Mind Robotics是一家从电动汽车制造商Rivian剥离出来的工业机器人实验室,该公司在A轮融资中筹集了5亿美元,本轮融资由风险投资公司Accel和Andreessen Horowitz共同领投。
这轮融资于周三宣布,此前该公司在2025年底由Eclipse领投的种子轮融资中筹集了1.15亿美元,使Mind Robotics自成立几个月以来的总筹资额达到6.15亿美元。据《华尔街日报》首次报道,本轮融资使这家初创公司的估值达到约20亿美元。
Mind Robotics由Rivian首席执行官兼创始人RJ Scaringe创立。该公司于2025年11月从Rivian剥离出来,Scaringe担任董事长。基本理念是Scaringe希望利用Rivian电动汽车工厂的数据来训练工业机器人,使其更加灵巧和适应性强,同时也为这些机器人的实用性提供验证场所。
根据宣布A轮融资的新闻稿,该公司"成立是为了解决当前工业自动化解决方案的结构性缺陷。现有的工业机器人可以执行重复性、尺寸稳定的任务,但工厂价值增加工作的很大一部分需要类似人类的灵巧性、适应性和物理推理能力,而传统机器人无法解决这些问题。Mind Robotics正在构建AI基础设施——模型、硬件和部署基础设施——来弥补这一差距。"
Scaringe告诉《华尔街日报》,Mind Robotics将在今年年底前部署大量机器人。自Mind Robotics宣布成立以来的几个月里,他曾多次谈到这家初创公司打算专注于更传统的工厂机器人设计,而不是去年备受关注的人形机器人,比如特斯拉制造的那些。"做侧手翻在制造业中不会创造价值,"Scaringe告诉《华尔街日报》。
除了训练数据和机器人部署场所外,Rivian和Mind Robotics未来还可能在其他方面进行合作。12月,Rivian宣布一直在开发自己的定制芯片,旨在为其汽车上的自动驾驶软件提供动力。
在该活动的TechCrunch采访中,Scaringe表示,认为Rivian可能会向Mind Robotics销售这些定制芯片"并不需要太多想象力"。他说:"这是一个机器人处理器,所以它在那方面会工作得很好。"
Mind Robotics是Rivian在2025年剥离的第二家公司。第一家是Also,这是一家电动出行公司,从高端模块化电动自行车开始,以及为亚马逊提供的小型电动货运车辆。这家初创公司也得到了Eclipse的支持,此后又从Greenoaks Capital筹集了另外2亿美元,目前估值约为10亿美元。
Q&A
Q1:Mind Robotics是什么公司?它的主要业务是什么?
A:Mind Robotics是从电动汽车制造商Rivian剥离出来的工业机器人实验室,由Rivian CEO RJ Scaringe创立。该公司专注于开发具有人类般灵巧性和适应性的工业AI机器人,利用Rivian工厂数据训练机器人,解决传统工业机器人无法处理的复杂工厂作业。
Q2:Mind Robotics获得了多少融资?估值是多少?
A:Mind Robotics在A轮融资中筹集了5亿美元,由Accel和Andreessen Horowitz共同领投。加上此前Eclipse领投的1.15亿美元种子轮融资,公司总筹资额达到6.15亿美元,目前估值约为20亿美元。
Q3:Mind Robotics与人形机器人有什么不同?
A:Mind Robotics专注于更传统的工厂机器人设计,而不是备受关注的人形机器人。创始人Scaringe明确表示"做侧手翻在制造业中不会创造价值",强调实用性而非炫技,重点解决工厂实际生产中的灵巧操作和适应性问题。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。