LiberAI(将闲科技)深度调研:从 RDT-1B 到 Liber-0 世界动作模型,以 UMI 无本体人类数据 + 世界模型范式攻克具身数据饥渴的清华系物理世界模型公司
LiberAI(北京将闲科技)为清华系物理世界模型公司,主推世界动作模型 Liber-0 与自研 LiberSense Glove,以 UMI 无本体人类数据+世界模型攻克具身数据饥渴,8 个月 5 轮融资超 10 亿元。
执行摘要
LiberAI(法律实体北京将闲科技有限公司)是一家 2025 年 12 月 8 日注册于北京海淀的物理世界模型公司,法定代表人刘松铭,注册资本 146.04 万元。其使命是做物理 AI 的「通用大脑」——一个理解物理规律、把人类操作经验迁移为机器人动作的世界模型,自身不造整机,定位为具身智能的基模与数据基础设施供应商。创始人刘松铭为清华计算机系博士(生于 2000 年,有来源记为 2001 年)、清华特等奖学金获得者(每年约 10 人)、师从视频生成学者朱军教授,在 ICML、NeurIPS 有多篇一作;创立公司前主导了 RDT-1B、RDT-2 系列操作基模。本报告整理其团队、技术、资本、商业化证据与竞争地位,并对 DISCREPANCIES 中记录的 7 组公开口径冲突逐项裁定。数据截至 2026 年 11 月 15 日。
技术核心是 2026 年 11 月 4 日发布的世界动作模型 Liber-0,基于超过 220 万小时人类经验(约 200 万小时互联网人类视频,叠加手套、跨本体、第一视角与遥操作数据)训练。Liber-0 采用 Mixture-of-Transformers 架构,语言、视觉、动作三专家流经多模态注意力交互,共享物理编码器融合状态、具身上下文与带噪声动作,联合预测未来帧与动作;并引入统一 Embodiment 表征,把人体几何、手部构型与机器人运动学编码为上下文,支持跨本体技能迁移。公司把 Liber-0 与自研 LiberSense Glove(0.3 毫米厚、131 克、21 关键点手部姿态采集)及 LEO 机器人平台(20 自由度五指灵巧手、可动腕部、可调腰部)配套,以「UMI 无本体人类数据 + 世界模型」范式攻克具身数据饥渴。公开零样本真机测试取得抓取放置 63.5%、短程非抓取 34.0%、长程非抓取 10.5%,总体 36.0%(600 次试验),而 GPT-6 Astra 直接作为机器人策略时三组仅 8.3% / 5.0% / 1.7%。
LiberAI 是本清单中国物理 AI 公司中融资节奏最快的一家:8 个月 5 轮、累计融资报道超 10 亿元,投资方含红杉中国、顺为、美团龙珠、真格、360、国开金融、创新工场、CMC、彬复、中关村科学城、达晨、高信、华映等;估值约 50 亿元仅为单一来源、未公司披露。技术上公司在 RoboDojo 领跑中国世界模型 / 具身基模梯队,但仍处未收入、未定价、长程可靠性早期(10.5%)阶段。按优先级值得追踪的信号依次为:独立固定任务评测、超出单任务 Demo 的可复现多场景基线、首个具名付费客户、估值核对。
公司概览
北京将闲科技有限公司于 2025 年 12 月 8 日注册于北京海淀,注册资本 146.04 万元,法定代表人刘松铭。创始叙事高度集中于一人:刘松铭生于 2000 年(有来源记为 2001 年),清华计算机系博士生、清华特等奖学金(每年约 10 人)、年级第一,师从视频生成模型学者朱军教授,在 ICML、NeurIPS 发表多篇一作。2024 年 10 月,尚为清华博士生的刘松铭作为一作提出 RDT-1B——一个双臂机器人扩散基模,比 Physical Intelligence 的 π0 早约一个月,将大规模多机器人数据预训练与 Diffusion Transformer 结合,展示未见物体零样本泛化与新技能少样本学习,是具身智能大规模预训练范式的代表工作。2025 年他发布 RDT-2,转向无本体(UMI)人类数据;2025 年 12 月创立 LiberAI。
联合创始人林凡淇出自清华交叉信息院,师从高阳教授;一作论文《Data Scaling Laws》首提具身领域「数据多样性→泛化性」规律,获 ICLR Oral 与 CoRL X-Embodiment Best Paper。团队规模报道为 30–50 人,清华系占比超 70%,并吸纳优必选、大疆、Tesla Optimus 前工程师补硬件落地。这种学术 + 工程的组合,被公司视为缓解高校创业「算法飘、硬件落不了地」通病的答案。公司注册信息显示其为私营、未上市,尚无公开收入与定价产品。从公开工商信息看,公司经营范围覆盖技术开发、机器人相关软硬件与数据处理,与其「不造整机、只做基模与数据底座」的对外定位一致;在尚未披露收入与产品的阶段,团队与学术背书是当前最可验证的资产。
产品与技术
Liber-0 是旗舰世界动作模型。架构上采用 Mixture-of-Transformers:语言、视觉、动作三专家流经多模态自注意力交互,联合预测未来图像帧与未来动作,共享的物理编码器整合当前状态、具身上下文与带噪声动作。模型引入统一 Embodiment 表征,把人体几何、手部构型与机器人运动学编码为上下文,使模型不仅学「做什么动作」,也学「不同身体该如何做同一任务」,支持跨本体技能迁移。辅助任务(视觉问答、图像分割、图像编辑、视频理解)联合训练,增强对任务语义、空间关系与操作进度的理解。预训练分三阶段:先用大规模视频学未来帧预测;再结合人类视频、手套与机器人数据联合学视觉变化与实际动作;最后提高手套与遥操作数据采样权重、强化精细操作。第三阶段结束即无需额外真机后训练,PnP 与 Non-PnP 平均进度分已达 81.4 与 72.3,继续后训练仅各增 2.2 与 1.5 分。
硬件栈有两件自研。LiberSense Glove 是一副柔性手套,厚 0.3 毫米、重 131 克,记录 21 关键点手部姿态与运动轨迹,并同步第一视角与双腕部摄像头,捕捉人看到的场景与真实执行的动作;关键是采集现场不需要机器人,人可在厨房、办公室、商店与工业环境佩戴操作。LEO 机器人平台集成五指灵巧手、可动腕关节与可调腰部(腕部三轴旋转),构型刻意接近人类数据采集的 embodiment 与相机视角。第三件公开产物是在线交互模拟器(sim.liberai.work):用户上传物体图片、生成桌面场景并运行推理,在仿真中观察 Liber-0 表现。
数据战略与「数据金字塔」
LiberAI 攻坚的核心难题是具身数据饥渴:遥操作数据慢且贵、机器人示范数据无法规模化。其答案是三层「数据金字塔」——底层互联网人类视频(规模最大)、中层 UMI 手套数据(动作监督精度高 1–2 个数量级)、顶层真机遥操作数据(质量再高 1–2 个数量级但最贵)。设计以视频规模反哺稀缺物理交互,并以模态对齐 + 归纳偏置(把「力→运动状态」的物理因果作为先验注入扩散架构)替代单纯「猜下一帧长什么样」。公司称已跑通「UMI 硬件—数据采集—清洗—基模训练」全流程闭环。
Liber-0 技术报告中最被引用的发现是数据效率:手套数据从 1000 小时扩到 1 万小时,PnP 与 Non-PnP 平均进度分分别提升 14.7 与 13.1 分,且 1 万小时手套数据在两类基准上均超过 200 万小时互联网人类视频——数据量相差 200 倍。第二项实验:把机器人示范砍到原池 25%、补入手套数据,得分 75.6,反超 100% 示范基线的 72.8。第三项:当机器人示范仅覆盖抓取放置时,补入人类手套的非抓取数据,Non-PnP 分从 2.2 抬到 54.6,接近完整机器人示范的 56.3——说明高质量人类动作数据已开始向机器人直接迁移全新技能。第四项形态规模实验:手套数据总量近似不变、把示范者从 1 人增至 100 人,平均进度分从 12.7 升到 40.1,提示 embodiment 多样性本身是一条 Scaling 轴。这一设计把「数据从哪来、以何种精度监督动作、能否跨本体复用」作为同一工程问题的三段来解。
评测与公开基准
LiberAI 的公开证据在早期公司中异常开放。在 RoboDojo 基准(2026 年由伯克利、清华、北大联合推出的统一仿真 + 真实机器人操作评测,含 42 个模拟与 18 个真实任务)中,Liber-0 Preview 位列第一(GPT-6 Astra 第三)。该榜 Liber-0 Preview 平均分 30.74、平均成功率 25.52%,其中长时序 45.98、精细操作 38.28、记忆 37.77、泛化 24.99、开放语义 6.68,除开放语义列第二外各分项均第一。此外,2026 年 11 月 4 日公司发布 GPT-6 随机出 60 道题的零样本评测:抓取放置、短程非抓取、长程非抓取各 20 道,每道测 10 次、共 600 次真机试验,且未为这些目标任务采集机器人示范,结果 63.5% / 34.0% / 10.5%,总体 36.0%。对照 GPT-6 Astra 直接作机器人策略时三组为 8.3% / 5.0% / 1.7%;公司另报 Astra-only 单次决策平均 87.3 秒、成功任务平均 17.8 分钟。
对零样本主张有两处必要边界。其一,「零样本」指无目标任务的机器人示范,不代表训练中没有相似的人类示范、视频、物体或动作组合,因此「新」究竟是物体实例、动作组合还是整个技能类别,必须明确,才可作为涌现能力读取,不应把 36.0% 当作已解决问题。其二,数据扩展实验采用阶段性进度分,可能掩盖最后一步的困难(机器人可接近、抓取并移动物体却未完成最终装配)。公司同时公开评测展示页(reel.liberai.work)与浏览器模拟器,使外界得以探查模型真实能力边界,并非只看精选 Demo。需要强调,RoboDojo 与零样本评测均由公司或合作方发布,尚无独立第三方复现,相关数字应作为能力上界,并非已验证基线来读。
商业模式、客户与落地路径
LiberAI 称不造整机,而是为通用人形与柔性作业机器人提供底层模型与数据底座。其声明的应用方向为人形机器人整机厂(输出具身世界模型与高质量人类行为数据集)、工业柔性装备(把人类示范迁移至 3C 制造与精密装配)、高校与科研机构(开放基模与数据服务)、家用服务机器人(借海量人类行为数据简化编程逻辑);公开报道亦将其置于能源场景——与头部能源集团合作电力巡检与能源设施运维。截至本报告,公司未公开产品定价、免费档或具名付费客户,落地处于商业化前阶段;商业证明将是首个具名部署与经常性收入,目前均不公开。
公司的战略押注是:人类 UMI 数据 + 世界模型,是比纯遥操作更可扩展的路径。LEO 平台与手套被视为实现手段——手套降低采集成本(单条采集从约 50 秒压到 10 秒、成本降至遥操作约五分之一、时薪约 55 元),LEO 的 embodiment 接近人类数据采集条件。这套数据飞轮能否真正复利为可信的模型优势,取决于手套量产规模与采集网络扩张能否持续,目前尚无独立验证。在数据服务一侧,公司将手套采集网络与清洗管线视为可对外输出的能力,但其计费模式、数据授权范围与是否向客户开放原始数据均未见披露,商业模式的可验证性低于其技术叙事。
竞争格局
LiberAI 处在 2026 年最热的两条技术路线交叉点:世界模型与人类数据 Scaling。直接的海外对照是 Physical Intelligence(π0 的 VLA + 扩散)、Generalist(GEN-0)、Figure(Helix)与 Google DeepMind(DreamerV3);在世界模型与空间智能实验室中,World Labs(被 AMD 收购)与 Skild AI(机器人基模)相邻。国内公司与具身基模及灵巧手创业(苏度科技、息壤开物、星动纪元、星海图、跨维、天机)同台,但 LiberAI 被描述为唯一跑通「UMI 硬件—数据采集—训练」全栈闭环、且死磕灵巧手,并非夹爪的一家。相较 Physical Intelligence,被反复引用的差异点是时间差(RDT-1B 比 π0 早约一个月、RDT-2 比 GEN-0 早约一个月采用 UMI 无本体范式);其差异还强调以「因果对齐」为主目标,有别于「画面生成」。主要约束是架构并非端到端原创——视频—动作联合建模(DreamZero)、模态分离 MoT、第一视角人类预训练(EgoScale)均已有先例,因此 LiberAI 的贡献在于与自有采集硬件、机器人平台的系统整合,须与算法原创性分开评判。从范式分野看,LiberAI 押注「世界模型 + 人类数据」路线,与 Physical Intelligence、Figure 的 VLA(视觉—语言—动作)端到端路线形成对照:前者以预测未来帧与物理因果为先、把动作作为副产物,后者以动作直接回归为主。两条路线尚未收敛,2026 年多家公司仍在同台试错。国内具身基模与灵巧手创业密集,除已提及的苏度、息壤开物、星动纪元、星海图、跨维、天机外,还有若干高校衍生团队;LiberAI 的差异化在于把采集硬件、机器人平台与基模训练捏成一条闭环,并把赌注压在灵巧手,并非夹爪。该差异的可防御性有限——一旦 UMI 范式被验证,对手可快速补齐手套与采集网络,真正的护城河将取决于数据飞轮的规模与单位成本,并非架构本身。
融资与资本结构
LiberAI 为私营,8 个月完成 5 轮,早期创投密度罕见:2025 年 12 月种子轮(真格独家,约亿元级);2026 年 3 月天使轮(红杉中国首次进入 + 真格);5 月天使+轮(约 5 亿元,红杉、真格、顺为、美团龙珠);6 月 Pre-A(数亿元,顺为领投,凯辉、元禾、慕华跟投,红杉、真格追加);7 月 Pre-A+(数亿元,360、国开、创新工场、CMC、彬复,红杉四连投);2026 年 9 月 17 日 Pre-A++(数亿元,中关村科学城、达晨、高信、华映)。累计融资报道超 10 亿元,估值约 50 亿元为单一来源。因公司私营,各轮金额、估值与收入均无公司披露;此处数字均为媒体报道,估值尤其为单源估算、记为未核实(见 DISCREPANCIES)。
资本结构的后果是动能与预期双高:8 个月 5 轮、顶级与国资背景投资方密集入局,显示强共识,但也抬高了下一轮门槛——必须拿出可复现的多场景基线,不能只呈现单任务 Demo。对尽调而言,有分量的项是公司的融资与投资人声明、带金额的合作合同,以及披露的收入或人员轨迹;目前除媒体汇总外均不公开。从投资人结构看,阵容横跨财务投资人与产业、国资背景方:前者含红杉中国、顺为、真格、CMC、达晨,后者含国开金融、创新工场、中关村科学城、华映,这种组合在早期具身公司中少见,既提供弹药也带来退出与落地诉求。八个月五轮的高频节奏意味着老股东持续加注、估值快速重估,也把后续轮次的里程碑要求前置;若下一轮无法用可复现的多场景基线替代单任务 Demo,估值前置的风险将显性化。
DISCREPANCIES
-
创始人出生年份。说法 A:大量档案记刘松铭生于 2000 年。说法 B:一家创业媒体记为 2001 年。裁定:将创始人记为约 2000 年生,把精确年份视为未核实,不把任一数字当作权威。来源等级:媒体 对比 媒体。
-
估值口径。说法 A:一家来源报估值攀升至约 50 亿元。说法 B:其他报道仅称「数倍」、未给数字。说法 C:无公司披露。裁定:把累计融资超 10 亿元记为媒体报道,把 50 亿元估值标为单源估算、未核实,不视为确认数字。来源等级:媒体 对比 媒体与缺失的公司披露。
-
团队规模。说法 A:公司资料与一家数据库指约 30–50 人。说法 B:行业雷达写「50 人以内」。说法 C:吸纳优必选 / 大疆 / Tesla Optimus 前工程师的报道指向小而增长的工程核心,但无精确人数。裁定:把团队记为约 30–50 人、清华系超 70%,把精确数字视为未核实。来源等级:公司资料与数据库 对比 数据库。
-
「零样本」含义边界。说法 A:公司定义零样本为「未针对目标任务采集机器人示范」。说法 B:独立分析指出这不等于训练中没有相似的人类示范、视频、物体或动作组合。裁定:保留公司定义,但记录边界——「新」究竟是物体实例、动作组合还是技能类别须先明确,才可作为涌现能力读取;不把 36.0% 当作已解决问题。来源等级:公司 对比 独立分析。
-
长程可靠性。说法 A:公司报长程非抓取 10.5% 成功率,并强调模型开始能完成挑战性长程任务。说法 B:独立解读指出约九成试验未完整成功,10.5% 属早期能力,并不等于可部署可靠性。裁定:同时记录公司数字与独立警示,并注明进度分不等于完整成功率;不把 Demo 当作可靠性证据。来源等级:公司 对比 独立分析。
-
技术原创性归属。说法 A:公司把 Liber-0 的世界动作模型与 MoT 三流架构作为自身架构呈现。说法 B:独立分析指出视频—动作联合建模(DreamZero)、模态分离 Mixture-of-Transformers、第一视角人类预训练(EgoScale)均已有先例,因此与自有硬件的系统整合才是可辩护贡献,并非单个组件可概括。裁定:如实记录架构,并把系统整合功劳与算法原创性分开,不把每个构件都归于 Liber-0。来源等级:公司与技术博客 对比 独立分析。
-
「人类数据」口径。说法 A:公司称超 220 万小时人类经验,其中约 200 万小时为互联网人类视频。说法 B:独立分析指出互联网视频只供规模,驱动精细操作的精确动作监督来自手套与遥操作数据,故 220 万小时总量与有效训练信号是不同量。裁定:把 220 万小时记为公司声明总量,并说明相关效率指标是动作监督密度,并非原始时长;不让总时长替代训练质量。来源等级:公司 对比 独立分析。
风险与尽调缺口
第一个缺口是商业化未成熟。公司无公开定价、无免费档、无具名付费客户或披露收入,处于商业化前;其应用声明(人形整机厂、工业柔性装备、能源巡检)是方向,尚未形成已签合同。尽调应要求首个带结果的具名部署与任何经常性收入证据,才将其视为规模化供应商。
第二个缺口是长程可靠性。复杂多步骤任务 10.5% 成功率意味着约九成试验未完整成功;进度分可能掩盖最后一步困难。相关下一步指标是:失败发生在哪一步、能否识别并恢复、是否需要人工重置、连续运行每小时能完成多少任务——目前均未公开。
第三个缺口是因果对齐的脆弱性。把「力→运动状态」作为先验的世界模型归纳偏置,在接触刚度突变、多物体耦合时报道易失效,而这正是柔性物体、精细接触与力觉控制的场景。位置轨迹相似不保证受力正确,对插接、拧紧与处理柔软物体尤为重要。
第四个缺口是数据飞轮对 glove 量产与采集网络规模的依赖。效率结论建立在 1 万小时手套数据之上;采集能否持续扩张、单位成本(设备、标定、清洗)是否真比单纯扩视频库更便宜,尚无独立验证。
第五个缺口是估值前置风险。8 个月 5 轮已把估值推到收入验证之前;下一轮必须拿出可复现的多场景基线,不能只靠单任务 Demo,否则定价将面临更高门槛。
第六个缺口是竞争密度。世界模型与具身基模赛道架构未收敛、对手密集,海外有 Physical Intelligence、Figure、Google DeepMind 等资金雄厚者,国内有多家入局;LiberAI 的差异在系统整合与死磕灵巧手,范式一旦被验证,对手可复制。
综合评分
技术实力 8.0 分。LiberAI 在 RoboDojo 领跑中国世界模型 / 具身基模梯队,交付连贯的 Mixture-of-Transformers 世界动作模型、自研手套与 LEO 平台,并以开放零样本评测与公开模拟器支撑主张。扣分项在于架构属于系统整合,并非端到端算法原创,且长程可靠性早期。
商业化能力 6.5 分。公司有清晰范式、顶级投资方与可信的数据基础设施叙事,但无公开定价、无具名客户、无披露收入;证据仍是方向与 Demo,尚未成为已签合同。
融资 8.5 分。8 个月 5 轮、累计超 10 亿元、从红杉中国 / 顺为到国资背景基金齐聚,早期动能罕见;扣分项在于 50 亿元估值仅为单源估算,且下一轮须跨更高商业门槛。
产品成熟度 7.5 分。Liber-0 与 LEO 平台已发布或演示、模拟器开放、手套进入规模化采集;扣分项在于模型权重未公开、发布为 Preview、无商业产品或定价。
市场地位 8.0 分。LiberAI 是 RoboDojo 第一,也是中国唯一跑通 UMI 到训练闭环且死磕灵巧手的一家,生态触达远超其人数;扣分项在于竞争剧烈与未收入状态。
综合 7.6 分。LiberAI 是一家可信、进展迅猛的物理世界模型公司,其核心资产是连贯的「数据—模型—硬件」闭环、开放评测与卓越资本加持,核心负债是商业化前状态、长程可靠性、因果对齐脆弱性与估值前置风险。按优先级值得追踪的信号依次为:独立固定任务评测、超出单任务 Demo 的可复现多场景基线、首个具名付费客户、估值核对。
参考资料
- LiberAI 官网(liberai.com):公司将自身定位为物理世界模型公司,Liber-0 发布与产品闭环。
- Liber-0 技术博客(liberai.com/blog/liber0/):世界动作模型架构、三阶段预训练、Scaling 实验、零样本评测协议。
- Zero-shot 评测展示页(reel.liberai.work):跨难度分组的真机任务表现。
- 交互模拟器(sim.liberai.work):基于浏览器、上传物体图片的仿真推理。
- Liu S. 等,《RDT-1B:十亿参数双臂机器人扩散基模》,arXiv:2410.07864,2024——一作刘松铭;早期大规模机器人数据预训练 + Diffusion Transformer。
- RDT-2 项目主页(rdt-robotics.github.io/rdt2/):UMI 无本体人类数据范式与跨本体零样本部署。
- RoboDojo 基准——统一仿真 + 真实机器人操作评测(伯克利 / 清华 / 北大,2026);Liber-0 Preview 登顶。
- 机器之心 Pro,《从 RDT-1B 到 Liber-0,两年间,基模走了多远?》(2026-11-05):Liber-0 Scaling 实验、架构与评测详述。
- 财联社 / 科创板日报(2026-09-17):Pre-A++ 融资与 RoboDojo 第一披露。
- 36 氪(2026-06):Pre-A 融资与刘松铭及 RDT 系列创始背景。
- 品牌方舟(2026-05):天使+轮与「UMI + 世界模型」范式解读。
- 百度百科 LiberAI 与 Liber-0 词条:公司公开画像、成立日期、模型事实与团队的整合记录。
相关报告
- Physical Intelligence 深度调研:31 亿美元级融资押注「机器人的 GPT 时刻」,π0.7 自陈未见任务成功率仅 60–80%,Pi API 定价与收入双双未披露
- NVIDIA 深度调研:以 PhysicsNeMo、Warp、Cosmos 世界基础模型与 Omniverse 构建物理 AI 全栈基础设施
- Robotec.ai 深度调研:从 RoSi 多引擎物理仿真平台到 SLINGSHOT 实到仿真正向管线与 RAI 开源具身智能体框架,2019 年华沙起家的 Physical AI 仿真与数字孪生公司
- World Labs 深度调研:李飞飞的空间智能独角兽,被 AMD 以 82 亿美元收编
- Skild AI 深度调研:CMU 机器人研究所孵化的通用机器人基础模型,1.4 亿美元 C 轮对应 140 亿美元估值,但 B 轮规模存在 1.35 亿与 5 亿的口径冲突
本报告基于公开信息整理,仅供参考,不构成任何投资建议。数据截至报告发布日,请以公司公告与定期报告为准。