自动化初创公司Neura Robotics GmbH正在推进一轮融资,融资规模最高可达14亿美元,资金来源为多家知名投资方组成的财团。
该公司今日披露,本轮参与方包括亚马逊、英伟达、高通以及加密货币发行商Tether。除科技行业投资方外,此轮融资还将吸纳其他领域的资金注入,欧洲投资银行(欧盟旗下贷款机构)和比利时研究机构imec均在参与之列。
Neura总部位于德国,旗下销售逾六款机器人产品,均搭载本地AI模型以实现环境感知与自主导航。其最新产品4NE1是一款人形机器人,最高行走速度可达每小时约5公里,最大承重约100公斤。Neura表示,该机器人可胜任从折叠衣物到汽车装配等多种任务场景。
除4NE1外,公司还推出了体型相近的轮式机器人MiPA,主要面向消费级应用场景。MiPA配备摄像头阵列,并整合红外、超声波及激光雷达传感器辅助导航。用户可通过在底盘专用区域安装各类模块来扩展MiPA的功能,可选配件包括背包、货架、桌面及多种工具。
在仓储自动化市场,Neura以MAV系列货物运输机器人参与竞争。其中性能最强的MAV1500单次最大载重可达1.5吨,机载导航计算机通过激光扫描仪持续构建环境地图,实现有效避障。
Neura还面向制造业提供专用硬件设备,旗下开发了LARA和MAiRA两款机械臂,最大抓取重量分别约为3公斤和19公斤。传统上,让工厂机器人学习新任务需要工程师编写大量代码,而Neura提供了可视化定制界面,彻底省去了手动编程的繁琐流程。
Neura创始人兼首席执行官David Reger表示:"AI的未来不会只停留在屏幕上,它将在现实世界中移动、交互、学习,并与我们并肩工作。"
Neura的客户通过名为Neuraverse的软件平台统一管理机器人机队。该平台支持创建数字孪生体——即基于实体设备持续同步遥测数据所构建的虚拟副本。工程师可借助数字孪生体在正式部署前优化机器人配置,初始设置完成后,Neuraverse还可简化日常运维工作,例如自动推送软件更新等。
Neura计划将本轮融资所获资金的一部分用于升级Neuraverse平台,同时扩大生产能力,并建立名为"Neura Gyms"的机器人训练中心。这些中心将协助企业客户将Neura的系统落地应用于实际项目。Neura表示,目前公司已积累的订单及战略部署管线总价值超过10亿美元。
Q&A
Q1:Neura Robotics最新的人形机器人4NE1有哪些核心参数?
A:4NE1是Neura Robotics推出的人形机器人,最高行走速度约为每小时5公里,最大承重约100公斤。它可以应对多种任务场景,从日常家务中的折叠衣物,到工业场景中的汽车装配均可胜任,定位覆盖消费与工业双重市场。
Q2:Neuraverse平台的数字孪生功能具体怎么用?
A:Neuraverse平台支持为每台机器人创建数字孪生体,即基于实体设备实时同步遥测数据的虚拟副本。工程师可以在虚拟环境中对机器人的配置进行调试和优化,确认无误后再正式部署实体机器,降低调试风险。部署完成后,平台还能统一管理日常运维事务,如推送软件更新等,整体提升机队管理效率。
Q3:Neura Robotics这轮14亿美元融资打算用在哪些方面?
A:Neura Robotics计划将融资用于三个主要方向:一是升级和完善Neuraverse软件平台;二是扩大自身的生产制造能力;三是建立名为"Neura Gyms"的机器人训练中心,帮助企业客户更好地将Neura机器人系统集成到实际业务场景中。目前公司订单及战略部署管线总价值已超过10亿美元。
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。