樞途科技完成近億元 Pre-A 輪融資，一個月內連獲三輪頭部機構投資，加速建設具身落地新基建

近日，樞途科技完成近億元人民幣Pre-A輪融資，本輪由鼎暉百孚、鯤鵬基金（大數據方向國家級基金）聯合領投，廣州產投、億合資本聯合投資，老股東趨勢投資超額追投。這是公司一個月內完成的第三輪融資。在持續完善現有視頻升維數據產品、提升交付能力的基礎上，本輪融資將進一步支持觸覺數據表徵訓練的研發與驗證，推動SynaTac觸覺產品線的技術與產品迭代，加快拓展面向機器人接觸策略訓練與端側部署的業務佈局。依託已完成交付與應用驗證的數據業務，樞途正通過 SynaTac 向接觸智能延展，與 SynaData 共同形成面向世界理解、接觸執行的雙引擎產品矩陣。

同時，公司開展具身數據與技能評測，將訓練數據供給、接觸策略研發與真實任務驗證相銜接，持續完善連接人類經驗與機器人真實作業的基礎設施能力。從落地出發，以可靠執行倒推具身訓練基礎設施據瞭解，公司CTO慕巍博士曾任硅谷具身先驅企業 Covariant AI 研發副總裁及中國區軟件負責人，樞途核心技術團隊以 Covariant AI 成建制算法團隊為班底，擁有豐富的算法開發及場景落地經驗。作為實踐過具身算法從demo到產品、到場景、到穩定運行的一線團隊，樞途明確認知到：機器人從“能演示”走向“可交付”，不僅依靠算法突破，更需要圍繞現場問題，推動數據、訓練與驗證持續迭代。

基於從現場問題出發的思路，樞途認為，具身算法落地的核心鴻溝包括大腦層對世界理解的不足和小腦層接觸執行的不穩定：海量的人類行為視頻升維數據可以幫助機器人理解任務，知道“怎麼做”；觸覺表徵建模的核心價值是支撐可靠執行，實現“做得好”。具身模型不僅要理解任務，而且要判斷接觸是否穩定，並根據滑移、形變與阻力及時調整力度和動作。因此，增加傳感器、採集更多信號並不等於獲得接觸能力，關鍵在於讓這些信息有效參與學習與操作，真正支撐可靠執行。統一表徵是樞途佈局接觸端基建的關鍵切入點。針對不同傳感器的數據差異，樞途圍繞操作所需的接觸信息建立模型可學習的結構化表達，讓不同來源的經驗進入共同的學習體系。

除此之外，機器人還需通過策略訓練學習應對不同接觸狀態，並在執行中利用實時反饋修正動作。樞途據此協同推進表徵、訓練與部署，以真實任務檢驗能力改進，延續團隊從現場問題出發、持續迭代的產品化方法。從產業分工看，這一佈局的潛在價值，在於錨定其物理AI基礎設施生態位，為觸覺數據處理、策略訓練與設備適配中的共性需求提供底層解決方案，減少產業鏈上下游團隊在新設備、新任務中的重複投入。雙引擎協同，從訓練數據供給向接觸智能延伸目前，樞途科技已建立面向世界理解和接觸執行的兩條人類行為學習引擎。SynaData 為樞途向接觸智能延展提供了成熟的產品與客戶基礎。

該產品線以真實場景中的人類行為數據為基礎，通過視頻升維、人-物交互重建與跨本體映射，將人類操作視頻轉化為包含動作軌跡、物體位姿與接觸信息的結構化、多模態訓練數據。目前，SynaData 已形成 Syna-Ego、Syna-Exo 和 Syna-RR 三類產品，持續服務超過 60%的百億估值具身智能獨角獸企業，並獲得頭部科技廠商批量採購。SynaTac 以觸覺數據的統一結構化表徵為基礎，研發重點包括物體、動作與接觸狀態的對齊，以及視覺、觸覺和機器人狀態的融合。在此基礎上，公司通過示教、交互與試錯訓練接觸策略，以高頻反饋修正動作，推進接觸智能在靈巧手及不同機器人本體上的端側訓練與部署。

這一產品線佈局與樞途既有的數據業務存在技術思路上的連續性。數據規模增長並不會自動帶來能力提升，還需要將人類行為中的空間關係、物體狀態、接觸與交互等物理信息轉化為可學習的表達。因此，雙引擎產品是在拓展樞途參與機器人能力形成的環節：從提供模型訓練所需的數據，進一步進入接觸經驗的表徵、策略訓練與部署。以真實任務檢驗數據與技能，為產業協作提供共同參照沿著真實問題驅動研發、以現場結果檢驗改進的思路，樞途在推進雙引擎產品研發的同時，首次公開具身數據與技能評測體系，將數據供給、模型訓練和機器人執行聯繫起來，檢驗產品與技術對機器人能力的實際貢獻。

該體系以真實任務為起點，覆蓋數據指標評測、可訓練性評測、任務與真實環境驗證三個階段，分別關注數據本身的質量、數據對模型訓練的貢獻，以及相關能力在實際操作中的表現。評測結果將反饋至數據生產、表徵優化、模型訓練與技能迭代，為產品研發和客戶應用提供依據。認為，從產業協作角度看，評測的意義不只在於證明某一項產品有效。當數據供給、模型訓練與機器人執行涉及不同參與方時，各方需要圍繞一致的任務目標和測試條件，判斷問題發生在哪個環節、改進是否真正產生作用。而將數據質量、訓練貢獻和任務表現納入同一條驗證鏈路，則有助於把各環節的技術指標與最終任務結果聯繫起來，為協作提供可對照的依據。

據樞途介紹，隨著真實項目與開放驗證的推進，公司將與產業夥伴逐步積累可複用的任務基準、評測方法和測試流程，為具身數據與機器人技能相關標準研究提供實踐基礎。