芝能科技出品
初创公司 Flexion 完成的 5000 万美元 A 轮融资的支持下，这家由前英伟达研究员和 ETH 研究人员共同创立的公司，目标是一个跨机器人形态通用的“智能层”，类似于 Windows 或 Android 的自主软件平台。
Flexion 依托高性能仿真、强化学习和语言级推理技术，提出了一个不同于传统远程操作和脚本控制的自主体系结构。随着硬件快速商品化，机器人产业正在从“造身体”转向“造大脑”。
机器人产业在过去几年经历了一轮前所未有的热度。产业投资规模仅在今年就突破了 107 亿美元，创下 2021 年以来的新高，机器人硬件的迭代速度正在加快，而真正的瓶颈正在于软件。
Flexion 的创始团队来自苏黎世联邦理工学院和英伟达研究院，长期研究机器人强化学习、仿真和自主系统。
机器人依赖人工脚本、远程操作或者任务特定代码的方式，不仅成本高昂，而且几乎无法跨任务、跨平台复制，难以支撑规模化部署。
Flexion 想做的，是构建一个能够在不同形态、不同任务间迁移的“通用大脑”，为机器人提供具备推理能力、可适应环境变化、可持续学习的智能基础。
与多数机器人公司强调“端到端学习”不同，Flexion 采用了一个兼具结构化与可泛化能力的三层架构：语言模型负责常识推理与任务拆解，扩散式模型负责短期轨迹规划，而强化学习策略负责全身控制与实时适应，借助分层方式将抽象任务与物理控制联系起来，使机器人既能理解指令，又能在复杂地形中维持身体平衡。
为了训练这样一个体系，Flexion 依赖合成数据而非大规模人工示范。
其强化学习策略来自仿真环境训练，再迁移至现实中执行。这一方法背后显然能看到英伟达技术体系的影子：Isaac Gym 等工具的普及，为高性能仿真提供了工程可行性，也让模型不再受限于人类远程操作的时长成本。
团队认为，仿真生成数据的效率和规模决定了未来机器人基础模型的竞争力，而以人为核心的操作方法将难以跟上数据需求。
Flexion 的工程理念在最近发布的一段视频中体现得非常清晰：他们使用中国产的宇树G1 作为载体，让其在瑞士阿尔卑斯山脊上行走、弯腰、拾物并投掷垃圾，以一种近乎静谧的方式展示了软件对真实复杂地形的适应能力。
硬件来自第三方，传感器模块使用通用组件，核心能力则是自主堆栈本身，硬件已经准备好，而真正的竞争将发生在软件系统之间。
Flexion 的扩张方向容易理解：
公司计划利用新融资在旧金山湾区设立美国总部，并扩充苏黎世的研发团队。随着自动化需求在物流、制造、工业场景持续增长，人形机器人在成本下降后的应用范围正不断被重新定义。
团队认为，跨形态泛化能力将成为未来所有自主机器人的基础，而他们希望成为所有机器人硬件上的通用操作系统。
Flexion 的定位具有明显差异化：
行业巨头如特斯拉正在构建从伺服关节到推理模型的垂直体系，软件初创公司仍大量依赖远程操作训练数据。
真正可持续扩展的路径必须建立在仿真规模化、语言级逻辑能力以及可迁移控制策略的结合之上，提供的是一个“不造身体，只造大脑”的平台，让硬件厂商快速获得具备复杂环境适应能力的通用智能。
投资方的选择也体现了这一技术路线的可行性。
NVentures 的参与意味着英伟达押注仿真和软件层的方向，Prosus Ventures 则认可其以强化学习和仿真为核心的训练方法。
Flexion 将前沿研究转化为工程化系统的能力，在现实世界中完成人形机器人最难的挑战——在不可预测的物理世界中实现稳定的自主行为。
Flexion 代表了机器人行业的结构性变化正在发生，当硬件趋向低成本、模块化甚至商品化时，软件层将成为真正的护城河，类似智能手机时代的分工演进——从早期的垂直整合，转向操作系统层的主导。
Flexion 想要成为机器人时代的“Android”，并试图用横向的软件架构打破当前高度封闭的产业格局。
在机器人“大脑”和机器人“身体”之间的博弈中，Flexion 的路径能否成为主流仍有待市场验证。
真正的挑战不仅来自技术本身，也来自生态构建、标准化和商业化落地。
但从工程逻辑、研发背景和市场节点来看，Flexion 具备成为新一代机器人智能基础层的潜力。随着团队继续扩大规模，并与更多 OEM 集成合作，一场围绕机器人软件层的竞争也正悄然展开。
小结
当人形机器人从实验室走向工厂、仓库甚至公共环境，需要的不仅是机械结构，还需要理解世界并适应世界的智能系统。
Flexion 想要创业的方向是这样一个能跨体型、跨任务、跨场景的机器人自主基础，在硬件快速成熟、软件瓶颈日益凸显的时代，这个方向很有特点。
在中国，类似的落地可能像是一个机器人应用软件。
原文标题 : 融资5000万美元！Flexion计划打造机器人的“通用大脑”
芝能科技出品
初创公司 Flexion 完成的 5000 万美元 A 轮融资的支持下，这家由前英伟达研究员和 ETH 研究人员共同创立的公司，目标是一个跨机器人形态通用的“智能层”，类似于 Windows 或 Android 的自主软件平台。
Flexion 依托高性能仿真、强化学习和语言级推理技术，提出了一个不同于传统远程操作和脚本控制的自主体系结构。随着硬件快速商品化，机器人产业正在从“造身体”转向“造大脑”。
机器人产业在过去几年经历了一轮前所未有的热度。产业投资规模仅在今年就突破了 107 亿美元，创下 2021 年以来的新高，机器人硬件的迭代速度正在加快，而真正的瓶颈正在于软件。
Flexion 的创始团队来自苏黎世联邦理工学院和英伟达研究院，长期研究机器人强化学习、仿真和自主系统。
机器人依赖人工脚本、远程操作或者任务特定代码的方式，不仅成本高昂，而且几乎无法跨任务、跨平台复制，难以支撑规模化部署。
Flexion 想做的，是构建一个能够在不同形态、不同任务间迁移的“通用大脑”，为机器人提供具备推理能力、可适应环境变化、可持续学习的智能基础。
与多数机器人公司强调“端到端学习”不同，Flexion 采用了一个兼具结构化与可泛化能力的三层架构：语言模型负责常识推理与任务拆解，扩散式模型负责短期轨迹规划，而强化学习策略负责全身控制与实时适应，借助分层方式将抽象任务与物理控制联系起来，使机器人既能理解指令，又能在复杂地形中维持身体平衡。
为了训练这样一个体系，Flexion 依赖合成数据而非大规模人工示范。
其强化学习策略来自仿真环境训练，再迁移至现实中执行。这一方法背后显然能看到英伟达技术体系的影子：Isaac Gym 等工具的普及，为高性能仿真提供了工程可行性，也让模型不再受限于人类远程操作的时长成本。
团队认为，仿真生成数据的效率和规模决定了未来机器人基础模型的竞争力，而以人为核心的操作方法将难以跟上数据需求。
Flexion 的工程理念在最近发布的一段视频中体现得非常清晰：他们使用中国产的宇树G1 作为载体，让其在瑞士阿尔卑斯山脊上行走、弯腰、拾物并投掷垃圾，以一种近乎静谧的方式展示了软件对真实复杂地形的适应能力。
硬件来自第三方，传感器模块使用通用组件，核心能力则是自主堆栈本身，硬件已经准备好，而真正的竞争将发生在软件系统之间。
Flexion 的扩张方向容易理解：
公司计划利用新融资在旧金山湾区设立美国总部，并扩充苏黎世的研发团队。随着自动化需求在物流、制造、工业场景持续增长，人形机器人在成本下降后的应用范围正不断被重新定义。
团队认为，跨形态泛化能力将成为未来所有自主机器人的基础，而他们希望成为所有机器人硬件上的通用操作系统。
Flexion 的定位具有明显差异化：
行业巨头如特斯拉正在构建从伺服关节到推理模型的垂直体系，软件初创公司仍大量依赖远程操作训练数据。
真正可持续扩展的路径必须建立在仿真规模化、语言级逻辑能力以及可迁移控制策略的结合之上，提供的是一个“不造身体，只造大脑”的平台，让硬件厂商快速获得具备复杂环境适应能力的通用智能。
投资方的选择也体现了这一技术路线的可行性。
NVentures 的参与意味着英伟达押注仿真和软件层的方向，Prosus Ventures 则认可其以强化学习和仿真为核心的训练方法。
Flexion 将前沿研究转化为工程化系统的能力，在现实世界中完成人形机器人最难的挑战——在不可预测的物理世界中实现稳定的自主行为。
Flexion 代表了机器人行业的结构性变化正在发生，当硬件趋向低成本、模块化甚至商品化时，软件层将成为真正的护城河，类似智能手机时代的分工演进——从早期的垂直整合，转向操作系统层的主导。
Flexion 想要成为机器人时代的“Android”，并试图用横向的软件架构打破当前高度封闭的产业格局。
在机器人“大脑”和机器人“身体”之间的博弈中，Flexion 的路径能否成为主流仍有待市场验证。
真正的挑战不仅来自技术本身，也来自生态构建、标准化和商业化落地。
但从工程逻辑、研发背景和市场节点来看，Flexion 具备成为新一代机器人智能基础层的潜力。随着团队继续扩大规模，并与更多 OEM 集成合作，一场围绕机器人软件层的竞争也正悄然展开。
小结
当人形机器人从实验室走向工厂、仓库甚至公共环境，需要的不仅是机械结构，还需要理解世界并适应世界的智能系统。
Flexion 想要创业的方向是这样一个能跨体型、跨任务、跨场景的机器人自主基础，在硬件快速成熟、软件瓶颈日益凸显的时代，这个方向很有特点。
在中国，类似的落地可能像是一个机器人应用软件。
原文标题 : 融资5000万美元！Flexion计划打造机器人的“通用大脑”
