近日，安徽深信科創(chuàng)信息技術(shù)有限公司（以下簡稱 “深信科創(chuàng)”）正式宣布完成 A 輪融資，本輪由合肥高投領(lǐng)投，合肥創(chuàng)新投、安徽省創(chuàng)投、科大硅谷基金、青島西海岸人才生態(tài)產(chǎn)業(yè)集團跟投，帕累托森林擔任獨家融資財務(wù)顧問。資金將重點投入合成數(shù)據(jù)生成技術(shù)、持續(xù)學(xué)習框架及世界模型的深化研發(fā)，加速自動駕駛、工業(yè)場景與具身機器人領(lǐng)域的規(guī)?；涞?。

作為圖靈獎得主姚期智院士孵化的創(chuàng)新企業(yè)，深信科創(chuàng)憑借技術(shù)實力與行業(yè)貢獻，2025 年躋身“中國人工智能 500 強”，同時作為國際CARLA組織中國唯一理事單位（其他兩家為英偉達、豐田研究院），正以突破性理念重構(gòu) AI 訓(xùn)練的數(shù)據(jù)邏輯。

01.重構(gòu)數(shù)據(jù)根基：合成數(shù)據(jù)將主導(dǎo)未來 AI 訓(xùn)練的核心范式

這一發(fā)現(xiàn)讓深信科創(chuàng)團隊意識到：在 AI 訓(xùn)練中，人類數(shù)據(jù)未必能超越仿真數(shù)據(jù)，甚至在很多場景下，合成數(shù)據(jù)會展現(xiàn)出令人驚嘆的價值。

隨著 AI 技術(shù)的爆發(fā)式發(fā)展，人工標注模式的局限性日益凸顯：一方面，AI 訓(xùn)練的數(shù)據(jù)需求呈指數(shù)級增長（如 L4 自動駕駛單次訓(xùn)練需百萬級場景），而人工標注效率極低，完全跟不上數(shù)據(jù)訓(xùn)練的消耗速度；另一方面，人工標注成本高昂，且隨著數(shù)據(jù)量激增，標注質(zhì)量因疲勞、認知偏差等問題持續(xù)下降，極端場景漏標、錯標率很高。

與之相對，合成數(shù)據(jù)的優(yōu)勢在技術(shù)突破后愈發(fā)顯著：

• 成本與效率的絕對領(lǐng)先：合成數(shù)據(jù)通過技術(shù)手段批量生成，無需人工逐幀標注，成本極低，完美匹配 AI 高頻訓(xùn)練需求；

• 超越人類經(jīng)驗的價值密度：合成數(shù)據(jù)能自主生成 “人類未經(jīng)歷但符合物理規(guī)律” 的極端Corner Case場景，這類場景在人類數(shù)據(jù)中罕見卻對算法安全至關(guān)重要。

除了以上兩點，深信科創(chuàng)團隊已經(jīng)意識到，用于AI訓(xùn)練的數(shù)據(jù)組合將從 “99% 人工標注數(shù)據(jù) + 1% 合成數(shù)據(jù)”，徹底轉(zhuǎn)向 “1% 人類數(shù)據(jù)牽引 + 99% 合成數(shù)據(jù)主導(dǎo)” 的新模式。這一轉(zhuǎn)變的核心在于，合成數(shù)據(jù)能包含 “人類已有數(shù)據(jù)中未涵蓋卻極具價值、且符合人類行為規(guī)律” 的內(nèi)容，這類超越既有經(jīng)驗卻遵循邏輯的信息，將成為驅(qū)動 AI 突破邊界的關(guān)鍵。

深信科創(chuàng)在全球范圍內(nèi)，已悄然成為對該數(shù)據(jù)組合范式轉(zhuǎn)型發(fā)起挑戰(zhàn)的國內(nèi)首家泛機器人領(lǐng)域企業(yè)。

02.核心技術(shù)：國內(nèi)首家“持續(xù)學(xué)習框架 + 世界模型”合成數(shù)據(jù)雙引擎

廣汽集團、深信科創(chuàng)等核心成員單位簽約現(xiàn)場

持續(xù)學(xué)習框架：讓合成數(shù)據(jù)“既真又難” 的動態(tài)引擎

持續(xù)學(xué)習框架是合成數(shù)據(jù)高質(zhì)量生成的核心邏輯，通過 “真實數(shù)據(jù)種子→多智能體動態(tài)對抗→自主泛化迭代” 的全鏈路閉環(huán)，實現(xiàn)場景的 “真實性 - 挑戰(zhàn)性 - 多樣性” 三位一體：

• 真實數(shù)據(jù)奠基：依托 Oasis Rover 設(shè)備（FPGA 架構(gòu)，支持 32 路攝像頭 + 16 路激光雷達微秒級同步采集），捕捉 “環(huán)境 - 傳感器 - 交通流” 的時序演化關(guān)系。

  

• 多智能體動態(tài)對抗：將仿真環(huán)境中的背景車、行人等建模為 “對抗智能體”，以 “最大化被測系統(tǒng)決策壓力” 為目標動態(tài)博弈。

  

• 自主泛化迭代：基于多智能體持續(xù)學(xué)習，系統(tǒng)能從少量種子場景中自主探索海量泛化場景，且場景難度隨算法性能自動升級。

  

世界模型：讓合成數(shù)據(jù)“虛實一致” 的數(shù)字孿生系統(tǒng)

世界模型以 “物理規(guī)律建模 + 動態(tài)場景流生成 + 多智能體交互預(yù)測” 為核心，融合神經(jīng)輻射場（NeRF）、3D 高斯濺射與擴散 Transformer（DiT）技術(shù)，構(gòu)建 “幾何 - 物理 - 語義” 三元一致的數(shù)字孿生：

• 環(huán)境動態(tài)建模：通過 NeRF 技術(shù)重建港口堆場、礦山地形等場景的幾何結(jié)構(gòu)與物理屬性（如摩擦系數(shù)、光照反射率），結(jié)合 DiT 架構(gòu)實現(xiàn)未來狀態(tài)預(yù)測。

• 多智能體交互預(yù)測：基于多智能體強化學(xué)習（MARL），模擬智能體間的動態(tài)協(xié)作與沖突。

• 虛實融合校準：通過 Oasis Rover 的微秒級同步數(shù)據(jù)（如激光雷達點云隨霧濃度的衰減規(guī)律）校準仿真參數(shù)。

在某頭部汽車公司的合作中，基于持續(xù)學(xué)習框架與世界模型的合成數(shù)據(jù)，使自動駕駛算法測試效率提升 210 萬倍。

03.場景拓展：合成數(shù)據(jù)技術(shù)的跨域驗證

      憑借合成數(shù)據(jù)技術(shù)的突破，深信科創(chuàng)的解決方案已在多領(lǐng)域落地驗證，印證了技術(shù)跨場景復(fù)用的可行性：

• 自動駕駛領(lǐng)域：合成數(shù)據(jù)覆蓋了 “極端天氣、復(fù)雜路口” 等傳統(tǒng)路測難以觸及的場景。

  

• 工業(yè)場景：通過合成數(shù)據(jù)模擬設(shè)備老化與故障演化，精度達毫米級，替代了傳統(tǒng)依賴人工記錄的設(shè)備維護模式；港口場景中，合成數(shù)據(jù)生成的 “暴雨 + 大風 + 夜間” 復(fù)合工況，使調(diào)度算法效率大幅度提升。

  

• 機器人領(lǐng)域：復(fù)用多傳感器同步采集與多智能體建模技術(shù)，模擬機器人操作空間的物理交互（如抓取玻璃時的力度與形變關(guān)系），通過合成數(shù)據(jù)訓(xùn)練的策略已成功拓展到機器人領(lǐng)域。

04.

團隊與愿景：頂尖陣容護航數(shù)據(jù)范式革新

 深信科創(chuàng)團隊匯聚全球頂尖智慧。創(chuàng)始人兼 CEO 楊子江教授為美國賓夕法尼亞大學(xué)博士，現(xiàn)任中科大教授，發(fā)表近 40 篇 CCF A 類論文，擔任 IEEE 自動駕駛標準組副主席；團隊 80 人中 10% 為海外頂級名校博士，顧問團隊由美國科學(xué)院 / 工程院院士 Moshe Vardi 等學(xué)界泰斗領(lǐng)銜，形成 “產(chǎn)學(xué)研” 深度融合的研發(fā)體系。

此次融資將加速公司向 “合成數(shù)據(jù)主導(dǎo)” 的未來發(fā)起沖鋒，推動行業(yè)擺脫對人工標注數(shù)據(jù)的路徑依賴。未來，隨著技術(shù)的進一步成熟，AI 系統(tǒng)將在更廣闊的領(lǐng)域突破人類既有經(jīng)驗的邊界，創(chuàng)造出前所未有的價值。

• 深信科創(chuàng)創(chuàng)始人楊子江教授表示：“本輪融資將加速兩大技術(shù)方向突破：一是深化持續(xù)學(xué)習框架與世界模型的融合，讓仿真場景更貼近物理世界規(guī)律；二是拓展工業(yè)數(shù)字孿生平臺，實現(xiàn)從‘自動駕駛’到‘泛工業(yè)智能’的能力躍遷。我們堅信，具身智能的未來不僅是‘模仿人類行為’，更要‘理解物理規(guī)律’，這次融資正是向這一目標邁出的關(guān)鍵一步。”

• 帕累托森林董事長李朝政博士表示：“深信科創(chuàng)的融資過程，印證了硬科技項目的價值邏輯 —— 以持續(xù)學(xué)習技術(shù)為‘矛’，突破行業(yè)痛點；以軟硬件閉環(huán)為‘盾’，構(gòu)建競爭壁壘。團隊對技術(shù)商業(yè)化的清醒認知，使其在自動駕駛、工業(yè)智能等領(lǐng)域均展現(xiàn)出強落地能力。帕累托森林將持續(xù)發(fā)揮資源優(yōu)勢，助力其成為具身智能時代的核心玩家?！?/span>