具身智能領域迎來新動態(tài)，貝塔無限（Beta Infinity）這家初創(chuàng)公司宣布完成種子+輪融資。本輪融資由世紀華通參與的盛趣泰和基金與和利資本聯(lián)合領投，毅達資本、南山戰(zhàn)新投等機構跟投。這是該公司成立后的第二輪融資，累計融資金額達數億元，資金將主要用于核心技術研發(fā)和產品試制等方面。
貝塔無限由劉武龍和陶帥創(chuàng)辦，他們將目光聚焦于打造消費級具身智能系統(tǒng)與終端產品。劉武龍是聯(lián)合創(chuàng)始人兼CEO，畢業(yè)于清華大學電子系，曾在華為任職，擔任過大模型工程團隊負責人、強化學習首席科學家，還是華為最年輕的AI研究所所長。在華為期間，他主導孵化了智能駕駛業(yè)務，是首個不依賴高精地圖的量產版本ADS 2.0（高階智能駕駛系統(tǒng)）的核心操刀者，還從0到1打造了昇騰萬卡集群訓推系統(tǒng)并主持調優(yōu)，在智能駕駛與大模型雙向技術研發(fā)及產品落地方面經驗豐富。
聯(lián)合創(chuàng)始人兼CTO陶帥同樣來自清華大學電子系，他曾在字節(jié)跳動擔任負責搜索、網盟商業(yè)化AI算法和工程總監(jiān)。在字節(jié)任職時，他帶領百人AI團隊，從0到1打造出年營收數百億的“千人千面”復雜AI系統(tǒng)，在C端個性化技術、大模型算法等領域積累深厚。
2025年中，劉武龍和陶帥決定創(chuàng)業(yè)。他們密集考察多個應用場景后，于同年年底確定業(yè)務方向，2026年3月公司正式運營，團隊核心成員主要來自華為、字節(jié)跳動、智元、大疆等企業(yè)。目前，公司正在研發(fā)首批消費級具身智能產品，先鋒體驗版計劃年內亮相，同時已與多家上下游產業(yè)頭部企業(yè)達成深度戰(zhàn)略合作。
在消費級具身智能場景的選擇上，陶帥表示，團隊深度調研了3C電子加工、汽車裝配、養(yǎng)殖場等B端場景后得出兩個核心判斷。一是大模型驅動的具身智能最適配消費級場景，工業(yè)流水線對機器人核心要求是精準度和節(jié)拍，更適合傳統(tǒng)工業(yè)視覺和機械臂做小范圍泛化，而大模型優(yōu)勢在于泛化能力和開放性交互，與消費級市場需求高度契合。二是B端場景落地難度高，對通用具身智能演進幫助有限，工業(yè)數據高度定制化，難以形成規(guī)模化數據飛輪，過去兩年真正在產線上實現ROI（投資回報率）大于1且完全跑通的案例尚未出現。相比之下，消費級市場是藍海，需求與大模型技術成熟度曲線高度匹配，也與公司技術棧契合。
對于要打造的機器人，陶帥稱公司專注于消費級市場，核心落地場景是家庭，希望打造一款面向“人機共融”場景的機器人伙伴，具備高泛化能力和開放性任務編排能力。硬件層面，機器人要具有消費級親和力與靈動性，摒棄工業(yè)AGV式底盤和僵硬形態(tài)，將家庭通行性、人機適配性和安全性放在首位。智能層面，賦予機器人兩項核心能力，一是全時空多模態(tài)記憶系統(tǒng)，提升機器人個性化和長程復雜任務執(zhí)行能力，這復用了在線上“千人千面”復雜推薦系統(tǒng)中積累的經驗；二是環(huán)境自演進能力，包括部署態(tài)的數據飛輪，依靠真實場景中持續(xù)數據驅動實現進化，而非僅靠前置采集，以及強化學習這一關鍵技術基座。
近期公司招聘服裝設計和柔性皮膚設計實習生，陶帥解釋這是因為面向消費級市場，主打“家庭伙伴”定位，機器人在形態(tài)上必須具備親和力和安全性。一方面通過頂尖工業(yè)設計和柔性防護材料優(yōu)化人機交互體驗，另一方面團隊工業(yè)設計師在外形細節(jié)上投入大量精力。除外觀親和力，還對標消費電子的“極致堆疊”、性能與高可靠性，追求既有人機交互的溫度，又實現消費電子級別的硬件極致堆疊，同時兼顧具身智能實用性與科技感。
當被問到機器人落地家庭場景先做哪些具體工作時，陶帥表示這是一個逐步演進過程，主要圍繞三大核心能力展開。一是構建個性化多模態(tài)交互底座，覆蓋語音、肢體姿態(tài)乃至個性化移動方式，這是機器人在家庭中最基礎的立足能力。二是操作能力的自演進與逐步解鎖，初期聚焦簡單物品收納、抓取等任務，后續(xù)從平面操作升級到立體空間，再攻克柔性物體，產品初期操作能力難以一步到位解決通用家務，關鍵在于設備入戶后通過OTA和真實場景下的自演進機制持續(xù)提升。三是基于BetaAgenticOS打造高階技能生態(tài)，結合家庭場景調研與用戶付費意愿，未來開發(fā)者可在該系統(tǒng)上開發(fā)豐富的Skill應用，形成系統(tǒng) + 應用的生態(tài)模式。OTA意味著機器人進入家庭后，可像手機系統(tǒng)更新一樣，通過云端遠程獲取新的算法模型、技能包或性能優(yōu)化，實現持續(xù)進化。
對于機器人多模態(tài)交互能力是否接入DeepSeek這類模型，陶帥稱僅接入此類模型無法滿足消費級具身智能產品技術要求。目前行業(yè)內部分早期探索側重于在交互層接入大模型API，但這種架構可能難以完全滿足具身智能在家庭復雜場景中的深度落地。一是記憶與個性化能力缺失，現有大語言模型聊天機器人普遍缺乏長效記憶、多模態(tài)記憶和時空記憶能力，也無法精細化構建用戶畫像。二是交互與具身能力割裂，在機器人場景中，交互不能只依賴語言，還必須與具身智能的大腦能力深度融合，如果交互用一套模型、任務規(guī)劃和拆解用另一套模型，中間“縫合”工作復雜，尤其在人與機器人交互過程中，用戶會頻繁打斷、糾正、重新規(guī)劃任務，這要求交互與具身任務規(guī)劃在同一模型內天然協(xié)同，實現自然的長程任務規(guī)劃與執(zhí)行，而非兩套獨立系統(tǒng)的簡單拼接。因此，公司追求語言、姿態(tài)、操作與具身大小腦協(xié)同統(tǒng)一的聯(lián)動系統(tǒng)，所有能力將在同一個模型中整合。
關于機器人的長期記憶存儲，陶帥表示記憶能力一方面支撐“千人千面”個性化體驗，另一方面是實現具身智能長程復雜任務的技術底座。核心問題是存什么數據、數據怎么用、記憶如何演進。公司已構建一套基于個性化獎勵機制的reward系統(tǒng)，通過強化學習驅動記憶的演進與更新。在存儲層面，采取分層策略，原始用戶數據為確保隱私安全，嚴格放在本地存儲和處理；二次挖掘的脫敏數據，經過用戶授權，采用端云協(xié)同方式。
在解決具身智能缺乏個性化和自主做事能力差的痛點上，陶帥介紹公司在個性化方面采用“全時空多模態(tài)記憶框架”，不是簡單存儲數據或做上下文嵌入，底層是一套由強化學習驅動的記憶管理、演進與模型融合的范式。在自主持續(xù)做事能力方面，工作主要體現在兩部分，一是Wild2Bot數據框架，通過部署環(huán)境中的數據持續(xù)提升具身智能能力；二是真機強化學習，這是團隊積累較多的方向。
談及未來規(guī)劃時間線，陶帥表示有一個大的時間線，但機器人智能技術發(fā)展快，節(jié)奏也在動態(tài)調整。今年重點是把技術底座和旗艦本體的核心能力做到跨代級體驗，尤其是多模態(tài)個性化交互、室內極致自主移動與語音建圖，以及操作層面的數據飛輪等幾大基座能力。真正規(guī)模化的量產和供應鏈打磨計劃放在明年上半年，后續(xù)也會考慮出海。
對于目標市場，陶帥稱公司全球布局，國內和海外都會有相應產品規(guī)劃。不過某些場景更適配海外市場，如偏家務類的操作能力，當產品達到較好成熟度和付費能力后，北美和海外市場的適配性更高。國內勞動力成本相對較低、居住空間偏小，家務場景付費能力沒那么強，但國內市場仍是打磨產品和技術的重要階段，像多模態(tài)交互、自主移動等具身智能通用能力，在國內同樣有市場需求。
考慮到國內外市場差異，如海外住宅面積更大、人工成本更高，國內“三代同堂”家庭結構多，家務訴求不同，在用戶偏好層面，陶帥表示這更多是產品層面問題。公司在國內一、二、三線城市以及海外都做了大量用戶調研，發(fā)現差異化需求，如家務場景偏好、交互方式、付費點等不同地域都不一樣。從產品設計上，會做地域化區(qū)分，這也是“千人千面”個性化能力的一部分，不僅體現在不同家庭之間，也體現在不同地域之間。從技術底座上，也會做好數據隱私和安全性的分級技術方案，因為不同地域對智能能力的接受度存在差異。
近期Figure AI等國內外企業(yè)進行了多場聚焦日常場景的機器人實機直播，引發(fā)行業(yè)熱議。陶帥評價稱，國內入局者眾多，但從目前展示的技術和數據來看，整體仍處于初級階段，無論是交互與具身智能的融合能力，還是消費級本體的設計能力，距離預期狀態(tài)還有很大差距。海外方面，幾家頭部企業(yè)展示的技術理念值得認可，有些與公司不謀而合，如公司去年底提出記憶能力和長周期復雜任務編排，今年3月pi（Physical Intelligence）團隊也發(fā)表了多模態(tài)長短期記憶對長程任務提升的工作，說明行業(yè)理念正在逐步收斂。至于Figure AI，其展示的Demo不錯，但整體效果在預期之內。相比海外競爭對手，公司特點主要體現在兩點，一是軟硬件協(xié)同的系統(tǒng)級優(yōu)勢，國內供應鏈和本體產業(yè)基礎較好，公司在軟硬件協(xié)同設計與頂層算法優(yōu)化上具備空間；二是用戶體驗的打磨，在C端用戶體驗上，國內團隊在移動互聯(lián)網時代已全面領先海外，如抖音、微信等都是例證，在具身智能時代，尤其消費級市場，公司也有相應信心。
作為華為系創(chuàng)業(yè)團隊之一，貝塔無限在產品邏輯和工程邏輯上有自身特點。陶帥認為具身智能的落地是綜合性系統(tǒng)工程，單靠自動駕駛或某一單一技術棧不夠。公司不同之處主要體現在兩方面，一是創(chuàng)始團隊是“華為 + 字節(jié)”的組合，華為主要輸入自動駕駛和大模型底層研發(fā)能力，自己則帶來線上個性化推薦系統(tǒng)和復雜AI系統(tǒng)架構的經驗，兩者結合是適配消費級落地場景的組合之一，既不是單純的自動駕駛技術遷移，也不是偏學術的Demo演示，而是面向真實落地的綜合能力。二是在融資節(jié)奏和發(fā)展理念上，更傾向于穩(wěn)扎穩(wěn)打，現在行業(yè)里年輕創(chuàng)業(yè)者多，熱錢也多，但公司選擇拒絕資本催熟的模式，堅持從系統(tǒng)落地做起。
