近日，无问智科完成数亿元 A 轮融资。本轮融资由洪泰基金领投，洪山资本、中电数融、狮城资本跟投，架桥资本、力合金融、力合中科、澄凯灵澄未来基金等老股东超额追投，势能资本为长期融资财务顾问。
本轮融资完成后，无问智科将继续围绕 Physical AI 基础设施加大研发和规模化投入。
一是加大世界模型研发投入，进一步提升对空间、时间、物体交互、运动及物理规律的理解与因果推理能力，为数据生成、世界重建、RL 环境和世界生成提供统一的技术底座。
二是进一步扩大高质量真实物理交互数据生产规模，持续升级自动化数据工厂，提高数据生产效率与模型有效性。
三是持续建设大规模、高精度、可交互的 SimReady 资产体系与世界模拟器，完善世界重建、生成式仿真和物理模拟能力，探索具身智能从模仿学习走向强化学习所需要的新型训练基础设施。
四是持续完善 Real2Sim2Real 全链路和标准化评测能力，让真实数据生产、模型训练、仿真验证、模型评测与真机反馈形成可量化、可复现、可持续迭代的闭环。
年内再获大额融资，是市场对数据基础设施生态位和重要性的投票，也是资本市场对无问智科产品技术与战略布局持续的投票。
随着具身智能从技术验证加速走向真实场景应用，行业竞争正在从模型、本体等单点能力，延伸至数据、仿真、评测等底层基础设施。
围绕这一方向，无问智科正在加大构建世界模型驱动的通用 Physical AI 数据基础设施，加速 AI 真正走进物理世界。
公司自主研发的物理 AI 数据基座平台 "无垠" 和世界模拟器 "无穹"，围绕 "世界模型 × 数据工厂 × 世界模拟器" 技术体系，连接真实数据采集、自动化数据生产、世界重建与生成、物理仿真模拟、规模化评测以及真机反馈等环节，形成 "采集世界 — 生成世界 — 模拟世界" 的 Real2Sim2Real 闭环，最终打造真实世界与仿真世界双飞轮驱动的通用世界模拟器。
在真实世界维度，无问智科通过自研的多模态数据采集设备，用无感野采范式规模化获取真实任务表现下的人类行为、物体交互、环境及物理信息，并通过世界理解模型构建了自动化数据生产管线，完成数据清洗、对齐、筛选、重建、标注和跨本体处理，让 Raw Data 到 Model-Ready Data 的效率提高了 500%～1000%。
大规模无感野采范式高效获取数据
世界理解模型构建的自动化数据生产管线
目前，公司已经深入物流仓储、工业制造、家庭服务、商业零售等多个核心场景，累计沉淀数十万小时级高质量真实物理交互数据，月度数据生产能力超过 2 万小时。
在仿真世界维度，无问智科通过世界模型的生成与物理模拟能力，将真实世界放大为百倍、千倍的虚拟仿真世界，极大扩充模型可用的数据丰富度。基于领先 4D 物理世界生成能力，公司把 SimReady 资产构建速度从 3 天 / 个提升到了 5 分钟 / 个，提升约 300 倍，并构建行业最大、最丰富的百万级 SimReady 资产库；基于双空间世界模拟器的物理模拟能力，公司将复杂柔性物体的仿真相关性提升到了 90%、接触误差降低了 1% 以内。基于无感野采获得的海量真实物理交互数据，无问可基于世界模拟器技术，持续降低 Sim2Real Gap，持续扩大复杂场景、任务与物理交互的生成与模拟范围。
高精度世界生成物理仿真
由此，真实世界不再只是一次性的数据来源，而能够进一步被理解、结构化、重构和模拟，形成可以持续支持模型训练和迭代的虚拟世界。
从 "更多数据" 走向 "更有效的数据"
对于物理 AI 而言，数据规模并不是最终目的，数据能否真正转化为模型能力更加关键。
在 2026 世界人工智能大会期间，无问智科展示了相关技术成果。相比仅使用开源真机数据集训练的模型，在额外加入无感野采获得的数据后，模型在篮子收纳任务中的成功率提升约 20%。
更进一步，无问与头部客户合作验证，模型通过虚实融合闭环范式获得了更大的提升。基于生成世界的在线强化学习将仿真成功率从 9.7% 提升至 79.8%，并迁移至真实机器人，任务成功率提高超 50%。
这一结果也进一步推动无问智科将数据能力从 "规模化生产" 向 "高质量虚实融合闭环" 持续演进。
随着具身模型任务复杂度和应用场景持续提升，行业对数据基础设施的需求也正在发生变化：从早期关注数据规模，进一步走向对场景丰富度、任务丰富度、动作丰富度、示教质量以及对最终模型增益的综合要求，到支持物理 AI 强化学习（RL）和自我递归学习（RSI）的虚拟环境和虚拟世界。
因此，无问智科打造的通用 Physical AI 数据基础设施将由数据与评测能力，最终演变为真实世界与仿真世界双飞轮驱动的通用世界模拟器，而通用世界模拟器将是物理 AI 训练的底层操作系统。
Real2Sim2Real 正在进入产业核心视野
与此同时，世界模型技术构建的 Real2Sim2Real 闭环正在进一步进入 Physical AI 产业核心视野。
近期，World Labs 收购 SceniX，使真实世界重建、可交互 3D 场景以及面向 AI 训练的仿真世界基础设施受到更多关注，也与无问智科持续建设的 "采集世界 — 生成世界 — 模拟世界" 技术路线形成呼应。
无问智科是虚实融合闭环技术范式的领导者。以真实数据保障模型对物理世界的精确性，以仿真合成数据扩展模型的场景与任务分布，从而打破模型训练 "规模化、高质量、低成本" 的不可能三角。
因此，Physical AI 所需要的基础设施不会停留在一次性数据集供给，而将逐步扩展至真实数据生产、世界理解、场景重建与生成、物理模拟、模型评测及真实反馈的一体化闭环。
真实数据为模型提供现实世界的 "锚点"，世界模型扩展场景和任务分布，世界模拟器则提供大规模训练、试错与评测环境，共同形成支撑 Physical AI 持续 Scale 的数据与世界基础设施。
技术能力正在转化为商业结果
技术体系持续演进的同时，无问智科的具身智能业务也进入快速增长阶段。
目前，公司具身智能业务订单已达数亿元，订单同比增长超过 3000%，收入预计同比增长超过 1000%，头部客户覆盖度超过 80%，客户复购率超过 80%，并已与多家重点具身智能企业及基础模型公司围绕真实数据、仿真、评测及 Real2Sim2Real 闭环展开合作。
随着具身智能从 Demo 进入真实产业场景，客户需要解决的问题也正在从 "获得一批数据"，转向如何持续生产高质量数据、快速扩展场景和任务、建立统一的训练与评测环境，并通过真实反馈不断迭代模型。
无问智科持续将这些具有通用性的需求沉淀为标准化的数据资产、工具与基础设施能力。
未来，机器人企业将持续建设围绕自身本体、模型、产品和场景 Know-how 的私有闭环；而规模化数据生产、世界构建、仿真与评测等具有较强通用性和规模经济的能力，也将逐渐形成独立的产业基础设施层。
为什么是无问智科
洪泰基金执行董事王秋表示："随着具身智能技术的快速发展，底层数据基础设施的重要性也在快速提升。我们看好无问智科用世界模型打造的闭环基础设施。公司不仅已建立了规模化真实数据生产能力，更进一步通过世界模型和仿真技术打通 Real2Sim2Real 闭环，在数据规模、生产效率、模型效果和商业化层面均展现出了较强的验证能力。我们期待无问持续推动虚实融合闭环的数据范式演进，成为物理 AI 产业长期发展的重要基础设施。"
洪山资本表示："伴随具身智能模型能力持续迭代升级，行业对数据的需求正发生深刻转变，已从过去单纯追求数据规模数量，转向对数据质量、场景丰富度、模型实际增益与迭代效率综合要求的全链路闭环数据基座。无问智科是虚实融合闭环路线的行业先行者，在行业初期即前瞻性布局虚实结合的数据仿真体系；商业落地层面，公司凭借优质客户结构、高质量订单以及高速成长态势获得市场持续验证。我们坚定看好以无问智科为代表的闭环物理 AI 基础设施赛道的长期发展价值。"
中电数融总经理祝明表示："物理 AI 的核心挑战之一，是如何让模型持续获得高质量、低成本、可规模化的物理世界经验。无问智科以真实数据提供精确的现实锚点，并通过世界模型和世界模拟器持续扩展场景与任务分布，形成虚实融合的数据闭环。我们认可这一技术路径及其长期产业价值。"
狮城资本合伙人刘振宇表示："通用具身智能规模化落地，模型算法与机器人本体是核心能力，而实现产业级突破，高水准物理 AI 基础设施是关键底座。无问智科深耕工业制造、物流仓储、家庭服务等场景，以产业需求驱动技术创新，围绕 ' 世界模型 × 数据工厂 × 世界模拟器 ' 技术体系，搭建完整 Real2Sim2Real 虚实闭环，高速增长的订单已验证其技术商业价值。我们看好物理 AI 基础设施赛道，期待无问智科持续巩固技术优势，扩大规模化交付，夯实行业底层基座，协同模型与本体生态，推动具身智能实现通用化、产业化落地。"
无问智科创始人兼 CEO 刘盛翔表示："无问智科年内再度完成新一轮大额融资，既是客户与资本市场对我们「世界模型 × 数据工厂 × 世界模拟器」三位一体战略布局的高度认可，也印证了具身智能行业重心，正从机器人本体、具身大模型向上游数据基础设施赛道迁移。我们以世界模型为核心，搭建虚实融合的闭环通用数据基础设施，是破解行业数据瓶颈最优且最可行的路径。我们将持续聚焦物理 AI 数据基础设施赛道，加大研发投入，以专业领先的通用数据基础设施推动物理 AI 技术在真实产业场景加速落地。"
（来源：无问智科）
