近日，枢途科技宣布完成近亿元人民币Pre-A轮融资。本轮融资由鼎晖百孚、鲲鹏基金（大数据方向国家级基金）联合领投，广州产投、亿合资本联合投资，老股东趋势投资超额追投。这是枢途科技一个月内完成的第三轮融资，此前两轮投资方同样为头部机构。
据公司介绍，本轮融资将在持续完善现有视频升维数据产品、提升交付能力的基础上，进一步支持触觉数据表征训练的研发与验证，推动SynaTac触觉产品线的技术与产品迭代，加快拓展面向机器人接触策略训练与端侧部署的业务布局。
枢途科技的核心技术团队以具身智能先驱企业Covariant AI成建制算法团队为班底。公司CTO慕巍博士曾任Covariant AI研发副总裁及中国区软件负责人。团队拥有从算法demo到产品、再到场景稳定运行的完整落地经验。这一背景使枢途对具身算法从“能演示”走向“可交付”所面临的工程化挑战有直接认知。
基于从现场问题出发的产品化思路，枢途将具身算法落地的核心鸿沟归纳为两个层面：大脑层对世界理解的不足，以及小脑层接触执行的不稳定。公司认为，海量的人类行为视频升维数据可以帮助机器人理解任务，解决“怎么做”的问题；而触觉表征建模的核心价值在于支撑可靠执行，解决“做得好”的问题。具身模型不仅需要理解任务，还需要判断接触是否稳定，并根据滑移、形变与阻力实时调整力度和动作。
枢途方面指出，增加传感器数量、采集更多信号并不等同于获得接触能力，关键在于让这些信息有效参与学习与操作，真正支撑可靠执行。统一表征是枢途布局接触端基础设施的关键切入点。针对不同传感器的数据差异，公司围绕操作所需的接触信息建立模型可学习的结构化表达，使不同来源的经验进入共同的学习体系。在此基础上，机器人还需通过策略训练学习应对不同接触状态，并在执行中利用实时反馈修正动作。枢途据此协同推进表征、训练与部署，以真实任务检验能力改进。
从产业分工角度看，这一布局的潜在价值在于锚定物理AI基础设施生态位，为触觉数据处理、策略训练与设备适配中的共性需求提供底层解决方案，减少产业链上下游团队在新设备、新任务中的重复投入。
目前，枢途科技已建立面向世界理解和接触执行的两条人类行为学习引擎。SynaData产品线以真实场景中的人类行为数据为基础，通过视频升维、人-物交互重建与跨本体映射，将人类操作视频转化为包含动作轨迹、物体位姿与接触信息的结构化、多模态训练数据。该产品线已形成Syna-Ego、Syna-Exo和Syna-RR三类产品，持续服务超过60％的百亿估值具身智能独角兽企业，并获得头部科技厂商批量采购。
SynaTac产品线以触觉数据的统一结构化表征为基础，研发重点包括物体、动作与接触状态的对齐，以及视觉、触觉和机器人状态的融合。公司通过示教、交互与试错训练接触策略，以高频反馈修正动作，推进接触智能在灵巧手及不同机器人本体上的端侧训练与部署。两条产品线在技术思路上具有连续性：数据规模增长并不会自动带来能力提升，还需要将人类行为中的空间关系、物体状态、接触与交互等物理信息转化为可学习的表达。双引擎产品矩阵意味着枢途从提供模型训练所需的数据，进一步进入接触经验的表征、策略训练与部署环节。
在推进双引擎产品研发的同时，枢途首次公开其具身数据与技能评测体系。该体系以真实任务为起点，覆盖数据指标评测、可训练性评测、任务与真实环境验证三个阶段，分别关注数据本身的质量、数据对模型训练的贡献，以及相关能力在实际操作中的表现。评测结果将反馈至数据生产、表征优化、模型训练与技能迭代，为产品研发和客户应用提供依据。
从产业协作角度看，当数据供给、模型训练与机器人执行涉及不同参与方时，各方需要围绕一致的任务目标和测试条件，判断问题发生在哪个环节、改进是否真正产生作用。将数据质量、训练贡献和任务表现纳入同一条验证链路，有助于把各环节的技术指标与最终任务结果联系起来，为协作提供可对照的依据。据枢途介绍，随着真实项目与开放验证的推进，公司将与产业伙伴逐步积累可复用的任务基准、评测方法和测试流程，为具身数据与机器人技能相关标准研究提供实践基础。
当前，具身智能行业正从算法演示阶段向规模化落地过渡，数据供给、触觉感知与策略训练等基础设施环节的成熟度直接影响机器人实际作业能力的上限。枢途科技在一个月内连续完成三轮融资，反映出资本市场对具身智能基础设施层标的的关注正在升温。其双引擎产品矩阵与评测体系的推进效果，以及触觉数据表征在真实任务中的泛化能力，将是后续值得关注的观察点。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
