「中科第五纪」创立于2024年底，致力于通过研发具身多模态端到端大模型，打造通用具身机器人等产品，核心团队来自中科院自动化所和清华大学。创始人兼CEO刘年丰为中科院自动化所博士，主要研究方向为人工智能及机器人技术和产品化落地，拥有近十年的创业实践经验。公司联合创始人、首席科学家孙富春为清华大学计算机科学与技术系教授，主要从事机器人主动感知与灵巧操作、具身智能和跨模态学习等研究，是国内最早一批研究智能机器人的领域专家。

据介绍，「中科第五纪」近期发布的具身操作基础模型Five Ages Manipulator-1（FAM-1），通过解决传统具身模型在三维空间理解上的结构信息丢失、分布偏移和维度瓶颈问题，能够以小样本数据训练实现机器人泛化能力，将数据利用效率提高百倍。

目前「中科第五纪」已成为国内头部人型本体公司的“大脑”供应商，实现“一脑多型”技术落地；其自研的本体产品也已完成美的集团和某头部汽车企业产线POC验证，进入小批量供货阶段。今年年底「中科第五纪」计划推出第二代软硬一体的具身机器人本体产品。

自研超少样本具身模型FAM-1

数据需求量仅为传统大模型的1%

数据瓶颈是限制具身智能模型性能和产品能力提升的关键因素。和自然语言、视觉模型相比，机器人是与真实的物理世界交互，具身模型需要处理三维、实时的感知-行动闭环数据。目前业内普遍面临的问题是，可用于训练的真实场景数据稀缺且采集成本高昂，合成仿真数据的质量又难以满足复杂任务训练需求。

为了提高数据使用效率，突破数据瓶颈，「中科第五纪」以机器人的“大脑”——模型技术架构为突破口，自主研发设计了FAM-1模型。

有别于传统的分层架构和常见的纯端到端架，FAM-1模型采用数据和知识混合驱动的端到端架构方案。利用三维热力图对齐VLM与VLA的输出与输入，将三维信息转换为多角度二维信息，减少空间信息的损失，从而只需要对有限数量的样本微调，就能充分利用三维空间结构信息，显著降低模型对样本数量的需求，同时保证具身大脑的推理能力和高泛化性。

基于FAM-1的模型能力，「中科第五纪」获得 2025年计算机视觉与模式识别会议（CVPR 2025））具身操作竞赛冠军。刘年丰博士表示，“FAM-1模型对数据的需求量只有传统大模型的1%，机器人只需要3-5条真机数据就可以完成精准具身操作学习，成功率高达 97%。”

以产业化落地驱动产品迭代，

形成数据产品飞轮，

推动具身“大脑”与本体协同发展

在刘年丰博士看来，具身智能企业可以分为两类，一类偏重基础模型研发。“我们算是另一类，模型研发能力与产业落地能力并重，以真实工业场景的产品交付驱动模型进化。”

目前，「中科第五纪」可交付的产品形态包括向本体厂商提供“大脑”，以及可直接用于工业和商业场景的具身机器人本体。在大脑方面，「中科第五纪」已经与某头部本体公司在电力、商业和展览展示等多个场景建立合作，为其提供自主操作模型的解决方案。

在本体硬件方面，「中科第五纪」自研的双臂具身机器人，今年预计有数十台落地美等产线。据介绍，不同于传统机器人只能针对某款特定产品进行检测，「中科第五纪」具备更强的泛化能力，适配不同款式产品型号，并且已经24小时不间断在产线上运行并采集大量真机数据。

除了架构的创新化设计，模型能力的提升也有赖于真机数据的获取能力。刘年丰博士透露，「中科第五纪」计划建设自有的数据系统，采集产品在不同行业和工厂场景下的真机数据并进行统一处理，再反哺模型训练，形成模型与产品能力提升的良性飞轮。

刘年丰介绍，“我们在工业场景的核心标签是高效率和高可靠性，现在和美的的合作在事业部层面，明年会上升到集团层面，落地场景从一个拓展到多个，在单KA客户体系内完成泛化。而下阶段我们会在工业场景的不同客户间进一步泛化。”据悉，「中科第五纪」的第二代本体也将在今年底问世。

在模型层面，刘年丰博士表示，“依托于FAM具身模型我们能够在前期快速交付大脑或本体产品，形成数据与产品的飞轮闭环；而在数据量积累到一定量级后，我们会用真实数据代替互联网数据，推出融合力触觉的通用VLTA多模态大模型。而实现这个目标的核心在于，谁能够更高效地获取真实数据，并且更高效地利用真实数据，这是我们始终注重去塑造和提高的能力。