融资动态 - 首形科技完成A轮融资 由顺为资本领投 老股东招商局创投 深创投 智元机器人超额加注 奇绩创坛 五源资本追投 深蓝资本担任独家财务顾问[1] - 距离Pre-A轮融资仅三个月 资本市场持续加码 体现对技术路径与商业化前景的高度认可[1] - 本轮资金重点投向核心情绪引擎模型迭代与多场景产品规模化应用[1] 公司背景 - 首形科技成立于2024年6月 总部位于上海 注册资本270.636万元人民币[3] - 公司由哥伦比亚大学博士胡宇航领导 团队汇聚全球顶尖学府与艺术设计领域精英[3] - 核心愿景为融合AI与机器人技术 打造具备深度交互与情感共鸣能力的仿生人形机器人[3] 技术优势 - 机器人自主学习技术突破传统预设模型桎梏 采用自监督学习与自我建模技术 通过镜像自感知学习与自我认知优先解耦策略 形成感知-建模-控制闭环学习能力[8] - 情绪基座模型消化海量情绪交互数据 涵盖语言 语音 表情 情境等非物理信号 赋予机器人解读情绪并生成自然共情回应的能力[10] - 全自研仿生人脸硬件实现材料 皮肤工艺 机械结构及嵌入式系统全栈自研 精准还原基础结构 动态表情 记忆关联三层真实感 旨在跨越恐怖谷陷阱[12] 核心产品 - Emo机器人是全球首款具备表情实时反馈能力的仿生人形平台 融合视觉识别与AI预测技术 即时捕捉并同步回应人类面部表情[12] - 产品适用于家庭情感陪护 公共服务等场景 通过触发情感共鸣形成围观效应 高效转化为流量与品牌溢价[12] 商业化策略 - 公司认为机器人广泛接纳的关键在于会共情而非会说话 类人共情价值成为商业化突破口[14] - 优先选择情绪价值密集的交互场景构建商业闭环 如品牌旗舰店 主题乐园 IP体验空间等[14] - 计划于今年底启动内部员工测试 作为Emo机器人的首批种子用户[14]

核心观点 - 首形科技专注于开发具备自然表情和情绪交互能力的"人脸机器人"，认为人形机器人在未来5年内更适合作为情绪化产品而非生产力工具 [2][3][18] - 公司通过自监督学习算法让机器人对着镜子练习表情，采用跨模态训练方法实现更自然的情感表达 [10][12][13][15] - 商业化路径聚焦高情绪价值场景如体验馆、主题乐园等，计划两年内实现大规模落地 [3][23][33] 技术研发 - 采用双模型架构：一个生成表情运动空间，一个决定表情内容，通过端到端训练实现平滑连续的表情变化 [10] - 突破传统人脸坐标系映射方法，通过神经网络自主"理解"表情，解决恐怖谷效应 [9][10][12] - 训练数据来源于语音与表情的自然同步，无需人工标注情绪标签 [16][17] 产品定位 - 主打"类人共情价值"(Humanoid Empathy Value)，目标用户为重视情绪陪伴的F型人格群体 [27][28][29] - 初期推出消费级桌面产品，最终目标是打造《西部世界》式沉浸场景 [22][23][27] - 当前产品已实现毛孔级面部细节，能引发用户情感共鸣 [6][7][8] 商业进展 - 已完成两轮融资，团队规模将从20人扩至50人 [4][32][33] - 已与部分人形机器人厂商开展零部件和技术合作 [4][23] - 创始人胡宇航在社交媒体发布的Demo视频获得上亿播放量，形成"电子股东"社群 [4][8] 行业认知 - 人形机器人行业当前投资逻辑以"投人"为主，缺乏量化评估标准 [34][35] - 情绪陪伴赛道参与者较少，存在先发优势 [29] - 亚洲市场因审美趋同被选为首要目标市场 [38]

融资与市场反响 - 首形科技完成新一轮融资 由招商局创投、深创投共同领投 五源资本、浔商创投跟投 此前天使轮投资方包括德迅投资、奇绩创坛、Tai hill、智元机器人[1] - 公司创始人发布的仿生机器人"睁眼微笑"视频在社交平台爆红 用户评价显示其突破了"恐怖谷效应" 精细人脸模型与情绪互动引发市场对真实感与商业潜力的高度关注[1] 创始人背景与技术起源 - 创始人胡宇航为哥大博士 美国自然科学基金会AI研究所成员 研究方向聚焦机器人自我建模与类人交互系统 提出"机器人能否像人一样理解自身与他人"的核心命题[2] - 博士期间在Nature Machine Intelligence与Science Robotics发表两篇关键论文 涉及自监督学习与面部共情表达预测 奠定公司技术基础[2][5] 核心技术体系 1 机器人自主学习 - 采用自监督学习框架 机器人通过传感器数据自主推理运动规律 摆脱对预设模型与人工标注的依赖[3][4] - 自我建模技术实现机器人仅凭观察自身视频重建结构与运动规律 具备适应硬件磨损、新工具接入等场景的即时调整能力[5][6] - 终身学习能力使机器人可迁移至新硬件/场景 持续学习新任务并修复自身损坏[7] 2 情绪基座模型 - 首创情绪基座模型(Emotional Foundation Model) 融合语音、表情等多模态数据 解决物理交互数据稀缺问题 实现自然情绪回应[8][9] - 相比工具型基座模型 情绪交互数据更易标准化采集 且具备情境泛化优势 成为具身智能落地关键路径[8] 3 仿生人脸硬件 - 全自研面部系统覆盖材料、机械结构与嵌入式软硬件 通过FFA(梭状回面孔区)三层次验证(结构识别、微表情提取、记忆匹配)[10] - 工艺精度达到消除"恐怖谷"效应 触发人类"真实-熟悉-信任"的认知链条[10] 商业价值定位 - 提出"类人共情价值"(Humanoid Empathy Value)概念 人形机器人凭借情感连接成为注意力经济核心载体 在零售、展陈等场景具备传播与变现优势[11][12] - 对比大语言模型 仿生机器人的情绪交互更易激发瞬时情感冲动 未来或成为家庭/商业场景的流量入口[11][12]