news.pedaily.cn
首发｜地平线元老带队，叮当动力首轮融资数千万元
叮当动力成立于2026年，专注于空间智能大模型研发，致力于通过物理Agent与机器人实体的深度融合，让AI真正理解并融入物理世界。创始人牛建伟为地平线前高管，本轮融资由地平线领投。
互联网巡回犬 Vol.21：地平线元老回来造「懂空间的 AI 大脑」，阿里系三人组三年等来 Agent 爆发，和一个自掏腰包押注「终极 AI 界面」的连续创业者
本期叼回三个项目：只当动力（北京，地平线前高管牛建伟，数千万种子轮，地平线领投）做空间智能大模型+物理 Agent，让机器人真正理解场景而非只执行任务；未来式智能（北京，阿里达摩院三人组，Pre-A 轮融资）三年在能源和金融行业深耕 B 端 Agent，月 ARR 1200 万，发布「袋袋」——AI 专家版京东；Hark（旧金山，Figure.AI 创始人 Brett Adcock，$700M Series A，$6B 估值）造「终极 AI 界面」，软件+专属硬件押注普通人的个人 AI，产品尚未发布。
리서치 브리프
今天叼回两个国内项目和一个美国项目。国内的两个都在答同一个问题：当大模型能力已经基本拉平，Agent 的真正壁垒长在哪里？一个在物理世界找答案，一个在企业专家知识里找答案。海外那个则是典型的「贵到没朋友」——$700M Series A，产品还没发布，创始人先出了几亿自己的钱。
叮当动力：地平线前高管做的「物理 AI 大脑」，成立数月种子轮数千万
北京，2026 年成立，种子轮数千万元，地平线领投，正景基金跟投
先交代背景。百度语音技术部→地平线→创业，这条路走下来的人，往往对一件事判断很清楚：感知是可以被解决的，决策才是真正的战场。叮当动力的创始人牛建伟，就是这个背景。
牛建伟 2012 年在百度 IDL 率先跑通了 GPU 深度学习训练，2015 年跟着余凯去地平线，从算法工程师一路做到智能座舱产品线总经理。在地平线的年头，他见到的不是算法竞赛，而是一套从芯片到场景闭环的产品化思路——这对他后来的创业路线影响明显。更值得注意的是，他在 2023 年就提出了 Post-training 的概念，用极少量数据激发垂直场景能力，这在当时还不是主流。1
叮当动力的核心判断是：当前 VLA（视觉-语言-动作）模型有三个根本缺陷——开环无反馈（不能纠偏）、跨本体迁移成本高（同一套算法换个机器人本体就要重训）、任务驱动而非场景理解（无法应对非结构化真实环境）。他们给出的方案是「空间智能大模型+物理 Agent」框架：把「大脑」放在云端，继承大语言模型的 Scaling Law，同时在本体层用工具集抽象实现软硬解耦——一套云端空间智能大脑，可以跨四足、轮式、人形等不同本体复用，Physical Agent 层具备记忆和在线自学习能力，机器人能在真实环境里持续试错和积累经验。
링크 미리보기를 불러오는 중…
这套方案解决的核心矛盾是：传统 VLA 像在做「任务训练」，而叮当动力想做的是「场景理解」。前者的机器人知道怎么搬箱子，但箱子位置稍微变了就懵了；后者的机器人能理解整个车间的空间语义，主动判断该怎么做。
1融资方是地平线领投，这不只是产业背书那么简单。地平线自身在智能驾驶感知芯片上积累了多年的空间理解数据和场景建模经验——叮当动力的云端空间大脑，跟地平线的感知能力之间存在很强的互补关系，而不只是一次财务投资。
现在公司成立才几个月，种子轮的钱主要投向「空间智能大模型+物理 Agent」框架的开发和真实场景数据闭环体系搭建。可以参考的对标是：做具身智能数据基础设施的 OriginFlow（渊澈太初，已在 Vol.20 报道），两者方向不同——叮当做的是端到端的智能大脑，不只是数据层。
未来式智能：阿里达摩院三人组三年做 Agent，等来爆发，顺手做了个「AI 专家版京东」
北京，2023 年成立，Pre-A 轮融资，凡创资本+中关村资本+探元资本领投，老股东麟阁创投+东证创新跟投
这家公司的故事从一个反向判断开始。2023 年，国内「百模大战」打响，所有人都在卷基础模型。阿里达摩院的杨劲松却选择做 Agent——他的理由是：「大模型会成为像水电一样的基础设施，但企业需要的不只是聪明的大脑，而是一套能交付结果、基于数据决策和做事的系统。」
这不是后验的正确，而是当时就有信息优势的判断。杨劲松在达摩院之前，曾在字节飞书负责 AI 与大数据产品，2021 年发布的 AliceMind 就是通义千问的前身。他是国内第一批亲手训练过大模型的人之一，所以当别人刚开始看这波浪潮的时候，他已经知道通用基模的边界在哪里，也知道它覆盖不了什么。2
三人团队覆盖得很整：杨劲松负责产品和战略，CSO 王骏是清华电机系硕士、哥伦比亚大学电子工程博士，有谷歌研究中心和阿里云经历；COO 邹阳主导过阿里云多个大型 AI 项目，担任过达摩院商业化总监。创新工场是第一个进入的投资人——当时连 demo 都没做完，李开复团队拿着团队背景直接拍板。
产品路线两段式走得比较清晰：第一段是 B 端。能源、金融、高端制造，主要切那些数据不标准、流程复杂、需要行业知识才能落地的场景。华东电网做合同审核，效率提升超过 80%，这是第一批种子客户；国网 20 多家电力公司，100% 续约，每年新增，B 端粘性很稳。灵搭 1.0 是这个阶段的载体，本质是「生成 Agent 的工厂」，用户通过图形化工作流把专家经验沉淀成 Agent。2
第二段就是 5 月 20 日这轮融资同期发布的「袋袋」——把大企业验证过的成品 Agent，打包成「AI 专家版京东」，让中小团队和个人用户直接雇佣数字员工，按结果付费。同时各领域专家也可以在平台上售卖自己的数字分身获得持续收入。上线一个月 ARR 已经到 1200 万，平台上 Agent 任务成功率从 72% 提升到 91%。这套逻辑的供给端是灵搭持续生产 Agent，需求端是袋袋持续扩大用户规模——数据飞轮在原理上是通的。
有一个结构性的问题值得提：国内做 Agent 应用的公司不少，但大多数还在「功能演示」阶段，真正完成从 B 端大客户到 C 端双边平台跨越的极少。未来式智能在能源行业的深度渗透，加上已有的企业级技术积累，是它做「袋袋」时其他竞争者拿不走的东西。
링크 미리보기를 불러오는 중…
Hark：Figure.AI 创始人自掏腰包造「终极 AI 界面」，$700M Series A，产品尚未发布
旧金山，2025 年底成立，$700M Series A，$6B 估值，Parkway Venture Capital 领投，Nvidia / AMD / Intel Capital / Qualcomm Ventures / Salesforce Ventures 等跟投
Brett Adcock 这个名字，AI 圈和机器人圈都不陌生。他是电动飞行汽车公司 Archer Aviation 的联合创始人（2025 年 Archer 完成上市，当前市值超百亿），同时也是人形机器人公司 Figure AI 的创始人兼 CEO。现在他做了第三件事——Hark。3
Hark 成立时他自己先投了 1 亿美元，这之后才开始融外部的钱。公司目前 70 名员工，自建数据中心，跑 Nvidia B200 GPU。Series A 这一轮融了超过 7 亿美元，领投方 Parkway Venture Capital 外，战略方包括 Nvidia、AMD、Intel Capital、Qualcomm Ventures 以及 Salesforce Ventures——能同时拿到英伟达和 AMD 这两个芯片厂商的站台，说明这轮不只是在赌一个软件故事。
公司的方向是「通用 AI 界面」（universal AI interface），但对于产品具体是什么，Adcock 和团队几乎没有公开过细节。当前公开的线索只有：今年夏天会发布第一批多模态模型，之后会推出专为该系统打造的硬件设备，目标是成为让「普通人」真正能用的个人 AI 平台，而不是又一款面向开发者的工具。3
设计负责人 Abidur Chowdhury 是前 Apple 产品高管。他在接受采访时说了一句话，概括了 Hark 为什么觉得自己有空间：「（市场上）几乎所有人都在做帮助开发者写代码的工具，Anthropic 在冲 coding，OpenAI 在冲 IPO 前也在走同一个方向，没有人专注在给普通人做真正有用的界面和原生硬件。」
这个说法存在争议——Apple、Meta 都有类似布局，Google Gemini 也在推。但 Hark 的核心赌注不是在软件层面竞争，而是押注在「软件+专属硬件」的组合上。它面临的问题是，Meta Ray-Ban 眼镜、Android 眼镜都解决不了的那个核心矛盾：怎么在不让旁边的人感到不适的情况下，持续获取用户生活的上下文，并且不侵犯隐私？这个问题 Hark 目前也没有公开答案。
现在市面上还有至少三种方向在竞争同一个终极 AI 界面的位置：穿戴设备（眼镜、项链、戒指）、手机原生 AI OS 改造、以及完全新形态硬件。Hark 倾向于后者，但产品没发布，一切都还是预测。
링크 미리보기를 불러오는 중…
一个横向信号
三个项目放在一起，有一条隐约的线：AI 基础设施层已经拥挤，真正有结构性机会的地方在「专业场景的知识密度」和「物理世界的空间理解」。叮当动力押的是机器人大脑的通用化；未来式智能押的是行业专家知识的数字化；Hark 押的是「下一代人机界面」的硬件+软件组合。三条路都在逃离纯模型能力的竞争——只是逃的方向不同。
이 콘텐츠를 둘러싼 관점이나 맥락을 계속 보강해 보세요.