枢途科技完成近亿元人民币Pre-A轮融资，本轮由鼎晖百孚、鲲鹏基金（大数据方向国家级基金）联合领投，广州产投、亿合资本联合投资，老股东趋势投资超额追投。这已是该公司一个月内完成的第三轮融资，密集的资本节奏在具身智能赛道中并不多见。

本轮资金将投向触觉数据表征训练的研发与验证，推动SynaTac触觉产品线的技术与产品迭代，并加快拓展面向机器人接触策略训练与端侧部署的业务布局。在持续完善现有视频升维数据产品、提升交付能力的基础上，枢途正试图从数据供给向接触智能延伸。

枢途的核心技术团队以Covariant AI成建制算法团队为班底。公司CTO慕巍博士曾任硅谷具身先驱企业Covariant AI研发副总裁及中国区软件负责人，团队拥有从demo到产品、到场景、到稳定运行的完整落地经验。这一背景使枢途对具身算法落地的核心鸿沟有明确判断：大脑层对世界理解不足，小脑层接触执行不稳定。

在枢途看来，海量人类行为视频升维数据可以帮助机器人理解任务、知道「怎么做」；而触觉表征建模的核心价值在于支撑可靠执行，实现「做得好」。具身模型不仅要理解任务，还要判断接触是否稳定，并根据滑移、形变与阻力及时调整力度和动作。增加传感器、采集更多信号并不等于获得接触能力，关键在于让这些信息有效参与学习与操作。

统一表征是枢途布局接触端基建的关键切入点。针对不同传感器的数据差异，公司围绕操作所需的接触信息建立模型可学习的结构化表达，让不同来源的经验进入共同的学习体系。机器人还需通过策略训练学习应对不同接触状态，并在执行中利用实时反馈修正动作。枢途据此协同推进表征、训练与部署，以真实任务检验能力改进。

目前，枢途已建立面向世界理解和接触执行的两条人类行为学习引擎。SynaData以真实场景中的人类行为数据为基础，通过视频升维、人-物交互重建与跨本体映射，将人类操作视频转化为包含动作轨迹、物体位姿与接触信息的结构化、多模态训练数据。该产品线已形成Syna-Ego、Syna-Exo和Syna-RR三类产品，持续服务超过60%的百亿估值具身智能独角兽企业，并获得头部科技厂商批量采购。

SynaTac则以触觉数据的统一结构化表征为基础，研发重点包括物体、动作与接触状态的对齐，以及视觉、触觉和机器人状态的融合。公司通过示教、交互与试错训练接触策略，以高频反馈修正动作，推进接触智能在灵巧手及不同机器人本体上的端侧训练与部署。两条产品线共同形成面向世界理解与接触执行的双引擎矩阵。

从产业分工看，这一布局的潜在价值在于锚定物理AI基础设施生态位，为触觉数据处理、策略训练与设备适配中的共性需求提供底层解决方案，减少产业链上下游团队在新设备、新任务中的重复投入。数据规模增长并不会自动带来能力提升，还需要将人类行为中的空间关系、物体状态、接触与交互等物理信息转化为可学习的表达。

枢途同时首次公开具身数据与技能评测体系，以真实任务为起点，覆盖数据指标评测、可训练性评测、任务与真实环境验证三个阶段，分别关注数据本身的质量、数据对模型训练的贡献，以及相关能力在实际操作中的表现。评测结果将反馈至数据生产、表征优化、模型训练与技能迭代。

从产业协作角度看，当数据供给、模型训练与机器人执行涉及不同参与方时，各方需要围绕一致的任务目标和测试条件，判断问题发生在哪个环节、改进是否真正产生作用。将数据质量、训练贡献和任务表现纳入同一条验证链路，有助于把各环节的技术指标与最终任务结果联系起来，为协作提供可对照的依据。据枢途介绍，随着真实项目与开放验证的推进，公司将与产业伙伴逐步积累可复用的任务基准、评测方法和测试流程，为具身数据与机器人技能相关标准研究提供实践基础。