2个月融资数亿!华为AI前所长+字节大牛,清华系团队剑指消费级具身智能

3月正式运营，两个月就连关两轮。

5月20日，贝塔无限宣布完成种子＋轮融资。本轮由世纪华通参与的盛趣泰和基金与和利资本联合领投，毅达资本、南山战新投跟投。

加上此前洪泰基金、银杏谷资本、水木清华校友种子基金等投资的种子轮，两轮累计融资数亿元。

贝塔无限联合创始人兼CEO刘武龙，清华电子系毕业，华为大模型工程团队负责人、强化学习首席科学家，华为最年轻的AI研究所所长。他干了两件大事：从0到1孵化华为智能驾驶，是ADS 2.0的核心操刀者；组建数百人团队，打造昇腾万卡集群训推系统。

而联合创始人兼CTO陶帅，同样清华电子系，字节搜索和网盟商业化AI算法与工程总监。他带百人团队，从0到1做出年营收数百亿的千人千面推荐系统。

一个是搞智驾和大模型底层的人，一个是搞C端个性化算法和商业化的人。这两个方向在具身智能赛道里，偏偏都极其关键。智驾解决了"怎么在复杂环境里自主行动"的问题，千人千面解决了"怎么让机器人真正懂你"的问题。

说白了，一个管机器人的"手脚"和"判断力"，一个管机器人的"情商"和"商业感觉"。团队核心成员主要来自华为、字节跳动、智元、大疆等企业。

当前具身智能大部分团队要么偏学术，做Demo好看但离落地远；要么偏工程，能做出硬件但智能层薄弱。华为＋字节的组合，是少有的两端都能硬的配置。

水木清华校友种子基金合伙人王学辉的判断很直接：刘武龙多次实现了"技术－产品－市场"的完整闭环。这在学术界不常见，在创业圈也稀缺。

贝塔无限选择切入消费级具身智能，直接瞄准家庭场景。

对此，陶帅说得很明白：调研了3C加工、汽车装配、养殖场这些B端场景后，得出两个核心判断。

一是大模型驱动的具身智能，最适配消费级场景。工业流水线要的是精准度和节拍，传统工业视觉和机械臂就够了。大模型的杀手锏是泛化能力和开放交互，跟消费级需求天然匹配。二是B端落地难度高，数据高度定制化，形不成规模化数据飞轮。过去两年，真正在产线上跑通ROI大于1的案例，还没出现。

行业里大部分公司都在卷工业场景，接B端订单、做产线验证。但陶帅说的也是事实：工业场景要的是确定性，而大模型的强项是不确定性里的泛化。让一个擅长"大概对"的系统去做"必须对"的事，本身就是错配。

家庭场景不一样。每个家都不一样，每个用户需求都不同，这恰好是大模型发挥的空间。而且消费级市场的天花板远高于B端——全球家用机器人市场规模预计2034年达1071亿美元，CAGR超过25％。

不过，选择家庭场景也意味着更大的技术挑战。家里的随机性和碎片化远超工厂，没有标准化的任务流程，用户耐心也更低。

贝塔无限的技术路线，有一个很明确的取舍：不简单接入DeepSeek这类大模型API。

陶帅的理由有两层。第一，现有大模型缺乏长效记忆、多模态记忆和时空记忆，也做不了精细化用户画像。第二，交互和具身能力不能割裂。交互用一套模型，任务规划用另一套模型，中间的"缝合"极其复杂。用户会频繁打断、纠正、重新规划，交互和任务规划必须在同一模型内协同。

所以他们做的是BetaBrain——全时空多模态记忆加上自然交互和任务规划统一大脑架构。典型长程复杂任务平均完成度提升20％。

Physical Intelligence今年3月发表了多模态长短期记忆对长程任务提升的工作，说明行业理念正在收敛到这个方向。但对也意味着难。统一大脑对模型设计和工程实现的要求远高于拼接方案，尤其是记忆系统的管理、演进和融合，每一层都是硬骨头。

贝塔无限的解法是用强化学习驱动记忆的演进与更新。通过个性化奖励机制的reward系统，让记忆不是被动存储，而是主动演化。原始用户数据放本地保隐私，脱敏数据端云协同做训练。这套逻辑自洽，但从架构到落地，中间的工程量不小。

千人千面在移动互联网时代是标配，但在具身智能领域，几乎没有团队把个性化作为核心路径。大部分公司的叙事是"让机器人更聪明"，贝塔无限的叙事是"让机器人更懂你"。

这两个方向不矛盾，但侧重点完全不同。更聪明是提升智商，更懂你是提升情商。陶帅在字节做的是年营收数百亿的推荐系统，他比谁都清楚：C端产品的壁垒不在技术本身，而在对用户理解的深度。

具体来说，贝塔无限构建了BetaData三阶段数据框架：第一阶段，部署前的数据金字塔——互联网开源数据、UMI众包采集、真机遥操作，让基础操作到60－70分；第二阶段，部署后的Wild2Bot数据飞轮——机器人进家后通过传感器观察人类真实操作，构建部署场景内的可控生成世界模型；第三阶段，真机强化学习——模型到80－90分后，通过真机在真实环境中自主试错，精度推向99％以上。

第二阶段是关键。大部分团队的数据采集还停留在前置阶段，贝塔无限把数据飞轮放在了部署后。这意味着每多一台设备入户，数据就多一份增量，模型就多一次进化。这也是他们敢说"拒绝资本催熟"的底气——数据飞轮转起来，比烧钱堆人更有效率。

家庭场景的碎片化和多样性，恰好是大模型的优势战场。但消费级的门槛也更高：用户不接受"大部分时候能用"，他们要的是"每次都用得上"。这要求机器人在感知、决策、执行、交互、记忆每一个环节都不能有明显短板。

目前，贝塔无限正在研发首批消费级具身智能产品，先锋体验版计划年内亮相，规模化量产放在明年上半年。后续也会考虑出海，因为北美市场家务操作场景的付费能力更强。

不过，消费级机器人的价格门槛仍然是核心挑战。当前行业主流定价在3.6万到8.8万之间，距离普通家庭的心理价位还有距离。贝塔无限最终定价几何，将直接决定其市场穿透力。

但消费级具身智能的终局，从来不是谁的Demo更炫，而是谁的产品能在真实家庭里持续创造价值。

贝塔无限这条路能不能走通，今年先锋版亮相的时候，大概能看出几分端倪。