TL;DR：
源策未来凭借通用全身人形基座模型，试图破解具身智能行业长期存在的数据断层与泛化难题。该公司的崛起标志着资本正从盲目堆砌硬件转向对“大脑”核心算法与数据基础设施的深刻押注。
在具身智能的赛场上，如果说人形机器人是披着钛合金外壳的“演员”，那么能够驱动其流畅交互的底层模型就是其幕后的“剧作家”。近日，由港大教授李弘扬创立的「源策未来」斩获数亿元种子轮融资，这不仅是资本市场对这位学术新星的信任票，更折射出当前具身智能领域正经历一场从“拼硬件”到“重智能”的范式转移。1
目前的行业景观颇为滑稽：实验室里的Demo大多优雅，但一旦推向真实家庭场景，这些造价昂贵的机器便显得笨拙且脆弱。问题的核心在于“数据饥渴”。正如源策团队所言，市面上充斥着大量第一人称视角的桌面视频，却鲜有记录人类全身协调、重心偏移及物理交互的“高密度”信息。如果机器人只能学习如何抓取杯子，而无法理解“推门”时躯干如何借力，那么它终究只能沦为摆在展厅里的昂贵摆设。2
模型即生态的博弈
源策未来选择了一条“难而正确”的路：Human Body Learning（人类全身学习）。其逻辑在于，将智能沉淀在“中脑”层级，让模型输出全身轨迹而非单一关节指令。这种架构的商业野心不仅在于研发一款机器人，而是构建一套跨本体迁移的软件引擎。在资本眼中，这是一种极具诱惑力的“平台型”叙事——谁能掌握数据采集的定义权，谁就能坐稳具身智能时代的“操作系统”席位。3
然而，商业逻辑的优美无法掩盖工程落地的残酷。目前具身智能行业处于类似于自动驾驶“L1.5”的尴尬期，单点任务的成功演示远不能等同于复杂场景下的可靠交付。正如行业评论所指出的，在硬件降价的利好背后，机器人商业化的终极考题在于能否实现常态化、低成本的真机作业，而非单纯的跑分竞赛。4
从“作秀”走向“扎根”
千寻智能、银河通用及源策未来等玩家的接连融资，标志着“聪明钱”正加速从泛化的硬件创业转向具备算法底座的公司。资本不再满足于听故事，他们要求看到“数据-模型-场景”的闭环。对于这些立志做“具身大脑”的初创企业而言，挑战在于如何跳出试点项目的泥潭，在大规模工业或家庭场景中证明ROI（投资回报率）。
毕竟，当喧嚣退去，具身智能公司必须证明自己不仅仅是科技巨头的附庸或高校实验室的延伸，而是能够真正重构生产关系的商业实体。源策未来能否在2026年兑现其发布基座模型的承诺，将成为验证其“终局定义起点”战略正确与否的关键试金石。