德国企业Sereact获1.1亿美元融资，推进具身智能落地真实生产场景

当下具身智能赛道热度高涨，但多数企业的相关产品仍停留在演示视频、实验室研发或者POC验证阶段，距离大规模商业化落地还有不小距离。

以宇树为例，该企业的人形机器人目前依旧以科研教育市场为主，根据其披露的招股书信息显示，2025年1-9月，宇树人形机器人业务中，来自科研教育领域的收入占比达到73.60%，行业应用场景的收入占比仅为9.01%，真正渗透进入生产型场景仍处于早期阶段。

而一家来自德国的具身智能企业，从创立之初就选择了一条完全不同的落地路径，旗下产品自诞生起就直接进入真实生产环境运行，目前已经拿下奥地利邮政、宝马、戴姆勒卡车、梅赛德斯-奔驰等多个行业头部客户。

这家企业就是Sereact，近期该公司宣布完成1.1亿美元B轮融资，本轮融资由Headline领投，Bullhound Capital、Felix Capital、Daphni参与投资，种子轮领投方老股东Air Street Capital、A轮领投方Creandum以及Point Nine也选择继续跟投。

在更早的融资轮次中，Sereact还吸引了不少具备机器人与工业自动化背景的知名天使投资人，比如Cruise产品副总裁、Voyage联合创始人Oliver Cameron，以及Automata CEO兼联合创始人Mostafa Elsayed等。

一组很能体现Sereact落地能力的数据显示：目前该公司已经在真实生产场景中部署超过200套Cortex系统，累计完成超过10亿次拣选作业，平均每53000次拣选才需要一次远程人工干预，稳定性已经达到了相当高的水平。

Sereact最值得行业关注的一点，就是它从创立之初就选择将机器人直接放到真实生产场景中，让机器人在仓库、产线中完成具体任务、创造实际价值，同时在这个过程中积累真实的场景数据，为模型迭代打下基础。

扎根真实场景训练，打造可落地的具身智能系统

Sereact成立于2021年，两位联合创始人Ralf Gulde与Marc Tuscher都毕业于斯图加特大学，并且都曾在该校的机床与制造单元控制工程研究所（ISW）从事人工智能与机器人交叉领域的研究工作。

其中担任CEO的Ralf Gulde，研究方向聚焦强化学习、机器人操作以及真实机器人系统部署；担任CTO的Marc Tuscher则专注深度学习、计算机视觉以及机器人软件系统开发。

两人在斯图加特大学共同深耕人工智能与机器人融合方向的研究，最终在2021年将研究成果商业化，创立了Sereact。

创立之初，两位创始人就没有选择研发面向家庭开放环境的通用机器人，反而锁定了仓储与制造领域的拣选、打包、退货、分拣、库存核验等看起来并不“前沿炫酷”，但场景真实、商业价值明确的细分环节。

在Sereact看来，仓储环境本身属于相对封闭的空间，具体任务可以被清晰定义，业务效果也能量化考核，同时客户愿意为效率提升买单；另一方面，真实的仓储场景本身也存在大量复杂的突发状况，既是成熟的商业场景，也能成为训练机器人理解物理世界的高密度数据源。

Sereact早期最具代表性的技术成果是PickGPT，这是一款面向机器人的Transformer模型，目标是让机器人可以结合自然语言理解与视觉感知，在真实物理场景中完成物体拾取与操作任务。

PickGPT解决了机器人落地现场的第一个核心问题：交互与部署。一线工作人员可以直接通过语音或者操作界面对机器人下达任务，机器人面对全新物体和陌生任务时，也不需要从零开始重新训练模型，部署效率大大提升。

在推出PickGPT之后，Sereact继续推进技术迭代，推出了整体解决方案Cortex系统。

Cortex是一款视觉-语言-动作一体化模型也就是VLA模型，它的目标不只是让机器人“听懂指令”，而是将视觉感知、语言理解和动作控制整合进同一套系统，让机器人可以直接在真实物理环境中稳定执行任务。

Sereact对Cortex的设计思路完全来自真实仓储运营的需求：在电商履约中心，往往存在杂乱料箱、海量长尾SKU、反光包装、柔性物体、物体遮挡、摆放异常等多种复杂情况，想要让机器人在这类环境中保持稳定泛化能力，模型必须基于真实运营数据训练，同时整合视觉感知、任务理解和动作控制三大能力。

因此Cortex采用了分层架构设计：首先完成任务理解与视觉场景解析，生成3D运动规划，再由运动控制模块适配到具体机器人的控制空间，完成动作输出。

进入2026年以来，Sereact在短短几个月内连续完成三次版本迭代，先后推出Cortex 1.5、Cortex 1.6与Cortex 2.0。

简单来说，三个版本分别解决了不同的真实落地问题：Cortex 1.5通过策略修补实现了失败自动恢复；Cortex 1.6通过过程奖励让机器人日常运行的数据也可以用于模型学习；Cortex 2.0则引入世界模型，让机器人可以在行动之前先推演动作结果，选择最优方案。

Cortex 1.5针对基础版Cortex VLA在真实部署中遇到的分布偏移问题：常规拣选任务可以稳定完成，但遇到罕见物体姿态、流程卡顿、物体滑落这类边缘场景时，原有模型缺乏稳定的失败恢复能力。

为此Cortex 1.5引入了“交互式强化学习策略修补”机制：当机器人在某个环节执行失败，人类操作员只需要通过远程遥控给出一段简短的纠错示范，系统就可以把这段示范吸收，完成局部策略更新，不需要重新训练整个模型。更新后的策略还可以同步到整个机器人集群，让单个节点的经验能被所有部署节点复用。

Cortex 1.6则进一步降低了对人工干预的依赖，引入了PRO也就是过程奖励算子机制。

过去很多机器人模型学习只关注最终结果：要么成功要么失败，但在真实操作过程中，大量有价值的信息都藏在操作过程里，比如物体滑动、动作迟滞、碰撞风险、力反馈异常，还有失败前已经完成的部分正确动作。PRO可以从真实运行数据中提取连续学习信号，让日常运行过程本身就可以用来优化模型。

根据Sereact披露的数据，在拾取放置、鞋盒开启、退货处理等任务中，Cortex 1.6的任务成功率已经达到约98%。

最新推出的Cortex 2.0，更是将机器人从反应式系统升级为前瞻式系统：把原来的“先观察后抓取”，升级为“先预测，再行动”。

Cortex 2.0将VLA模型与世界模型相结合，让机器人可以基于当前场景状态生成多条候选运动轨迹，分别推演不同轨迹的执行结果，再按照稳定性、风险、效率多个维度打分，最终只执行最优方案。

通俗来讲，过去的机器人更依赖试错：抓取失败了再重新抓取，如果本身策略错误，就可能出现反复失败的问题。

而Cortex 2.0让机器人在动手操作之前就可以提前判断：这样抓取会不会导致物体滑落，这样放置会不会撞到箱壁，完成这几步之后会不会出现卡住的问题。这对于装箱、成套配料、退货上架、精密放置、装配这类长流程任务尤其重要，因为小误差会在后续步骤中不断放大，最终导致碰撞、卡死，需要人工介入处理。

退货处理就是非常典型的复杂长流程任务，它比简单的拾取放置难度高得多：机器人需要连续完成扫码、拆包、展开商品、检查成色、重新包装，还要判断商品应该重新上架、翻新还是直接丢弃；每一步的执行都依赖前一步的输出结果，而且商品本身的状态高度不确定。

Cortex 2.0的价值就在于，它让机器人可以在执行动作前提前推演结果，配合Lens视觉系统主动调整商品姿态，获取更好的检查视角，再完成成色判断和流转决策，将机器人能力从“会抓取单个物体”，升级到“能理解并管理一整段流程”。

支撑Sereact快速技术迭代的核心，是它基于真实场景搭建的真实世界学习闭环。机器人在客户现场的成功拣选、失败尝试、纠错动作，都会和视觉观察数据、机器人状态数据、夹爪力反馈数据以及最终结果一起被记录下来，用于模型更新；新策略通过自动化回归测试验证后，就会推送到整个机器人集群完成全量更新。

由此Sereact形成了完整的数据飞轮：部署的机器人越多，获得的真实交互数据就越多；数据积累越丰富，模型的稳定性就越高；模型越稳定，就能进入更多客户现场完成部署，形成正向循环。

这也是Sereact发展路径最核心的启发：仿真和实验室演示可以验证技术方向，但很难穷尽真实仓库里的物体重量差异、摩擦系数变化、反光遮挡、包装变形、各类异常事件。真正稳定可靠的机器人AI，仍然需要在生产现场从真实失败中学习成长。

具身智能行业破局，关键在于找到高价值落地场景

近年来具身智能赛道已经吸纳了海量资金，根据量子位智库的统计数据，中国市场具身智能赛道2025年总融资额就达到约554亿元；烯牛数据显示，2026年第一季度，中国具身智能赛道融资规模就已经达到243.73亿元。与此同时，行业软硬件能力也在持续进步，但整个行业真正需要跨过的核心门槛，还是进入生产型商业场景，形成可持续的商业价值闭环。

只有具身智能能在具体场景创造实际价值，整个行业生态才能获得持续发展的基础。就像大语言模型先在代码开发、垂直智能体等场景验证了商业价值，今年Claude Code、“龙虾”、Codex的爆火，以及Sierra刚刚完成9.5亿美元融资，都证明了高频、效果可验证、客户愿意付费的场景，往往会率先完成商业闭环验证。

因此，具身智能行业其实未必需要一开始就冲击家庭环境这类开放、复杂、接近人类日常的场景。家庭场景任务模糊，安全要求高，用户容错空间小，商业模式也不清晰；相比之下，面向生产和履约的封闭场景，任务边界更清晰，商业价值也更容易量化计算。

这个发展路径其实和自动驾驶非常相似：开放道路的完全无人驾驶依然技术难度极高，但港口、矿山、封闭园区已经更早实现商业化落地，创造了实际价值。具身智能很可能也会走类似的发展路径，先在高频、可控、可计量的场景中落地部分任务，形成部署规模、数据积累和营业收入，再逐步迭代拓展。

当前中国具身智能创业已经足够火热，下一阶段行业竞争的核心，就是线下场景的规模化验证。中国拥有全球最庞大的制造体系、物流网络和工业供应链，这些场景复杂度足够高，商业价值也足够明确，更容易形成持续的商业闭环。

谁能先把机器人稳定部署进这些生产场景，谁就更有可能率先跑出具身智能的正向数据飞轮，抢占行业先机。

本文来自微信公众号 “阿尔法公社”（ID：alphastartups），作者：发现非凡创业者的，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com