Sereact 今天完成 1.1 億美元 B 輪，由 Headline VC 領投，Bullhound Capital、Felix Capital、Daphni、Creandum、Air Street Capital 和 Point Nine Capital 跟投；累計融資現在超過 1.4 億美元。這家德國公司由 Ralf Gulde 和 Marc Tuscher（前斯圖加特大學 AI 研究員）於 2021 年創立，銷售它稱為 Cortex 2.0 的產品——一個把自然語言指令轉換成工業和倉儲機器人物理動作的機器人基礎模型，不需要按任務編程。架構上有意思的一點是 Cortex 2.0 明確不是純視覺-語言-動作模型。系統從機器人當前狀態生成一組候選未來軌跡，讓它們通過一個學習到的物理和物體行為世界模型，按穩定性、風險和效率給每個候選打分，然後才提交一個動作。這就是 Yann LeCun 多年來一直主張的方法（在學習到的世界模型上做規劃，而不是在動作上做自迴歸預測），DeepMind、Skild、Physical Intelligence 等也在小規模上試過，但 Sereact 是第一個把生產部署數字擺出來的。
數字本身是這次公告裡真正有意思的部分。200+ 系統部署在歐洲、超過 10 億次生產揀選完成、回報的人工介入升級率為 1/53,000。具名客戶有 BMW、Daimler Truck、PepsiCo、Bol 和 Active Ants——都是真實的工業和電商物流買家，而不是對試點友好的研究機構部署。1/53,000 這個數字是要追問的指標：工業機器人 ROI 取決於人類介入多頻繁，因為每次升級都是一次流速打擊和一次人力成本。如果這個數字在 Sereact 聲稱的同等吞吐量下能在獨立稽核下復現，相比上一代倉儲機器人部署的失敗率就是一次結構性躍升——這正是 Headline VC 付錢買的。世界模型方法的架構論點是，在動作之前對著物理模擬器給候選打分，對新物體能優雅失敗（模擬器要麼拒絕不安全軌跡，要麼路由到人工審核），而不是像訓練不足的 VLA 那樣自信地做錯事。架構差異還是資料規模才是產生這些部署數字的原因尚未解決，但生產資料是 VLA-對-世界模型 辯論裡的新證據。
對從事機器人或鄰近領域的工程師來說，三件具體事情重要。第一，純 VLA 方法（Physical Intelligence、Skild、Covariant）和物理感知方法（Sereact，以及越來越多採用 Google 的 ER/VLA 拆分）之間的生產資料差距現在變得是經驗可測的，而不是理論的，Sereact 的數字是第一個真實的公開基準。第二，1/53,000 隱含的部署經濟學是工業機器人從勞動力增強變成勞動力替代的門檻，10 億+ 揀選量足以說明這不是手工挑選的基準。第三，透過波士頓辦事處的美國擴張是一個競爭訊號：到目前為止歐洲工業機器人在可見度上一直落後於美國倉儲機器人部署（Symbotic、Locus、GreyOrange），但在能力上不一定，而一家德國 VLA 替代方案進入美國市場、與 Physical Intelligence 在它的主場競爭——正是會加速行業的那種競爭。誠實的工程師視角解讀是倉儲和工業機器人現在大約處於 2018 年自動駕駛的成熟階段：真實部署、真實數字、真實的架構分歧，未來 24 個月會從實質上分出倖存者。Sereact 的 1.1 億美元剛剛為它在那張桌子上買了一席。