Sereact 融资 1.1 亿美元，将其“机器人大脑”从仓库扩展到更广泛场景

为更广泛的物理 AI 推进融资

Sereact 已完成 1.1 亿美元 B 轮融资，用于扩展其所谓的机器人“大脑”Cortex 2.0，并支持其进入美国市场。此次公告之所以引人注目，不仅在于融资规模可观，也在于它反映出机器人领域的一个更大转向：投资者正在押注那些认为真实世界部署数据比精致的实验室演示更重要的公司。

这家总部位于斯图加特的公司表示，Cortex 可运行于单臂拣选工位、双臂退货工位、人形机器人以及 Sereact Lens 上，后者是一套用于库存和质量控制的 3D 感知系统。就实际应用而言，Sereact 正在将自己定位为一层物理 AI，可跨不同机器人形态和任务迁移，而不是局限于某一种狭窄的硬件配置。

这种可移植性的主张是其核心卖点。机器人技术长期以来一直面临脆弱性问题，尤其是在针对某一环境训练的系统进入另一个更复杂环境时。Sereact 的观点，在所提供报告中有直接表述，即“真正的机器人 AI”无法在孤立环境中构建。首席执行官兼联合创始人 Dr. Ralf Gulde 认为，它必须由一个数据飞轮塑造，而这个飞轮由生产部署、失败案例，以及在真实现场而非受控环境中反复学习所驱动。

该公司用运营数据支撑这一论点。它称自己已有 200 套系统投入现场，完成了 10 亿次拣选，并且每 53,000 次拣选仅需一次人工干预。这些数据由公司自行披露，但依然重要，因为它们界定了 Sereact 的竞争主张：机器人 AI 的规模化并不只来自模型规模或仿真数量，而是来自在商业吞吐约束下，面对大量困难、非规则物体时所积累的海量物理交互。

仓库是 Sereact 的第一个试验场，原因很直接。按照公司的说法，仓库提供了异常丰富的训练环境：数十亿级数据点、广泛的物体形状、严格的性能要求，以及当机器人出错时真实而直接的后果。这使仓库自动化不再只是一个商业细分市场，而成为更广泛具身智能的数据引擎。

Sereact 表示，每一次成功拣取、失败和恢复动作，都可以与同步观测、机器人状态、夹爪力反馈和结果数据一起被捕获，然后筛选并用于更新模型。更新后的策略会先经过自动回归测试，再部署到整个机群。无论这一闭环在更大规模下是否足够稳健，它都体现出一种更成熟的机器人方法：部署本身就是训练流程的一部分。

下一步是走出拣选场景。公司表示，计划将 Cortex 2.0 扩展到装配和配套分拣等任务，同时在波士顿开设办公室，并招聘本地工程、商务和应用支持人员。进入美国市场在战略上很重要。全球许多高价值的仓储、制造和物流客户都位于北美，而当机器人供应商需要支持集成、排查边缘案例并与客户共同迭代时，地理接近性就变得关键。

报告中提到的客户名单包括 Daimler Truck、Mercedes-Benz、BMW、MS Direct、Active Ants、DeltiLog、Rohlik Group 和 Austrian Post。这表明 Sereact 已经在面向工业与物流用户，而不仅仅是在销售一套纯实验性的技术栈。如果公司能够将这一基础拓展到更广泛的制造任务，它或许会进一步强化这样一种观点：具身 AI 平台应当以现场表现而非演示效果来评判。

这笔融资也契合了更广泛的 AI 市场叙事。尽管软件 AI 已快速渗透到消费级和企业级界面，物理 AI 仍然更难，因为它必须处理接触、不确定性、延迟、安全性以及现实世界中难以消除的波动性。因此，投资者正在寻找一家公司是否同时具备学习架构和运营落地能力的证据。Sereact 正试图把自己塑造成少数同时具备这两点的玩家之一。

其核心主张雄心勃勃：一个通用的机器人“大脑”，因为已经在生产环境中工作而持续变得更强。未来几年将检验这种模式能否从仓库拣选延伸到更复杂的操控和协调型工业任务。如果可以，这轮 B 轮融资将被视为押注一家早早抓住具身 AI 浪潮的成长型公司；如果不行，它仍将成为机器人市场如今认定何处才是可防御价值创造地带的证据：在现场、在闭环中、在规模化部署里。

本文基于 The Robot Report 的报道。阅读原文。