為何 Zalando 投資：退貨是一個值得以 600 萬美元解決的問題

Zalando 作為策略投資者投入約 600 萬美元，將原本由 Headline 在 2026 年 4 月主導的 1.1 億美元融資提升至 1.16 億美元 。此投資的意義有兩層。首先，它解決了 Zalando 自身的痛點：每一件退貨商品都必須被打開、檢查、折疊並重新上架——而 Sereact 的雙臂工作站正是為完成這個端到端流程而打造 。其次，Zalando 的參與本身就是一個強力的市場驗證信號。Zalando 不僅是消極的財務支持者，更是一個策略性的客戶兼投資人，直接將其營運重擔押注在物理 AI 的發展路徑上 。

Cortex 大腦：適用於任何機器人的單一 AI 核心

Sereact 平台的核心是 Cortex，這是一個視覺-語言-動作（VLA）模型，作為機器人通用的 AI 作業系統 。Cortex 可運行在多種硬體上，包括單臂揀選單元、雙臂退貨站、人形機器人和固定工作站，而且無需為每種型態重新訓練 。由於它在視覺潛在空間中進行規劃，而非使用特定於機器人的關節指令，因此在某一種機器人類型上學到的技能可以直接轉移到另一種機器人上 。

雙臂退貨自動化：解決時尚產業最大的頭痛問題

Sereact 的雙臂工作站是專為退貨流程設計的 。它能自主打開包裹和鞋盒、取出物品、檢查損壞或異常、折疊衣物（包括牛仔褲）、掃描條碼和標籤，並將商品導向重新上架、整修或廢棄處理 。此系統模仿熟練倉儲人員的判斷力，但能在每個班次、為每個品牌提供一致且穩定的操作 。這直接解決了時尚產業中最棘手的物流瓶頸：退貨處理的不可預測性和勞動強度 。

數據飛輪：超過 10 億次真實揀貨

Sereact 的關鍵結構性優勢是其閉環數據飛輪 。超過 200 套 Sereact 系統正在歐洲運行，客戶包括戴姆勒卡車、賓士、BMW、百事可樂、奧地利郵政和 Rohlik Group 。這些系統已完成超過 10 億次真實生產揀貨——並非模擬或實驗室數據，而是來自真實營運的操作 。每一次揀貨，無論是成功、失敗或恢復，都會被同步記錄觀測數據、機器人狀態和力反饋，然後反饋給中央模型，該模型會持續重新訓練並重新部署到整個機器人隊列中 。目前，這個機器人隊列已達到約 每 53,000 次揀貨才需一次遠端人類協助 的可靠性 。

Cortex 2.0：從「嘗試看看」到「計劃再執行」

Cortex 2.0 是下一代模型，B 輪融資的資金將專門用於擴展它。它在目前的 VLA 模型基礎上，增加了經過學習的世界模型，用以模擬物理和物體行為 。不同於先動作再修正錯誤的反應式做法，機器人現在會根據當前狀態生成多條可能的未來軌跡，針對穩定性、風險和效率，對每一條軌跡在世界模型中進行評分，然後只執行得分最高的分支——並隨著場景變化即時更新 。這個從「嘗試看看」到「計劃再執行」的範式轉移，對於高風險任務（例如在張力下組裝零件、放置易碎物品、以及套件組裝）至關重要，而不僅是簡單的揀貨 。規劃的運算量可根據任務進行調整，在失敗成本高昂的任務上投入更多預測，而在恢復成本低的任務上則減少 。B 輪融資也將用於資助 Sereact 的國際擴張，包括在波士頓開設新辦公室 。

為何 Zalando 投資：退貨是一個值得以 600 萬美元解決的問題

Zalando 作為策略投資者投入約 600 萬美元，將原本由 Headline 在 2026 年 4 月主導的 1.1 億美元融資提升至 1.16 億美元 。此投資的意義有兩層。首先，它解決了 Zalando 自身的痛點：每一件退貨商品都必須被打開、檢查、折疊並重新上架——而 Sereact 的雙臂工作站正是為完成這個端到端流程而打造 。其次，Zalando 的參與本身就是一個強力的市場驗證信號。Zalando 不僅是消極的財務支持者，更是一個策略性的客戶兼投資人，直接將其營運重擔押注在物理 AI 的發展路徑上 。

Cortex 大腦：適用於任何機器人的單一 AI 核心

Sereact 平台的核心是 Cortex，這是一個視覺-語言-動作（VLA）模型，作為機器人通用的 AI 作業系統 。Cortex 可運行在多種硬體上，包括單臂揀選單元、雙臂退貨站、人形機器人和固定工作站，而且無需為每種型態重新訓練 。由於它在視覺潛在空間中進行規劃，而非使用特定於機器人的關節指令，因此在某一種機器人類型上學到的技能可以直接轉移到另一種機器人上 。

雙臂退貨自動化：解決時尚產業最大的頭痛問題

Sereact 的雙臂工作站是專為退貨流程設計的 。它能自主打開包裹和鞋盒、取出物品、檢查損壞或異常、折疊衣物（包括牛仔褲）、掃描條碼和標籤，並將商品導向重新上架、整修或廢棄處理 。此系統模仿熟練倉儲人員的判斷力，但能在每個班次、為每個品牌提供一致且穩定的操作 。這直接解決了時尚產業中最棘手的物流瓶頸：退貨處理的不可預測性和勞動強度 。

數據飛輪：超過 10 億次真實揀貨

Sereact 的關鍵結構性優勢是其閉環數據飛輪 。超過 200 套 Sereact 系統正在歐洲運行，客戶包括戴姆勒卡車、賓士、BMW、百事可樂、奧地利郵政和 Rohlik Group 。這些系統已完成超過 10 億次真實生產揀貨——並非模擬或實驗室數據，而是來自真實營運的操作 。每一次揀貨，無論是成功、失敗或恢復，都會被同步記錄觀測數據、機器人狀態和力反饋，然後反饋給中央模型，該模型會持續重新訓練並重新部署到整個機器人隊列中 。目前，這個機器人隊列已達到約 每 53,000 次揀貨才需一次遠端人類協助 的可靠性 。

Cortex 2.0：從「嘗試看看」到「計劃再執行」

Cortex 2.0 是下一代模型，B 輪融資的資金將專門用於擴展它。它在目前的 VLA 模型基礎上，增加了經過學習的世界模型，用以模擬物理和物體行為 。不同於先動作再修正錯誤的反應式做法，機器人現在會根據當前狀態生成多條可能的未來軌跡，針對穩定性、風險和效率，對每一條軌跡在世界模型中進行評分，然後只執行得分最高的分支——並隨著場景變化即時更新 。這個從「嘗試看看」到「計劃再執行」的範式轉移，對於高風險任務（例如在張力下組裝零件、放置易碎物品、以及套件組裝）至關重要，而不僅是簡單的揀貨 。規劃的運算量可根據任務進行調整，在失敗成本高昂的任務上投入更多預測，而在恢復成本低的任務上則減少 。B 輪融資也將用於資助 Sereact 的國際擴張，包括在波士頓開設新辦公室 。