起源：普京与王毅亲切握手边走边聊作者： 罗淑芬：

前华为字节高管联手创业，专一于消费级具身智能，两轮融资数亿元

5 月 20 日，具身智能草创公司贝塔无限（Beta Infinity）颁发实现种子+ 轮融资。本轮由世纪华通参加的盛趣泰和基金与和利本钱结合领投，毅达本钱、南山战新投等机构跟投。这是该公司成立后实现的第二轮融资，累计融资金额达数亿元，资金将重要用于主题技术研发及产品试造等。

创办这家公司的是刘武龙和陶帅，他们专一于打造消费级具身智能系统与终端产品。

结合首创人兼 CEO 刘武龙毕业于清华大学电子系。他曾任职于华为，历任大模型工程团队掌管人、强化进建首席科学家，并成为华为最年轻的 AI 钻研所所长。任职期间，刘武龙主导孵化了华为智能驾驶业务，是首个不依赖高精地图的量产版本 ADS 2.0（高阶智能驾驶系统）的主题操刀者，并从 0 到 1 打造了昇腾万卡集群训推系统，主持昇腾万卡集群调优。具备智能驾驶与大模型双向技术研发及产品落地经验。

结合首创人兼 CTO 陶帅同样来自清华大学电子系。他曾担任字节掌管搜索、网盟贸易化 AI 算法和工程总监。在字节任职期间，他携带百人 AI 团队，从 0 到 1 打造出年营收数百亿的“千人千面”复杂 AI 系统，在 C 端个性化技术、大模型算法等领域积淀深厚。

2025 年中，两人决定创业。他们密集调查了多个利用场景，于同年年底确立业务方向，并于 2026 年 3 月正式起头运营，团队主题成员重要来自华为、字节跳动、智元、大疆等企业。

目前，该公司在研发首批消费级具身智能产品，前锋履历版打算年内亮相；同时，其已与多家高低游产业头部企业达成深度战术合作。

在这次对话中，我们聊了聊为什么他们选择切入家庭场景的贸易逻辑，具体拆解了其致力于打造的“人机共融”硬件状态背后的硬核技术底座。

以下是对话实录，为方便阅读，做了不扭转原意的编纂：

DeepTech：调研了好多场景，为什么选择切入消费级具身智能
？

陶帅：在深度调研了 3C 电子加工、汽车装配、养殖场等 B 端场景后，我们得出两个主题判断。

第一，大模型驱动的具身智能，最适配的是消费级场景。工业流水线对机械人的主题要求是精准度和节拍，更适合用传统工业视觉和机械臂做幼领域泛化；而大模型的优势在于泛化能力和盛开性交互，这与消费级市场的需要高度符合。

第二，B 端场景落地难度高，且对通用具身智能的演进援手有限。工业数据高度定造化，难以形成规；莘陕。从前两年，固然市场上有不少订单，但真在产线上实现 ROI（投资回报率）大于 1 且齐全跑通的案例尚未出现。

相比之下，消费级市场是蓝海，其需要与大模型技术的成熟度曲线高度匹配，也与k8凯发天生赢家技术栈符合。

DeepTech：你们但愿打造一款怎么的机械人
？今年就会有机械人的 Demo 亮相
？

陶帅：我们专一于消费级市场，主题落地场景是家庭，但愿打造一款面向“人机共融”场景的机械人同伴，具备高泛化能力和盛开性的工作编排能力。

在硬件层面，机械人必须拥有消费级的亲和力与灵动性，摒弃工业 AGV 式的底盘和僵化状态，将家庭通畅性、人机适配性和安全性放在首位。

在智能层面，我们赋予机械人两项主题能力：第一，全时空多模态影象系统，提升机械人个性化和长程复杂工作的执行能力。这是我们从第一天起就确立的消费级具身智能必建课，能复用我们在线上“千人千面”复杂推荐系统中堆集的经验；第二，环境自演进能力。具体蕴含两方面：一是部署态的数据飞轮，依附真实场景中的持续数据驱动实现进化，而非仅靠前置采集；二是强化进建，是环境自演进的关键技术基座。

DeepTech：你们近期在招聘服装设计和柔性皮肤设计的实习生。这是否意味着你们的机械人在状态上会是一款可能高度融入家庭环境的产品
？

陶帅：是的。既然明确面向消费级市场，主打“家庭同伴”的定位，机械人在状态上就必须具备亲和力和安全性。一方面，通过顶尖的工业设计和柔性防护资料优化人机交互履历；另一方面，团队中的工业设计师也在表形细节上投入了大量精力。

除了表观亲和力，我们还对标消费电子的“极致堆叠”、机能与高靠得住性。目前市面上好多机械人产品在本体上仍停顿在初步可用的阶段。而我们钻营的是：既要有充斥温度的人机交互，又要实现消费电子级此外硬件极致堆叠，同时两全具身智能自身的实用性与科技感。

DeepTech：当机械人真正落地到家庭场景时，你们会先让它做哪些具体的工作
？

陶帅：这是一个逐步演进的过程，重要萦绕三大主题能力发展：

第一，构建个性化多模态交互底座。覆盖语音、肢体姿势甚至个性化移动方式，这是机械人在家庭中最基础的安身能力。

第二，操作能力的自演进与逐步解锁。初期聚焦单一物品收纳、抓取等工作，后续从平面操作升级到立体空间，再攻克柔性物体。产品初期的操作能力上我们判断，想一步到位解决通用家务，做到消费级产品要求短期不现实，关键在于设备入户后通过 OTA 和真实场景下的自演进机造持续提升。

第三，基于 BetaAgenticOS 打造高阶技术生态。结合家庭场景调研与用户付费意愿，将来开发者可在该系统上开发丰硕的 Skill 利用，形成系统+利用的生态模式。

*OTA 意味着机械人进入家庭后，能够像手机系统更新一样，通过云端远程获取新的算法模型、技术包或机能优化，从而实现持续进化。

DeepTech：让机械人具备多模态交互能力，能和人类互动，那会接入诸如 DeepSeek 这样的模型吗
？

陶帅：仅仅接入 DeepSeek 这类模型，无法满足我们对消费级具身智能产品的技术要求。目前行业内部门早期索求往往侧重于在交互层接入大模型 API，但我们以为这种架构可能难以齐全满足具身智能在家庭复杂场景中的深度落地。

第一，影象与个性化能力的缺失。现有的大说话模型谈天机械人普遍不足长效影象、多模态影象和时空影象能力，也无法精密化构建用户画像。这是我们首先要重点突破的方向。

第二，交互与具身能力的割裂。在机械人场景中，交互不能只依赖说话，还必须与具身智能的大脑能力深度融合。若是交互用一套模型、工作规划和拆解用另一套模型，中央的“缝合”工作会极度复杂。尤其是在人与机械人交互过程中，用户会频仍打断、纠正、重新规划工作，这要求交互与具身工作规划必须在统一模型内天然协同，实现天然的长程工作规划与执行，而不是两套独立系统的单一拼接。

因而，我们钻营的是说话、姿势、操作与具身大幼脑协同统一的联动系统，所有这些能力将在统一个模型中整合。

DeepTech：关于机械人的持久影象存储，你们是若何思考的
？是放在本体还是上云
？

陶帅：影象能力一方面支持“千人千面”的个性化履历，另一方面也是实现具身智能长程复杂工作的技术底座。主题问题在于：存什么数据、数据怎么用、影象若何演进
？

我们已经构建了一套基于个性化嘉奖机造的 reward 系统，通过强化进建来驱动影象的演进与更新。在存储层面，我们采取分层战术：原始的用户数据，为确保隐衷安全，会严格放在本地存储和处置；二次挖掘的脱敏数据，经过用户授权，选取端云协同的方式。

DeepTech：在解决具身智能不足个性化和自主做事能力差的痛点上，你们的底层模型和算法架构做了哪些创新和优化
？

陶帅：在个性化方面，我们选取了“全时空多模态影象框架”。它不是单一存储数据或做高低文嵌入，底层是一套由强化进建驱动的影象治理、演进与模型融合的范式。

在自主持续做事能力方面，k8凯发天生赢家工作重要体此刻两部门：一是 Wild2Bot 数据框架，即通过部署环境中的数据持续提升具身智能的能力；二是真机强化进建，这也是我们团队堆集较多的方向。

DeepTech：在具身智能领域，数据往往被视为最深的技术护城河。你们训练机械人的数据从何而来
？

陶帅：我们内部构建了一套名为“BetaData”的三阶段数据框架。

第一阶段（部署前）：传统的数据金字塔模式，蕴含互联网开源数据、umi 多包采集、真机遥操作等，能让机械人的基础操作能力达到 60-70分，覆盖家庭常见头部物品。

第二阶段（部署后观察进建）：机械人进入家庭后，通过传感器观察人类真实操作，构建 Wild2Bot 数据飞轮。我们为此搭建了部署场景内的可控天生世界模型，这将成为将来最重要的数据起源，也更切合数据的第一性道理。

第三阶段（真机强化进建）：当模型能力达到 80-90 分后，通过真机在真实环境中的自主试错与操练，将精度提升至 99% 以上。

DeepTech：将来的规划功夫线是怎么的
？好比什么时辰颁布真机，以及数据三阶段的功夫节点若何铺排
？

陶帅：我们有一个大的功夫线，但机械人智能技术自身发展很快，节拍也在动态调整。

今年的重点是把技术底座和旗舰本体的主题能力做到跨代级的履历，尤其是几大基座能力：多模态个性化交互、室内极致自主移动与语音建图，以及操作层面的数据飞轮。真正规；牧坎凸└创蚰ゴ蛩惴旁诿髂晟习肽。后续也会思考出海。

DeepTech：你们的指标市场重要在海表
？

陶帅：我们是全球布局，国内和海表城市有相应的产品规划。不外某些场景的确更适配海表市场。好比偏家务类的操作能力，当产品达到较好的成熟度和付费能力后，北美和海表市场的适配性更高。国内劳动力成本相对较低、居住空间也偏幼，家务场景的付费能力没有那么强。当然，国内市场依然是打磨产品和技术的重要阶段，像多模态交互、自主移动等具身智能的通用能力，在国内同样有市场需要。

DeepTech：思考到国内表市场的差距，好比海表住宅面积更大、人为成本更高，而国内可能有更多“三代同堂”的家庭结构，家务诉求也不尽一样。在用户偏好层面，你们是若何对待这种地域性差距的
？

陶帅：这更多是产品层面的问题。我们在国内一、二、三线城市以及海表都做了大量用户调研，发现了一些差距化需要。好比家务场景的偏好、交互方式、付费点等，分歧地域都不一样。

从产品设计上，我们会做地域化的分辨，这也是“千人千面”个性化能力的一部门，不仅体此刻分歧家庭之间，也体此刻分歧地域之间。从技术底座上，我们也会做好数据隐衷和安全性的分级技术规划，由于分歧地域对智能能力的接受度也存在差距。

DeepTech：近期像 Figure AI 等国内表企业进行了多场聚焦日常场景的机械人实机直播，引发了行业热议。你若何评价他们的优势与不及
？你们将来若何竞争与超过
？

陶帅：国内方面，固然入局者多多，但从目前展示的技术和数据来看，整体仍处于低级阶段。无论是交互与具身智能的融合能力，还是消费级本体的设计能力，距离我们预期的状态还有很大差距。

海表方面，几家头部企业展示的技术理想值得认可，有些与我们不谋而合。好比我们去年底提出影象能力和长周期复杂工作编排，今年 3 月 pi（Physical Intelligence）团队也颁发了多模态长短期影象对长程工作提升的工作，注明行衣讽想在逐步收敛。至于 Figure AI，他们展示的 Demo 的确不错，但整体成效在预期之内。

相比海表竞争敌手，k8凯发天生赢家特点重要体此刻两点：

第一，软硬件协同的系统级优势。国内供给链和本体产业基础较好，我们在软硬件协同设计与顶层算法优化上具备空间；第二，用户履历的打磨，在 C 端用户履历上，国内团队在移动互联网时期已全面当先海表——抖音、微信等都是例证，在具身智能时期，尤其消费级市场，我们也有相应的信念。

DeepTech：你们属于华为系的创业团队之一，目前华为系出来做具身智能的团队不少。你以为你们的产品逻辑和工程逻辑与其他团队相迸仔什么分歧
？

陶帅：我们以为具身智能的落地是一个综合性系统工程，单靠自动驾驶或某一单一技术栈不够。k8凯发天生赢家分歧之处重要体此刻两个方面：

第一，首创团队是“华为+字节”的组合；獗咧匾淙氲氖亲远菔缓痛竽Ｐ偷撞阊蟹⒛芰；而我这边则带来线上个性化推荐系统和复杂 AI 系统架构的经验。两者结合，我们以为是适配消费级落地场景的组合之一。这既不是单纯的自动驾驶技术迁徙，也不是偏学术的 Demo 演示，而是面向真实落地的综合能力。

第二，在融资节拍和发展理想上，我们更偏差于稳扎稳打。此刻行衣凤年轻创业者好多，热钱也好多，但我们选择回绝本钱催熟的模式，对峙从系统落地做起。

运营/排版：何晨龙

注：封面/首图由 AI 辅助天生