独家｜从图灵奖得主研究院到大湾区具身前线，映界科技做机器人空间大脑，融资千万

当资本疯狂涌入人形机器人本体，一家成立1个月的公司选择往下走一层，做所有机器人共同依赖的感知基础设施。

三位创始人全部来自图灵奖得主Yoshua Bengio创立的Mila研究院生态。他们判断，最终拉开机器人差距的不是本体，而是对物理世界的理解与记忆。

这个方向已得到松禾资本与奇绩创坛的认可——由此创立的映界科技，完成种子轮千万融资，估值亿元。

01 映界科技的起点

过去两年，大模型与具身智能两条主线并行爆发——机器人学会对话、奔跑、跳跃。但从发布会上的昂贵样品到生产一线的实际工作，隔着一条鸿沟：当它们进入昏暗、粉尘、强电磁干扰的非结构化环境，感知系统会迅速崩溃——看不清、不理解、记不住。

这正是映界科技MirrorSpace从创立第一天就直奔的方向。三个中国年轻人，有的放弃头部高校邀请、有的毅然休学，带着实验室20年的积累，从加拿大蒙特利尔回到中国深圳。从AI重镇到硬件前线，他们要解决机器人产业被长期忽视的底层基础设施问题。

松禾、奇绩选择在早期押注。而映界科技的发展也出乎意料——产品还未正式发布，近千万的订单就砸了过来。

映界科技的故事起点，从大西洋彼岸蒙特利尔的Mila研究院出发。Mila，由图灵奖得主Yoshua Bengio创立，是全球深度学习的圣殿之一。在这里，Steve Liu教授用二十年追问一个问题：机器如何感知、理解、记住所处的空间？他是加拿大工程院院士、IEEE Fellow，曾任三星北美AI研究院副总裁、Tinder首席科学家——一个长期穿行于顶尖学术与真实产业之间的人。

金依力、胡凯源、段西泽，相识于2021年，且都是Steve Liu教授的学生，三人在同一个研究方向上并肩深耕，也已形成了互补的极简能力结构。

金依力定方向——两年半博士毕业，麦吉尔计算机系最快纪录，论文被引千次，但他从不是一个愿意单纯停在学术圈里的人，始终在寻找落点；胡凯源把研究推到极致——全部顶会论文获Oral提名，最年轻的IJCAI和ICC分会场主席；段西泽把研究跑进现实——拥有腾讯AI Lab和香港大学的工业场景研究实践经验，后来成为映界产品落地的关键判断底色。

窗口打开的那一刻，三人没有犹豫，一起回国创业。这不是冲动，是多年共同积累之后，一个关于理想与时机的双向奔赴。

图：段西泽、金依力、胡凯源在办公室

这一届00后年轻人和上一代不一样。他们不愿意等，不愿意只做论文里的智能，他们想让机器真正走进现实世界，想在这个时代最确定的浪潮里，留下属于自己的注脚。在他们看来，机器人时代不只属于那些制造身体的人，更属于那些赋予机器理解力的人。

02 松禾与奇绩的押注逻辑

对早期投资机构而言，这支团队踩中了一个正在成形的判断：空间智能，是机器人走向物理世界过程中下一个基础设施级的机会。

松禾资本在AI与机器人领域布局深厚，在投中奥比中光、优必选之后，仍愿意押注一个种子轮团队，认可的是方向，更是这几个年轻人身上超出年龄的判断力。

松禾资本创始合伙人汪洋表示：“机器人产业正从‘自动化机器’走向‘物理AI智能体’，这个过程中，空间智能是不可或缺的基础设施层。映界团队对技术路线的选择、对工业场景的切入、对产品标准化的追求，都显示出超出年龄的判断力。我们相信，MirrorSpace有机会成为机器人物理世界交互的标准配置。”

奇绩创坛看中的，是这支团队从学术到产业的完整认知链条，以及其产品在工业场景中找到的真实付费意愿。“很多机器人团队在追求动作的流畅度，但我们认为下一阶段更稀缺的是让机器真正看懂现场。映界的特别之处在于，三位年轻创始人没有停在论文和演示里，而是把多年空间智能研究拆成可适配、可量产、可在复杂工业环境中验证的产品。奇绩从早期陪伴他们，看重的是这份把硬问题做实的决心，也期待映界把空间认知变成更多机器人可依赖的基础能力。”

03 MirrorSense三层架构

机器人落地瓶颈不在腿和手，而在“空间认知”——能看懂、能理解、能记住所处的空间。现有感知方案大多是静态快照，机器人只能看见此刻，记不住过去，也推断不了未来。

映界用MirrorSense分三层解决：

感知层——融合RGB摄像头、LiDAR与热成像传感器，通过实时融合多模态数据，实现了低光照、强干扰等复杂环境下的稳定感知。

理解层——自研算法实时融合多模态数据，生成动态4D语义空间。机器人不只知道“周围有东西”，还能判断材质、温度、精确边界与语义类别，开始真正“理解”空间。

推理层——让机器人拥有时空记忆：目标被遮挡时能推断位置，空间关系变化时能快速更新认知。这套能力被封装进标准化模组，兼容主流机器人OS，即插即用。

图：MirrorSense空间记忆展示

整机市场已经拥挤，映界选择往下走一层——做所有机器人厂商的感知底座。这一策略正在获得验证：头部石油央企与物理AI模型提供商已有意向订单，头部机器人本体厂商已达成合作，国内外多所高校与研究院也已建立合作关系，意向订单规模接近千万。产品从实验室到工厂的第一个验证节点即将到来。

04 从感知到记忆，这个故事才刚刚开始

金依力把未来分为三个阶段：短期，在石油、电力等已获订单的工业场景深耕，跑通量产交付；中期，推动MirrorSense适配人形、四足、机械臂等更多机器人形态，同步在学术科研领域深度耕耘——与多所高校及科研机构合作，推动空间智能标准制定与前沿探索；长期，让MirrorSense成为物理世界交互的基础设施。

值得一提的是，MirrorSense在持续运转中积累的多模态时空数据，本身也将成为下一代世界模型不可或缺的物理世界数据基础。正如李飞飞所指出的，真正的世界模型必须工作在几何、物理与动力学的层面，而不只是输出像素——映界正在做的，恰恰是在真实工业环境中持续沉淀这一层数据。

“让每一台机器都能看清、理解并记住真实世界。这不是终局判断，而是一个过程：从工业到家庭，从感知到理解，从单机到协同。”金依力说。

三个平均24岁的年轻人，没有等风来，而是选择成为风本身。在”机器人走向物理世界”这一确定性趋势面前，愿意往最底层走的人，往往最有机会定义这个时代的基础设施。这个故事，才刚刚开始。

文章来自于微信公众号 “Z Potentials”，作者 “Z Potentials”