AI与机器人结合
搜索文档
合碳智能完成5000万融资,机器人正在有效走进实验室
暗涌Waves· 2026-03-12 08:57
公司核心技术与产品 - 公司研发的“物理AI科学家”机器人Talos,在百济神州的实验室中成功进行了为期50天的药物分子纯化试运行,在已完成的15个分子纯化实验中,累计执行超过3000次物理操作,在执行层面保持零失误,实验结果层面成功14个,成功率达93% [3][8][15] - Talos的核心在于其“大脑”,即通过专有的视觉-语言-行动(VLA)架构,使机器人具备实时推理、规划与错误恢复能力,其专业能力在特定场景下已达到拥有10年经验的人类专家水平 [4][12] - 该机器人的硬件采用可租赁的标准双臂移动机器人,关键在于公司通过自主研发的传感器,为其注入了专业实验操作技能和药物研发预测能力,实现了“硬件标准化、软件定义能力” [3][10] - 公司为机器人注入了两个层面的能力:一是通过视觉和力感知控制机械臂完成精细操作的“肌肉记忆”;二是基于专业模型的判断力,两者结合形成自我迭代的闭环 [11] 公司融资与创始人背景 - 公司近期完成了5000万人民币的新一轮融资,由涌铧投资领投,韦豪创芯和个人投资者跟投,首轮融资于2022年8月由云启创投领投 [3] - 创始人兼CEO陈志刚是互联网医疗与制药领域的老兵,曾担任阿里健康首席架构师/算法和模型团队负责人、腾讯医疗大数据实验室创始人,以及药明康德第一任首席数字官(CDO) [5] - 创始人的创业逻辑源于对传统自动化设备“刚性、高成本、无法跨场景复用”局限性的反思,旨在打造一个通用的、由软件定义的机器人科学家 [5] 目标应用场景与市场定位 - 公司选择“药物分子纯化”作为首个切入场景,因为该环节占据了药物研发中约50%的时间,使用机器人可将研发周期缩短一半 [9] - 公司的目标不仅是替代人类科学家,而是希望未来让机器人处理80%的常规分子纯化工作,释放科学家时间以专注于更具创造性的研究决策 [8][15] - 公司计划沿着药物开发生命周期拓展能力,下一步将进入临床前的ADME(药物代谢动力学)实验,后续延伸至临床阶段的合规生产及商业化阶段的柔性产线 [16][21] - 公司的技术平台具备向其他领域迁移的潜力,目标场景包括干细胞治疗的质量控制、化妆品行业的个性化柔性生产等具备“小批量多批次”、“连续制造”且“对环境适应性有要求”特点的物理场景 [16][17][18] - 公司的愿景并非仅是实验室机器人公司,而是致力于打造由软件定义的、能够感知物理世界并实时调整的智能体,重塑未来的制造业范式 [18] 行业痛点与解决方案 - 传统医药研发外包(CRO)模式高度依赖高密度专业人才和流程协同,面临规模化过程中的组织效率与成本约束 [19] - 传统自动化解决方案多为“专机专用”的固定式工作站,存在灵活性差、改造成本高、无法跨场景复用的致命弱点 [5][10] - 公司提出的解决方案是将AI与机器人深度结合,用软件消化硬件的差异性,以解决“物理执行”这一规模化瓶颈,并与现有CRO模式形成互补,创造新的协作范式 [5][19]
王兴兴,想让机器人干更多活
36氪· 2025-09-13 10:32
公司发展现状 - 公司是全球四足机器人市场的领头羊 2024年其四足机器人全球市占率高达69.75% 其中G1产品累计出货量超5万台 占全球消费级足式机器人市场60%以上份额 [3] - 公司年营收已超过10亿元 自2020年以来财务报表每年都保持盈利状态 去年净利润接近1亿元 今年上半年业绩也很不错 [3] - 公司已完成至少10轮融资 投资方包括腾讯 阿里巴巴 蚂蚁集团 美团 吉利 中国移动等产业巨头 以及红杉中国 顺为资本 深创投等顶级VC 最近一轮C轮融资后公司估值已达120亿元人民币 [6] 资本市场进展 - 公司正积极筹备IPO 预计将在2025年10月至12月期间向证券交易所提交文件 证监会网站已于7月18日披露上市辅导备案报告 [2] - IPO被视为实现市场卡位的关键一战 机器人赛道目前处于百舸争流状态 智元机器人 银河通用 自变量机器人 傅利叶智能 UniXAI等玩家都在被资本争相押注 [7] 行业前景与机遇 - AI发展重心正从虚拟世界向物理世界延伸 人形机器人被认为是AI商业化落地的关键形态 [2] - 全球四足机器人市场规模预计将从去年的约25亿美元增长至2034年的136亿美元 年复合增长率高达18.7% [3] - 人形机器人赛道想象空间更为宏大 预计其市场规模到2035年可能突破1000亿美元 年复合增长率接近惊人的47% [3] - 科技巨头已形成"让AI干活"的共识 英伟达 特斯拉 华为相继宣布其人形机器人将实现量产 黄仁勋预测通用人形机器人的"ChatGPT时刻"即将到来 [3] 技术挑战与应对 - 具身智能发展仍存在挑战 包括高质量数据以及模型算法层面 [4] - 数据采集和质量问题比较突出 需要提升数据利用率 多模态数据融合不理想 模型与机器人控制模态对齐存在难点 [5] - 根据生成视频让机器人学做家务时 视频生成与控制模态的对齐仍非常有挑战 [6] - 公司作为硬件产品公司 面临业务快速发展带来的组织管理挑战 需要探索更高效的组织管理方式以应对人员规模扩大后的协作效率降低 [6] 战略定位与愿景 - 公司致力于"让AI干活"的物理应用 将AI与机器人结合真正落地 改变物理世界被视为AI最大的想象力 [2][3] - 公司需要借助资本力量实现跨越式发展 只有如此才有可能留在最后的牌桌上 [7] - 公司要让市场看到一个由机器人深度参与的未来 正以前所未有的速度袭来 [8]