北大团队以神经腕带和全景头环定义 Physical AI 数采新范式，龚虹嘉、陆奇、海外资本齐下注

北大团队雪梦未来获龚虹嘉、陆奇及海外机构投资。

小饭桌获悉，北大团队雪梦未来（SnowOrigin）获龚虹嘉、陆奇及海外机构投资。公司以神经腕带、全景头环等可穿戴设备为入口，结合自研NMH（Neural Math Hybrid）AI 解码模型，试图将人类真实操作过程中的意图、姿态、发力趋势、微控制及环境上下文，转化为可用于机器人、世界模型和具身智能训练的结构化数据。

龚虹嘉是中国知名天使投资人，因早期投资海康威视而被市场熟知。陆奇则是奇绩创坛创始人，曾任微软全球执行副总裁、百度集团总裁兼COO。两位投资人及海外产业资本的参与，让这家成立于

2022 年7 月的北大背景创业团队受到更多关注。

从人机交互入口切入

雪梦未来创始人秦旭毕业于北京大学计算机学院计算机应用技术专业，来自高文院士、黄铁军院长领衔的北京大学编解码国家工程实验室相关团队。联合创始人王智林毕业于北京航空航天大学软件开发环境国家重点实验室，长期从事人工智能、计算机视觉方向研究。

公司早期围绕肌电与运动神经信号解码、手部姿态识别和人机交互入口持续布局，并逐步完成算法、硬件、电极设计、生产工艺等全栈能力建设。

表面肌电信号并不直接等同于力觉真值，也不是对外部接触力的直接测量。它的价值在于提供人端运动意图、肌肉激活、发力趋势和细微控制变化等线索。在不方便说话、不方便抬手、不方便看屏幕或不方便持握设备的场景中，神经腕带有机会成为更低动作幅度、更连续的人机交互方式。

雪梦未来目前已推出神经腕带手环、全景头环等可穿戴设备，并持续推进新一代数采终端研发。短期看，这类产品可服务AI 眼镜、XR、车载、智能硬件和机器人等终端交互；长期看，同一套神经接口技术也可以用于Physical AI 所需的人类具身数据采集。

具身智能的数据缺口

随着具身智能和Physical AI 快速发展，行业对高质量真实世界数据的需求显著提升。但现有主流采集方式仍存在边界。

第一视角视频可以记录人看到了什么、做了什么；动作捕捉能够提供空间轨迹；遥操作系统接近机器人执行空间。但这些方式往往更擅长记录动作结果或空间轨迹，对动作发生前后的操控意图、发力过程和细微调整覆盖不足。

秦旭在与媒体交流中提到，相比视频记录「做了什么」，肌电等神经信号能够进一步反映「为什么这样做、如何发力、过程中进行了哪些微调」，从而帮助AI 更接近人类与物理世界交互的过程。

基于这一判断，雪梦未来采用神经腕带+ 全景头环+ 解码模型的组合。神经腕带采集sEMG 与运动神经相关信号，全景头环捕捉第一视角环境、对象、轨迹和空间关系，NMH 解码模型则对多模态信号进行同步和解析，输出包含姿态、发力趋势、微控制和环境上下文在内的结构化数据。

技术壁垒在工程化

肌电手环的原理并不陌生，但从实验室原型走向可量产、可商用产品，需要同时解决硬件、电极工艺和AI 解码模型三个层面的问题。

据秦旭介绍，硬件层面，行业中常见的肌电手环多为8 通道设计，采样率约200 到250 赫兹，信噪比在二十多dB。雪梦未来目前已推进更高通道数、更高采样率方案，信噪比达到43dB 以上。高通道数并非单纯堆参数，它意味着更复杂的信号处理、更精密的硬件设计，同时还要满足可穿戴设备对于体积、功耗和稳定性的要求。

电极与工艺层面，金属电极需要兼顾导电性、佩戴稳定性和抗噪能力。运动噪声、传输噪声、接触噪声都会影响信号质量，不同人的皮肤阻抗和肌肉结构也会带来显著差异。公司称，其在电极设计与人体实验中进行了大量迭代，以提升信号一致性和量产可行性。

模型层面，雪梦未来自研NMH AI 解码模型，对sEMG 运动神经信号进行实时解码，将手部姿态、意图线索、发力趋势和微控制信息转化为结构化数据。据公司介绍，团队在2023 年已完成控制交互模型，并实现通过腕带对手部姿态和交互意图进行实时还原。

这也是雪梦未来与单一头戴摄像头采集方案或单点交互硬件的区别。前者更多解决「看见」，后者更多解决「输入」；雪梦未来希望把人端运动神经信号与第一视角环境感知放到同一条数据链路中。

两条商业化路径同步推进

目前，雪梦未来同步推进两条商业化路径。

一方面，公司面向具身智能机器人、AI眼镜等终端提供更自然的人机交互入口，降低交互门槛，提升连续交互体验。据秦旭介绍，人机交互方向已有头部AI 眼镜公司表达合作意向。

另一方面，雪梦未来建设面向Physical AI 的人类具身数据基础设施，为机器人训练、世界模型和具身智能模型提供底层数据服务。其潜在客户包括高校及科研院所、具身智能和灵巧手厂商、具身模型团队、电子硬件设备厂商和AI 眼镜厂商等。

在秦旭看来，数据采集正在经历范式变化：从异构传感器、动捕手套、遥操作设备，转向更轻量、可穿戴、可连续采集的人端信号采集方案。相比依赖实验室环境的动捕手套、外骨骼或遥操作设备，可穿戴神经信号采集方案在成本、佩戴负担和长期连续采集方面具备一定优势。

这条路径仍处在早期阶段。对雪梦未来而言，硬件量产一致性、跨人群泛化、数据标准化、客户交付和场景拓展，都会决定其能否把技术路线转化为稳定商业能力。

但在具身智能加速进入数据竞争阶段的当下，围绕人类真实操作过程建立新的数据入口，已经成为值得关注的方向。龚虹嘉的持续加注与陆奇的参与，也意味着早期资本正在关注这一类更底层的数据基础设施机会。

文章来自于微信公众号 “小饭桌”，作者 “小饭桌”