月內兩輪融資近億元，晨昏線科技發布 GCWM1 目標因果世界模型

2026年4月28日，在第三屆中國具身智能與人形機器人產業大會上，具身智能大腦科技公司晨昏線科技（TermiTech）正式發布“目標因果世界模型（Goal-conditioned Causal World Model） GCWM1”。

在行業還在討論世界模型應該是“生成式”還是“表征式”時，晨昏線科技選擇了一條更接近物理本質的道路：讓機器人在采取行動之前，先在“腦海”中推演以目標為關注點的物理世界的因果鏈條，給出下一個狀態分布，從而以具備“深度思考”能力的大腦，真正實現更強的泛化能力，更準確的狀態預測與更高確定性的自主作業。

01.

從“機器人馬拉松”說起：大腦才是分水嶺

世界模型對機器人行業意味著什么？本次發布會上，晨昏線科技CTO余慶用近期備受關注的“機器人馬拉松”來進行了生動的說明。

一年前，機器人蹣跚挪步，完賽率不足三成，絕大多數選手仍需領航員全程遙控。僅僅一年之后，百余參賽隊伍中近四成參賽隊實現了全自主導航。“機器人長腦子了”余慶評價道，“這場機器人馬拉松，是整個行業交出的一份雙重技術答卷——硬件能力一年間固然突飛猛進，大腦的發展也在讓機器人能夠擺脫遙控器，自主導航，自主作業。而世界模型，就是機器人大腦的核心部分。”

賽道上的突破，也照亮了下一步的方向：奔跑的真實場景不只在于平坦的賽道，更在于千變萬化的生產車間、高精度的作業臺、開放的家庭環境。在這些復雜場景中，機器人需要理解物理世界紛繁復雜的多模態信息、模糊的人類指令、給出準確的下一步狀態預測，并基于上下文完成長程規劃，并結合物理世界狀態反饋不斷迭代下一步策略。

正如余慶所說：“我們今天看到的是機器人逐步擺脫遙控器跑得越來越快、越來越穩，這是一個了不起的起點。而我們希望在未來，它們不僅能在賽道上自主奔跑，更能在車間工廠里精準作業，在景區商超內靈活互動，在社區家庭中高效服務，讓機器人真正長腦子，實現自由的行動與智慧的運用。”

這正是晨昏線科技通過 GCWM 架構持續探索的方向：讓每一個動作都根植于對物理世界的深度理解，讓每一次決策都源于場景化目標與客觀因果的精準預判，為具身智能注入真正“有思想的大腦”。

02.

從“聽個大概”到“拿到藍圖”：思考的內核

余慶強調，團隊自研的4B世界理解模型通過因果鏈路和過程目標強化學習提升空間理解正確率，在復雜空間推理任務中超越了開源32B模型和部分閉源大模型。公司還構建了14種基礎技能和7種高階技能庫，通過結構化Skill定義和Agentic RL技術，未來要將近百個DigitalAgent落地經驗遷移到PhysicalAgent場景里去。

發布會上的第一組對比，來自一個看似簡單的指令：“找到桌子上最遠的紅色鬧鐘和從右往左第四個物體之間的空閑區域”。

對于傳統模型來說，這幾乎是一場災難。它們只能“聽個大概”，但聽不懂“最遠”這種相對關系，也無法將“紅色鬧鐘”直接轉化為物理空間里的確切點位。在生產車間里，就意味著依靠傳統的標注和定位下，一旦產線切換新機臺、新艙體、新儀表型號，過去積累的點位參數全部失效，半天甚至數天的停產調參，是制造業最昂貴的隱形賬單。

而TermiBrain GCWM1面對新工件，不需要重新訓練，用同一套思考邏輯，重新測繪一次，幾步推理，即刻上線。這正是柔性制造中最稀缺的能力：機器人不需要停機重新編程，大腦自動完成場景化目標理解與規劃并快速換線。

第二組對比，考驗的是“記憶”。

發布會現場展示了一個尋找泰迪熊的對比。當業界部分閉源模型的表現如同傳說中只有七秒記憶的金魚——找到一半時忘記目標只能重新辨認，反復推倒重來，造成大量 token 被消耗。

而 TermiBrain GCWM1 提出來基于因果鏈的推理路標（Landmark Plan）機制，一旦參照物的坐標被標記，隨即會被系統設定為一個隨時可查的標記點，后續推理可以斷點續推。整條推理鏈路清晰可審計，算力的開銷大幅降低。

試想在電廠的巡檢場景中，一臺機器人正在執行變電設備的例行檢查。突然，系統推送了一條緊急事件需要立刻前往處置。在傳統模型管理下的巡檢機器人一旦離開當前任務現場，之前檢查過的點位記錄和未完成的點位規劃，全部變成了一團模糊的上下文。當處理完緊急情況返回原任務時，它已經找不到剛才的檢查進度了。而 GCWM1 會將已經完成驗證的路標和尚未執行的路標，全部被固化為結構化的記憶節點，刻進因果邏輯鏈條。

這意味著一臺機器人可以同時承擔多項任務而不丟失任何一條任務鏈。遷移在真實的城市管理中，它能夠并發處理突發事件和例行巡檢任務。

03.

機器人能不能在行動之前，先預判行動的后果？

GCWM1 實現了從世界理解→世界預測→世界干預的完整閉環，核心理念只有一句：“世界模型不應只是像素生成器，必須是物理因果引擎。”

以倒水為例，傳統模型要窮舉倒水的所有可能性，得算盡每一滴水的軌跡、每一個角度的杯身傾斜，那是算力的無底洞。GCWM1 的做法完全不同。它的目標因果引擎（GC-Engine）融合了物理因果先驗（PCP）和基于目標評估機制（GBE）。物理因果先驗把重力、摩擦力、剛體約束這些物理法則直接編織進神經網絡，同時基于目標評估則讓模型以任務目標來進行理解與預測，砍掉違背常識的繁瑣分支并忽略非相關細節，從而大幅降低算力消耗。

在此基礎上，GCWM1 進一步提出了“多世界線搜索”：從物理先驗的底層約束和任務目標出發，在潛空間中并行生成與核心目標因果相關的關鍵世界線，每一條都清晰標注著“如果這樣，就會那樣”。GC-Engine 基于目標評估模塊對每條世界線進行置信度評分，綜合給出下一個狀態的隱向量表征。在此基礎上才能給出最可能成功的下一步動作序列。

這便是 GCWM1 與過往路線的分水嶺：從“單狀態決策”跨越到“多狀態分布預測”，讓機器人具備了成功率更高的預判能力。

余慶通過輕松拿起面前盛有水的紙杯舉了個生動的例子：拿紙杯過程大腦會模擬至少三種狀態，正常拿起來，沒拿起來和過于用力拿起來水被擠出來。在進行三種世界線模擬后，大部分人的最終的決策是用較小力度先做嘗試，然后逐步增加力量直到水杯拿起，最后保持這個力度避免過量。

晨昏線科技世界模型的“多世界線搜索”就是讓機器人也具備這個能力，結合下一狀態的隱向量分布，給出最能夠確保任務完成的策略或者策略組合。

這不是在實驗室里跑分，而是對現實物理世界里常見事件的真正思考。

04.

執行的閉環：原子技能庫與指揮官級指令

強大的大腦，必須配以精準的執行體系。晨昏線科技構建了一套分層、可組合的原子化技能庫，目前已沉淀包括抓取、放置、推撥、分發、剝離、傾倒等在內的 14 種基礎技能與 7 種高階技能。這些技能學習自真機采集的 17+ 場景、2000多 個軌跡、12000 多個 Skill 實例數據，同步在持續擴展豐富中。

每一種技能都不是籠統的動作名稱，而是被嚴格編譯為參數、前置條件與成功判據的“確定性函數”。以“移動”技能為例，它明確定義了目標參照物的二維平面像素坐標與運動軌跡約束：機器人在出手前，不僅鎖定了“哪一個物體”，更將目標鎖定在物理空間里一個確切的坐標上。

同時，運動軌跡約束給它畫出一條“安全路線”——手掌必須繞過障礙，杯口全程保持朝上，接近目標時必須減速至力控閾值。

這讓機器人動作從“憑感覺的模仿”走向了“基于幾何契約的精準調用”，就像給機器人配備了一位熱心指導不厭其煩的指導者。指令不再是‘給我移動過去干啥’，而是’你按步驟來記一下根據子任務和目標評估來執行’，這種顆粒度的信息傳導，正是工業級可靠性的基石。

上述技術已在多個高難度場景中得到驗證。

在靈巧操作任務中，晨昏線科技“鋼琴大師”融合空間理解與觸覺反饋，實現了毫秒級的精準控制和長短期記憶融合，表達能力大幅提升，于 2025 年深圳靈巧手大賽中從 53 支隊伍中脫穎而出榮獲大獎，并在 AWE2026 開幕式上大放異彩。

在另一個場景“飛機駕駛艙無人化測試”中，通過 VTLA 多模態視覺觸覺融合與人類知識規程編碼，將適航法規轉化為可學習約束，在同樣規程下實現測試效率提升 25%、操作準確率提升 20%。

05.

商業壁壘：全棧落地與十年磨一劍的團隊底蘊

可落地的智能，才有生命力。

晨昏線科技已推出覆蓋從感知到執行的完整產品矩陣：

• 大腦中樞——TermiBrain 系列：

負責強交互精細作業的具身大腦TermiBrain-R、負責多智能體群體控制的具身大腦TermiBrain-G；

• 協同平臺——多機異構統一調度與陸空協同的機器人管理系統 TermiMaster：

目前，TermiMaster 已集成并管理超過 20 種主流具身硬件，打通各類機器人、機器狗、無人機和工業機械臂之間的作業壁壘，在 3C 制造、工業檢測、展廳教育、城市巡檢等高價值場景中實現了集中決策與業務閉環。真正做到了“一腦管多機、一屏覽全局”。

• 核心軀干——TermiBot ：

TermiBot 聚焦靈巧操作。具身大腦進行復雜任務的長程規劃與持續迭代，配合高自由度靈巧手能夠完成人類的復雜精細化動作序列。這正是彈奏鋼琴等超精細 任務得以落地的物理基礎。

同時TermiBot 原生支持VLA（Vision-Language-Action，視覺-語言-動作）與便攜 UMI（Universal Manipulation Interface，通用操作接口）數據微調。讓機器人能夠通過簡單采數裝置的人類示教快速習得新技能，并將采集到的視覺、力覺、位姿數據，無需經過繁雜的格式轉換，即可直接回流進入模型訓練管線。

• 循環的血液——TermiDataClaw：

余慶透露，晨昏線科技已完成近20余種具身硬件適配和10余個場景落地。目前，公司正與工信部某所、國產算力公司、多個制造場景企業等聯合打造Task-Centric的數據采集訓練驗證閉環系統TermiDataClaw。

TermiDataClaw作為由任務驅動的具身數據閉環系統。徹底改變了傳統“按設備、按傳感器”組織數據的舊范式，轉而“以任務為最小組織單元”，讓采集、質控與模型訓練都圍繞具體的作業任務閉環展開。

其核心能力可以用六個關鍵詞概括：

所見即所得：采集數據經標準化 Pipeline 加工后，可直接進入訓練與優化流程；多模態對齊：融合視覺、語音、力覺、位姿、軌跡等多源數據，統一為任務級表達；智能加工：支持切片、標注、質檢、錯題回流與高價值樣本篩選；Agent 化全鏈閉環：從數據采集到模型評測再到策略更新，全部自動化運行；數據飛輪：基于模型效果與真實作業反饋，自動發現能力短板，反向驅動補充數據、優化策略，讓模型和機器人能力在每一次真實交互中持續進化；Task-Centric 采集：圍繞真實作業任務，去采集長時序、完整流程的機器人訓練數據。

正是這套“大腦-平臺-身體-數據血液”四位一體的產品架構，讓晨昏線科技的具身智能具備了真正可落地、可復制、可進化的生命力。同時公司正在構建具身世界理解模型評測體系TermiBenchmark，特別是在精細化操作理解等維度做了大量工作，未來會同各高校和標準評測機構一起不斷完善。

這份從容落地的背后，是一支10 年+ AI 與大模型產品化經驗的團隊。晨昏線科技核心成員來自華為等頭部企業，曾主導通信運維大模型、醫療大模型、國產數據庫大模型等多個垂域大模型，以及 100+ 項 AI 應用規劃落地，具備從千卡集群千億參數模型訓練到行業場景交付的完整認知。

公司正式運營僅數月，意向訂單已突破 3000 萬元，營收超過 300 萬元，商業飛輪正加速轉動。

TermiBrain GCWM1的發布，標志著晨昏線科技從‘讓機器人看見’走向‘讓機器人想透’，從生硬模仿走向自主決策。

關于晨昏線科技（TermiTech）

晨昏線科技（2025 年 8 月正式運營）致力于構建“具身機器人大腦”。公司聚合了來自清華大學、上海交通大學、武漢大學、復旦大學、南加州大學、代爾夫特理工大學等海內外頂尖高校的 AI 學者與機器人專家，通過行業首創的時空理解引擎與目標因果引擎相結合，形成通用物理世界模型與場景化物理作業智能體，賦予機器人在復雜現實世界中自由行動與深度思考的能力，推動具身智能從實驗室走向規模化商用。

另據了解，晨昏線科技近一個月內已連續完成兩輪天使輪融資，累計金額近億元。本次融資按投資推進時序，投資方包括基石創投、半山創投、北京首都科技發展集團、涌鏵投資、浦東創投、盈遠投資等多家國內知名早期專業投資機構。其中，涌鏵投資與半山創投連續兩輪追加投資，充分體現了資本方對晨昏線科技團隊技術實力與長期發展潛力的堅定信心。

優質崗位開放招募中，簡歷請投遞至郵箱：hr@termitech.cn