近日，海愿资本完成对伊辛智脑（深圳）智能科技有限公司（以下简称“伊辛智脑”）的数千万元种子轮投资，多家机构跟投。资金将主要用于IS-Brain认知世界模型的核心系统研发、跨学科团队建设、产品工程化及端侧部署，并同步推进庭院服务、家庭陪伴、酒店清洁等场景的测试验证与商业化落地。
伊辛智脑致力于打造具备持续学习、自主决策和跨形态部署能力的机器人通用大脑，推动具身智能从依赖大规模数据的“动作模仿”，走向具备记忆、认知和自我学习的“智脑驱动”。
图：伊辛智脑LOGO
一、具身智能加速落地，机器人亟需真正的认知内核
随着大模型和机器人硬件快速发展，具身智能正从实验室进入家庭、商业服务等真实场景。当前主流路线以VLA和生成式世界模型为代表，本质是“数据拟合”——用更多数据覆盖更多场景。但物理世界变化无限，数据覆盖有限。部署后环境持续变化、新情况不断出现，而静态模型无法适应——一个不能持续学习的系统，部署即“失效”。
伊辛智脑的判断是：下一代机器人的分水岭不在模型大小，而在认知架构。VLA让机器人“会做”，世界模型让机器人“会想”，而伊辛智脑让机器人“会理解”——既理解物理世界的运行规律（重力、摩擦、因果），也理解自身技能的执行边界（什么能做、怎么做更稳），并在每一次交互中在线学习、持续进化。
这一判断与强化学习之父、2024年图灵奖得主Richard Sutton的最新方向不谋而合。Sutton于本周一宣布创立Oak Lab，明确提出当前基于注意力机制的Transformer架构极难内生实现基于经验的长期规划与因果推理——而这恰恰是智能体在真实世界中持续生存的必备能力。真正的智能必须通过试错产生新知识、建立内部“世界模型”来预测行为的长期后果。这与IS-Brain从一开始就抛弃Transformer、用主动推理构建认知架构的技术路线完全一致——不是在大模型上打补丁，而是从第一性原理出发重构智能。
物理AI定义了“走出屏幕”的方向，但若不理解行动后果、无法在新环境中自主推理，仍只是“高级自动化设备”。当前主流是数据驱动，让系统“见过”更多场景，学到的是统计模式；IS-Brain是认知驱动——理解物理规律本身。IS-Brain以主动推理为数学框架，构建涵盖感知、记忆、推理、规划、决策、学习的完整认知能力，用运行时学习实现自我进化，用架构生长替代数据堆叠。伊辛智脑已在具身智能的物理世界中先行一步，从第一性原理出发构建了可运行的认知架构——这正是海愿资本等机构本轮领投的核心逻辑。
二、构建IS-Brain认知世界模型，推动机器人从模仿走向认知
围绕这一目标，伊辛智脑正在研发IS-Brain认知世界模型，融合主动推理机制与海马体记忆架构，将感知、记忆、推理、规划、决策和行动反馈组织为持续运行的认知闭环，使机器人在执行任务的同时，持续更新对环境、任务和自身行为结果的理解。
其中，海马体式记忆系统不仅用于存储历史记录，还参与任务结构提取、经验组织和价值判断。机器人能够积累成功经验与失败原因，并将具体任务中形成的知识迁移至新的场景和任务中。
与训练完成后停止学习的传统模型不同，IS-Brain强调“运行时学习”——机器人可调用历史经验判断当前状态，预测行动结果，并根据真实反馈动态调整计划。这一机制使系统具备因果推理能力：不仅知道“做什么”，更理解“为什么这样做”以及“如果换一种做法会怎样”。
图：伊辛智脑的系统模块
目前，IS-Brain重点构建三项核心能力：
一是持续学习与自我进化。机器人能够在真实作业中积累经验，降低更换环境或任务后反复采集数据和重新训练的成本。
二是组合式推理与动态规划：IS-Brain不依赖预置的技能库，而是让技能本身在交互中涌现——系统在持续学习中将经验压缩为可迁移的知识单元，并在新任务中动态重组与泛化。这不是从固定菜单中挑选组合，而是基于对物理世界的因果理解，自主生成从未被训练过的新方案。
三是多机器人协同与集体记忆。不同类型机器人可共享任务状态、环境信息和历史经验，突破单一本体在感知、移动和操作能力上的限制。在群体层面，系统能够分配长序列任务中的子任务，并根据各机器人的实时状态和环境变化动态调整分工与执行顺序——单个机器人学会的技能，所有机器人共享；一个机器人在执行中遇到的异常，成为群体共同的经验。
通过认知系统与机器人本体的完全解耦，IS-Brain可适配轮式机器人、机械臂、移动操作机器人等不同硬件平台，形成跨形态部署的机器人通用智脑。这种跨形态能力并非预设的兼容性设计，而是抽象认知架构与在线更新能力的自然结果——物理规律和因果结构不依赖于具体本体，而执行层的差异通过运行时学习自动适配。
三、推进真实场景验证，构建机器人通用智脑生态
目前，伊辛智脑已完成IS-Brain原型系统及多类机器人接入测试，围绕长时程人机交互、环境导航、记忆调用、任务规划、异常处理和多机协同等能力开展持续验证。
图：一阶段场景验证
在商业化方面，公司正与菲亚兰德推进别墅庭院场景具身智能系统开发，围绕户外移动、庭院服务和复杂操作任务开展产品验证；与七月初数字科技合作探索家庭陪伴与居家服务场景，使机器人能够结合历史交互和用户习惯提供更加个性化的服务；同时，公司正在推进酒店服务场景合作，探索全流程的客房清洁和多机器人协作等应用。
庭院、家庭和酒店均属于典型的非结构化场景，空间布局、人员活动和任务需求持续变化，对机器人的记忆、规划、泛化和异常处理能力提出了更高要求。伊辛智脑将以这些场景为基础，持续完善IS-Brain的核心系统、机器人适配接口和工程化部署工具。
在商业模式上，公司计划采用“科研开放、商业授权、生态共建”的发展路径。面向高校、科研机构和开发者逐步开放基础研究版本；面向机器人本体厂商和场景企业提供商业授权、私有化部署、硬件适配、性能优化和定制化技能开发服务，降低合作伙伴构建具身智能应用的研发成本。
四、跨学科团队协同，打通基础研究与机器人落地
伊辛智脑核心团队覆盖神经科学、数学物理、强化学习、主动推理、机器人控制、多模态感知和系统工程等方向，形成从底层理论、认知架构到机器人部署和商业交付的完整研发链条。
公司创始人兼CEO韩亚潼博士拥有斯坦福大学联合培养经历，博士毕业于哈尔滨工程大学模式识别与智能系统专业，后续于中国科学技术大学、香港中文大学（深圳）开展博士后研究，长期从事海马体建模、类脑智能和具身智能研究，曾主导与参与多项国家自然科学基金重大项目，在计算机视觉、类脑架构领域积累了深厚的科研与工程化经验。
团队成员来自斯坦福大学、中国科学技术大学、中国科学院大学、香港中文大学（深圳）、哈尔滨工程大学等高校及科研机构，同时拥有机器人产品研发、控制软件、系统集成和产业落地经验。
海愿资本：看好类脑路线终局价值，赋能技术产业化落地
海愿资本表示，具身智能是下一代人工智能的核心落地载体，而认知架构的底层创新是决定具身智能能否从结构化场景走向开放世界的关键。当前行业主流路线多依赖数据与算力的规模堆叠，在非结构化场景下面临边际成本高企、泛化能力不足的瓶颈，而伊辛智脑从第一性原理出发的类脑架构路线，代表了具身智能长期演进的重要方向，具备终局性的技术价值。
伊辛智脑核心团队兼具顶尖的跨学科科研能力与扎实的工程化落地经验，不仅在底层架构上实现了原创性突破，更快速推进了真机验证与商业落地，技术壁垒与商业化节奏高度匹配。公司坚持纯软件赋能的中立定位，能够最大程度串联起本体厂商、场景方与开发者生态，成长空间广阔。
未来，海愿资本将充分发挥在硬科技与智能制造领域的产业资源优势，助力伊辛智脑加速技术迭代、拓展客户生态与人才团队，推动类脑具身智能技术的规模化落地，共同探索通用智能在物理世界的演进路径。