当大多数具身智能公司还在为机械臂抓取一个杯子而优化算法时，一家名为“厘清智能”的清华系初创公司，正试图让机器人学会“思考”物理世界的因果逻辑——为什么推倒一个杯子，水会洒出来；为什么捏住一张纸的一角，它会下垂而不是保持笔直。这家公司刚刚完成数亿元种子轮融资，投资方名单几乎囊括了红杉中国、顺为资本、高瓴创投、峰瑞资本等一线基金，以及智元机器人、灵心巧手等产业资本。在具身智能赛道已略显拥挤的今天，这笔巨额种子轮融资揭示了一个新信号：资本正在从“让机器人动起来”转向“让机器人理解世界”。

信息 详情
公司 厘清智能
创始人 李一鸣（清华博导，1997年出生）
总部 北京
成立时间 2025年（推测）
本轮融资 数亿元种子轮
投资方 顺为资本、红杉中国、高瓴创投、峰瑞资本、星连资本、水木清华校友种子基金、SEE FUND、智元机器人、灵心巧手、世纪金源
核心定位 世界模型驱动的具身智能，构建跨本体、跨场景的物理交互能力
官网 未公开

它的客户名单很短，但电费账单很长

厘清智能的野心，写在它的技术路线里：全栈自研数采设备、数据管线、模型架构、物理引擎。这不是一家“买几个机械臂、调一调开源模型”的典型创业公司。它的团队正在做一件极其昂贵且耗时的事情——构建一个能够理解物理一致性的“世界模拟器”。

这个模拟器需要处理的数据量级是惊人的。想象一下，要让机器人学会“用筷子夹起一颗豆腐而不捏碎”，它需要同时理解视觉中的物体形状、触觉中的压力反馈、以及力学中的形变预测。这远非简单的“感知-规划-执行”流水线，而是一个高维传感器信号的表征、推理、动作执行的闭环系统。厘清智能选择用自监督预训练和强化学习后训练来打通这个闭环，这意味着它需要海量的、高质量的、带有物理标注的数据——而这些数据的采集成本，可能比芯片还贵。

一位接近该公司的投资人透露，厘清智能目前的数据采集设备“几乎是一天24小时运转”，电费账单“堪比一个小型数据中心”。这解释了为什么种子轮就要融数亿元——在这个赛道，没有足够的“弹药”，连数据门槛都迈不过去。

真正的销售挑战：让客户为“潜力”付钱

厘清智能的卖点很性感：跨本体、跨场景、跨任务的泛化能力。理论上，无论是什么型号的机械臂和灵巧手，只要接入它的底层架构，就能快速获得强大的物理交互能力。这听起来像是一个“具身智能的操作系统”。

但现实是，工业客户和机器人本体厂商往往更关心“今天能不能用”，而不是“明天能不能泛化”。一位制造业客户曾直言：“我只需要我的机械臂每天抓取10万个零件，误差小于0.1毫米。你告诉我它能学会开瓶盖、拧螺丝、甚至叠衣服，但我的产线不需要这些。”

这揭示了厘清智能面临的核心商业挑战：它的技术价值在于“通用性”，但当前具身智能市场的主要买单方——工业、物流、服务机器人厂商——更倾向于为“专用性”付费。除非厘清智能能够证明，它的世界模型在特定任务上的表现，显著优于那些针对该任务优化的专用算法，否则客户可能宁愿选择更便宜、更稳定的传统方案。

更棘手的是，世界模型本身是一个“黑箱”。客户很难直观理解“物理一致性”和“因果推理”带来的价值，而更倾向于用“抓取成功率”“任务完成时间”等传统指标来衡量。这意味着厘清智能不仅要卖技术，还要卖“认知”——让客户相信，未来5年，通用世界模型将取代专用算法，就像深度学习取代了传统计算机视觉一样。

22岁的平均年龄：是天才的黄金组合，还是经验的真空地带？

厘清智能最让投资人兴奋的，或许不是技术本身，而是团队。创始人李一鸣，1997年出生的清华博导，纽约大学博士，2024年英伟达奖学金全球仅十位获得者之一。他搭建的团队平均年龄仅22岁，50余人来自清华、北大、浙大、伯克利、南加大等名校。

这是一个典型的“清华系天才少年团”——学术背景顶级、工程能力强、创新锐度高。但这也引发了一个隐忧：这支团队几乎没有经历过完整的产品从0到1的商业化周期。他们擅长在实验室里构建优雅的理论框架，但能否在工厂车间里忍受机械臂的故障、客户的抱怨、以及供应链的混乱？

一位资深产业投资人对此评价：“具身智能的商业化，90%是工程问题，10%是算法问题。厘清智能在算法上可能是世界级的，但在工程上，他们需要补的课可能比想象中多。” 不过，他也补充道：“但如果你要赌下一个10年的技术范式，你肯定会赌这些年轻人，而不是那些只会调参的‘老油条’。”

投资逻辑：一场关于“物理世界GPT时刻”的豪赌

顺为资本在投资理由中写道：“厘清智能是稀缺的兼具顶级学术背景、英伟达工业落地经验的团队。” 智元机器人则表示：“目前具身智能基础模型正处于范式跃迁的窗口期。”

这揭示了这笔融资背后的深层逻辑：投资人们正在押注一个“物理世界的GPT时刻”。他们认为，就像GPT-3证明了语言模型的通用能力一样，世界模型将证明物理交互模型的通用能力。一旦这个范式成立，厘清智能将拥有类似OpenAI在语言模型领域的先发优势——数据飞轮、模型迭代、生态锁定。

但这场豪赌的风险同样明显。首先，世界模型在学术上仍处于早期阶段，甚至没有一个公认的评估基准。其次，数据获取的物理成本远高于语言模型（后者可以从互联网免费爬取）。最后，具身智能的商业化周期可能比投资人预期的更长——波士顿动力花了30年才找到盈利模式，而厘清智能的种子轮投资人，可能等不了30年。

核心判断：厘清智能正在做一件“正确但艰难”的事——用世界模型重新定义具身智能。未来12-18个月的关键观察指标是：1）能否在2-3个垂直场景（如精密装配、医疗操作）中跑通商业化闭环；2）团队能否补充有产业经验的工程化人才；3）数据采集成本能否随着模型迭代而显著下降。如果这三条线都能走通，它将成为具身智能领域的“下一个大东西”；如果走不通，它将成为一个昂贵的学术实验。

分类 标签
行业 AI人工智能、机器人
轮次 种子轮
技术关键词 世界模型、具身智能、物理引擎、自监督预训练、强化学习、多模态推理
地区 中国北京
标签 #具身智能 #世界模型 #清华系 #种子轮融资 #红杉中国 #顺为资本 #高瓴创投

🔗 官网：未公开

信息来源

1. 清华系初创公司「厘清智能」完成数亿元种子轮融资_投资界