规则系统只能处理有限、结构化、封闭的数据。
非最终效果，仅供演示
我们是一家以认知模型为核心，以消费级具身机器人为交互载体的 AI 公司
我们正在构建具备生命感与自主性的社会化智能体，使其通过长期真实世界交互数据持续进化，提供可以被用户信任并愿意持续交互的新一代机器人产品，探索下一代人机交互范式与未来社会形态。
生物智能启发 AI，数据爆发驱动 AI。
生物智能给出方向，数据爆发提供燃料。物理世界数据与长期行为数据正在共同推动下一代 AI。
数据爆发燃料
数据成熟，支撑下一代模型
互联网语料开始形成可学习的符号世界。
海量标注图片推动机器视觉完成跃迁。
序列数据让模型学习语言、动作和上下文。
传感器、机器人、自动驾驶与仿真数据推动 World Model。
连续、多场景、可归因的人的数据推动 Cognitive Model。
真实、虚拟、社会互动共同构成通用人工智能的训练环境。
AI 智能核心演进
输入触发输出，依靠人类预先写好的规则。
通过奖励信号学习策略，在封闭任务里优化结果。
从图像中识别模式，建立对外部世界的感知层。
通过下一个词元预测学习语言、代码与知识结构。
World Model
学习环境、状态、因果与行动后果，回答“世界会如何变化”。
Cognitive Model
学习目标、信念、偏好与意图链，回答“人为什么这样行动”。
在物理世界、数字世界与社会世界中持续学习和行动。
生物智能蓝图
生物演化给出智能发展的参照
早期动物建立刺激与反应的关联。
多巴胺与基底神经节让行为开始面向未来奖励。
皮层网络让生物能泛化识别外部世界。
内部预测让行动不再只依赖即时刺激。
新皮层支持行动前的替代性试错，对应 World Model。
灵长类开始推断目标、信念和真实意图，对应 Cognitive Model。
在未知环境中计划、协作、学习并重构目标。
AI 发展的下一步，
是同时理解世界和人。
真正的机会，将来自真实场景中持续积累的交互数据与用户关系。
World Model 解释环境如何变化；Cognitive Model 解释人为什么行动。二者共同构成通往通用人工智能的关键能力。
通向 AGI：世界模型 + 认知模型
世界模型
物理交互数据
来自仿真、传感与操作反馈
场景状态建模
理解人、物、空间、动作状态
任务规划与动作控制
选择可执行、高效、安全的动作
工具属性
面向任务、效率、精度、可重复性
运动与空间预测
预判路径、阻挡、接触与碰撞
物理因果推理
杯子掉下去会碎
认知模型
长逻辑链数据
来自连续生活、关系与情绪变化
人与关系建模
理解意图、情绪、偏好与关系
价值决策系统
在人类价值观下选择合适回应
生活属性
面向家庭、个人、关系与日常
社交语境理解
动态理解群体中的关系、互动和规范
心智理论与社交推理
杯子碎了，主人会不开心
李行业专注于“如何”实现，我们执着于“为何”存在。真正的 AGI，以初心驱动行为。在 XDream Robotics，我们赋予机器的不只是冰冷的存在，更是感知与共情。让机器人不只是完成任务，更懂人心。
SN我相信，未来人工智能将无处不在，但真正稀缺的是人类的真实智慧与品质，比如共情。
DH我们会衡量（AI的）真实感、幽默感等人格维度，并设定一个稳定的基础人格；在此之上，再叠加一层“个性化层”，以适配每位用户的偏好。
RS世界并不是一个中性的特征集合；它会相对于智能体的目标与需求，呈现为有意义的世界。
多模态输入
视觉RGB/Depth Camera
听觉麦克风阵列/音源定位
触觉力/触觉/温度
本体感知关节/电机/位置
环境信息温湿度/光照/噪音
感知理解与表征
Chunks
快反射模型
习惯与技能链
显式推理与规划
大语言模型建议
统一资格门
仲裁器
决策行为与生成
高层行为规划
↓
Basic Behavior Library
Behavior Policy Generation
Behavior Mimic
↓
策略生成
↓
多模态表达
元动作
动作序列与编排
↓
安全约束与可行性检查
记忆模块
Memory System Module
Short-term对话历史近期事件上下文情绪状态
→World- Model空间/物体模型事件模型因果关系预测与仿真
→Long-term用户关系图谱性格直觉知识图谱
rᵢ = λₛ sim(e_q, eᵢ) + λₑ e⁻Δtᵢ/τₘ + λₚpᵢ + λ_c cᵢℳₜᶜᵗˣ = TopKᵢ(rᵢ)pₜ = Ψ(ℳₜᶜᵗˣ, identityₜ, relationₜ)
内部状态系统
内部状态变量
xₜ = [Eₜ, Rₜ, Cₜ, Fₜ, Aₜ, Vₜ, Tₜˢᵒᶜ, Eₜˢᵒᶜ]ᵀxₜ* = fψ(zₜ, xₜ₋₁, mₜ, pₜ)xₜ = Πₓ[xₜ₋₁ + Λₜ(xₜ* − xₜ₋₁) + Bₑeₜ + B꜀cₜ]
时间动力学核
Λτ = diag(1−e⁻Δt/τ₁,…,1−e⁻Δt/τₙ)ΔXₜ = (Xₜ* − Xₜ₋₁)(1−e⁻Δt/τₓ)Xₜ = clip(Xₜ₋₁ + ΔXₜ + ΔXₜˢᵒᶜ + ΔXₜᵇ, lₓ, uₓ)
状态更新
xₜ = fγ(xₜ₋₁, mₜ, pₜ)xₜ′ = clip(xₜ₋₁′ + Δsensₜ + Δtransₜ + Δdecayₜ, xₘᵢₙ, xₘₐₓ)
衰减项
Δdecayᵢ(t)=(Gᵢ(t)−xᵢ(t−1))kᵢΔTkᵢ=(1−e⁻ΔT/τᵢ)/ΔT
贝叶斯深化
θₜ ~ N(μₜ,Σₜ), θₜ=[wᴾ,wᵀˢᵒᶜ,wᴱˢᵒᶜ,…]ᵀp(θ|Dₜ) ∝ p(Dₜ|θ)p(θ)Kₜ = ΣₜHₜᵀ(HₜΣₜHₜᵀ + Rₜ)⁻¹μₜ₊₁ = μₜ + Kₜ(rₜ − hₜ(μₜ))Σₜ₊₁ = (I − KₜHₜ)Σₜ
中间层
决策目标
目标评分
Goalᵢ = (wˢSᵢ + wᴹMᵢ) · Contextᵢ
决策选择
g* = argmaxᵢ Goalᵢπ(gᵢ | sₜ) = softmax(Goalᵢ / τ_g)
模型状态更新（示例）
Dₛₒ꜀(t+Δt)=clip((1−λₛ)Dₛₒ꜀+αₛbₛ−βₛsₛ,0,1)Dₑₓₚ(t+Δt)=clip((1−λₑ)Dₑₓₚ+αₑnᵈᵉᶠ−βₑnᵍᵃⁱⁿ,0,1)Hₛₑₗf(t+Δt)=clip((1−λₕ)Hₛₑₗf+αₕthreat−βₕrelief,0,1)
行为执行
运动控制
情绪灯光映射
情绪灯光映射
微表达
语音生成
TTS/音色/语气
TTS/音色/语气
随情绪实时变化的交互
cₜ = C(Vₜ) · I(Aₜ, Tₜˢᵒᶜ, t)I(A,T,t)=Iₘᵢₙ(T)+(Iₘₐₓ(T)−Iₘᵢₙ(T))·(sin(2πf(A)t−π/2)+1)/2RGBₜ = Π[255 · cₜ]
κₜ = t / sₜᵢₘₑ(xₜ)qₜ′ = q₀ + S(xₜ)(qʳᵉᶠ(κₜ) − q₀)qₜˢᵃᶠᵉ = ΠQ[qₜ′]
行为学习与价值建模
人类演示轨迹τ_E
奖励函数R_θ(s,a)
最优策略π_θ(a | s)
IRL目标函数maxᵩ minπ Eτᴱ[Rᵩ(τ)] − λEτ∼π[Rᵩ(τ)]
RL训练目标
J(θ) = Eτ∼πθ[Σₜ₌₀ᵀ γᵗR(sₜ,aₜ)]
策略梯度
∇θJ(θ)=Eτ∼πθ[Σₜ ∇θlogπθ(aₜ|sₜ)Âₜ]
价值函数学习
Lᵥ(φ)=E(sₜ,Rₜ)[(Vφ(sₜ)−Rₜ)²]
优势函数
Âₜ = Rₜ − Vφ(sₜ)
SFT（模仿学习）
预训练策略
→预训练策略
IRL（奖励学习）
学习价值信号
→学习价值信号
RL（强化学习）
优化行为策略及认知模型
→优化行为策略及认知模型
RLHF/DPO（偏好学习）
对齐人类偏好
→对齐人类偏好
持续交互
执行结果反馈
总奖励
rₜ = w₁rᵉˣᵖ + w₂rⁱᵐᵖ + w₃rᵗᵃˢᵏ + w₄rᵛᵃˡ
| rₜ | 总奖励 |
| rᵉˣᵖ | 显式奖励 |
| rⁱᵐᵖ | 隐式奖励 |
| rᵗᵃˢᵏ | 任务奖励 |
| rᵛᵃˡ | 价值观奖励 |
| wᵢ | 权重 |
认知模型让机器人呈现生命感
01
反应快
对外界刺激，敏捷回应
面对触碰、声音、靠近、打断和环境变化，能够迅速感知并即时回应，形成接近生命体的反应节奏。
外界刺激敏捷反应即时感知即时回应
02
自主性
不是被动工具，而是主动存在
不只是等待指令，而能主动观察、探索、靠近、回避，并在合适的时机发起互动。
主动观察好奇探索眼神跟随主动互动
03
高情商
理解情绪，也能感同身受
不仅识别情绪，还能结合关系、场景和长期记忆，理解人为什么处于这种状态，并做出有分寸的回应。
情绪理解感同身受关系语境分寸回应
04
表现力
丰富、多样、具有生命感的表达
通过动作、姿态、节奏、声音和多模态表达，让用户感受到它不是在执行动作，而是在表达自己。
多模态表达动作姿态节奏变化生命感
05
成长性
越陪伴，越懂你
通过长期交互、记忆沉淀和反馈学习，形成一致、个性化、自进化的长期关系。
长期记忆个性化自进化可信关系
功能演示
每个入口对应一支真实演示视频，用具体能力说明认知模型如何转化为可感知的机器人行为。
当前仅展示部分能力持续补充中
发展历程
2025.09
公司成立
公司成立并获得高瓴、智元 1500 万种子轮投资
2025.11
核心团队就位
团队核心全部就位，规模达到 20 人
2025.12
初代认知模型完成
初代认知模型架构完成，并完成种子+轮近 4000 万融资；投资方包括中金、厚雪、沃赋
2026.02
理论与框架验证完成
所有理论验证与框架测试通过，团队规模达到 35 人
2026.03
完成天使轮融资
完成天使轮亿元级融资，投资方包括东方嘉富、长飞等
2026.04
进入功能开发阶段
团队成员达到 50 人，产品设计完成，进入功能开发阶段
2026.06
工程机 V1 落地
工程机 V1 正式落地，正在联调测试中
ROADMAP 2026 - 2027
未来计划
从原型验证到正式发布，再到市场扩张与生态建设。
阶段一
2026.07 — 2026.09
原型机验证与内部测试
- 完成功能性、稳定性与隐私安全机制测试
- 收集内部测试数据，优化本地版与云端版体验
- 确定量产供应链与合作方
阶段二
2026.10 — 2026.12
种子用户招募与小规模试产
- 面向种子用户与技术爱好者开放限量内测
- 收集真实使用反馈，迭代软硬件
- 建立用户社群与技术支持渠道
阶段三
2027.01 — 2027.03
正式发布与市场启动
- 完成首批正式交付与服务开通
- 同步推出本地版与云端版，覆盖不同隐私偏好与使用场景
- 启动线上预售与首批媒体评测
阶段四
2027.04 — 2027.09
市场扩张与生态建设
- 拓展海外市场，重点关注隐私敏感地区
- 与 NAS 厂商、家庭自动化平台建立合作
- 推出企业与团队批量采购方案
阶段五
2027.10 — 2027.12
巩固与迭代
- 发布年度用户数据安全报告
- 启动下一代产品研发
- 根据订阅转化率与用户留存调整定价策略
到 2027 年底的关键目标
1 万台累计销售
≥ 70%云端版年续费率
1+通过至少一项国际隐私认证
硬件获客，数据训练模型，模型放大平台
商业模式
以机器人本体进入真实世界场景，从设备收入与服务订阅起步，持续沉淀交互数据与模型能力，并逐步开放为开发者和服务商共创的平台生态。
01
硬件入口
Hardware Entry
02
数据与模型收入引擎
Data & Model Engine
03
共创平台生态
Co-Creation Platform
从行为预测到认知驱动的交互体验
认知模型应用场景
认知模型不是单一产品功能，而是理解人、预测人，并快速完成反馈与协作的底层能力。它可以进入汽车、家庭、机器人和服务空间，把高价值具身终端从“等待指令”推进到“主动理解并自然回应”的交互体验。
Cognitive Interaction
预测与快速响应
基于视觉、语音、动作、位置、长期偏好与场景记忆，认知模型不仅预测用户下一步意图，也能迅速生成反馈、提醒、服务动作与协作节奏，把模型能力转化为可被用户感知的交互体验。
汽车车机系统与智能座舱
在移动空间里，汽车车机系统与智能座舱可以成为认知驱动交互的重要入口：系统理解驾驶者状态、路线意图、疲劳风险与情绪变化，并把驾驶教练、人车共驾、售后管家和品牌体验服务变成更及时、更自然的响应。
家庭智慧中心
以家庭机器人为入口，连接 IoT、日程、照护、教育、娱乐和安防。认知模型可以预测家庭成员的作息、偏好和照护需求，让家庭智慧中心从设备控制台升级为主动协调家庭生活的智能中枢。
具身智能公司能力层
为其他具身智能公司提供认知模型 API、SDK、垂直模型授权和行为预测模块，帮助机器人厂商从“执行动作”走向“理解人类行为、预测协作时机、生成可信互动”。
服务空间与企业场景
进入展厅、酒店、养老、零售、办公和教育空间，预测客流、服务时机、用户犹豫点、潜在风险和长期偏好，支持更自然的导购、陪伴、接待、训练和运营决策。
商业化路径
在用户授权、隐私保护与可控数据流前提下，通过车企与机器人企业联合定义、模型授权、API 调用、家庭订阅服务和场景数据闭环，把认知模型扩展为跨行业基础能力。
隐私保护策略
本地版本
适用对象
偏好本地存储与可控数据流的用户
授权模式
一次性买断，无需订阅
网络能力
机器人与用户自有 NAS 设备在本地网络内通信，默认不依赖外部云服务完成核心交互。
数据边界
交互记录、记忆数据与系统日志优先在本地闭环运行，数据流向可由用户侧配置与审计。
隐私保护机制
- 联网授权：系统更新或维护场景下，由用户明确授权 NAS 临时联网并获取更新包。
- 审计与导出：本地生成的数据与关键操作日志向授权管理员开放，支持导出、核验与留存。
- 加密与访问控制：采用设备侧加密、传输加密与分级权限管理，降低未授权访问风险。
云端版本
适用对象
需要持续模型升级、跨设备同步与远程服务能力的用户
授权模式
订阅制，按周期付费
网络能力
在用户授权范围内接入云端能力，用于模型更新、服务同步与体验优化。
数据生命周期管理
提供按时间范围删除本地与云端历史记录的能力，并保留必要操作记录以支持审计。
隐私保护机制
- 可见性与授权：将采集范围、处理目的与同步状态转化为用户可理解的提示与授权界面。
- 权限与密钥管理：通过访问控制、密钥管理与加密传输，限制开发、运维及第三方服务方接触原始数据的范围。
- 删除与留痕机制：用户可发起历史数据删除请求；系统保留必要的操作留痕，用于合规核验与问题追踪。
创始合伙人
高炼惇
商务总监 & 联合创始人
资本路径全球合作组织增长连续创业
- 完整周期：连续创业，完成两次从 0 到 IPO 的完整周期（纳斯达克 / 港交所），另有一次战略退出。
- 治理经验：曾任 DEVO:IM 与 MBC Group 独立董事（沙特证交所 4072）。
- 规模化管理：25 年管理经验，曾管理市值超 10 亿美元业务与千人团队。
- 产业网络：拥有横跨科技、游戏与资本市场的高信任度合作网络。
李林天
CEO & 创始人
AI Infra系统架构技术创业具身智能
- 早期经历：17 岁开始投入系统工程，赴美参与早期大数据与云系统建设。
- 系统突破：设计中国首个大数据操作系统 BD-OS。
- 创业经验：连续自筹资金创业，完成两次成功退出。
- 方向积累：自 2020 年起持续投入具身智能与认知 AI，推动系统架构走向真实场景。
刘梦
首席科学家 & 联合创始人
认知模型人类行为理解认知计算神经科学
- 学术背景：格拉斯哥大学博士、上海交通大学博士后，研究横跨认知科学、神经科学、计算机视觉和大模型架构。
- 模型能力：专注认知计算建模，连接人类行为机制与 AI 系统设计。
- 研究成果：曾在生物与认知研究领域高影响力期刊《Current Biology》发表学术著作。
- 国际合作：曾任联合国及比尔及梅琳达·盖茨基金会人工智能专家。
顶级团队
一支横跨 AI、机器人、认知科学与消费产品的顶级复合型团队。（仅展示部分）
Scientific Advisor
Prof. Philippe G. Schyns
Scientific Advisor
Prof. Rachael E. Jack
Cognitive & AI Research
Dr.Qian
AI Research
Dr.Sun
Cognitive & AI Research
Dr.Xu
AI Research
Dr.Zhang
AI Infra & Agent Architect
Miao
Audio & Generative Models
Lee
Generative Models
Dr.Jiang
Hardware & Mechanical
Feng
Hardware & Mechanical Engineering
Yang
3D Motion & Embodied AI