| 公司 | 半图科技 |
|---|---|
| 融资轮次 | Pre-A轮 |
| 融资金额 | 超千万美元 |
| 投资方 | 联想创投（领投）、IDG资本（老股东，本轮持续加码）、多家国内及海外一线资本（跟投，未具名） |
| 总部 | 上海市徐汇区 |
| 创始人 | 邢骏（创始人）、段金玖（联合创始人） |
| 官网 | https://www.semigraph.com/ |
把“像人”拆成结构化3D行为表示，而不是生成下一帧画面
半图科技的产品核心是所谓人类行为模型。据《科创板日报》报道，该模型位于上游多模态理解与下游3D AI互动输出系统之间：输入端接收文本、语音、音乐等多模态内容，以及角色状态、剧情规则、环境信号；模型完成行为规划与生成，把抽象意图拆解为动作、表情、空间轨迹及人—物关系；输出端是统一的结构化、可编辑、可解耦3D行为表示，可驱动不同虚拟角色与引擎，并可延伸至具身智能。
这条路线与视频生成模型的差异在于输出形态。视频模型输出像素序列，难以被精确修改、组合和复用；半图科技输出的则是可编辑、可解耦的3D行为表示，理论上可以转成各种控制信号，接入游戏引擎、虚拟人产品、互动影视甚至实体机器人。据《科创板日报》报道，半图科技已完成标准化API封装与容器化部署，并称已实现跨角色、跨引擎适配。
从已披露的架构看，半图科技并未选择“生成世界”或“生成视频”的路线，而是切入行为规划与执行之间的中间层。这意味着其技术价值高度依赖下游能否稳定接入真实产品管线。标准化API封装和容器化部署只能说明工程交付形态，不能直接证明不同引擎、不同角色资产上的实际运行效果。跨引擎适配的难点通常不在接口，而在骨骼重定向、动作风格迁移、实时性能与不同引擎物理约束的兼容。半图科技没有披露其3D行为表示采用何种中间格式，也没有说明是否已经针对Unity、Unreal或其他自研引擎做过可量化的一致性测试。因此，所谓“跨角色、跨引擎适配”目前更接近工程能力声明，而非已被客户环境验证的交付结果。
从团队背景看，创始人邢骏的履历与这条技术路线存在一定延续性。据《科创板日报》报道，邢骏本科毕业于中科大，2016年获香港大学博士学位，后赴美国南加州大学攻读博士后；曾任米哈游“逆熵”AI研究负责人，负责“鹿鸣”项目多项AI技术研发与落地。联合创始人段金玖曾任波粒子科技联创，该公司后被字节跳动收购，其本人在二次元、虚拟偶像行业有经验。核心团队还汇聚了来自米哈游、字节跳动、叠纸、鹰角等企业的人才。这意味着团队对游戏引擎、虚拟角色资产和实时交互管线可能具备工程理解，但来源材料未披露这些成员在行为模型、机器人控制或数据生产体系中的具体分工。团队背景可以解释公司为何选择从3D角色行为切入，却不能替代对模型输出质量、跨引擎一致性和客户交付能力的独立验证。
50万小时行为数据是核心资产，但口径与泛化边界尚未打开
据公开报道，半图科技已建立面向人类行为的数据生产体系，积累50万小时级结构化行为数据。该数据生产体系覆盖专业表演采集、规模化视频处理、3D空间重建、自动标注、仿真与数据合成等环节。
50万小时是一个需要拆解的数字。传统动画资产质量高但量少、周期长、成本高；机器人遥操数据局限于特定实验室任务；互联网视频虽多，却停留在像素层，无法直接转化为结构化3D行为数据。半图科技的数据生产体系试图把真实人的身体动作、手部操作、表情、节奏、空间轨迹及人—物关系转化为结构化行为数据。但“50万小时”的统计口径未披露：其中多少来自专业表演采集，多少来自视频处理与自动标注，多少来自仿真合成，来源材料没有说明。不同来源的数据在行为多样性、标注一致性和物理真实性上差异极大，直接决定模型能否泛化到未见过的人—物交互场景。
另一个未披露的关键点是数据标注的语义深度。结构化行为数据若要支撑“记得上一次共同经历并据此改变表达”，不仅需要动作序列，还需要把动作与情境、情绪、关系状态、对话意图对齐。这种对齐的标注成本远高于普通动作捕捉。半图科技没有说明其自动标注在多大程度上依赖人工校验，也没有披露不同语言、不同文化背景下的行为数据占比。若数据主要来自单一语言或单一表演风格，模型在跨文化互动场景中的行为自然度可能受限。
从数据生产链条看，专业表演采集、视频处理、3D空间重建、自动标注、仿真与数据合成这五个环节各自面临不同的质量风险。专业表演采集可能提供较高的动作精度，但采集规模和风格多样性受限于演员数量与档期；规模化视频处理可以扩大数据来源，但从2D像素反推3D骨骼与空间轨迹，可能引入重建误差；仿真与数据合成可以低成本扩充交互组合，但合成数据与真实人类行为的分布差异可能被模型继承。半图科技没有披露这五个环节的产能占比、质量抽检标准或跨环节一致性校验方法。因此，50万小时级数据目前只能说明公司在数据资产上投入了资源，尚不能证明这些数据已经形成可防御的模型能力壁垒。
《代号Live》的留存数据亮眼，但测试样本与付费转化仍是黑箱
据《科创板日报》报道，自研AI互动产品《代号Live》在2026年9月测试中次日留存达72%、5日留存57%，用户人均日互动近200条。据公开报道，半图科技表示《代号Live》的测试数据会帮助团队识别哪些角色表达更易被接受、哪些动作和互动出现频率更高。
这组数据需要放在产品形态中理解。《代号Live》中的AI角色需要同时处理状态、关系、语音、表情、动作与空间行为，与主要依靠文字回复的Chatbot不同，角色以完整3D身体参与互动。用户的一句话、一次靠近、一个话题变化或一段共同经历，都可能影响角色后续的情绪、表达与行为。若72%的次日留存和57%的5日留存来自自然流量或公开测试，其信号意义较强；若来自小规模核心用户或定向邀请，则只能说明早期产品—市场匹配的可能性，不能外推至大规模商业化。
更关键的是，留存和互动轮次并不直接等于收入。公司未披露《代号Live》的商业模式、付费设计或用户获取成本。人均日互动近200条说明用户参与深度较高，但也可能意味着产品依赖高频交互而非付费转化。对一家以B端技术接入和C端产品双线推进的公司而言，《代号Live》的定位是验证场景还是独立商业产品，本次来源未明确说明。72%的次日留存和57%的5日留存之间已经出现明显衰减，但公司未披露测试样本规模、用户获取渠道和付费转化率。更长的留存周期、付费意愿和用户获取成本，才是判断C端产品是否具备独立商业价值的核心指标。
从产品验证逻辑看，《代号Live》对半图科技的意义可能不止于留存数据本身。据公开报道，半图科技表示测试数据会帮助团队识别哪些角色表达更易被接受、哪些动作和互动出现频率更高。这意味着该产品可能承担行为模型的数据回流功能：用户在真实互动中产生的状态变化、动作频率和表达偏好，可能进入下一轮数据采集与模型训练。但这一闭环是否已经建立，来源材料未披露。若《代号Live》的互动数据尚未系统性地回流到数据生产体系，那么该产品对模型迭代的价值就仍停留在产品判断层面，而非数据资产积累层面。
两条商业路径同时推进，但客户名称与资源优先级均未披露
半图科技的商业路径分为两条。其一是面向游戏娱乐及数字内容合作伙伴提供技术接入与商业合作，方向包括3D动作与表演资产生成、实时角色驱动、跨模态行为调度、跨角色跨引擎部署。据《科创板日报》报道，半图科技已与国内外知名游戏娱乐及数字内容合作伙伴推进技术接入，该表述来自媒体报道，客户名称与合同金额均未披露。其二是据《科创板日报》报道，半图科技与国内头部具身智能企业达成合作，将行为模型接入仿真训练体系，该合作细节未披露。
半图科技没有披露两条路径的资源投入比例，也没有披露任何客户名称、合同金额、接入阶段或交付周期。这意味着“已推进技术接入”和“达成合作”目前只能理解为商业接触或试点，而非规模化收入。这些缺口使得外部无法判断哪条路径是短期收入来源，哪条是长期战略投入，也无法评估其商业验证进度。
编辑分析认为，从公司披露的API封装与容器化部署看，其B端交付更接近“技术能力输出”而非“完整解决方案”。游戏公司和具身智能企业通常不会只采购一个行为模型，而是需要与现有动画管线、引擎工具链、机器人操作系统深度集成。半图科技能否从“推进接入”走到“付费部署”，取决于其工程团队对下游客户技术栈的适配深度，这一点本次来源没有提供任何可验证证据。
两条路径的客户需求也存在结构性差异。游戏娱乐客户可能更关注动作资产的可编辑性、风格一致性和实时性能，具身智能客户则更关注行为数据与机器人动力学约束的兼容性、仿真到真机的迁移效果。同一套结构化3D行为表示能否同时满足两类客户，仍需验证。半图科技没有披露其行为表示是否针对不同下游场景做过格式转换、精度损失控制或性能优化。若两条路径需要分别维护不同的数据管线和模型版本，其研发与交付成本可能被低估。
联想创投领投的产业逻辑，与IDG加码的信号意义
编辑分析认为，联想创投的领投可以从其硬件版图来理解。联想在AI PC、AR/VR、边缘设备上有硬件布局，AI原生互动内容是这些终端的关键内容生态。若行为模型能成为跨终端的角色驱动层，联想创投的介入具有产业协同逻辑。该产业协同逻辑为编辑基于公开硬件布局的推演，尚无双方合作披露支持。
来源仅披露IDG资本作为老股东在本轮持续加码，未说明其加码原因。本轮未披露估值，外部无法判断IDG资本加码的股权成本和联想创投进入时的估值锚点。若Pre-A轮估值较此前轮次大幅上升，说明投资方对行为模型路线的定价已经包含较高预期；若估值上升有限，则可能反映市场对“中间层”商业模式的谨慎。
从投资阶段看，超千万美元的Pre-A轮融资规模，意味着半图科技需要在未来12至24个月内拿出可验证的商业进展，才能支撑下一轮融资的估值逻辑。本轮资金用途披露为人类行为模型研发、数据体系建设、团队扩充，以及AI原生3D互动场景的产品化落地。其中，数据体系建设可能是一个持续消耗现金的环节。专业表演采集、3D空间重建和人工校验都需要较高固定成本，若50万小时数据中相当比例来自高成本采集，资金消耗速度可能快于纯软件公司。
根据财联社创投通—执中数据，以2026年10月为预测基准时间，上海半图科技有限公司后续2年的融资预测概率为49.71%。该数字为第三方数据机构模型预测，非公司实际融资概率。该预测模型的方法、样本与口径均未披露，不应作为投资决策依据。
物理AI的行业位置，取决于行为模型能否跨过数字与物理的鸿沟
据《科创板日报》报道，半图科技与国内头部具身智能企业达成合作，将行为模型接入仿真训练体系。本次来源未披露合作方名称、接入阶段或验证结果。围绕这一具体合作，以下核验点均未披露：机器人本体型号、动力学约束、数据重定向方式，以及行为模型在仿真训练中具体承担哪一环节。半图科技积累的50万小时数据若主要来自人类表演和视频处理，其中大量动作可能无法直接映射到特定机器人本体。公司未披露是否已经针对机器人运动学做过数据清洗或重定向。因此，具身智能方向的进展目前仍停留在“已达成合作”的声明层面。
从行业背景看，Gartner高级研究总监方琦表示，代理型AI技术超越生成式AI，达到期望膨胀期，成为企业的首要焦点；物理AI快速兴起并受到大众关注，有望成为下一轮突破性创新的重要驱动力。中信建投证券指出，物理世界数据作为贯穿感知至反馈的关键引擎，面临巨大需求刚性缺口，受制于保真、规模与成本的“不可能三角”，物理世界数据获取倒逼行业有望迎来三重变革。这些行业观点来自第三方机构，不构成对半图科技具体合作进展的验证。
半图科技在数字角色与物理机器人之间选择了一条中间路线：先在虚拟角色上验证行为模型的交互密度，再向具身智能延展。这条路线在逻辑上可能降低直接进入机器人硬件领域的风险，但也带来一个关键问题：虚拟角色允许的动作自由度和物理机器人可执行的动作空间并不相同。虚拟角色可以做出夸张、风格化或不符合物理约束的动作，而机器人必须受限于关节限位、平衡控制和接触力约束。半图科技没有披露其行为表示是否包含物理约束层，也没有说明从虚拟角色行为到机器人控制信号的转换是否已经经过真机验证。若这一转换尚未打通，那么“延伸至具身智能”目前更接近能力迁移的设想，而非已交付的技术能力。
风险不在技术路线，而在验证路径的清晰度与数据口径的透明度
半图科技选择的行为模型路线，在逻辑上避开了视频模型的高推理成本和不可编辑问题，也避开了传统动画资产的生产瓶颈。但这条路线的风险不在技术方向，而在验证路径是否清晰。编辑分析认为，以下风险点与半图科技已披露的具体数字和合作方向直接相关。
第一，50万小时行为数据的来源构成未披露。若主要来自专业表演采集，其多样性和规模扩张受限于采集成本；若主要来自视频处理与自动标注，其3D精度和标注一致性需要独立验证；若主要来自仿真合成，其与真实人类行为的分布差异会直接影响模型泛化。
第二，《代号Live》的留存数据已出现明显衰减，但样本规模、用户获取渠道和付费转化率未披露。72%的次日留存和57%的5日留存之间相差15个百分点，这一衰减速度在早期测试中可能正常，但若样本规模较小，留存率的绝对数值可能被高估。公司未披露测试周期是否覆盖完整自然周，也未说明是否存在活动激励或运营干预。
第三，两条商业路径同时推进，但客户名称、合同金额、接入阶段与交付周期均未披露。在超千万美元的单轮融资规模下，同时维持数据生产体系、模型研发、C端产品运营和B端客户交付，资金消耗速度会很快。若两条路径都处于早期试点阶段，公司可能面临资源分散的风险。
第四，本轮融资未披露首次公开宣布或完成的具体日期，也未披露估值。公司官网未披露。这些信息缺口使得外部难以判断本轮融资的估值水平和稀释比例，也难以评估联想创投和IDG资本的具体投入规模。
验证边界与可复核指标
本次来源均未披露以下可核验指标：50万小时行为数据的来源构成与标注语义深度；《代号Live》测试样本规模、用户获取渠道、测试周期、付费转化率及更长周期留存曲线；两条商业路径的客户名称、合同金额、接入阶段与交付周期；本轮融资的估值、首次公开宣布或完成的具体日期；公司官网。上述技术能力、留存数据、客户合作与API封装等进展中，媒体陈述与公司口径分开标注；凡来源未明确归因公司的，不写成公司披露口径。公司口径统一说明尚无独立第三方验证。
融资信息
公司半图科技（SemiGraph，上海半图科技有限公司）
轮次Pre-A轮
金额超千万美元
领投方联想创投
跟投方IDG资本（老股东，本轮持续加码）；多家国内及海外一线资本（未具名）
资金用途人类行为模型研发、数据体系建设、团队扩充，以及AI原生3D互动场景的产品化落地
首次公开宣布或完成日期未披露
估值未披露
RecodeX 极客视：半图科技把融资故事建立在“行为模型”这个中间层上，避开了视频生成的内卷，也避开了具身智能的硬件重投入。但中间层的风险在于，它必须同时向上游证明数据壁垒、向下游证明交付能力。50万小时数据、72%次日留存、两条商业路径，目前都还是公司单方面披露的数字和进展。真正决定这家公司能否从“技术路线正确”走到“商业验证成立”的，不是行为模型本身，而是它能否在游戏客户和具身智能客户中拿到可核验的付费合同，并说清50万小时数据里到底有多少能直接进入下一轮模型训练。
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。