硬氪首发 | 港大教授成立的忆生科技获数亿天使轮融资，致力于为机器人造一套记忆系统

作者 | 邱晓芬 编辑 | 袁斯来 硬氪获悉，「忆生科技」（TranscEngram）完成数亿元天使轮融资，本轮投资方阵容横跨产业资本与国资平台，包括正大旗下中生制药、浦东创投、张江科投、张江高科、弘信电子、云晖资本、沃肯资本、金舵资本等。 「忆生科技」致力于从科学第一性原理出发，用"感知—预测—交互"闭环构建机器人"大脑+小脑"统一系统，探索下一代可解释自主智能（Autonomous Intelligence）。 本轮融资资金将主要用于可解释具身控制大模型与物理世界模型的研发、多模态全人形动作交互数据和算法训练管线的建设、顶尖人才团队的扩充，以及深圳前海和上海张江研发中心与产业化基地的建设，加速推动可自我纠错、持续进化的具身智能大脑与小脑系统走向商业化应用。 「忆生科技」（TranscEngram）由全球顶级人工智能专家、香港大学计算与数据科学学院创始院长马毅教授与高盛华教授和杨言超教授一起于2023年9月创立。马毅是计算机视觉领域最高荣誉「马尔奖（David Marr Prize）」得主，也是IEEE、ACM、SIAM三料Fellow，拥有二十余年视觉感知与智能系统的理论积淀。并与邵逸夫奖得主Emmanuel Candes 以及图灵奖得主Yann LeCun等全球顶尖学者长期保持深度合作，共同探索下一代人工智能形态。 在马毅教授看来，当前大模型本质上是拥有庞大静态知识的“百科全书”。它们在封闭世界中完成开环训练，由于缺乏物理世界的自我验证与纠错机制，导致“知其然不知其所以然”，进而产生幻觉。真正的智能不应止步于此。 他认为，「忆生科技」推动机器人迈向 AI 2.0 时代的核心逻辑在于：要像生命一样，在“感知—预测—交互”的闭环反馈中学习。以人类为例，眼、脑、手早已实现高度协调统一——视觉获取记忆用于预测，双手通过交互完成任务。 （图源/企业） 为此，忆生科技构建了“大脑+小脑”的统一架构，赋予机器人同样的闭环能力： 大脑的“视觉记忆”：模仿人眼，获取并理解外部环境的物理模型（空间与几何关系），进行复杂推理； 小脑的“肌肉记忆”：模仿人手，通过运动控制获取并改善本体模型，生成高频、稳定的运动控制策略。 （图源/企业） 这一架构彻底突破了静态知识在动态环境中的“不自知”局限。「忆生科技」联合创始人杨言超介绍，依托白盒可解释的网络结构，机器人能从海量数据中自动提炼交互概念，摒弃了对人工打标和固定任务列表的依赖，实现自我演进与增量学习。 在实际效能上，该架构展现了显著的代际优势——相较传统VLA模型，忆生科技基于记忆的生成式小脑架构在多任务平均表现上提升3倍以上，且能用单一模型高质量完成多项任务，成功率超95%。 更重要的是，其核心记忆机制并不与机器人本体强耦合，能捕捉任务背后的物理与语义结构，实现跨本体（如夹爪、灵巧手、不同臂展）的技能迁移。 这正是突破产业瓶