©潮涌AI编辑部
10月8日，具身基础模型公司北京本溯智能科技有限公司（BASAL Intelligence，简称BASAL）宣布完成种子轮融资。
本轮由五源资本领投，常春藤资本、线性资本、华山资本参与投资。
BASAL成立于2026年7月，由八名具身智能领域研究者共同创立。
创始人兼CEO李健雄为清华大学智能产业研究院（AIR）首届博士生，本科就读于西安交通大学机械专业，以专业第一保送清华，师从张亚勤院士。团队自2024年起持续研究快速适应、跨任务学习和跨本体动作表达。
李健雄
公司技术路线是这轮融资的核心看点。
当前具身智能领域的主流做法是在预训练视觉语言模型上叠加动作模块，再通过后训练适配具体机器人本体和部署场景。
BASAL选择不做语言中心的基模加后训练，而是研发动作原生的In-Context具身基础模型，将动作作为模型的核心表达方式，围绕动作、任务反馈、失败纠正与人类示范建模，目标是让机器人在更换场景后无需重新训练，通过少量示范和自主尝试在现场完成学习与适应。
这一路线的底层支撑来自团队此前的研究积累。
团队提出的跨具身模型X-VLA曾获IROS 2025机器人挑战赛总冠军，隐空间世界模型ODEWorld用于提升模型对物理交互的预测能力。
开发的UniAct框架尝试构建跨机器人的统一动作空间，通过向量量化码本编码不同机器人之间共享的原子行为，让0.5B参数模型性能超过参数量14倍的对比模型，并支持快速适配新本体。
这套“先统一动作表达、再迁移到具体硬件”的思路，与BASAL当前主攻的In-Context学习方向一脉相承。
X-VLA团队在IROS 2025智元机器人操作挑战赛获得冠军
BASAL选择了一条与多数具身模型公司不同的技术路线。
主流方案靠大规模预训练加后训练适配，本质上是训练好了再部署；BASAL想让机器人在部署现场具备即时学习能力，技术难度更高，但对跨本体迁移的通用性也更强。
五源资本在种子轮即领投，看中的大概率是这条路线在跨本体迁移上的潜在通用性，而非短期交付能力。
接下来需要跟踪的是模型在真实机器人平台上的现场适应效果，以及能否跑出可复现的演示结果。
=▹
联系我们 CONTACT US!
请添加微信xingminghui15
热门跟贴