潜界科技 LatentVerse 获数亿元种子轮，要做具身原生大脑

具身智能公司 LatentVerse（潜界科技）已完成数亿元人民币种子轮融资，第一轮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基金。这是 36 氪旗下「智能涌现」独家披露的消息。公司由 2001 年出生的清华大学交叉学院在读博士胡钰承于今年 4 月从字节跳动 Seed 离职后创立，团队成员来自清华大学、南洋理工、北京大学、Qwen、字节、小米等机构。

与传统 VLA（视觉-语言-行动）或纯世界模型路线不同，LatentVerse 选择将 VLM（视觉语言模型）和世界模型统一在同一个架构中，定位为「原生具身基座模型」。创始人胡钰承是最早一批证明「世界模型能直接指导机器人动作」的研究者之一，曾在 2024 年初提出多模态扩散 VLA（PAD），并于同年 11 月发布首个实现闭环推理的视频动作模型 VPP，被业界视为 WAM（World Action Model）的开山之作。

技术路线：统一触觉动作模型

LatentVerse 正在训练的首款模型为 UTAM（Unified Tactile Action Model，统一触觉动作模型），由团队此前提出的 UAM 演进而来，同时输出视觉、语言和触觉反馈信号。模型内部包含四个专家模块：

视觉语言专家：理解任务意图；
世界模型专家：将过去从视频中学到的技能组合起来，规划新任务流程；
动作专家：从推理链中生成粗粒度的 Latent action，如「伸手去拿杯子」；
触觉专家：将粗动作解码为精细的末端控制信号，在手指触碰杯壁后实时调整力度与姿态。

前半段为开环执行，后半段为触觉闭环修正，模拟人类「先伸手、再凭手感微调」的操作逻辑。

数据策略：三层来源与无本体采集

LatentVerse 的数据策略分为三层：

摇操数据（VR 采集、带精确动作标注）只用于训练动作专家；
人手采集的 Ego-centric 数据用于训练理解与世界模型专家；
开源视频数据同样用于训练理解与世界模型专家。

团队押注无本体数采路线，正在自研数据采集手套，并与部分采集基地展开合作。胡钰承表示，目标是通过可穿戴设备让非专业人士参与采集，将单小时采集成本从千元级别降至百元以内。

进展与规划

计划一个季度后发布首个参数量为 16B 的具身基座模型；
目标在一年到一年半内积累数十万小时训练数据；
场景聚焦酒店清理、家庭抓取柔软物体等需要泛化、长程与灵巧操作能力的非结构化环境。

胡钰承认为，泛化、长程与灵巧不是三个彼此独立的技术指标，而是机器人商业化必须同时满足的能力条件。他强调，具身模型的能力涌现不能简单照搬 LLM 的发展路径，在推动数据规模化的同时，也需要充分利用异构数据中的结构化信息，构建统一表征。

目前，LatentVerse 团队覆盖具身智能核心算法、灵巧手、仿真、三维视觉等方向，整体较为年轻精炼。这家成立仅数月的公司，正试图在具身智能赛道走出 VLA 与纯世界模型之外的第三条路线。