德國機器人公司Sereact週日宣布完成1.1億美元B輪融資，主要用於進軍美國市場並擴大Cortex 2.0的生產——該公司稱之為「機器人大腦」。
這不是另一家做人形機器人的公司，而是為現有工業機械臂配備「認知層」。客戶名單已足以說明問題：BMW、戴姆勒卡車、賓士、PepsiCo、Active Ants、奧地利郵政。
Cortex 2.0到底是什麼？
簡單來說：將視覺-語言-動作模型（VLA）與世界模型結合，讓機械臂自行理解任務、規劃動作，不再需要工程師為每種盒子編寫抓取腳本。
但Sereact與那些只跑demo的公司不同之處在於訓練數據。Cortex 2.0是使用超過10億次真實生產環境的「抓取」數據訓練出來的——不是模擬，不是實驗室，而是工廠裡機械臂工作時累積的picks。
CEO Ralf Gulde的話直白得有點扎心：
「你必須用數據飛輪餵養它——把模型推到生產線上，跟著它一起承受失敗，讓模型從車間裡實際發生的事情中學習。」
換句話說：實驗室demo再漂亮也沒用，真正把機器人丟進BMW的倉庫每天工作8小時，一次故障損失數千美元的壓力下，模型才能真正學會如何工作。
一個值得單獨提出的數字
Sereact目前部署了200套系統在運作。
平均每5.3萬次抓取才需要人介入一次。
這是什麼概念？一台典型的物流機器人一天大約抓取2000至5000次，5.3萬次意味著這台機器可以連續運作10天以上才出現一次需要人工干預的狀況。這個數字在倉儲自動化行業中屬於頂尖水準。
對比一下：許多做倉儲自動化的新創公司還在demo影片中展示「連續抓取100次成功」當作賣點。
為什麼是德國，為什麼是現在
德國與歐洲在物流自動化方面本來就很強（KUKA、ABB等老牌巨頭都在），但運用VLA+世界模型這一代AI技術的公司不多。Sereact是少數將矽谷那套Foundation Model思路搬到歐洲倉庫的企業。
而美國市場是這輪融資的重點目標——亞馬遜和沃爾瑪的倉庫就在那裡，誰能拿下一兩個大客戶，估值就會立刻翻倍。
更深層的邏輯：物理AI正在從「能不能跑demo」進入「敢不敢上生產線」的階段。前階段比拼模型架構和論文跑分，後階段比拼的是飛輪——誰的機器人在真實工廠跑得多，誰的數據就更完整，下一代模型就更強。
Sereact在數據飛輪這一輪已經佔據了一個不錯的位置。
接下來看什麼
這輪融資未揭露估值。但參照競爭對手——同期Robot Era獲得2億美元以上C輪融資、估值15億美元，Figure AI已經超過390億美元——Sereact的1.1億美元B輪多半也踩在10億美元附近的獨角獸門檻。
接下來12至18個月要看的是：
- 他們能否將美國倉儲客戶從0簽到3至5家
- 1次/5.3萬次的干預率能否再降低一個數量級
- VLA + 世界模型的路徑，與Figure那種端到端神經網路相比，哪個更有效
物理AI這條賽道2026年燒的錢遠超去年。Sereact這1.1億美元只是入場券。
參考來源：Sereact Raises $110 Million to Scale AI Robotic Brain（PYMNTS）；CocoLoop；Sereact $110M Series B announcement（公司公告）