Sereact 今天完成 1.1 亿美元 B 轮，由 Headline VC 领投，Bullhound Capital、Felix Capital、Daphni、Creandum、Air Street Capital 和 Point Nine Capital 跟投；累计融资现在超过 1.4 亿美元。这家德国公司由 Ralf Gulde 和 Marc Tuscher（前斯图加特大学 AI 研究员）于 2021 年创立，销售它称为 Cortex 2.0 的产品——一个把自然语言指令转换成工业和仓储机器人物理动作的机器人基础模型，不需要按任务编程。架构上有意思的一点是 Cortex 2.0 明确不是纯视觉-语言-动作模型。系统从机器人当前状态生成一组候选未来轨迹，让它们通过一个学习到的物理和物体行为世界模型，按稳定性、风险和效率给每个候选打分，然后才提交一个动作。这就是 Yann LeCun 多年来一直主张的方法（在学习到的世界模型上做规划，而不是在动作上做自回归预测），DeepMind、Skild、Physical Intelligence 等也在小规模上试过，但 Sereact 是第一个把生产部署数字摆出来的。
数字本身是这次公告里真正有意思的部分。200+ 系统部署在欧洲、超过 10 亿次生产拣选完成、报告的人工介入升级率为 1/53,000。具名客户有 BMW、Daimler Truck、PepsiCo、Bol 和 Active Ants——都是真实的工业和电商物流买家，而不是对试点友好的研究机构部署。1/53,000 这个数字是要追问的指标：工业机器人 ROI 取决于人类介入多频繁，因为每次升级都是一次流速打击和一次人力成本。如果这个数字在 Sereact 声称的同等吞吐量下能在独立审计下复现，相比上一代仓储机器人部署的失败率就是一次结构性跃升——这正是 Headline VC 付钱买的。世界模型方法的架构论点是，在动作之前对着物理模拟器给候选打分，对新物体能优雅失败（模拟器要么拒绝不安全轨迹，要么路由到人工审核），而不是像训练不足的 VLA 那样自信地做错事。架构差异还是数据规模才是产生这些部署数字的原因尚未解决，但生产数据是 VLA-对-世界模型 辩论里的新证据。
对从事机器人或邻近领域的工程师来说，三件具体事情重要。第一，纯 VLA 方法（Physical Intelligence、Skild、Covariant）和物理感知方法（Sereact，以及越来越多采用 Google 的 ER/VLA 拆分）之间的生产数据差距现在变得是经验可测的，而不是理论的，Sereact 的数字是第一个真实的公开基准。第二，1/53,000 隐含的部署经济学是工业机器人从劳动力增强变成劳动力替代的门槛，10 亿+ 拣选量足以说明这不是手工挑选的基准。第三，通过波士顿办事处的美国扩张是一个竞争信号：到目前为止欧洲工业机器人在可见度上一直落后于美国仓储机器人部署（Symbotic、Locus、GreyOrange），但在能力上不一定，而一家德国 VLA 替代方案进入美国市场、与 Physical Intelligence 在它的主场竞争——正是会加速行业的那种竞争。诚实的工程师视角解读是仓储和工业机器人现在大约处于 2018 年自动驾驶的成熟阶段：真实部署、真实数字、真实的架构分歧，未来 24 个月会从实质上分出幸存者。Sereact 的 1.1 亿美元刚刚为它在那张桌子上买了一席。