近日，加速仿生機器人研發商至簡動力（Simplexity Robotics）官宣在半年不到的時間內連續完成 5 輪融資，總融資額達 20 億元，一躍成為賽道內最年輕的獨角獸。本輪融資的財務投資機構包括：元璟資本、藍馳創投、紅杉中國、君聯資本、中科創星、高榕創投；戰略投資方則為騰訊和阿里巴巴集團。

杭州至簡動力科技有限公司成立于 2025 年 7 月，從首位員工到崗，到自研本體初代機問世，至簡動力僅花了不到 45 天時間。目前，公司實現北京、上海、蘇州三地戰略布局、與頂尖高校共建聯合實驗室、落地位于蘇州的全球創新中心、持續推進模型研發并將其轉化成產品力、先后完成兩代面向 B 端及 C 端的本體研發、實現本體小批量下線并全面開啟 PoC 驗證。

從真實場景出發，至簡動力致力于通過高上限的大一統模型、高效的數據閉環、高可靠的機器人硬件，打造具備高用戶價值的具身智能產品，最終賦能人類未來發展的創新型科技公司。

至簡動力堅持軟硬件全棧自研，通過模型定義本體，軟件定義硬件的思路，打造 " 四個 O"（one model、on device、one body、one hour）為核心的簡潔高效的技術體系。

據介紹，至簡動力打造了世界模型與 VLA 一體化的模型，通過統一的 Transformer 實現語言邏輯、視覺語義、3D 空間結構以及機器人狀態的聯合建模理解及生成預測，在實現更高上限的模型架構的同時，減少人為設計，具備更好的 scaling 效果。

目前，至簡動力已經推出：

LaST 基座模型：首次將世界模型對物理世界的理解、預測及 VLA 的快慢思維融合，顯著提升對物理世界動態的高效推理能力，解決機器人怎么 " 一邊想一邊快速動 " 的難題；

ManualVLA 超長程任務模型：在 LaST 強大基座的基礎上，ManualVLA 解決的是如何讓機器人理解復雜的長程任務，使模型能夠從目標狀態出發，自動生成類似人類使用的多模態 " 操作說明書 "，完美回答機器人 " 怎么想清楚再動手 " 的問題（該論文已收錄至 CVPR 2026）；

TwinRL 真機強化學習框架：在基礎模型強大的泛化以及推理能力基礎之上，我們同時思考怎樣在物理世界里持續學習 / 進化，不斷提高任務執行的成功率。TwinRL 則借助數字孿生擴展了真機強化學習的探索空間，在多個任務上，機器人少于 20 分鐘即可在桌面區域達到 100% 的成功率，解決 " 怎么讓機器人在真實世界里自己變強 " 的挑戰。

據悉，至簡動力的其他模型研究成果正在陸續發布中。

堅持軟硬件全棧自研，堅持模型定義本體，堅持一個通用本體，堅信數據的規模效應，正是至簡動力對于如何解決數據閉環問題的回應。

據了解，至簡動力最近提出了一種 Human data is all you need 的機器人學習范式，并已驗證適用于各種靈巧操作（包括夾爪和各靈巧手）。在預訓練階段，通過人手高效采集海量操作數據，顯著提升模型的 泛化能力；在下游任務階段，人類示范能夠快速收集任務數據，擴展任務探索空間并提升執行精度；在后訓練階段，人類通過實時指導參與 post-training，使機器人能夠實現高效的 在線學習與持續能力提升。

同時，在端側部署和預埋額外算力，通過影子模式，實現端側訓練和模型在用戶場景下的測試驗證，通過這套范式，至簡動力可以有效提高數據通用性、復用性，打造極致高效的數據收集、訓練、測試驗證、部署的閉環體系。

回歸到具身智能產品，至簡動力同樣堅持極致簡單——部署簡單、使用簡單、維護簡單。在至簡動力看來，極致簡單背后體現的是：以用戶價值為中心，為用戶多思多想。時間即最大的成本，用戶不該為復雜性買單。為用戶提供價值，公司才更有價值。目前，至簡動力的第一代自研本體也已小批量下線并開啟 PoC 驗證。

據介紹，在商業落地方面，至簡動力遵循從封閉到半開放再到全開放的漸進式迭代路徑，率先布局工廠車間、商超、物流等封閉場景。

此次募集的資金將全面投入訓練基座模型、本體研發及迭代、數據采集、核心算法研發等領域，加速具身智能技術在多場景的規模化應用。完成從工廠到制造業、服務業，從國內到海外的場景拓展，持續發力技術創新與產業合作，以技術賦能具身智能產業規模化落地，加速具身智能技術在多場景的規模化應用。

來源：獵云網