《科创板日报》9月17日讯，近日，北京将闲科技有限公司（下称“将闲科技”）完成Pre-A++轮数亿元融资，投资方包括中关村科学城、达晨财智、高信资本、华映资本。

在历史融资历程方面，5个月内，将闲科技已获得红杉中国、真格基金、美团龙珠、顺为资本等机构的连续投资，累计融资超十亿。

根据财联社创投通—执中数据，以2026年9月为预测基准时间，将闲科技后续2年的融资预测概率为70.54%。

将闲科技成立于2025年，总部位于北京市海淀区，是一家物理世界模型研发商，致力于具身智能模型研发及配套UMI硬件与数据训练体系。

创始人刘松铭毕业于清华大学计算机系，师从朱军教授，曾主导RDT系列研究，2025年底受父亲创业精神影响及寻找下一个GPT时刻的契机投身创业。联合创始人林凡淇师从清华高阳老师，曾获ICLR Oral等荣誉。核心团队横跨清华顶尖实验室与一线大厂硬件团队，兼具模型构建、训练与软硬件协同能力，拥有成建制的硬件联创、数据和硬件工程团队。

技术路线上，早期发布RDT-1B及RDT-2基座模型，确立大规模预训练范式。当前推出Liber-0 Preview世界模型，在RoboDojo评测中登顶，是唯一突破GPT-6基准线的模型，实现长时序高自由度灵巧手操作及自主纠错能力。技术上自研mm级精度数采手套，将Embodiment作为scaling axis，通过In-Context Learning提升跨本体泛化性，验证了人类数据预训练Scaling的有效性。

商业化进展方面，Liber-0 Preview模型在RoboDojo官方评测中位列第一，平均分30.74、平均成功率25.52%，在长时序任务执行、精细操作、记忆、泛化能力及开放语义五大维度均取得榜首成绩，是榜单中唯一综合性能突破GPT-6基准线的基模，并在真实机器人上完成长时序、高自由度灵巧手操作任务，展示出全球第一梯队的灵巧操作能力。

具身智能世界模型赛道在政策扶持与巨头布局下加速演进，场景落地与数据闭环成为竞争关键。

同赛道竞争格局方面，星源智客户覆盖70%以上国内头部具身公司，并成为英伟达JetsonThor全球最大出货商；与北京亦庄机器人公司在政务、巡检、导览导购方面战略协同；与头部能源集团、电力集团携手，在电力巡检、能源设施运维等高价值场景中实现落地部署。大咖机器人双臂灵巧手人形机器人在公司成立6个月即正式推出，亮相首届世界人形机器人运动会，拿下药品自主分拣赛三甲；吨级重载机器马于2026年4月正式首发；已与全球头部零售企业、物流公司、医药和工业达成深度合作，产品规模化部署泛零售、泛物流场景，实现数千台订单高速增长。优必选全尺寸具身智能人形机器人销量达到1079台，成为全球首个实现千台级工业人形机器人交付的企业；应用于汽车制造、智慧物流、3C电子制造、半导体制造、航空制造、工业数据采集等多个工业领域；与欧洲航空巨头空中客车签署服务协议，实现人形机器人在航空制造场景的首次落地；与德州仪器、奥迪一汽、比亚迪、富士康等世界500强企业达成合作。

政策情况方面，国家发展改革委政策研究室副主任李超8月28日在发改委8月份例行发布会上表示，下一步将以具身智能实训场和应用中试基地为抓手，统筹布局具身智能实训场，加强数据、模型、标准等要素供给，构建高质量真机数据采集系统，支持具身模型企业开展多技术路线探索，鼓励视觉、语言、动作模型、世界模型等前沿方向的创新，扩展具身训练场景库，加速具身智能在制造、医疗、消费、服务、公共安全等领域的真实场景应用落地。深圳市工业和信息化局、深圳市科技创新局近日印发《深圳市推动智能机器人产业高质量发展工作方案（2026—2028年）》，提到着力推进智能机器人核心技术攻关，重点攻克具身智能自主生态工具链、具身智能模型、人形机器人本体、核心零部件自主化等领域关键技术，推动设立机器人联合基金和人工智能联合基金，支持机器人和人工智能领域前沿基础研究。

市场空间方面，国务院发展研究中心撰写并于日前在京发布的《中国发展报告2025》显示，当前中国具身智能产业发展处于起步期，市场规模有望在2030年达到4000亿元、在2035年突破万亿元，并将引领带动交通物流、工业制造、商业服务等多个应用领域新质生产力进一步跃升。

行业趋势方面，中信证券研究显示，英伟达、Google、OpenAI等AI巨头均已将世界模型作为通往下一代智能的潜在路线，叠加李飞飞、杨立昆等学界泰斗近期密集融资，世界模型赛道有望依托模型迭代与估值抬升实现双重红利。华泰证券指出，机器人领域未来竞争的关键不在毛利率高低，而在于具身智能大模型的数据闭环能力与场景落地深度。

行业风险方面，华泰证券指出，智驾渗透及L4商业化进度不及预期；机器人量产爬坡节奏不及预期；行业竞争加剧；地缘政治相关风险等。万联证券指出，政策效果不及预期风险；需求不及预期风险；市场竞争加剧风险；具身智能泛化能力不足，商业化落地进度不及预期风险；技术路线迭代变化快，现有技术产能落后风险。