[德國] 兩個博士10億次抓取 這公司盤活德國工業拾年家底
最近，德國斯圖加特壹家成立不到伍年的公司 Sereact 宣布完成 1.1 億美元 B 輪融資，Headline 領投。兩位創始人 Ralf Gulde 和 Marc Tuscher 是斯圖加特大學機床控制工程與制造裝備研究所（ISW）的博士同窗，2021 年用畢業論文的研究方向開了公司。
到這次融資為止，他們的產品 Cortex 已經部署在寶馬、奔馳、戴姆勒卡車、百事可樂等 200 多個真實工位上，完成超過 10 億次抓取。每 53,000 次抓取才需要壹次遠程人工幹預，作為對照，汽車工業供應鏈對零部件的壹般質量要求約為 50 PPM（每百萬件 50 個缺陷,即每 20,000 件壹次），Sereact 這個數字比汽車工業鏈的常見門檻還要嚴格。
CTO Marc Tuscher 給了 Cortex 壹句口號：“機器人在 latent space 裡做夢。”也就是機器人在動手前先在隱空間裡把接下來幾步的物理後果跑壹遍，挑出最穩的路徑再去執行，這種結構在學術上叫 world model（世界模型），目前已經有不少公司正在推進這壹路線，但真正跑在寶馬工廠產線上的，目前應該只有 Sereact 壹家。
跟它同台競爭的硅谷玩家，融資額要大得多。匹茲堡的 Skild AI 2026 年 1 月完成 14 億美元 C 輪，估值 140 億美元，累計融資 18.3 億美元，是 Sereact 的拾倍以上。舊金山的 Physical Intelligence 累計融資約 10 億美元。
兩家公司都公開承認，訓練數據主要來自大規模仿真和互聯網視頻，真機數據只是補充。Skild 在公司博客裡非常直接地表示，絕大多數同行的“機器人基礎模型”其實是“披著馬甲的視覺－語言模型”，缺少真正的物理常識。
Sereact 這邊的邏輯則相反。CEO Gulde 在 B 輪公告裡提到：“我們伍年前就賭了壹把，你不可能在實驗室裡訓出真實世界的機器人 AI。”這場賭的關鍵變量是數據來源：Sereact 的 10 億次抓取全部來自歐洲贰拾幾家工廠的實際生產工位，夜班、高峰期、長尾形狀的怪異 SKU，全部入模型。
而說起這些數據資產，我們就不得不提到德國過去拾伍年最有名的壹項工業戰略——“工業 4.0”（Industrie 4.0）。
屢屢受挫拾年的工業 4.0
德國 2011 年漢諾威工博會第壹次提出“Industrie 4.0”，當時的目標是建立壹個由德國主導的工業操作系統。拾年裡，這個目標的執行屢屢受挫過很多次。SAP 之外，德國沒跑出過有全球影響力的消費互聯網或雲服務公司；德意志銀行的數字化轉型反復折騰；Gaia－X 這個被宣傳為“歐洲雲替代”的項目，落地幾年後業內基本默認它是個 PPT 工程。
德國制造業這幾年並不好過。以 2024 年為例，德國全年 GDP 收縮 0.2％，機床業和汽車業的產出明顯下滑。各大制造商也紛紛裁員，西門子、博世、蒂森克虜伯、德意志鐵路等拾余家上市公司在 2024 年前 10 個月合計裁員超過 6 萬人；博世僅 11 月壹個月就宣布削減 7,000 個崗位。德國經濟專家委員會（GCEE）在 2024 年報告中判斷：德國制造業的衰退不僅是周期性的，跟全球經濟出現了結構性脫鉤。
不過這些壞消息蓋過了工業 4.0 這拾年另壹面的成果：它的物理底座。
工業 4.0 的口號是“智能工廠”，但最難做、最不好講故事的部分，是協議、傳感器、控制器之間的標准化。這部分工作過去拾幾年通過幾個並不有名的組織悄悄完成。
OPC UA 是核心。這是壹套機器對機器通信的國際標准（IEC 62541），2008 年發布，2016 年德國聯邦信息安全局（BSI）出具正面安全評估，2018 年德國機床制造商協會（VDW）正式選定它作為機床互操作的核心協議。
VDMA（德國機械設備制造商協會）拾幾年來壹直在制定行業版的 Companion Specifications，簡單說就是給“塑料注塑機怎麼報數據”、“機床怎麼報數據”、“包裝機怎麼報數據”建立統壹格式。這套標准在德國機械裝備和工廠裡滲透得比任何其他國家都深。
機器人保有量是另壹個底座。國際機器人聯合會（IFR）2024 年的數據顯示：德國每萬名制造業工人對應 449 台工業機器人，排全球第叁，落後於韓國（1220）和新加坡（818），領先美國（307）和意大利（244）。德國 2024 年新裝機 26,982 台，繼續是歐洲最大機器人市場。這些機器人也大多接入了 OPC UA 協議下的數據采集體系。每壹個抓取動作發生時，傳感器讀數、機器人狀態、夾爪反饋都被同步記錄下來。
因此，工業 4.0 沒建成“德國主導的工業操作系統”，但它在過去拾年裡建成了壹個分散在數千家工廠裡、用統壹協議聯通的工業數據池。這個池子在過去並沒有顯示出特殊價值，因為沒有什麼模型能消化它。
但具身智能改變了這件事。
斯圖加特的兩個博士、BMW 的產線
Sereact 的兩個創始人在 ISW 做博士的幾年，剛好趕上工業 4.0 數據基礎設施成熟的窗口期。Gulde 在 2025 年的壹次校友訪談裡說，在 ISW 最重要的收獲是“質疑深度學習模型怎麼訓練這件事的自由”。意思是，他們在壹個全德最好的工業控制實驗室裡，手邊就是真實的產線數據，可以反復嘗試用機器學習去消化它。這種條件在伯克利或斯坦福的機器人實驗室裡基本不存在，因為那些實驗室沒有真實產線給他們測試。
2021 年公司成立。前兩年，Sereact 把產品推到歐洲贰拾幾家客戶那裡部署：單臂揀選工位、雙臂退貨分揀站、Sereact Lens（基於 Cortex 視覺感知拆出來的 3D 庫存與質檢系統）。每壹台機器人同時是工作站和數據采集器。每壹次抓取，成功也好、失敗也好、需要遠程幹預也好，都被同步記錄：攝像頭觀測、機器人本體狀態、夾爪力反饋、最終結果，壹整套打包上傳。
這些數據不是全部入模型，而是先過壹層新穎度和不確定度的過濾，系統優先用最有信息量的樣本去更新策略。更新後的模型通過自動回歸測試，確認沒有性能回退，再下發到整支機隊，由此形成閉環
Cortex 的第壹代是壹個 VLA 模型，看到什麼就抓什麼，采取典型的反應式策略。如果壹次抓取失敗，反應式策略往往會重復同樣的錯誤動作，失敗疊加失敗。這次 B 輪發布的 Cortex 2.0 在 VLA 之上加了世界模型：從當前狀態出發，生成壹組候選未來軌跡，放進壹個學過物理和物體行為的模型裡跑壹遍，按穩定性、風險、效率給每條軌跡打分，機器人只執行得分最高的那條，執行過程中場景變化會實時更新預演。從“試了再看”變成“看了再試”。
這便是 Tuscher 所說的“機器人在 latent space 裡做夢”。
在 Cortex 2.0 還有壹個比較特殊的工程取舍：推演用多少算力是可調的。包裹打包、kitting、易碎品擺放這種失敗代價高的任務，多花算力多推幾步；漏抓重抓壹次就能解決的任務，少花算力直接動手。這條設計是把世界模型從研究 demo 推到產線可用的關鍵。
另外，Cortex 模型的規劃層跑在視覺隱空間，而不是機器人關節空間。關節命令綁死在某個機器人的運動學結構上，像素層面的物體、接觸、運動規律則是跨硬件通用的。所以同壹個 Cortex 大腦可以驅動單臂揀選、雙臂退貨、人形機器人、固定工作單元等不同硬件形態。
到這裡，工業 4.0 這拾年攢下的標准化基建，通過兩個 ISW 博士的創業，被打包成了壹種全新的資產形態：可訓練的真實工業數據，加上能消化這些數據的模型架構。
2025 年 A 輪 2,500 萬歐元，Creandum 領投。2026 年 4 月 B 輪 1.1 億美元，Headline 領投，Bullhound、Daphni、Felix Capital 跟進。累計融資到 1.4 億美元出頭。
Tuscher 還有壹句話：“硬件即將商品化，模型不會。我們不造機器人，不賣服務，只發壹種東西：可以跑在任何機器人上的模型。”A 輪領投方 Creandum 的 Johan Brenner 把 Sereact 類比 Mobileye 之於自動駕駛、Nvidia 之於通用算力。這個類比指向同壹個判斷：產業鏈裡最高利潤的位置不是終端硬件，是跑在硬件上的智能層。硬件標准化，軟件成差異化，數據決定軟件優劣。
Sereact 的下壹站是制造業精細裝配。Tuscher 在公告裡點了幾個具體場景：有張力的零部件組裝、雨刷不刮花玻璃地裝到位、kitting 工序裡零件必須以正確朝向落進下壹道工位。這些比倉儲揀選難得多，容錯率也低得多。Cortex 2.0 的可調算力預演加世界模型設計，瞄的就是這壹層市場。
壹家好公司，救不了壹個大盤子
具身智能在 Sereact 壹家公司身上，確實讓工業 4.0 拾年的基建價值兌現了。兩個 ISW 博士、壹個完整的數據飛輪、20 多家歐洲客戶、1.4 億美元融資，加上即將進軍的美國市場。這是壹份不錯的回報。
不過我們目前尚不能就此認定“具身智能 ＝ 工業 4.0 救星”。
工業 4.0 當年的目標是建立“德國主導的工業操作系統”，壹個對外授權、收取使用費的全球級標准。Sereact 的模式跟那個目標差著壹個量級。它是在德國工廠裡訓模型，然後把模型賣到全世界，這是壹家不錯的公司，但不是當年構想的“德國版 Microsoft”。
更難解決的問題在下游。Sereact 的客戶裡有寶馬、奔馳、戴姆勒卡車，但這叁家自己 2024 年都在嚴重收縮。德國汽車業在中國市場份額下滑、電動化轉型遲緩、本土能源成本居高不下，這些結構性問題不是機器人產線靈活壹點就能解決的。Sereact 讓寶馬工廠的揀選效率提升 30％ 這件事是真的，但寶馬賣不出車的時候，工廠效率的高低就變得不那麼重要。
工業 4.0 沒能救活德國制造業的整體頹勢，在汽車、化工、機床這些大盤子裡，衰退仍在繼續。但它意外救活了 Sereact 這樣的公司，以及它們身後那條“數據基建－軟件層－高利潤位置”的產業鏈。
至於這條產業鏈能不能再向外延伸，成長為當年默克爾時代設想的全球性技術主導權，恐怕並沒有太大懸念。
[物價飛漲的時候 這樣省錢購物很爽]
無評論不新聞，發表壹下您的意見吧
到這次融資為止，他們的產品 Cortex 已經部署在寶馬、奔馳、戴姆勒卡車、百事可樂等 200 多個真實工位上，完成超過 10 億次抓取。每 53,000 次抓取才需要壹次遠程人工幹預，作為對照，汽車工業供應鏈對零部件的壹般質量要求約為 50 PPM（每百萬件 50 個缺陷,即每 20,000 件壹次），Sereact 這個數字比汽車工業鏈的常見門檻還要嚴格。
CTO Marc Tuscher 給了 Cortex 壹句口號：“機器人在 latent space 裡做夢。”也就是機器人在動手前先在隱空間裡把接下來幾步的物理後果跑壹遍，挑出最穩的路徑再去執行，這種結構在學術上叫 world model（世界模型），目前已經有不少公司正在推進這壹路線，但真正跑在寶馬工廠產線上的，目前應該只有 Sereact 壹家。
跟它同台競爭的硅谷玩家，融資額要大得多。匹茲堡的 Skild AI 2026 年 1 月完成 14 億美元 C 輪，估值 140 億美元，累計融資 18.3 億美元，是 Sereact 的拾倍以上。舊金山的 Physical Intelligence 累計融資約 10 億美元。
兩家公司都公開承認，訓練數據主要來自大規模仿真和互聯網視頻，真機數據只是補充。Skild 在公司博客裡非常直接地表示，絕大多數同行的“機器人基礎模型”其實是“披著馬甲的視覺－語言模型”，缺少真正的物理常識。
Sereact 這邊的邏輯則相反。CEO Gulde 在 B 輪公告裡提到：“我們伍年前就賭了壹把，你不可能在實驗室裡訓出真實世界的機器人 AI。”這場賭的關鍵變量是數據來源：Sereact 的 10 億次抓取全部來自歐洲贰拾幾家工廠的實際生產工位，夜班、高峰期、長尾形狀的怪異 SKU，全部入模型。
而說起這些數據資產，我們就不得不提到德國過去拾伍年最有名的壹項工業戰略——“工業 4.0”（Industrie 4.0）。
屢屢受挫拾年的工業 4.0
德國 2011 年漢諾威工博會第壹次提出“Industrie 4.0”，當時的目標是建立壹個由德國主導的工業操作系統。拾年裡，這個目標的執行屢屢受挫過很多次。SAP 之外，德國沒跑出過有全球影響力的消費互聯網或雲服務公司；德意志銀行的數字化轉型反復折騰；Gaia－X 這個被宣傳為“歐洲雲替代”的項目，落地幾年後業內基本默認它是個 PPT 工程。
德國制造業這幾年並不好過。以 2024 年為例，德國全年 GDP 收縮 0.2％，機床業和汽車業的產出明顯下滑。各大制造商也紛紛裁員，西門子、博世、蒂森克虜伯、德意志鐵路等拾余家上市公司在 2024 年前 10 個月合計裁員超過 6 萬人；博世僅 11 月壹個月就宣布削減 7,000 個崗位。德國經濟專家委員會（GCEE）在 2024 年報告中判斷：德國制造業的衰退不僅是周期性的，跟全球經濟出現了結構性脫鉤。
不過這些壞消息蓋過了工業 4.0 這拾年另壹面的成果：它的物理底座。
工業 4.0 的口號是“智能工廠”，但最難做、最不好講故事的部分，是協議、傳感器、控制器之間的標准化。這部分工作過去拾幾年通過幾個並不有名的組織悄悄完成。
OPC UA 是核心。這是壹套機器對機器通信的國際標准（IEC 62541），2008 年發布，2016 年德國聯邦信息安全局（BSI）出具正面安全評估，2018 年德國機床制造商協會（VDW）正式選定它作為機床互操作的核心協議。
VDMA（德國機械設備制造商協會）拾幾年來壹直在制定行業版的 Companion Specifications，簡單說就是給“塑料注塑機怎麼報數據”、“機床怎麼報數據”、“包裝機怎麼報數據”建立統壹格式。這套標准在德國機械裝備和工廠裡滲透得比任何其他國家都深。
機器人保有量是另壹個底座。國際機器人聯合會（IFR）2024 年的數據顯示：德國每萬名制造業工人對應 449 台工業機器人，排全球第叁，落後於韓國（1220）和新加坡（818），領先美國（307）和意大利（244）。德國 2024 年新裝機 26,982 台，繼續是歐洲最大機器人市場。這些機器人也大多接入了 OPC UA 協議下的數據采集體系。每壹個抓取動作發生時，傳感器讀數、機器人狀態、夾爪反饋都被同步記錄下來。
因此，工業 4.0 沒建成“德國主導的工業操作系統”，但它在過去拾年裡建成了壹個分散在數千家工廠裡、用統壹協議聯通的工業數據池。這個池子在過去並沒有顯示出特殊價值，因為沒有什麼模型能消化它。
但具身智能改變了這件事。
斯圖加特的兩個博士、BMW 的產線
Sereact 的兩個創始人在 ISW 做博士的幾年，剛好趕上工業 4.0 數據基礎設施成熟的窗口期。Gulde 在 2025 年的壹次校友訪談裡說，在 ISW 最重要的收獲是“質疑深度學習模型怎麼訓練這件事的自由”。意思是，他們在壹個全德最好的工業控制實驗室裡，手邊就是真實的產線數據，可以反復嘗試用機器學習去消化它。這種條件在伯克利或斯坦福的機器人實驗室裡基本不存在，因為那些實驗室沒有真實產線給他們測試。
2021 年公司成立。前兩年，Sereact 把產品推到歐洲贰拾幾家客戶那裡部署：單臂揀選工位、雙臂退貨分揀站、Sereact Lens（基於 Cortex 視覺感知拆出來的 3D 庫存與質檢系統）。每壹台機器人同時是工作站和數據采集器。每壹次抓取，成功也好、失敗也好、需要遠程幹預也好，都被同步記錄：攝像頭觀測、機器人本體狀態、夾爪力反饋、最終結果，壹整套打包上傳。
這些數據不是全部入模型，而是先過壹層新穎度和不確定度的過濾，系統優先用最有信息量的樣本去更新策略。更新後的模型通過自動回歸測試，確認沒有性能回退，再下發到整支機隊，由此形成閉環
Cortex 的第壹代是壹個 VLA 模型，看到什麼就抓什麼，采取典型的反應式策略。如果壹次抓取失敗，反應式策略往往會重復同樣的錯誤動作，失敗疊加失敗。這次 B 輪發布的 Cortex 2.0 在 VLA 之上加了世界模型：從當前狀態出發，生成壹組候選未來軌跡，放進壹個學過物理和物體行為的模型裡跑壹遍，按穩定性、風險、效率給每條軌跡打分，機器人只執行得分最高的那條，執行過程中場景變化會實時更新預演。從“試了再看”變成“看了再試”。
這便是 Tuscher 所說的“機器人在 latent space 裡做夢”。
在 Cortex 2.0 還有壹個比較特殊的工程取舍：推演用多少算力是可調的。包裹打包、kitting、易碎品擺放這種失敗代價高的任務，多花算力多推幾步；漏抓重抓壹次就能解決的任務，少花算力直接動手。這條設計是把世界模型從研究 demo 推到產線可用的關鍵。
另外，Cortex 模型的規劃層跑在視覺隱空間，而不是機器人關節空間。關節命令綁死在某個機器人的運動學結構上，像素層面的物體、接觸、運動規律則是跨硬件通用的。所以同壹個 Cortex 大腦可以驅動單臂揀選、雙臂退貨、人形機器人、固定工作單元等不同硬件形態。
到這裡，工業 4.0 這拾年攢下的標准化基建，通過兩個 ISW 博士的創業，被打包成了壹種全新的資產形態：可訓練的真實工業數據，加上能消化這些數據的模型架構。
2025 年 A 輪 2,500 萬歐元，Creandum 領投。2026 年 4 月 B 輪 1.1 億美元，Headline 領投，Bullhound、Daphni、Felix Capital 跟進。累計融資到 1.4 億美元出頭。
Tuscher 還有壹句話：“硬件即將商品化，模型不會。我們不造機器人，不賣服務，只發壹種東西：可以跑在任何機器人上的模型。”A 輪領投方 Creandum 的 Johan Brenner 把 Sereact 類比 Mobileye 之於自動駕駛、Nvidia 之於通用算力。這個類比指向同壹個判斷：產業鏈裡最高利潤的位置不是終端硬件，是跑在硬件上的智能層。硬件標准化，軟件成差異化，數據決定軟件優劣。
Sereact 的下壹站是制造業精細裝配。Tuscher 在公告裡點了幾個具體場景：有張力的零部件組裝、雨刷不刮花玻璃地裝到位、kitting 工序裡零件必須以正確朝向落進下壹道工位。這些比倉儲揀選難得多，容錯率也低得多。Cortex 2.0 的可調算力預演加世界模型設計，瞄的就是這壹層市場。
壹家好公司，救不了壹個大盤子
具身智能在 Sereact 壹家公司身上，確實讓工業 4.0 拾年的基建價值兌現了。兩個 ISW 博士、壹個完整的數據飛輪、20 多家歐洲客戶、1.4 億美元融資，加上即將進軍的美國市場。這是壹份不錯的回報。
不過我們目前尚不能就此認定“具身智能 ＝ 工業 4.0 救星”。
工業 4.0 當年的目標是建立“德國主導的工業操作系統”，壹個對外授權、收取使用費的全球級標准。Sereact 的模式跟那個目標差著壹個量級。它是在德國工廠裡訓模型，然後把模型賣到全世界，這是壹家不錯的公司，但不是當年構想的“德國版 Microsoft”。
更難解決的問題在下游。Sereact 的客戶裡有寶馬、奔馳、戴姆勒卡車，但這叁家自己 2024 年都在嚴重收縮。德國汽車業在中國市場份額下滑、電動化轉型遲緩、本土能源成本居高不下，這些結構性問題不是機器人產線靈活壹點就能解決的。Sereact 讓寶馬工廠的揀選效率提升 30％ 這件事是真的，但寶馬賣不出車的時候，工廠效率的高低就變得不那麼重要。
工業 4.0 沒能救活德國制造業的整體頹勢，在汽車、化工、機床這些大盤子裡，衰退仍在繼續。但它意外救活了 Sereact 這樣的公司，以及它們身後那條“數據基建－軟件層－高利潤位置”的產業鏈。
至於這條產業鏈能不能再向外延伸，成長為當年默克爾時代設想的全球性技術主導權，恐怕並沒有太大懸念。
[物價飛漲的時候 這樣省錢購物很爽]
| 分享: |
| 注： |
| 延伸閱讀 | 更多... |
推薦: