从记忆到推演，00后空间智能团队映界科技完成种子+轮融资

近日，空间智能企业「映界科技MirrorSpace」完成超千万元种子+轮融资，由海愿资本（原紫金港资本）领投，全部老股东奇绩创坛、松禾资本持续加注，创始人金依力博士本人亦以同一估值出资超百万元跟投。本轮资金将重点用于感知硬件的商业化交付、时空理解与记忆系统的迭代，以及时空世界模型的持续训练。

这也是00后团队映界科技在三个月内完成的第二轮融资，展现了资本市场对其技术创新性与团队执行力的高度认可。

图灵奖得主研究院同门创业：用前沿学术构建具身时空大脑

机器已经能够“看见”真实世界，却依然无法“读懂”它，成为具身智能的关键卡点。映界科技的核心使命，正是填补这一关键空白。公司致力于研发“具身时空大脑”，旨在赋予机器在连续变化的物理环境中的感知、记忆与推演三大核心能力。

映界科技的创始团队极具科技活力与学术底蕴。三位联合创始人平均年龄仅24岁，均来自图灵奖得主Yoshua Bengio创立的加拿大Mila研究院同一实验室。创始人金依力仅用两年半时间便完成了博士学业，创下所在学院最快毕业纪录。今年5月毕业后，他随即决定将实验室的尖端论文成果转化为可落地的空间智能产品，联合创始人胡凯源与段西泽亦选择博士休学加入。

近日，团队迎来强援——香港城市大学计算机系副教授马辰加入映界科技，出任研究总监与模型负责人。马辰教授深耕数据驱动AI与数据估值领域，他的加入将主导具身时空大脑的模型体系、算法能力以及核心“数据飞轮”的建设，解决模型训练中“数据度量、选择与编排”的终极胜负手。

把时间维度还给机器：重塑物理空间的“四维”认知

“今天的机器，活在一个没有过去、也没有未来的世界里。”金依力博士表示。没有过去，是因为它记不住刚发生的事；没有未来，是因为它预判不了下一秒会发生什么。这两件事，再加多少个传感器都解决不了。

过去数年，尽管摄像头、激光雷达、深度传感器和定位系统在机器人产业中快速普及，硬件部署愈发密集，机器却始终停在感知和定位这一层。它能返回图像、点云和坐标，答得出「我在哪里」，却无法回答「这里刚刚发生了什么」。经验不会累积，结果就是，机器每一次进入相同的空间都如同初见。

缺的这一段，横跨的是时间。2D视频理解丢掉了空间结构，静态3D重建丢掉了时间维度，两条路各丢一半。在映界科技的判断里，机器感知的第三次范式切换，就是把空间与时间重新装回同一个表征。时间是物理世界的第四维，缺了这一维，过去无处存放，未来无从谈起。

映界科技的解法，是把机器缺掉的那几段时间一段段补回去。

先把「现在」看全：多模态信号在原始层就完成融合，实时重建出一个结构化的四维世界状态，机器不只知道自己站在哪，也知道这里有什么、正在怎么动，而且这个状态可查询、可回放、可推演。

看全之后，过去才有地方存放——每一次经历都被压缩成可以随时调取的经验：这里上次发生过什么，这类东西该怎么用，这类活该怎么干；四维表征天然是记忆的载体，每个场景一张认知地图，时间就是索引。

有了记忆，才谈得上未来：在同一个潜空间里做符合物理规律的前推，下一秒这里会变成什么样，伸手过去会碰到什么，一整套流程走下来会是什么结果。

三个维度叠起来才有意义，以桌沿的一杯热水为例：仅靠感知，机器只知道这里有一杯高温液体；结合记忆，它能理解这杯水刚刚被放下，且周围有人流活动；通过推演，它能预判水杯可能被碰倒的风险，从而做出“将杯子往里挪一挪”的主动决策。

到这里，机器才算真的看懂了这个空间。

结构化时空记忆

感知、记忆、推演的深度协同：打破模块损耗

不过，要让机器走好「看懂」这一步，感知、记忆与推演不能各自为政。

业界普遍的做法是把感知、记忆、推演当成三个模块拼接，问题在于，信息在模块之间传递必然损耗：感知传给下一环的往往只是一串检测框和标签——「这里有个杯子」，至于它多大、朝哪、在不在动，这一步就丢了；记忆存下的同样是处理过的结论，事后想把当时的现场重新调出来看一遍，调不出来；等轮到推演，它需要一个完整一致的「此刻世界什么样」作为起点，而前面两环各存各的，这个起点根本拼不出来。

金依力博士谈到，在映界科技的架构里，三者共享同一个四维世界表征——感知实时更新它，记忆沿时间索引它，推演在它的基础上前滚。没有交接，也就没有损耗；任何一环变强，另外两环同时受益，使得整体能力远超三者之和。

共享同一个表征的感知、记忆与推演，合起来就是映界科技所说的具身时空大脑。

这一“具身时空大脑”以软硬一体的形式交付：一端是能装进真实场景的空间感知模组，负责实时重建与记忆沉淀；另一端是持续训练的时空世界模型，负责推演，并将结果转成自然语言结论、风险预警或机器动作。设备装进哪个空间，这套大脑就在哪个空间开始工作。

MirrorSense V1通用空间感知模组样机

如今，三个维度里，现在与过去已经能够交付，推演未来是最吃数据的一层，也注定长在最后。

从产品部署，到模型持续自进化

负责推演的时空世界模型要理解真实环境，离不开持续、稳定且带有物理信息的四维数据——既要有空间结构，也有时间流向。这类数据只能到现场去拿——它练成的速度，取决于能从真实世界里拿回的数据量级。

映界科技选择让软硬一体的感知套件先一步进入真实产业场景。它首先是一个可部署的数据入口，在现场持续采集多模态时空信息；这些真实数据回流，用于训练和迭代时空世界模型；模型能力提升后，输出回场景。

在这套结构里，部署越多，数据越多，模型越强，每一台装出去的设备都在让整个网络更聪明。硬件既是产品，也是燃料管道，「数据入口—模型引擎—应用输出」由此形成自进化闭环。

短期内，感知套件承担产品交付与场景验证；长期来看，时空数据、世界模型和可复用的空间推理能力，才是公司希望持续积累的核心资产。

海愿资本创始合伙人李芳丽博士表示：随着机器执行能力逐步成熟，产业下一阶段真正稀缺的，是让机器持续理解物理空间及其变化的能力。映界科技把感知硬件变成真实世界的数据入口，设备部署越多，模型获得的训练养料越丰富，有望形成由场景、数据和模型共同驱动的自进化体系。这种结构，是我们看好团队的重要原因。

松禾资本管理合伙人汪洋表示：我们在3D视觉传感和工业机器人两端都有长期观察。传感器可以采集数据，机器本体可以完成动作，但中间一直缺少对现场状态、环境变化和潜在风险的理解。映界科技补的正是这一层。过去几个月，团队将感知模组从原型推进到交付准备，模型也进入训练阶段，体现出把研究快速转化为产品的能力。

奇绩创坛表示：空间智能的突破不仅取决于单点模型能力，更取决于能否把硬件部署、真实数据、模型训练与产品交付连成持续运转的闭环。映界科技选择了一条更重、也更难的路线：用统一的四维表征贯通感知、记忆与推演，并通过真实场景中的产品部署持续获得数据、迭代模型。我们看重的不仅是这套技术架构，也包括这支年轻团队将前沿研究快速工程化、产品化的执行力。随着闭环逐步跑通，公司有望形成由场景、数据、模型和工程能力共同构成的复合壁垒。

让机器看见世界，产业已经探索多年；让机器拥有过去和未来，映界正在潮头。