“今天的机器，活在一个没有过去、也没有未来的世界里。”在仓储物流、工业巡检等场景中，机器人能精准回答“我在哪里”，却答不出“这里刚刚发生了什么”。金依力博士的这句话，戳中了具身智能产业最深的隐痛。而他创办的映界科技，正在着手填补这块空白——用一套全新的四维表征，让机器重新拥有时间维度。
希鸥网观察到，空间智能企业映界科技MirrorSpace近日完成超千万元种子+轮融资，由海愿资本（原紫金港资本）领投，老股东奇绩创坛、松禾资本持续加注，创始人金依力本人以同一估值出资超百万元跟投。这是这家00后团队公司三个月内拿到的第二轮融资。三位联合创始人平均年龄24岁，均来自图灵奖得主Yoshua Bengio创立的加拿大Mila研究院同一实验室，金依力仅用两年半便完成博士学业，创下所在学院最快毕业纪录。
机器卡在“看得见却读不懂”这一步，已经是行业公认的堵点。过去数年，摄像头、激光雷达、深度传感器在机器人产业中快速普及，硬件部署愈发密集，但机器始终停在感知与定位这一层。2D视频理解丢掉了空间结构，静态3D重建丢掉了时间维度，两条技术路径各丢一半。映界科技的判断直指底层范式：物理世界是四维的，时间必须与空间装进同一个表征系统，否则经验无法累积，机器每次进入相同空间都如同初见。
深挖一层，更致命的问题出在模块之间。业界普遍把感知、记忆、推演做成三个拼接的模块，信息在交接中持续损耗：感知传给下一环的只剩检测框和标签，记忆存下的只是处理过的结论，等到推演环节需要完整一致的“此刻世界状态”作为起点，前面各环却根本对不上。映界科技的解法是让三者共享同一个四维表征——感知实时更新它，记忆沿时间索引它，推演在它的基础上前滚。没有交接，就没有损耗；任何一环变强，另外两环同时受益。
从商业模式看，这套“具身时空大脑”选择以软硬一体的形态落地。一端是能装进真实场景的空间感知模组MirrorSense V1，负责实时重建与记忆沉淀；另一端是持续训练的时空世界模型，负责推演并将结果转成自然语言结论、风险预警或机器动作。硬件在这里不只是产品，更是数据入口。部署越多，数据越多，模型越强，“数据入口—模型引擎—应用输出”形成自进化闭环。香港城市大学计算机系副教授马辰的加入，正是为了主导这条闭环上的核心“数据飞轮”。
希鸥网认为，资本市场的态度已经释放明确信号。海愿资本创始合伙人李芳丽博士将焦点指向“让机器持续理解物理空间及其变化的能力”，松禾资本管理合伙人汪洋则点出产业中一直缺失的那层理解——传感器能采数据，机器本体能完成动作，中间缺少对现场状态与潜在风险的判断。当执行能力逐步成熟，稀缺的就不再是单点硬件，而是数据、模型与场景构成的自进化体系。映界科技选择了一条更重、也更难的路，但这恰恰是壁垒所在。
对创业者而言，映界科技做对的第一件事，是从果溯因。团队没有跟风堆传感器，没有追逐“大模型万能论”，而是先厘清一个因果问题：机器为什么读不懂物理空间？答案指向时间维度缺失，而非硬件不够多。创业决策的起点不该是“市场热什么”，而是追问“最底层的因果链断在了哪里”。只有把潜藏在产业痛点背后的因果关系找出来，才能真正避开把资源砸向错误环节的陷阱。
第二件事，是从行业弱点和自身错误中提炼原则。模块拼接路线的信息损耗问题，几乎是公开的行业默认值，多数团队选择在缝隙处修修补补，映界科技却直接从架构上绕开损耗。这种判断力来自对自身研究短板的清醒审视——不回避“感知、记忆、推演各自为政”这条老路的缺陷，不把论文成果等同于产品能力。企业选择的“重路线”，本质上是对产业弱点的正面对抗，而非对热点概念的追逐。
第三件事，是把持续学习和改进机制化。映界科技的每一次部署都是一次真实世界的数据回流，模型越用越强，设备越多越聪明。这不是一句口号，而是产品结构和商业模式共同支撑的自我进化能力——硬件承担交付功能，数据喂养模型，模型输出反哺场景。对创业公司而言，最持久的竞争壁垒不是先发优势，而是具备“从每个经历中学习”的组织机制。创始人金依力以个人资金同估值跟投、团队极致压缩毕业周期，这些细节背后，是一套将学习与改进贯穿组织血液的原则系统。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。如需修改或发布文章，请加微信号：sheisceo