互联网巡回犬 Vol.26：北大芯片组在给机器人造大脑，复旦触觉团队让机器手真的会「摸」，还有一家用AI啃掉肿瘤科医生一半的文书工作
今天叼回三个项目：维泛智能（北大PAICORE Lab孵化，机器人大脑芯片BiGPU，同构融合类脑GPU架构，数亿元种子轮，联合创始人殷积磊20年IBM半导体背景）；NeoteAI/新智具身（复旦大学孵化，触觉具身智能，天使轮近亿，赵世豪微软全球研究院+阿里通义背景）；Triomics（2021年成立，肿瘤专用AI，$2200万B轮，Battery Ventures领投，客户覆盖MSK+Yale Cancer Center，一年客户数翻四倍ARR翻十倍）。
今天叼回三个项目：一个从北大类脑芯片实验室孵化出来做机器人专用芯片架构的团队，一个复旦系触觉具身团队把感知数据这件事想明白了，还有一个 2021 年成立的肿瘤 AI 公司客户已扩到耶鲁和斯隆凯特琳。
维泛智能：用「同构融合」重新架构机器人大脑芯片
要搞清楚维泛智能在做什么，得先想明白一件事：机器人的大脑芯片目前是什么状态。
主流方案是把 GPU 和类脑芯片「拼」在一起——GPU 跑 Transformer 和 VLA 等主流算法，SNN 芯片跑脉冲神经网络，两套系统各自维护一套指令集、一套工具链，协同起来麻烦，能耗也高。这种「异构拼接」的方案，算力能堆上去，但整体的功耗墙和生态碎片化问题一直没解。1
维泛智能想做的，是把两套系统合并进同一个架构。他们的核心产品叫 BiGPU（Brain-Inspired GPU），思路是把类脑计算机制融合进 GPU 架构本身，共享一套指令集和软件工具链，而不是在两块芯片之间搭「桥」。这样一来，同一块芯片既能跑 Attention Transformer、VLA、世界模型这些当前机器人算法的主流框架，也能支持 SNN 网络，以及两者融合后的新型模型——用他们的话说，「既服务当前机器人算法，也承载未来新的智能计算范式」。
联合创始人殷积磊的履历在这个方向上比较扎实。他从北京大学毕业，后来在 IBM 和 GlobalFoundries 担任芯片研发总监，再到知存科技出任 COO 兼研发 VP，加起来超过 20 年的半导体行业积累。团队核心成员主要来自 IBM、华为、腾讯，研究侧则源自北京大学类脑芯片实验室（PAICORE Lab）——也就是说，这不是一个从零开始做硬件的团队，是有真实工程背景的人。1
正在加载内容卡片…
本轮融资是数亿元种子轮，36kr 首发于 2026 年 5 月 23 日。研发周期规划两年，目前进度已过半，预计 2027 年第二季度投产。钱主要用于扩研发团队、完成指令集架构开发，以及推进产品定义落地。
为什么现在：机器人这两年烧算力烧得很厉害，但现在跑具身大模型的方式——把云端大模型的推理流程搬到机器人本地——并不优雅。功耗、延迟、兼容性，每一条都是工程债。BiGPU 如果能真正在同一块芯片上跑通「大小脑融合」，就直接解决了具身智能从云端走向端侧的关键卡点之一。
国内做机器人专用芯片的团队不多，更少见的是从「融合架构」切入的。维泛智能的竞争对手主要是把现有商用芯片（英伟达 Orin、高通等）做针对性优化的整合方案，以及少数几家在纯 SNN 路线上走的类脑芯片企业。如果同构融合的路线能在工程层面跑通，维泛占据的就是一个「向下兼容现有生态、向上适配未来架构」的位置——芯片公司最难拿到的一种结构优势。
新智具身（NeoteAI）：触觉这件事，机器人一直欠着
具身智能过去两年的钱，几乎全压在视觉感知上——用摄像头理解环境、用 VLA 模型输出动作指令。这套逻辑在大范围场景理解和导航上走得通，但有一个地方卡壳：物理接触之后。
拿一个鸡蛋，知道在哪、知道怎么抓，不等于抓稳了。接触发生后需要实时感知力值、滑移、形变，根据反馈调整夹持力度——而纯视觉根本看不到这些信息。新智具身联合创始人、首席科学家吴祖煊在量子位的报道中提到，绝大多数精细化操作的失败发生在接触之后，不是之前。2
新智具身（NeoteAI）的切入点是把触觉变成机器人的「标配感知模态」，而不是可选附件。
核心团队从复旦大学可信具身智能研究院走出来。CEO 赵世豪本硕复旦、博士香港大学，曾在微软全球研究院和阿里通义实验室做前沿模型研发（视频世界模型、生成式模型方向）。首席科学家吴祖煊是复旦可信具身研究院副院长，曾在 Meta 工作，长期研究视频模型和多模态模型。COO 董道国有将近 20 年产业背景，华为荣耀 Magic 一代的首席架构师，现在也在复旦挂职研究员。2
他们同步在做三件事：自研视触觉传感器（可适配工业夹爪和灵巧手，输出数据格式跟视觉高度兼容）、搭建千平米级的触觉数据采集中心、以及把触觉接入具身大模型做 VTLA 模型训练。三件事的逻辑是：没有好传感器就没有好数据，没有好数据就训不出好模型——所以他们选择同时啃这三块，而不是只做其中一层。
正在加载内容卡片…
现阶段数据积累优先级最高，商业化先走工业场景，已有多个细分场景的 POC 验证订单落地。本轮融资是天使轮近亿元，由上海国投旗下上海科创集团和复旦科创联合领投，量子位报道于 2026 年 5 月 27 日。
为什么这个团队值得关注：视触觉传感器的研发门槛不低，要做到「输出格式跟视觉兼容、可以直接接进现有具身模型训练流程」，需要同时懂传感器物理特性和模型训练两端。这个团队在两端都有人，这不是组合出来的配置，是真实积累。更关键的是，如果把触觉变成机器人感知的标配，那围绕触觉数据的采集、标注和模型训练，NeoteAI 都是卖铲子的那一个。
Triomics：肿瘤科的病历卷宗，AI 一页一页地啃
肿瘤科有个外科手术解决不了的问题：一个患者几年积累下来的病历，动辄几千页——影像报告、病理、进展记录、有时候还有传真扫描件。一个患者的手术前准备，需要医生和行政人员花大量时间从这些记录里提取关键信息。
Triomics 在做的，是把这件事自动化。3
这家公司 2021 年成立，最初的切入点是临床试验匹配——自动从患者病历里找到符合条件的临床试验，帮医生推荐适合患者参与的试验项目。随着大模型能力提升，他们把平台扩展到了「可验证患者摘要」——直接在医生已有的工具界面里浮出关键信息，不要求切换应用。
正在加载内容卡片…
现在他们也在处理更繁琐的行政任务：帮癌症中心自动提交肿瘤报告到政府登记系统——这在美国是强制性的法律要求，手动处理既耗时又容易出错。
两位联合创始人 Sarim Khan（CEO）和 Hrituraj Singh（CTO）组建了这支团队。Memorial Sloan Kettering（MSK）和耶鲁癌症中心已经是他们的用户。Khan 在 TechCrunch 的报道中说：「我们看到过包含几千页内容的病历。」3
本轮$2200 万是 B 轮，Battery Ventures 领投，Nexus Venture Partners、Lightspeed、YC 和其他早期投资方跟投。一年内企业客户数量翻了四倍，ARR 增长了十倍。
为什么是肿瘤科，不是别的科：肿瘤科是医疗里信息密度最高、周期最长的科室之一。患者的记录跨越多家医院、多个疗程、多种检查类型，而且随着治疗手段进步，患者活得更久，记录也更多。这不是 AI 能解决肿瘤的问题——这是 AI 解决医生时间问题的问题。通用医疗 AI 在这个场景里难以直接落地的原因，正是肿瘤数据太专业、医生的验证成本太高；而 Triomics 的模型是用肿瘤专有数据训练的，这就是它能进 MSK 的原因，也是它相对于通用 AI 脚本的护城河所在。
今天三个项目，两个在解决具身智能「感知基础设施」的不同层（算力层的芯片，传感器层的触觉），一个在 AI+医疗垂直行业里已经拿到了足够多的验证信号。这是一期少数几个讲「已经有东西可以看」的期次。
围绕这条内容继续补充观点或上下文。