刻行时空完成约亿元Pre-A轮融资

11月9日，张通社获悉，上海刻行时空科技有限公司（下称“刻行时空”）完成新一轮近亿元融资。本轮投资由咏归基金领投，天机TIANJI、常州智融等跟投。投资方涵盖了国资背景科创投资机构、头部具身智能企业、产业资本。

9月，刻行率先向海外合规交付了上千小时宇树真机数据，通过率超过99%。

本轮资金将重点投入：为机器人提供多样性数据与能力评测的预部署环境；高精度姿态追踪与多维度标注的数据理解专用模型；速机器人落地的“采集-训练-仿真-推理”数据基建；刻行是首家同时实现上亿元真机数据订单、数据资产确权、合规交付的物理AI数据科学公司。

团队成员来自苹果、谷歌、阿里巴巴、赢彻科技等，拥有美国常青藤、国内985名校的计算机科学背景，多年来专注于自动驾驶/机器人领域的数据治理研究与工程。

01

预部署、强化学习、真机数据

越来越多研究表明：在合适的混合训练与数据配比下，Action Data/Trajectory Data将与LLM或VLM的通用视觉语言知识形成互补，从而赋予物理AI更强大的零样本泛化能力。

一个更加确定的机器人落地趋势已经形成。

所以真正重要的问题变成了——如何让物理AI保持高泛化表现的同时，还能更高效、准确地完成身体控制与末端执行？

图：RoboICL研究发现，在插销入孔、折毛巾、积木搭桥三项任务上，加入真机示范数据对于GPT-6 Astra控机的任务平均进度分有显著提升

刻行的答案是从终局反推，构建多种真实环境与复杂事件，投入全身运动控制本体与高灵活度末端执行器，把预部署现场变为强化学习环境，并创造兼具多样性与可靠示范的机器人数据。

在超过200个场景、600种任务的各类型预部署现场中，刻行将道具、机器人起始位置、任务顺序、光线条件、意外事件等多种因素无限组合，创造具备完整上下文关系的全身协同、多段衔接的机器人数据。

由左到右依次为：抓、套、拧三组动作组合成功率显著低于单组动作，而在加入连贯机器人数据后明显提升；全身协同的机器人数据对比只有视觉与手部动作数据的任务成功率；机器人数据与人类示教结合带来更高任务成功率

这类数据不仅激发了诸多客户的购买意向，还能与人类示教数据互补产生更好的商业回报。

02

物理AI进化需要更有效的标注系统

刻行基于更复杂的Task与Episodic来创造多样性数据，传统的图像标签不足以向物理AI提供有效的学习信号。

刻行致力于为客户满足高精度姿态追踪与多维标注的数据后处理服务，不仅可以带来更好的训练效果，还可以为客户减少内部标注不够准确的额外成本浪费。

图：在刻行设计的Episodic中，抹布需要被机器人找到，然后应对眼前的意外事件

对于这类视频数据标注，语义与物体标注只是最基本的要求，通常还包括空间关系、本体感受、上下文等诸多要素。自动化标注可以凭借远超人工标注的精细度与准确度实现边际成本下降。

由左到右依次为：NVDIA·Flora、microagi·nanoannot-1、concept×Mecka与SOTA模型在任务完成评价、动作描述/时间切分、操作细节识别上同台竞技，专用模型胜出

自动化标注背后的数据处理模型，还可以反向优化前序数据管线。除了丢帧、时钟、关节限位等基本质检，更大的价值增量在于依据缺口数据按需定制，并且生产过程中给予关键引导。

03

用数据基础设施加速机器人部署

今天，刻行的商业模式，来自一套强化数据回流与飞轮的基础设施，它可以在预部署环境中持续创造高价值数据，并出售给物理AI公司。

未来，当物理AI迈过预部署临界点，刻行希望继续通过这套软件来帮助有机器人部署需求的产业/场景运营方，帮他们的机器人在真实场景持续进化，提升经济效益。

图：产业/场景运营伙伴随时可以利用刻行提供的工具来改善机器人表现

刻行还可以帮伙伴管理好数据资产，在主营业务之外创造额外收益。因为垂直场景中的高价值真机数据永远不缺买家。

对于使用开源模型本地部署的产业伙伴，这套软件还可以通过仿真评测来定位提升机器人可靠性的缺口数据，并在刻行的数据商城中完成需求匹配与定向购买。

图：买卖方双可以通过刻行的数据基础设施完成数据需求匹配