Ex-Meta 科学家团队 Perceptron 近日完成 2100 万美元种子轮，推出开源权重视觉模型 Isaac 0.5，主打工厂与仓库场景。该模型基于百万小时视频与 PB 级机器人轨迹训练，支持从单一视频提示执行长达 10 分钟的任务，无需额外微调。这笔融资由 General Catalyst 等领投，估值尚未公开，但已直接对标具身智能落地痛点。
这一动作发生在物理 AI 融资与部署加速的背景下。过去一年，Figure、特斯拉 Optimus、Agility 等具身项目从 demo 转向小规模商用，但核心瓶颈始终是“看懂”复杂物理环境的能力。通用大模型在语言和规划上领先，但在低延迟、鲁棒视觉感知上仍需专用模型补位。Perceptron 的路径——开放权重 + 垂直场景数据——与 Skild S1（单视频 10 分钟任务）形成呼应，也与小鹏机器人超 9 亿美元融资、荣耀“闪电”机器人纪录形成对比：后者更注重硬件执行，前者则聚焦感知层基础设施。
与此同时，AI 基建的电力与算力约束正倒逼垂直化。Emerald AI 等能源灵活性方案、Gatik 自动货运 2 亿美元融资，都指向同一个现实：通用模型竞赛已进入“最后一公里”落地阶段，垂直感知与代理训练工具（Arga Labs 等数字孪生项目）将成为差异化壁垒。中国团队（如智谱、阿里 Qwen）在多模态 MoE 上快速迭代，海外初创则通过开源 + 场景数据抢占物理世界入口，竞争从参数规模转向数据飞轮与部署效率。
短期看，Perceptron 类模型若在真实工厂验证成功，将加速代理从聊天界面转向真实界面与物理操控。悬念在于：这类垂直模型是否会催生“感知即服务”的新商业模式，还是最终被大厂通过收购或 API 整合？未来 6-12 个月，更多工厂级部署数据将给出答案。
信源：
https://techcrunch.com/2026/08/25/perceptron-ex-meta-21m-factory-vision-ai/
https://www.aichatdaily.com/2026/08/26/perceptron-isaac-0-5/
https://www.unite.ai/2026/08/26/perceptron-factory-vision/