具身智能赛道又迎来一笔大额融资。Current Robotics（元流）近日首次对外披露融资进展：公司已先后完成种子轮、天使轮、Pre-A 轮融资，累计融资数亿元人民币。

从投资结构看，天使轮由绿洲资本独家投资，绿洲资本也是公司最大机构股东；Pre-A 轮则由 BV 百度风投、高瓴创投、Monolith 砺思资本等多家机构及产业方共同参与，绿洲在后续轮次中持续超额加注。财务投资机构关注的是具身智能长期技术演进机会，产业方参与则体现出行业正在围绕数据、模型和应用生态展开更深层次布局。

融资将投向何处？

Current Robotics 表示，本轮融资资金将主要用于推进人类全身数据规模化采集，并重点投入全身灵巧操作基模、交互式世界仿真器等核心技术研发。

当下，具身智能正迈向从能力验证走向规模化应用的关键阶段，如何让机器人获得真实世界经验并持续学习，成为行业核心挑战。Current Robotics 围绕 " 人形智能始于人 " 的理念，构建覆盖人类行为数据采集、机器人基模训练和世界模型评估的技术体系，探索通往通用人形智能的发展路径。

从 VLA 研究到具身智能应用

Current Robotics 的数据、模型与评估路线，源于团队多年围绕机器人智能问题的持续探索。

创始人兼 CEO 祝毅晨，前美的集团具身智能部部长，毕业于多伦多大学，是国内最早布局 VLA 及机器人世界模型的研究者之一，已发表 40 余篇顶会论文，学术引用超过 5,200 次。他曾提出全球首个 VLM 加扩散模型的 VLA 范式，并率先将 VLA 拓展至 CoT，于 2025 年发表的 WorldEval 最早提出将世界模型用于具身策略评估，相关论文入选 ICML/CoRL/CVPR 等。Physical Intelligence 的 π 0 论文唯一引用过的中国团队研究成果，正是祝毅晨团队完成的 TinyVLA 与 ScaleDP 工作。

这些研究从 VLA 模型、人类示教数据逐步延伸至全身机器人学习，沉淀为 Current Robotics 的技术基础——从基础模型任务理解，到动作生成，再到真实世界数据获取和策略评估，形成围绕数据、模型和评估构建的技术路线。

为什么是双足人形加灵巧手？

随着人形机器人从实验室演示走向真实场景，行业竞争正在从机器人本体能力延伸至机器人智能。当机器人进入家庭、商业空间等开放环境后，需要面对更加复杂的连续任务——理解环境、协调身体、灵活控制双手，并稳定持续地完成任务。

目前国内行业普遍使用双指夹爪、三指夹爪和移动底盘的机器人构型来完成任务。但海外的 Figure、Tesla、1X、DeepMind 等厂商已达成共识：高自由度的灵巧手和双足人形一定是终局形态。这种类人的人形机器人可以最完美地适配人类活动空间，在不对场景进行改造的情况下，快速融入人类生活。

围绕这一方向，Current Robotics 推出全身灵巧操作基模 Curr-0，探索将双足人形和 20 自由度以上的灵巧手真正结合，纳入同一模型中去学习、推理并完成任务。Curr-0 运行于 70+ 自由度人形机器人平台，基于大规模真实世界数据进行端到端训练，通过共享权重策略完成多类任务，实现移动、身体协调和手部物理交互能力的统一学习。

世界仿真器解决什么问题？

随着机器人模型规模不断扩大，如何快速验证策略效果，并将测评结果转化为新的训练数据，正在成为具身智能持续迭代的关键环节。

与传统算法评测不同，人形机器人面对的是不断变化的物理世界。在真实环境中，同一任务往往难以完全复现，每一次测试都需要消耗大量机器人、场地和人工成本，测评规模和迭代效率因此受限。对机器人而言，能力提升依赖持续的数据反馈和模型更新，评测体系则决定了问题能多快被发现、又能多快重新进入训练。

本周，Current Robotics 发布的交互式世界仿真器 CurrentWorld-0 正是围绕这一问题展开。它将世界模型进一步应用到机器人验证与持续迭代中，并首次将跨本体（Cross-Embodiment）、多视角（Multi-View）和力 - 触觉（Force-Tactile）整合进同一个世界仿真器。

在本体层面，CurrentWorld-0 覆盖双臂夹爪、移动机器人、配备灵巧手的