成立四个月、五个月融资超十亿：LiberAI 把「人类数据预训练」这条路线推到了榜一
5 个月 4 轮、累计超十亿元，一家成立四个月的具身模型公司宣布登顶 RoboDojo——但「榜一」和「突破 GPT-6 基准线」是两套口径，榜单背后的路线之争比分数更值得看。
- 融资：9 月 17 日，LiberAI（北京将闲科技）宣布完成数亿元 Pre-A++ 轮，中关村科学城、达晨财智、高信资本、华映资本等投资。
- 融资密度：5 个月内获红杉中国、真格基金、美团龙珠、顺为资本等连续四轮投资，累计融资超十亿元。
- 团队：创始人刘松铭为 00 后清华特奖得主，师从朱军，曾主导 RDT-1B（早于硅谷 PI-0 一个月）与 RDT-2（首个大规模 UMI 无本体人类数据预训练范式，先于 GEN-0 一个月）。
- 模型成绩：Liber-0 Preview 在 RoboDojo 官方评测以平均分 30.74、成功率 25.52% 位列第一，公司称是首个登顶该榜单的世界模型、唯一综合性能突破 GPT-6 基准线的基模。
- 技术宣称：公司称其方案可用 1/10 的物理数据获得 100 倍泛化性——该表述为公司口径，无第三方验证。
9 月 17 日这一天，具身智能模型层发生了两件并列的事：上午，地瓜机器人宣布 4 亿美元 C 轮，算力底座的钱落定；下午 17:52，科创板日报披露 LiberAI 完成数亿元 Pre-A++ 轮。后者更扎眼的不是金额，是融资密度——公司 2025 年 12 月成立，至今不到一年，5 个月内完成红杉中国、真格基金、美团龙珠、顺为资本等连续四轮投资，累计融资超十亿元。这个节奏放在 2023 年的大模型创业潮里都算激进。
团队履历是估值叙事的核心：创始人刘松铭，00 后，清华大学特奖得主，师从朱军，博士阶段从 AI for Physics 转向具身智能。他主导发布的 RDT-1B 是全球首个使用大规模预训练+扩散 Transformer 范式的机器人基座模型，比硅谷 PI-0 早一个月；次年的 RDT-2 又先于 Generalist 的 GEN-0 一个月，首次使用大规模 UMI 无本体人类数据预训练范式。联合创始人林凡淇师从清华高阳，团队另配有成建制的硬件联创、数据和硬件工程团队。
Liber-0 Preview 的成绩单是：RoboDojo 官方评测平均分 30.74、成功率 25.52%，在长时序任务执行、精细操作、记忆、泛化能力及开放语义五个维度均列榜首，公司称其为首个登顶该榜单的世界模型、唯一综合性能突破 GPT-6 基准线的基模，并已在真实机器人上完成长时序高自由度灵巧手操作。
但把它放进 9 月 16–17 日刚扩散的另一份报告里对照，数字会打架：银河通用团队的评测显示，π0.5+GPT-6 Astra 混合架构在 RoboDojo 任务子集上拿到 62.60 分，接近公开榜单第一名的两倍——那个「第一名」，指的正是 30 分量级的在榜基模。两个数字的差距不等于能力差距：评测子集不同、混合架构用的是 OpenAI 旗舰模型加 Physical Intelligence 的策略、评测目标也不同。但对读者来说，必须把「国内新锐世界模型登顶公开榜」和「GPT-6 混合架构在子集上翻倍」这两件事并列看，任何单独引用一个数字的叙事都会误导。
抛开头衔，LiberAI 押的技术路线值得认真对待：UMI 硬件数采 + 人类数据预训练 + 世界模型。逻辑是真机数据太贵、太慢、绑定本体，而人类第一人称操作数据可以大规模采集；公司自研毫米级精度数采手套，把 Embodiment 当作 Scaling 轴，通过 In-Context Learning 提升跨本体泛化。「用 1/10 的物理数据获得 100 倍泛化」是公司口径，无法独立验证，但它指向的判断——人类经验是机器人预训练的下一个数据燃料——与本周机器之心报道的 egocentric data boom（Dyna-2 百万小时人类数据、GENE-26.5 采用人类活动数据）是同一个方向。全球最前沿的实验室和最新的中国创业公司，在同一周押了同一个范式。