近日，具身智能领域迎来一笔备受关注的早期融资。BASAL Intelligence（北京本溯智能科技有限公司，简称“BASAL”）已完成由五源资本领投的种子轮融资，常春藤资本、线性资本、华山资本（WestSummit Capital）参与投资，光源资本担任独家财务顾问。这家成立于2026年7月21日的年轻公司，由八名具身智能领域研究者共同创立，核心成员来自清华大学和北京大学等国内外顶尖院校，多数自学生或研究助理阶段起便持续合作。值得关注的是，创始团队组建前，核心成员分别拿到字节跳动Top Seed、英伟达、小米等企业的高薪录用通知和海外高校博士录取机会，合计放弃的年薪总包接近4000万元，其中创始人李健雄个人放弃的最高年薪总包接近千万元。

本溯智能创始人兼CEO李健雄为清华大学智能产业研究院（AIR）首届博士生，师从张亚勤院士，本科以专业第一的成绩保送清华，长期从事具身智能、强化学习与机器人系统研究，博士期间发表近30篇顶会论文，其中5篇入选Oral或Spotlight。团队的研究与工程背景覆盖具身智能、多模态大模型、世界模型、强化学习、自动驾驶及机器人系统，首席科学家由清华AIR副教授詹仙园担任。这是一支在创业之前便已完成多轮技术预研与赛事验证的“整建制”团队，协作基础可追溯至数年前的学生阶段。

BASAL选择了一条与当前主流范式截然不同的技术路线。当下具身智能领域普遍采用“预训练视觉语言模型叠加动作模块、再通过后训练适配具体本体”的路径，本质上仍是将语言与视觉理解向动作生成做简单延伸。BASAL则认为，真实物理世界中与环境的交互信息很难通过语言被完整准确地描述，以语言为中心的路线在精细操作与跨场景泛化上存在先天局限。公司转而研发“动作原生的In-Context具身基础模型”，将动作作为模型的核心表达方式，重点建模动作、任务反馈、失败纠正与人类示范之间的关系，并将模型的主要容量用于动作生成。模型通过长上下文组织连续的物理交互信息，使机器人能够根据此前的动作及其结果持续调整后续决策，目标是在面对训练阶段未见过的场景、任务或机器人本体时，无需重新训练模型，仅通过少量人类示范和自主尝试，在几分钟内完成学习与适应。

这一技术路线的底气来自团队此前的研究积累。团队自2024年起持续研究快速适应、跨任务学习和跨本体动作表达，已提出跨具身模型X-VLA和隐空间世界模型ODEWorld。X-VLA使用不足1000小时的预训练数据，探索不同机器人本体之间的学习与迁移，团队基于该模型参加IROS 2025智元机器人挑战赛，在400多支参赛队伍中获得总冠军。ODEWorld则通过连续物理时间的隐空间建模，研究长时序物理信息的表达，为机器人的上下文学习提供技术基础。这套“先统一动作表达、再迁移到具体硬件”的思路，构成了BASAL当前主攻方向的底层支撑。

对于本轮融资，光源资本董事总经理李正伟表示，当具身智能逐渐从演示走向大规模部署，面临样本效率低、跨场景迁移难、跨本体复用差三重约束，In-context learning正成为下一代具身基模的核心范式。BASAL主攻难度更高也更贴近部署本质的“动作原生”具身基模，团队覆盖“模型+交互+硬件+数据+评测”全链路闭环，模型有望成为国内率先实现机器人端侧自进化与跨本体泛化的具身基模公司。五源资本在种子轮即领投，看中的正是这条路线在跨本体迁移上的潜在通用性，而非短期交付能力。随着本轮资金到位，BASAL接下来面临的关键挑战，在于将“几分钟现场学习”的能力在更多真实场景、更多本体、更多任务类型中持续验证，让动作原生的技术叙事从学术领先走向工程可复现。

标签：五源资本(1)本溯智能(1)