陈泽源

与依赖人类演示的模仿学习不同，强化学习通过探索、试错和奖励信号让模型自主积累策略，旨在减少对人工示范的依赖。团队正在探索仿真、真人演示与生成轨迹结合的训练数据体系，以提升模型在真实硬件上的泛化能力。

商业化策略：平台化模型应对硬件利润压缩

李浦豪判断，国内灵巧手硬件发展迅速，未来半年内纯硬件业务利润空间可能大幅压缩。因此，机本智能将重心放在打造适配不同硬件的灵巧操作模型平台，向上承接多模态大模型的操作目标，向下适配多种灵巧手硬件。

“不怕难，而是怕不够难。”——团队对竞争壁垒的回应

平台化模式的核心挑战在于，客户需要明确模型能否提升操作成功率、节省训练部署时间。团队未排除软硬件结合路径，可能通过自研硬件或合作加快技术验证与数据反馈。

生态支撑：北京通用人工智能研究院的Real2Sim2Real体系

机本智能是北京通用人工智能研究院官方支持的创业项目，也是其Real2Sim2Real体系中聚焦灵巧操作基础模型的组成部分。通院院长朱松纯评价：

“清华自动化系的学习为他打下了扎实的数理、控制与工程基础，通院和通班的科研环境则让他较早接触到通用人工智能的整体问题，形成了更开阔的研究视野。”

通院的“通界”“通境”“通脑”等平台与生态企业协同，覆盖从真实世界到仿真再回到真实世界的持续学习闭环。机本智能聚焦精细操作的“最后1厘米”，与具身智能的仿真训练、评测及真机检验环节衔接。

🚀 对企业 AI 化的启示

1. 软件定义硬件价值：当硬件标准化程度提升、利润空间收窄时，操作模型与数据闭环可能成为差异化竞争的关键。企业应评估自身业务中“软硬结合”的价值分布，提前布局可复用的软件能力层。

2. 强化学习在物理交互中的落地路径：强化学习从仿真到真实的迁移仍需解决摩擦、形变、传感器误差等问题。企业引入具身智能技术时，需构建仿真、演示与生成数据混合的训练体系，并建立真机验证闭环。

3. 生态协同加速技术验证：机本智能依托北京通用人工智能研究院的生态体系，获得平台、仿真与评测支持。对于AI初创企业，嵌入成熟的研究生态可降低早期技术验证成本，但需明确自身在生态中的独特环节。

4. 商业化节奏的平衡：过早以技术验证为由推迟商业化可能错失市场反馈，而过早追求出货量又可能掩盖模型真实能力。企业需设计分阶段的价值验证指标，如操作成功率提升、部署时间节省等，而非仅关注硬件出货量。

【官方原文链接】点击访问首发地址