机器已经能“看见”真实世界，却依然无法“读懂”它。摄像头、激光雷达、深度传感器和定位系统在机器人产业中快速普及，硬件部署愈发密集，但机器始终停在感知和定位这一层。它能返回图像、点云和坐标，答得出“我在哪里”，却无法回答“这里刚刚发生了什么”。经验不会累积，结果就是，机器每一次进入相同的空间都如同初见。映界科技的产品逻辑正是从这一缺口切入：其MirrorSense V1通用空间感知模组将RGB、LiDAR、Thermal等多源输入融合为动态4D空间表征，试图让机器在真实复杂环境中看清、理解并记住物理世界。上述产品描述来自公司披露，未经独立验证。
2026年9月2日，这家空间智能企业宣布完成超千万元种子+轮融资，由海愿资本（原紫金港资本）领投，全部老股东奇绩创坛、松禾资本持续加注。公司官方公告尚未发布，融资额和轮次以投资界、投中网等媒体报道为准。据投中网报道，这是该00后团队在三个月内完成的第二轮融资；但来源未提供第一轮融资的具体日期，该时间跨度无法独立验证。
映界科技把解法命名为“具身时空大脑”。其核心主张是：把空间与时间重新装回同一个表征，让机器在同一套四维世界状态上完成感知、记忆与推演。映界科技声称，这种架构下没有模块之间的交接损耗，任何一环变强，另外两环同时受益。上述均为公司声称，未经独立验证，公开材料中无第三方基准测试。
| 字段 | 内容 |
|---|---|
| 公司 | 映界科技（MirrorSpace） |
| 轮次 | 种子+轮（DoNews称“种子轮”；公司官方公告尚未发布，以投资界、投中网等媒体报道为准） |
| 金额 | 超千万元人民币（DoNews称“数千万人民币”；公司官方公告尚未发布，以投资界、投中网等媒体报道为准） |
| 投资方 | 海愿资本领投，奇绩创坛、松禾资本跟投，创始人金依力跟投 |
| 总部 | 东莞（DoNews称深圳；公司官方公告尚未发布，以投资界、投中网等媒体报道为准） |
| 创始人 | 金依力、胡凯源、段西泽 |
| 成立时间 | 2026年3月（企查查信息）；公司称2026年6月初运营 |
| 官网 | 未披露 |
把“现在、过去、未来”压进同一个四维表征，是技术选择也是交付赌注
映界科技的技术主张建立在一个判断上：2D视频理解丢掉了空间结构，静态3D重建丢掉了时间维度，两条路各丢一半。映界科技声称，其方案在多模态信号原始层完成融合，实时重建结构化的四维世界状态；这种状态“可查询、可回放、可推演”。映界科技进一步声称，四维表征天然是记忆的载体，每个场景对应一张认知地图，时间就是索引。上述技术能力声明均来自投资界报道，未经独立验证，公开材料中无第三方基准测试。
编辑推测：从已披露的架构描述看，映界科技试图把业界通常拆成三个模块的感知、记忆、推演，统一到一个共享表征上。传统拼接路线中，感知传给下一环的往往只是一串检测框和标签，物体的大小、朝向、运动状态在传递中丢失；记忆存下的也是处理过的结论，事后无法调出完整现场；推演则缺少一个完整一致的起点。映界科技声称，其架构中感知实时更新四维表征，记忆沿时间索引它，推演在它的基础上前滚。这一描述在逻辑上自洽，但来源材料未提供任何基准测试、对比实验或第三方评估，因此无法判断其相对传统方案的实际性能差异。基于公开信息的推测是：统一表征若成立，可能减少模块间信息损耗；但这一推测的成立条件、失效模式和性能边界均未经验证。可验证指标尚未披露，包括：统一表征与传统模块化方案在相同场景下的端到端延迟、记忆召回准确率、推演误差、故障隔离能力，以及单环误差对另外两环的污染程度。
这套架构的交付形态是软硬一体：一端是空间感知模组MirrorSense V1，负责实时重建与记忆沉淀；另一端是持续训练的时空世界模型，负责推演，并将结果转成自然语言结论、风险预警或机器动作。映界科技声称，设备装进哪个空间，这套大脑就在哪个空间开始工作。上述为公司声称，未经独立验证。目前MirrorSense V1的具体性能参数、功耗、体积、帧率、延迟、成本均未披露。
编辑推测：从技术路径看，这种“统一表征”的选择同时压缩了交付链条和容错空间。如果感知、记忆、推演共享同一套四维状态，那么任何一环的误差都可能直接污染另外两环，而不是像模块化架构那样被限制在局部。这意味着，映界科技必须在早期就把表征的一致性和稳定性做到足够高，否则“没有交接损耗”的优势可能反过来变成“没有隔离缓冲”的风险。这一判断来自对架构逻辑的推演，来源材料未提供相关压力测试或故障隔离机制的信息，因此仍需验证。
硬件是产品，也是“燃料管道”：数据飞轮成立的前提尚未被量化
映界科技商业模式分两类：一是直接向机器人本体厂商销售模组，替换或增强原有感知模块；二是与行业集成商合作交付，落地场景包括电力巡检、石油化工、高端地产、商业零售及全息全景体育等。来源材料未提供客户名称、订单金额分布与签约进度，且未见其他来源验证，仅作背景参考。
这套商业结构的关键不在单台模组毛利，而在数据回流。映界科技声称，感知套件首先是一个可部署的数据入口，在现场持续采集多模态时空信息；真实数据回流后用于训练和迭代时空世界模型；模型能力提升后，再输出回场景。映界科技声称，部署越多，数据越多，模型越强，每一台装出去的设备都在让整个网络更聪明。上述均为公司声称的闭环，未经独立验证，来源材料未提供数据飞轮运转的量化证据。
编辑推测：这一“数据入口—模型引擎—应用输出”闭环能否成立，取决于至少三个未披露变量：第一，模组是否具备足够的场景适配能力，能在电力巡检、石油化工、商业零售等差异极大的环境中稳定部署；第二，回传数据是否包含足够高质量的物理信息与时间标注，而非仅有点云和图像；第三，模型训练是否真的能从这些数据中获得可泛化的时空推理能力。来源材料未提供任何关于部署数量、数据量级、模型迭代周期或性能提升的量化证据，因此“自进化闭环”目前仍是一个待验证假设，而非已被证明的工程事实。
编辑推测：数据飞轮在工业场景中的运转还面临一个结构性约束。电力巡检和石油化工等场景往往对数据出域有严格限制，客户可能允许设备在现场运行，却未必允许原始时空数据回传至公司侧训练。如果数据只能在客户本地闭环，映界科技就需要在边缘端完成模型更新，或者依赖联邦学习等机制，这又会推高单点部署的算力成本和运维复杂度。这一判断是基于行业常见数据合规约束的推测，来源材料未披露映界科技如何处理数据合规与回传边界问题，因此该约束对飞轮效率的实际影响仍属未知。可验证指标尚未披露，包括：数据出域合规方案、边缘端训练能力、联邦学习机制、单点部署算力成本、数据回传带宽需求，以及模型在客户本地闭环条件下的迭代周期。
三个月两轮融资，资本结构里藏着创始人的个人下注
映界科技在三个月内完成两轮融资。据投中网与投资家网信息，2026年中，公司获得松禾资本与奇绩创坛千万元种子轮投资；9月2日，公司宣布完成超千万元种子+轮融资。第一轮融资的具体金额、投资方和交割时间在来源材料中未完整披露，仅能确认松禾资本与奇绩创坛参与，具体金额与时间无法独立验证。DoNews则称本轮为“数千万人民币种子轮”，与多数来源“超千万元种子+轮”存在冲突；DoNews同时称映界科技位于深圳，与投资界、投中网及证券之星披露的东莞不一致。DoNews报道页面明确标注“本文内容由开放的智能模型自动生成，仅供参考”，可信度低于投资界、投中网等人工采编来源，因此本文正文采用“超千万元种子+轮”和“东莞”口径，但公司官方公告尚未发布，融资额、轮次和总部信息以投资界、投中网等媒体报道为准。企查查信息显示，映界科技成立于2026年3月；映界科技则称其于2026年6月初运营。
本轮资本结构有一个值得注意的细节：据投资界与投中网报道，创始人金依力以同一估值出资超百万元跟投。该信息未见公司官方公告或工商变更文件独立验证。编辑推测：在种子+轮阶段，创始人以与机构相同的估值追加个人资金，通常意味着创始团队对后续融资节奏和估值路径有较强信心，也可能是在机构轮中保持股权比例的一种方式。但来源材料未披露金依力个人资金来源、持股比例变化及本轮估值绝对值，因此无法进一步判断这笔跟投的财务含义。
投资方给出的理由集中在“数据入口”与“闭环”上。海愿资本创始合伙人李芳丽称，映界科技把感知硬件变成真实世界的数据入口，设备部署越多，模型获得的训练养料越丰富，有望形成由场景、数据和模型共同驱动的自进化体系。松禾资本管理合伙人汪洋称，传感器可以采集数据，机器本体可以完成动作，但中间一直缺少对现场状态、环境变化和潜在风险的理解，映界科技补的正是这一层。奇绩创坛则评价，映界科技选择了一条“更重、也更难”的路线，用统一的四维表征贯通感知、记忆与推演，并通过真实场景中的产品部署持续获得数据、迭代模型。上述均为投资方声明，来源为投资界，未提供原始采访记录，不代表独立验证结论。
00后团队与Mila背景：学术光环真实，但工程化能力仍是最大未知数
据投资界与投中网报道，映界科技的三位联合创始人平均年龄仅24岁，均来自图灵奖得主Yoshua Bengio创立的加拿大Mila研究院同一实验室。上述信息来源为投资界，未经公司官方或学术机构独立验证，需以官方披露为准。关于金依力的学历，据投资家网称，其“仅用两年半时间便完成了博士学业，创下所在学院最快毕业纪录”，该表述未经官方确认；投资界与投中网仅称其“拥有博士学业”，两者表述存在矛盾。来源材料未提供学位授予机构或公司官方确认，无法判定哪一种表述更准确，需联系公司官方或学术机构确认。联合创始人胡凯源与段西泽亦选择博士休学加入。据投资界报道，香港城市大学计算机系副教授马辰加入映界科技，出任研究总监与模型负责人。上述信息均来自创投媒体，来源为投资界，未经公司官方或学术机构独立验证，需以官方披露为准。
这里存在一个来源差异：投资界与投中网称金依力“拥有博士学业”，投资家网则称其“仅用两年半时间便完成了博士学业，创下所在学院最快毕业纪录”。两者对金依力是否已完成博士学位的表述并不完全一致。由于来源材料未提供学位授予机构或公司官方确认，无法判定哪一种表述更准确。该称谓差异应视为待确认信息，后续需以公司官方披露或学位授予机构记录为准。需要强调的是，这一称谓差异并不影响融资事实本身：无论金依力是“拥有博士学业”还是“已完成博士学业”，投资界、投中网、新浪财经、钛媒体等多个来源均一致确认映界科技完成超千万元种子+轮融资，由海愿资本领投，奇绩创坛、松禾资本跟投，创始人金依力跟投。称谓差异仅涉及创始人个人履历的准确表述，不改变融资事件已发生这一基本事实。
马辰的加入在团队结构上具有特定含义。据投资界信息，马辰深耕数据驱动AI与数据估值领域，将主导具身时空大脑的模型体系、算法能力以及核心“数据飞轮”的建设，解决模型训练中“数据度量、选择与编排”的问题。该信息来自投资界，未见公司官方公告独立验证。编辑推测：这一配置与映界科技把数据飞轮作为长期壁垒的叙事相呼应：如果飞轮的核心瓶颈在于“哪些数据值得回传、哪些数据对模型训练最有价值”，那么引入数据估值背景的研究者，可能意味着公司正在把数据质量而非数据总量作为飞轮的第一约束。但这一推断仅基于公开的团队分工描述，马辰加入后的实际产出和模型迭代效果均未披露。
更关键的问题不在学术背景，而在工程化。从产品阶段看，MirrorSense V1从原型推进到交付准备，模型进入训练阶段，这意味着公司尚未完成规模化交付。对于一家以“软硬一体感知模组”为商业切入点的公司而言，供应链管理、量产一致性、现场部署与售后维护，往往比算法本身更决定早期客户是否复购。映界科技在这方面的团队配置、合作工厂与交付流程均未披露。
竞争不在“有没有4D感知”，而在映界能否把模组变成持续运转的数据入口
映界科技并非唯一看到“空间+时间”机会的公司。来源材料中，投资界同页即出现“锚定Physical AI底层基建，「知跃空间智能」完成数亿元天使5+轮融资”“以空间智能构建「工业世界模型」，强思数科完成数千万元B轮融资”等标题。需要说明的是，这些公司并非映界科技的直接竞品，来源材料未提供它们与映界科技在产品、客户或场景上的直接竞争关系；它们仅表明资本正在密集押注物理世界的感知、建模与推理基础设施。来源材料未提供知跃空间智能、强思数科的具体融资额、产品阶段或客户信息，因此无法进行量化对比。
映界科技的差异化主张在于“统一四维表征”和“软硬一体数据入口”。但这一差异化的商业价值，最终要落到一个朴素问题上：机器人本体厂商为什么愿意替换或新增一块感知模组？来源材料未提供映界科技与任何明确竞品在成本、功耗、接口兼容性、部署难度或场景适配性上的量化对比。映界科技声称其方案在原始层完成多模态融合，该声称未经独立验证。编辑推测：RGB、LiDAR与温度数据在边缘端做原始级前融合，对算力、带宽和散热的要求通常显著高于后融合方案；这一判断是基于公开技术常识的推测，需待公司披露具体参数验证。映界科技未披露MirrorSense V1的边缘算力配置、物料成本或目标售价，因此无法判断其相对成熟3D视觉方案的商业竞争力。
编辑推测：从产业链位置看，映界科技面对的是两类替代方案：一类是机器人本体厂商自研或已集成的成熟感知栈，另一类是更低成本、更易部署的单点传感器方案。要让客户为“时空记忆”能力额外付费，映界科技需要证明其模组在具体场景中能带来可量化的效率提升或风险下降。目前公司仅披露“多类客户意向”和“2026年预期订单超千万元”，未披露任何试点结果、客户反馈或可复核的性能指标。
编辑推测：映界科技与一般空间智能公司的关键差异，不在“是否做4D感知”，而在它把自有硬件作为数据入口的闭环设计。这意味着映界科技必须先把硬件卖出去，飞轮才能开始转；而竞争对手若选择与已有摄像头或传感器存量设备合作，通过软件层获取时空数据，其数据飞轮的启动成本可能更低，但数据质量和时空标注的完整性可能更差。两种路径各有代价，映界科技未披露其模组在数据采集质量上相对存量设备的优势证据，因此“自有硬件是更优数据入口”这一前提仍需验证。这一分析基于映界科技已披露的软硬一体商业模式，而非通用行业趋势。
可比较但尚未披露的指标包括：客户所属行业分布、已签约或意向客户数量、模组目标售价与物料成本、边缘算力配置、功耗与散热指标、接口兼容性、部署周期、试点运行时长、故障率、数据回传质量与模型迭代的量化关系。上述指标均未在来源材料中出现，构成映界科技相对竞品的验证边界。来源材料未提供可比公司的融资额、产品阶段或客户信息，因此无法进行量化竞品比较；这一信息缺口本身即为映界科技竞争分析的验证边界。
资金用途清晰，但验证路径需要更硬的可复核指标
映界科技声称，本轮资金将重点用于感知硬件的商业化交付、时空理解与记忆系统的迭代，以及时空世界模型的持续训练。该声称未经独立验证。这一用途分配与公司当前阶段匹配：硬件交付决定短期收入与场景入口，模型训练决定长期壁垒。但“商业化交付”本身是一个模糊目标，来源材料未披露具体的交付时间表、目标客户数量、首批部署场景或验收标准。
从可复核性角度看，映界科技未来需要回答几个问题：第一，MirrorSense V1能否在2026年内完成首批客户交付，交付数量与客户名称是否可披露；第二，2026年预期订单超千万元能否转化为实际收入，回款周期多长；第三，时空世界模型是否能在真实场景数据上展现出可测量的推理能力提升，而非仅在演示环境中成立；第四，数据飞轮是否真的运转起来，即部署设备回传的数据是否显著改善了模型性能。上述指标目前均未披露。
投资界在报道中明确提示：行业竞争激烈，技术研发可能面临挑战，硬件商业化交付进度未知。这一风险提示与本文判断一致。映界科技的技术叙事完整，团队背景稀缺，资本结构中有创始人个人下注，但公司尚未提供任何独立第三方验证的性能数据、客户名单或收入证据。其“具身时空大脑”能否从一篇逻辑自洽的技术故事，变成一台能在电力巡检现场稳定运行、持续回传有效数据、并让模型真正变强的感知模组，是接下来12个月最关键的观察窗口。
编辑推测：如果把观察周期再拉长，映界科技真正的分水岭可能不在第一台设备能否交付，而在于第十台、第一百台设备能否以一致的质量交付，并且每一台都能稳定回传对模型训练有价值的数据。早期客户意向可以来自技术演示和团队背景，但复购和规模化部署只能来自现场运行记录。映界科技目前披露的信息还不足以判断它距离这个分水岭有多远。
验证边界与可复核指标
本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。
- 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
- 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
- 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。
RecodeX 极客视：映界科技把“记忆”作为机器感知的下一层，这个叙事本身有穿透力。但记忆不是靠架构宣言成立的，它要靠设备在真实场景里持续运行、数据持续回流、模型持续变强来证明。在没有任何可复核的性能指标和交付证据之前，这仍是一张以学术光环和资本背书为底色的早期支票。真正值得跟踪的，不是“四维表征”这个词有多新，而是第一台MirrorSense V1能不能在客户的现场活下来，并且让下一台变得更好。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。