至简动力创始人兼CEO贾鹏

至简动力董事长王凯，是前理想汽车CTO，于2024年加盟元生资本担任投资合伙人。

至简动力创新打造了世界模型与视觉语言动作模型一体化的架构，通过统一的Transformer实现了语言逻辑、视觉语义、3D空间结构以及机器人状态的联合建模理解与生成预测。这一设计在实现更高上限模型架构的同时，减少了人为干预，具备更出色的规模化扩展效果。

目前，至简动力已经推出以下核心模型：

LaST0基座模型：该模型首次将世界模型对物理世界的理解、预测，与视觉语言动作模型的快慢思维相融合，显著提升了对物理世界动态的高效推理能力，解决了机器人如何“一边思考一边快速行动”的核心难题。

ManualVLA超长程任务模型：在LaST0强大基座的基础上，ManualVLA着力解决如何让机器人理解复杂的长期任务，使模型能够从目标状态出发，自动生成类似人类使用的多模态“操作说明书”，完美回应机器人“怎么想清楚再动手”的问题。

TwinRL真机强化学习框架：在基础模型强大的泛化与推理能力之上，团队同时思考如何在物理世界里持续学习与进化，不断提高任务执行的成功率。TwinRL借助数字孪生技术，扩展了真机强化学习的探索空间。在多项任务上，机器人仅需不到20分钟即可在桌面区域达到100%的成功率，有效应对“怎么让机器人在真实世界里自己变强”的挑战。

据悉，至简动力的其他模型研究成果正在陆续发布中。

坚持软硬件全栈自研，坚持模型定义本体，坚持一个通用本体，坚信数据的规模效应，这正是至简动力对于如何突破数据闭环难题的核心回应。

据了解，至简动力近期提出了一种“Human data is all you need”的机器人学习范式，并已验证适用于各种灵巧操作。在预训练阶段，通过高效人手采集海量操作数据，显著提升模型的泛化能力；在下游任务阶段，人类示范能够快速收集任务数据，扩展任务探索空间并提升执行精度；在后训练阶段，人类通过实时指导参与模型优化，使机器人能够实现高效的在线学习与持续能力提升。

同时，在端侧部署和预算额外算力方面，通过影子模式，实现端侧训练和模型在用户场景下的测试验证。借助这套范式，至简动力可以有效提高数据通用性、复用性，打造极致高效的数据采集、训练、测试验证、部署的闭环体系。

目前，该公司已实现北京、上海、苏州三地的战略布局，与顶尖高校共建联合实验室，并落地位于苏州的全球创新中心，持续推动模型研发并将其转化成产品力。公司先后完成两代面向B端及C端的本体研发，实现了本体小批量下线并全面开启PoC验证。

在商业落地方面，至简动力率先布局工厂车间、商超、物流等封闭场景。此次募集的资金将全面投入训练基座模型、本体研发及迭代、数据采集、核心算法研发等领域，加速具身智能技术在多场景的规模化应用。