云蝶科技完成数亿元B+轮融资：世界模型与系统级大脑成关键词

2026年，风险投资人除了盯“具身智能”，还在追什么？最火的答案落在“世界模型”上。

硅谷已经用行动投票。杨立昆从Meta首席科学家位置离开后创办AMI Labs，种子轮就拿走10.5亿美元；世界模型主要奠基者之一皮特·弗洛伦斯创办Generalist AI，种子轮直接冲到4亿美元；李飞飞创办的World Labs成立仅2年，便以82亿美元卖给AMD。为了形容这股凶猛势头，硅谷甚至开始用“椰子轮”来替代“种子轮”的叫法。

国内同样不冷清。投中嘉川CVSource数据显示，截至2026年10月10日，世界模型赛道融资事件已有88起，其中亿元级别以上超过50起，含金量拉满。

今天，这个故事多了一个新主角：云蝶科技。

投中网获悉，广州云蝶科技股份有限公司（下称“云蝶科技”）宣布完成数亿元B+轮系列融资，由StellarS Capital、亚洲联合基建（00711.HK）、长浙投资等知名机构和个人联合投资。云蝶科技告诉投中网，本轮资金主要投向具身智能核心技术迭代与真实场景规模化落地，重点提升机器人持续工作的可靠性、跨场景部署效率及长期服务能力。

这里说的“核心技术”，关键词是“世界模型”与“系统级大脑”。云蝶科技认为，要做出真正服务于真实世界的智能体，模型必须在真实任务中获得“感知-动作-结果-接管”闭环数据。构建“环境增强的世界模型”是实现闭环的关键，让机器人先在具体任务中持续提升成功率、稳定性和失败恢复能力，再向相邻任务与场景逐步泛化。而提供真实服务的智能体，必须由一个“系统级大脑”来统筹调度。

不过，把云蝶科技的故事铺开来看，它其实是整个“世界模型创业潮”里一个横截面丰富的“例外”。

先说时间。云蝶科技成立于2019年，距离GPT时刻还有3年，距离杨立昆下场创办AMI Labs还有5年。在此之前，它的产品已经进入酒店、医疗、体检康养等高价值场景，2025年营收超过数亿元。一家营收稳定、商业场景已获验证的团队，为什么要去开发“世界模型”？“世界模型”又能给已有的成绩单带来什么？这让人好奇。

云蝶手头不止RoboForge这一套系统级具身大脑，它还有WING系列机器人。WING Air已经交付到客户手里，换一换末端工具，就能干清洁、巡检这类活；剩下两款，一款瞄准复杂的服务操作，另一款管的是能量补给和数据调度。

云蝶其实很难被塞进一个熟悉的分类。它有模型，也有机器人；有科研团队，也有客户和交付经验；它进入了一个正在快速变化的新赛道，但公司本身已经走过7年。

那云蝶为什么要这么选？手里已经有机器人，对模型研发到底是加分，还是反而把技术路线框得更死？以前攒下的行业客户，能不能变成新业务的第一步？模型、本体、场景交付三件事一起做，精力又该往哪搁？云蝶还给自己的打法加了个限定词，叫“环境增强”。这正是我接触这家公司时，最想接着往下问的点。做世界模型的公司都在讲理解真实世界，云蝶为何偏要单独把“环境”拎出来说？它嘴里那个更优解，最后拿什么结果来兑现？

这些好奇，需要云蝶自己来回答。在本轮融资完成之际，我和云蝶科技联合创始人、联席总裁余澜展开了一场对话。以下是对话节选：

年营收数亿的成熟公司，为什么要做“世界模型”

投中网：最近我们聊了很多世界模型创业者，经常会问他们：最初接触世界模型的契机是什么？

这个问题，放到云蝶身上也一样。它成立是在2019年，那会儿大模型和世界模型都还没今天这么热，离AlphaGo在2016年赢下李世石也只隔了3年。当时说起人工智能，普通人想到的多半还是下棋、模仿人的行为。所以我挺想知道，一家做了这么多年的公司，为什么现在拿世界模型来给自己下定义？

余澜：如果用一句话概括，云蝶是在解决产业真实业务需求的过程中，逐步发现世界模型是我们需要的一项技术能力。

2019年出来创业，我们干的主要是产业数字化和智能化，靠视觉识别、数据治理、智能系统这些技术，帮客户把现实业务看懂、管好。等大模型时代来了，我们转去做垂直大模型和行业智能体，手里的工具也跟着升了一级。AI不再只是识别信息，还能理解业务、帮着做决策，乃至在数字世界里把任务执行掉。

不过服务客户时间一长，我们摸出一个很清楚的走向：企业真正想要的，是能把一整套活干完的智能系统。像酒店服务、物业巡检，还有康养场景里的辅助工作，这些任务恰恰是数字世界和物理世界同时在发生的。

AI得知道眼下出了什么事，还得搞明白空间、任务，以及人、物品、任务彼此之间是什么关系，并且推断出一个动作做出去之后，环境会怎么变。这恰恰就是世界模型要啃的核心问题。

我们搞智能体、具身智能，图的就是把智能本事变成能在产业里真出手、真决策的能力。技术路线也是这么一点点走出来的。2025年起，我们加大了世界模型和具身智能上的投入，今年又提出“具身环境智能”范式，把RoboForge系统级具身大脑推了出来。

这个变化有一条连续的技术演进路线：在匹配产业需求的过程中，我们过去让现实世界数字化，现在让数字智能进入现实世界。

投中网：还有个数据我也留意到了，2025年云蝶的营收已经做到数亿元。搁在机器人或者具身智能这个圈子里，这数字相当扎眼，可换个角度讲，也就意味着从2019年到2025年这6年里，云蝶并没怎么大规模用上世界模型，照样走得挺稳。那就不免让人想问，世界模型究竟能撬动多大的变化？

余澜：以前我们更多是在数字世界里做事。不管是行业大模型、企业智能体，还是更早的AI管理系统，核心都是在数字流程里处理信息、知识和业务。跨进具身智能这条道之后，我们面对的复杂程度直接翻了一个数量级。

拿酒店场景来说，机器人要干的活包括送物、洗衣、整理房间，除了听懂客人的话，它还得清楚电梯在哪个位置、门开没开、走道里有没有人、东西送到没有。中途碰上障碍物、客户临时改要求，又或者任务没做成，接下来怎么处理？光靠给大模型塞知识，或者做一轮微调，这些问题很难一次性全解掉。

世界模型想提升的能力有三项。

一是理解并预测现实世界。酒店里那种复杂的长流程任务，智能系统得先判断自己处在什么状态，再预判不同动作、不同策略分别会带来哪些结果、差别在哪儿，这样后面的任务规划和策略取舍才有依据。

二是训练效率与泛化。真机在真实环境里跑真实任务，代价高，出了问题还可能伤到安全。世界模型能拿来生成训练场景，特别是那些长尾情况——不常遇到的状况，以及物体位置、光线、遮挡发生变化的状况，用作真机数据的补充。

三是把单个项目里攒下的经验变成可复用的系统能力。过去每接一个客户项目，常常要做大量定制化实施。往后我们希望，同一类场景里学到的空间认知、任务经验和执行策略，能搬到相近场景里去，泛化能力跟着提高。

这也是我们跟一些实验室出身的具身智能公司不一样的地方。那些公司通常先在实验室里搞技术、练基础技能，再去寻找落地场景。我们手里已经有一批真实产业场景，靠多年B端资源和项目经验，反过来去定义模型该学什么。

世界模型为什么离不开“环境增强”？

投中网：能不能用最直白、最通俗的说法讲讲，什么是“环境增强”？它跟行业里常说的“去真实场景拿数据”差别在哪儿？

余澜：以前具身智能行业大致走一条路——先采机器人操作数据、人类示教数据或者仿真数据，拿这些去训练、微调模型，然后把模型放到真实场景里部署。

这条路本身没毛病。问题是眼下机器人的智能水平还不够，放到高度复杂、时刻变化、甚至没法充分观测的真实世界里，很难持续、上规模地部署。这个前提一卡，整条链路就出现断点。大模型训练离不开3个要素：数据、算力、算法。数据不够，智能能力的涌现就很难谈。云蝶提“环境增强”，就是想把这个链路接通。

我们的想法是，让环境自己变成智能系统的一部分，跟机器人一起分担任务和场景的复杂度。

落到操作上，分3个阶段。

第一阶段是环境约束和环境标准化。现在的机器人还不够聪明，什么环境、什么任务都接不住，那能不能通过适度的调整和设计，把空间、工作流程弄得更标准化一些？

我们挑的是连锁酒店、标准化物业这类场景，它们的空间本身就有一定的重复性和标准化底子。同时，我们按真实场景1∶1复刻训练场，从空间设计、硬件、软装到IT系统，尽量跟真实场景保持一致，让机器人训练和交付时面对的是同一套环境，部署成功率能高一些。

真实部署里我们还会用Human-in-the-loop，也就是人机协同，把哪些行为、哪些流程交给人、哪些交给机器人界定清楚。目的是让机器人先以更高的成功率，在真实场景里持续、规模化地跑起来。

第二阶段是让环境成为数据的一部分。眼下不少模型训练主要靠机器人本体的视角，比如本体传感器采到的信息。其实也可以对环境建模，用第三方视角去看机器人跟环境怎么交互，把本体视角里被挡住的信息补上。这个视角我们叫“上帝视角”。

另有一类数据同样关键，就是环境中的属性数据。机器人在一个空间里干活，要是连里面有哪些物品、东西搁在哪儿、是不是收在抽屉里都不清楚，想高效完成任务就很难。

本体视角数据、第三方视角数据，加上系统属性数据，三者合起来就是智能空间的数据底座。

第三阶段是让环境变得更聪明，我们管它叫“环境智能体化”。比方说让机器人去2楼拿两瓶水，它接到指令后可以先跟环境里的智能体通信。台账智能体告诉它水在201房间；再去调度201房间的摄像头，由摄像头里的智能体判断水的具体位置；调度智能体安排2楼的机器人取水，再交给配送机器人送过去。

送货路上还涉及路径优化和电梯调度。整个流程靠异构多智能体协作跑完。模型往前进化，机器人的单体大脑和系统级大脑也都能持续进化，复杂任务的执行成功率跟着往上走。

靠环境增强，让环境去适配不同智能水平的机器人，甚至参与决策，图的就是提高机器人在真实场景里持续、规模化部署的能力，拿到大量真实业务数据，再回头喂给底层基础模型训练。这是我们在具身智能上很看重的一个技术范式。

为什么既要造模型，也要造本体？

投中网：说回云蝶。公司2019年成立，发展和融资节奏在2025年之后明显加快。之前公司是什么状态，主要业务落在哪儿？2025年之后为什么提速？

余澜：2025年确实是个重要转折点。2025年之前，我们的核心任务是找到真实场景里的市场需求，把产品、客户和交付体系建起来，让公司能独立发展、自我造血。那段时间更看重的是商业模式成不成立、需求是不是真的、客户愿不愿意掏钱、产品能不能持续交付。

做B端生意，能不能把需求想清楚、把问题定义明白，才是最要紧的本事。技术再强、产品再好，商业模式也未必跑得通。云蝶的路子是先在具体行业里摸到商业根基，再一点点往技术上加码。

到了2025年前后，AI这边冒出了新机会。一头是大模型、智能体技术在往前推，AI不再只是读懂信息，开始动手干活。Harness系统、智能体的循环执行机制、图结构编排，这些都在给智能体执行任务的能力加码。另一头，具身智能成了打通数字世界和物理世界的一条重要路径。

云蝶早前攒下的行业客户、空间场景、智能硬件，加上多模态数据采集技术，放到这轮技术变化里，正好能互相配合。

打2025年起，云蝶把具身智能研发当成系统工程来投，跟高校一起建联合实验室，在世界模型、多智能体协同、强化学习上落子，并在真实场景里搭起机器人的训练和验证体系。2025年，云蝶与北京大学拉起具身智能联合研究，今年又推出“1+2+N”真实世界具身智能联合研究计划，意图是把联合实验室、数据训练场和真实场景串成一条线。

手里握着产业底子，云蝶就有条件把过去在行业里攒的东西，变成下一阶段技术和产品升级的底气。

投中网：你们从什么时候开始造机器人的？

余澜：2025年已经有小批量的非人形机器人业务，轮式巡检机器人就是一例。真正往大了做是今年的事，重点是轮式双臂机器人。

投中网：为什么非要做本体？做本体就绕不开制造业，要砸进去的能力和资源完全是另一回事。一个技术出身、做大脑出身的团队，回头去啃制造业底色这么重的活，精力会不会被扯散、战线会不会拉长？这个决定是怎么下的？

余澜：云蝶手里有模型、有系统级平台、也有具身本体，这么一圈下来才形成闭环，这跟行业整体走向也有关。眼下不少头部具身智能公司，做本体的会往大脑伸，做大脑的也会碰本体，原因就在于本体设计、大脑适配，都得和公司对场景的定义对得上。

不过技术能力要闭环，不等于每个环节都得自己造。核心零部件、整机、模型，云蝶不会全揽下来。战略重点还是围着真实场景和任务转，搭一套能持续优化的具身智能系统。

模型能力和系统级大脑是云蝶最核心的家底，得在真实场景里反复打磨。本体则是走进物理世界的执行载体。云蝶把它叫“任务型本体”，要求它贴合实际岗位需要，把模型和系统能力落成可靠、经济的物理动作。研发资源的大头，仍然压在能跨场景、跨本体复用的智能能力上。

具体设计本体时，云蝶更愿意跟产业链上的好手合作。有些关键模块，比如机器人和环境连接的通信底座，再比如支撑机器人在复杂室外场景稳定作业的能源底座，云蝶会自己做，或者联合研发，攥成自己的核心技术。关节模组、谐波减速器这类相对成熟的部件，则交给产业链企业，走联合研发、专业制造、标准化适配的路子。

云蝶会先按场景和岗位，把一组相关任务抽出来，也就是“任务簇”，再从任务簇里提炼基本能力，拿这些能力去定本体参数。定完之后，云蝶出设计要求和图纸，制造交给合作企业，同时把通信、能源这些关键环节的技术优势攥在手里。

所以，系统级智能是研发投入的重心，本体则盯着真实场景和任务，有选择地投。

有数据，不等于有壁垒

投中网：最近这波世界模型创业，几乎家家都说自己有数据优势。市场上冒出一堆数采公司、数据集公司，传统产业方也在把过去的业务数据化，谁都说自己有“数据飞轮”。你们聊核心壁垒的时候，也提到庞大的B端资源和场景数据。可这种说法在我看来并不稀奇，用类似话术的初创公司越来越多。

余澜：这里有两个概念容易搅在一起：拥有数据，和拥有持续产出高价值数据的能力。

行业里确实有一大把数采公司、数据公司，一些世界模型公司也强调仿真环境能造出大量数据。大家盯这件事，是因为数据正是具身智能眼下的一大短板。

模型效果不好，有时候很难说清到底是数据量不够、数据多样性不足，还是模型自己出了问题。至少跟大语言模型比，具身智能的数据量还差得远。可光看量还不够，还得看数据是不是出自真实任务，能不能持续把系统能力往上推。

拿自动驾驶打比方，高价值数据来自大量车辆在真实道路上不停跑。系统判断错一次，驾驶员把方向盘掰回来，车辆、人、环境交互的反馈数据就出来了。这些真实场景、真实任务里的数据，是模型训练的重要来源。

仿真和实验室数据有价值，但自动驾驶能力要一步步往上走，还得靠真实道路上的验证和反馈。

机器人也是这个理。实验室里能让人或机器人重复1万次插拔插头、叠衣服、拿取物品。可在真实运营的酒店里，客户随时可能改需求，通道可能被行李堵住，门禁可能出故障，任务可能被打断，物品也可能送不到。事先设计好的标准动作，很难把这些情况全兜住。

这类数据往往决定机器人能不能真正上岗，也是具身大脑能否冒出智能能力的重要数据来源。

云蝶关心的是：机器人在真实环境里干活，为什么成、为什么败，人工怎么接管，人机怎么配合，系统怎么恢复，下一回怎么做得更好。能把这些过程覆盖住的数据，才是云蝶要的高质量数据。

云蝶正在搭建的竞争壁垒，由几块拼起来。

一块是吃透行业的实际经验和业务规则。酒店、物业、康养、能源巡检，这些场景对技术团队来说，难点在于把行业说的话翻译成技术能听懂的需求。真实需求都没分析清楚，机器人就没法持续部署，高质量的场景数据也就拿不到。

另一块，是标准任务跑通之后能不能铺到大量相似单元里去。这就需要在定义问题和标准作业流程的时候，把行业经验装进来，让任务和能力的泛化水平一点点往上抬。

还有一块，是把真实场景变成一座底座，让系统能力的提升能源源不断拿到所需数据。这次发布的RoboForge系统级具身大脑，干的就是这件事。机器人执行完任务会产生反馈数据，这些数据拿去优化模型和系统；部署能力上来了，再进更多场景。这个过程中，机器人会不断诊断自己的执行过程，人、机器人、环境之间的交互数据大量产生，并在场景里持续进化。

这套商业逻辑，跟单纯卖机器人或者只做数采服务不是一回事。壁垒就在于，能不能长期以更低的成本、更高的质量产出真实业务数据，再把这些数据变成技术和产品上的优势。

数据可以买，算法也能追。但长期在真实场景里跑复杂任务，还要让每一次任务都推着系统往前走，这种能力短期内很难被复制。

“双峰模式”，全栈团队

投中网：说说团队。你们以前把自己的团队形容成“双峰或多峰模式”，这个说法偏抽象，能具体讲讲吗？

余澜：团队里各人的专业背景、行业背景都不一样。一部分是行业老兵，手里有大量B端场景资源，懂行业经验，知道业务语言怎么转成技术需求，也熟悉B端项目怎么运作，能定义需求、定义问题，还能把交付保住。具身智能要进真实场景，跟B端客户有效沟通是很关键的一项能力。

另一部分是技术团队，背景同样比较杂。我们没有把资源全押在某一个世界模型或者VLA模型上，涉及的技术有空间感知和预测、负责动作执行的VLA（视觉—语言—动作）模型，还有异构多智能体协作。几个技术栈一起撑着环境增强世界模型这条路线。

“双峰”的一头，是管场景落地的团队，保证公司能持续拿到商业订单，自己有造血能力，同时给具身智能提供可验证、可持续、可规模部署的场景资源；另一头，是带着多种技术背景、围着公司技术路线做研发的年轻科学家团队。

这两头合在一起，对具身智能进入真实场景来说很关键。

投中网：这轮融资的钱主要花在哪些方向？把这轮融资当成进入下一阶段的起点，能不能给外部观察者一个坐标：云蝶做到什么程度，在你心里算及格，什么程度算满分？

余澜：资金主要投向3个方面。

第一，把机器人投进更多场景，攒更多数据，这里面既有本体制造生产，也有在不同场景里规模化复制的资源投入。第二，模型训练。系统级大脑里的不同模型，要拿真实场景、真实业务数据来训练，所以算力投入也会比较大。第三，把技术研发团队的班子加强。

至于下一阶段的及格线和满分线，一边是国内对具身智能场景落地、实际执行任务的需求越来越急；另一边从全球技术路线看，具身智能也在慢慢往系统级大脑走，逐渐智能体化。

在我看来，及格线是把现有的系统级能力，在某些场景、特定任务流里成功部署下去，让机器人在真实业务流程中持续作业、持续自我诊断、持续进化。这套系统立住了，机器人在真实场景里持续干活就有了技术基础。

满分线是把这套模式复制到大量标准化作业单元中。比如在酒店里挑出2—3条业务流，让机器人在成百上千家酒店里持续作业，干的是涉及复杂任务、复杂空间认知与感知、动作规划的工作，超出简单迎宾和配送的范围。

真能做到，就会持续产生大量数据，跑通一个规模化、持续运转的数据飞轮。到了这个状态，在我心里就够得上满分线了。