兩個博士、10億次抓取：這家公司盤活了德國工業4.0十年的家底

最近，德國斯圖加特一家成立不到五年的公司 Sereact 宣布完成 1.1 億美元 B 輪融資，Headline 領投。兩位創始人 Ralf Gulde 和 Marc Tuscher 是斯圖加特大學機床控制工程與制造裝備研究所（ISW）的博士同窗，2021 年用畢業論文的研究方向開了公司。

到這次融資為止，他們的產品 Cortex 已經部署在寶馬、奔馳、戴姆勒卡車、百事可樂等 200 多個真實工位上，完成超過 10 億次抓取。每 53,000 次抓取才需要一次遠程人工干預，作為對照，汽車工業供應鏈對零部件的一般質量要求約為 50 PPM（每百萬件 50 個缺陷,即每 20,000 件一次），Sereact 這個數字比汽車工業鏈的常見門檻還要嚴格。

CTO Marc Tuscher 給了 Cortex 一句口號：“機器人在 latent space 里做夢。”也就是機器人在動手前先在隱空間里把接下來幾步的物理后果跑一遍，挑出最穩的路徑再去執行，這種結構在學術上叫 world model（世界模型），目前已經有不少公司正在推進這一路線，但真正跑在寶馬工廠產線上的，目前應該只有 Sereact 一家。

跟它同臺競爭的硅谷玩家，融資額要大得多。匹茲堡的 Skild AI 2026 年 1 月完成 14 億美元 C 輪，估值 140 億美元，累計融資 18.3 億美元，是 Sereact 的十倍以上。舊金山的 Physical Intelligence 累計融資約 10 億美元。

兩家公司都公開承認，訓練數據主要來自大規模仿真和互聯網視頻，真機數據只是補充。Skild 在公司博客里非常直接地表示，絕大多數同行的“機器人基礎模型”其實是“披著馬甲的視覺－語言模型”，缺少真正的物理常識。

Sereact 這邊的邏輯則相反。CEO Gulde 在 B 輪公告里提到：“我們五年前就賭了一把，你不可能在實驗室里訓出真實世界的機器人 AI。”這場賭的關鍵變量是數據來源：Sereact 的 10 億次抓取全部來自歐洲二十幾家工廠的實際生產工位，夜班、高峰期、長尾形狀的怪異 SKU，全部入模型。

而說起這些數據資產，我們就不得不提到德國過去十五年最有名的一項工業戰略——“工業 4.0”（Industrie 4.0）。

屢屢受挫十年的工業 4.0

德國 2011 年漢諾威工博會第一次提出“Industrie 4.0”，當時的目標是建立一個由德國主導的工業操作系統。十年里，這個目標的執行屢屢受挫過很多次。SAP 之外，德國沒跑出過有全球影響力的消費互聯網或云服務公司；德意志銀行的數字化轉型反復折騰；Gaia－X 這個被宣傳為“歐洲云替代”的項目，落地幾年后業內基本默認它是個 PPT 工程。

圖丨工業4.0（來源：SAP）

德國制造業這幾年并不好過。以 2024 年為例，德國全年 GDP 收縮 0.2％，機床業和汽車業的產出明顯下滑。各大制造商也紛紛裁員，西門子、博世、蒂森克虜伯、德意志鐵路等十余家上市公司在 2024 年前 10 個月合計裁員超過 6 萬人；博世僅 11 月一個月就宣布削減 7,000 個崗位。德國經濟專家委員會（GCEE）在 2024 年報告中判斷：德國制造業的衰退不僅是周期性的，跟全球經濟出現了結構性脫鉤。

不過這些壞消息蓋過了工業 4.0 這十年另一面的成果：它的物理底座。

工業 4.0 的口號是“智能工廠”，但最難做、最不好講故事的部分，是協議、傳感器、控制器之間的標準化。這部分工作過去十幾年通過幾個并不有名的組織悄悄完成。

OPC UA 是核心。這是一套機器對機器通信的國際標準（IEC 62541），2008 年發布，2016 年德國聯邦信息安全局（BSI）出具正面安全評估，2018 年德國機床制造商協會（VDW）正式選定它作為機床互操作的核心協議。

VDMA（德國機械設備制造商協會）十幾年來一直在制定行業版的 Companion Specifications，簡單說就是給“塑料注塑機怎么報數據”、“機床怎么報數據”、“包裝機怎么報數據”建立統一格式。這套標準在德國機械裝備和工廠里滲透得比任何其他國家都深。

機器人保有量是另一個底座。國際機器人聯合會（IFR）2024 年的數據顯示：德國每萬名制造業工人對應 449 臺工業機器人，排全球第三，落后于韓國（1220）和新加坡（818），領先美國（307）和意大利（244）。德國 2024 年新裝機 26,982 臺，繼續是歐洲最大機器人市場。這些機器人也大多接入了 OPC UA 協議下的數據采集體系。每一個抓取動作發生時，傳感器讀數、機器人狀態、夾爪反饋都被同步記錄下來。

因此，工業 4.0 沒建成“德國主導的工業操作系統”，但它在過去十年里建成了一個分散在數千家工廠里、用統一協議聯通的工業數據池。這個池子在過去并沒有顯示出特殊價值，因為沒有什么模型能消化它。

但具身智能改變了這件事。

斯圖加特的兩個博士、BMW 的產線

Sereact 的兩個創始人在 ISW 做博士的幾年，剛好趕上工業 4.0 數據基礎設施成熟的窗口期。Gulde 在 2025 年的一次校友訪談里說，在 ISW 最重要的收獲是“質疑深度學習模型怎么訓練這件事的自由”。意思是，他們在一個全德最好的工業控制實驗室里，手邊就是真實的產線數據，可以反復嘗試用機器學習去消化它。這種條件在伯克利或斯坦福的機器人實驗室里基本不存在，因為那些實驗室沒有真實產線給他們測試。

（來源：Sereact）

2021 年公司成立。前兩年，Sereact 把產品推到歐洲二十幾家客戶那里部署：單臂揀選工位、雙臂退貨分揀站、Sereact Lens（基于 Cortex 視覺感知拆出來的 3D 庫存與質檢系統）。每一臺機器人同時是工作站和數據采集器。每一次抓取，成功也好、失敗也好、需要遠程干預也好，都被同步記錄：攝像頭觀測、機器人本體狀態、夾爪力反饋、最終結果，一整套打包上傳。

這些數據不是全部入模型，而是先過一層新穎度和不確定度的過濾，系統優先用最有信息量的樣本去更新策略。更新后的模型通過自動回歸測試，確認沒有性能回退，再下發到整支機隊，由此形成閉環

Cortex 的第一代是一個 VLA 模型，看到什么就抓什么，采取典型的反應式策略。如果一次抓取失敗，反應式策略往往會重復同樣的錯誤動作，失敗疊加失敗。這次 B 輪發布的 Cortex 2.0 在 VLA 之上加了世界模型：從當前狀態出發，生成一組候選未來軌跡，放進一個學過物理和物體行為的模型里跑一遍，按穩定性、風險、效率給每條軌跡打分，機器人只執行得分最高的那條，執行過程中場景變化會實時更新預演。從“試了再看”變成“看了再試”。

圖丨Cortex 2.0 的架構（來源：Sereact）

這便是 Tuscher 所說的“機器人在 latent space 里做夢”。

在 Cortex 2.0 還有一個比較特殊的工程取舍：推演用多少算力是可調的。包裹打包、kitting、易碎品擺放這種失敗代價高的任務，多花算力多推幾步；漏抓重抓一次就能解決的任務，少花算力直接動手。這條設計是把世界模型從研究 demo 推到產線可用的關鍵。

另外，Cortex 模型的規劃層跑在視覺隱空間，而不是機器人關節空間。關節命令綁死在某個機器人的運動學結構上，像素層面的物體、接觸、運動規律則是跨硬件通用的。所以同一個 Cortex 大腦可以驅動單臂揀選、雙臂退貨、人形機器人、固定工作單元等不同硬件形態。

到這里，工業 4.0 這十年攢下的標準化基建，通過兩個 ISW 博士的創業，被打包成了一種全新的資產形態：可訓練的真實工業數據，加上能消化這些數據的模型架構。

2025 年 A 輪 2,500 萬歐元，Creandum 領投。2026 年 4 月 B 輪 1.1 億美元，Headline 領投，Bullhound、Daphni、Felix Capital 跟進。累計融資到 1.4 億美元出頭。

Tuscher 還有一句話：“硬件即將商品化，模型不會。我們不造機器人，不賣服務，只發一種東西：可以跑在任何機器人上的模型。”A 輪領投方 Creandum 的 Johan Brenner 把 Sereact 類比 Mobileye 之于自動駕駛、Nvidia 之于通用算力。這個類比指向同一個判斷：產業鏈里最高利潤的位置不是終端硬件，是跑在硬件上的智能層。硬件標準化，軟件成差異化，數據決定軟件優劣。

Sereact 的下一站是制造業精細裝配。Tuscher 在公告里點了幾個具體場景：有張力的零部件組裝、雨刷不刮花玻璃地裝到位、kitting 工序里零件必須以正確朝向落進下一道工位。這些比倉儲揀選難得多，容錯率也低得多。Cortex 2.0 的可調算力預演加世界模型設計，瞄的就是這一層市場。

一家好公司，救不了一個大盤子

具身智能在 Sereact 一家公司身上，確實讓工業 4.0 十年的基建價值兌現了。兩個 ISW 博士、一個完整的數據飛輪、20 多家歐洲客戶、1.4 億美元融資，加上即將進軍的美國市場。這是一份不錯的回報。

不過我們目前尚不能就此認定“具身智能 ＝ 工業 4.0 救星”。

工業 4.0 當年的目標是建立“德國主導的工業操作系統”，一個對外授權、收取使用費的全球級標準。Sereact 的模式跟那個目標差著一個量級。它是在德國工廠里訓模型，然后把模型賣到全世界，這是一家不錯的公司，但不是當年構想的“德國版 Microsoft”。

更難解決的問題在下游。Sereact 的客戶里有寶馬、奔馳、戴姆勒卡車，但這三家自己 2024 年都在嚴重收縮。德國汽車業在中國市場份額下滑、電動化轉型遲緩、本土能源成本居高不下，這些結構性問題不是機器人產線靈活一點就能解決的。Sereact 讓寶馬工廠的揀選效率提升 30％ 這件事是真的，但寶馬賣不出車的時候，工廠效率的高低就變得不那么重要。

工業 4.0 沒能救活德國制造業的整體頹勢，在汽車、化工、機床這些大盤子里，衰退仍在繼續。但它意外救活了 Sereact 這樣的公司，以及它們身后那條“數據基建－軟件層－高利潤位置”的產業鏈。

至于這條產業鏈能不能再向外延伸，成長為當年默克爾時代設想的全球性技術主導權，恐怕并沒有太大懸念。

參考資料：

1.https://sereact.ai/posts/series-b

2.https://www.destatis.de/EN/Press/2025/01/PE25_019_811.html

3.https://ifr.org/ifr-press-releases/news/robot-density-surges-in-europe-asia-and-americas

4.https://opcfoundation.org/news/press-releases/german-machine-tool-manufacturers-vdw-rely-opc-ua/

5.https://www.uni-stuttgart.de/en/university/news/all/Alumni-thrive-with-AI-powered-formula-for-success/

運營/排版：何晨龍

注：封面/首圖由 AI 輔助生成