枢途科技完成近亿元 Pre-A 轮融资，一个月内连获三轮头部机构投资，加速建设具身落地新基建

近日，枢途科技完成近亿元人民币Pre-A轮融资，本轮由鼎晖百孚、鲲鹏基金（大数据方向国家级基金）联合领投，广州产投、亿合资本联合投资，老股东趋势投资超额追投。这是公司一个月内完成的第三轮融资。 在持续完善现有视频升维数据产品、提升交付能力的基础上，本轮融资将进一步支持触觉数据表征训练的研发与验证，推动SynaTac触觉产品线的技术与产品迭代，加快拓展面向机器人接触策略训练与端侧部署的业务布局。 依托已完成交付与应用验证的数据业务，枢途正通过 SynaTac 向接触智能延展，与 SynaData 共同形成面向世界理解、接触执行的双引擎产品矩阵。同时，公司开展具身数据与技能评测，将训练数据供给、接触策略研发与真实任务验证相衔接，持续完善连接人类经验与机器人真实作业的基础设施能力。 从落地出发，以可靠执行倒推具身训练基础设施 据了解，公司CTO慕巍博士曾任硅谷具身先驱企业 Covariant AI 研发副总裁及中国区软件负责人， 枢途核心技术团队以 Covariant AI 成建制算法团队为班底，拥有丰富的算法开发及场景落地经验。作为实践过具身算法从样例到产品、到场景、到稳定运行的一线团队，枢途明确认知到： 机器人从“能演示”走向“可交付”，不仅依靠算法突破，更需要围绕现场问题，推动数据、训练与验证持续迭代。 基于从现场问题出发的思路，枢途认为，具身算法落地的核心鸿沟包括大脑层对世界理解的不足和小脑层接触执行的不稳定：海量的人类行为视频升维数据可以帮助机器人理解任务，知道“怎么做”；触觉表征建模的核心价值是支撑可靠执行，实现“做得好”。具身模型不仅要理解任务，而且要判断接触是否稳定，并根据滑移、形变与阻力及时调整力度和动作。因此，增加传感器、采集更多信号并不等于获得接触能力，关键在于让这些信息有效参与学习与操作，真正支撑可靠执行。 统一表征是枢途布局接触端基建的关键切入点。针对不同传感器的数据差异，枢途围绕操作所需的接触信息建立模型可学习的结构化表达，让不同来源的经验进入共同的学习体系。除此之外，机器人还需通过策略训练学习应对不同接触状态，并在执行中利用实时反馈修正动作。枢途据此协同推进表征、训练与部署，以真实任务检验能力改进，延续团队从现场问题出发、持续迭代的产品化方法。 从产业分工看，这一布局的潜在价值，在于锚定其物理AI基础设施生态位，为触觉数据处理、策略训练与设备适配中的共性需求提供底层解决方案，减少产业链上下游团队在新设备、新任务中的重复投入。 双引擎协同，从训练数据供给向接触智能延伸 目前，枢途科技已建立面向世界理解和接触执行的两条人类行为学习引擎。 SynaData 为枢途向接触智能延展提供了成熟的产品与客户基础。该产品线以真实场景中的人类行为数据为基础，通过视频升维、人-物交互重建与跨本体映射，将人类操作视频转化为包含动作轨迹、物体位姿与接触信