团队
- CEO / Co-founder：Lindon Gao（前 Caper AI 创始人，二次创业做 AI + 硬件）。
- 联合创始人：York Yang（工程 / 产品方向）；Jason Ma（Chief Scientist，曾在 Google DeepMind、NVIDIA AI、Meta AI 做机器人基础模型相关工作）。
- 组织状态：36氪 / 量子位口径显示公司约 30 人，团队兼具商业化、机器人学习和硬件研发背景，并在上海设有硬件研发中心。
产品
- 主模型：DYNA-1 / DYNA-1i，定位 production-ready robotic foundation model。
- 当前本体：以双臂 / 固定式机器人系统为主，优先切商用操作场景，而非先做人形。
- 公开场景：餐厅折餐巾、健身中心整理毛巾、洗衣折衣与 garment handling。
技术路线
- 核心判断：Dyna 的路线是“foundation model + 低成本操作机器人 + 真实部署数据飞轮”，先用商用场景把泛化与 ROI 一起打磨出来。
- 支撑：
- 官网强调其目标是让机器人在真实世界中“每次部署都更聪明”，并把 generalization、performance、robustness 和 economics 放在同一套方法论里。
- 官方 research 页面披露 DYNA-1i 在 unseen environments 中仍能保持约 40 件衬衫 / 小时的折衣吞吐，并称只需 tens of hours post-training data 就能把能力迁移到新环境。
- CEO 在官方 Series A 博文里把 distribution、ROI、真实部署数据和快速迭代定义为第一性原则，说明其不是纯论文导向的 foundation model 公司。
商业验证
- 当前阶段：早期真实部署验证。
- 已见信号：
- 官网称 DYNA 机器人已在 factory automation、laundry / garment、food / hospitality 等场景部署。
- 官网公开口径给出复杂操作任务 99%+ reliability、折衣约 40+ shirts/hour、24/7 autonomous 等商业化导向指标。
- 2026-01 CES 采访中，Lindon Gao 在机器人后台自主折衣的现场介绍 Dyna，补强了其 laundry / garment 场景并非只停留在静态宣传页。
- 2025-09 官方宣布完成 $120M Series A，用于扩充团队、部署更多机器人并推进下一代基础模型。
市场切入
- 近端场景：对 dexterity 有要求、但环境复杂度又低于家庭全场景的商用操作任务。
- 路径判断：先避开高度苛刻的工业流水线与过度开放的家庭场景，通过商用工作流启动真实数据飞轮。
竞争定位
- 核心判断：Dyna 更像“商用操作版 foundation model 公司”，不是先做人形叙事，而是先把通用操作模型做成可部署产品。
- 差异点：相较很多 humanoid 公司，它更强调双臂 / 固定式系统的商业化 ROI 与 distribution；相较纯模型公司，它又直接控制机器人物理部署与数据回流。
风险
- 模型外推风险：从折衣 / 餐巾等任务扩到更复杂工作流，泛化是否还能保持高稳定性，仍待验证。
- 商业化风险：当前公开指标多来自公司口径，真实付费客户规模、复购与售后负担尚不透明。
- 赛道拥挤风险：它同时面临 humanoid 公司、操作模型公司和工业自动化公司的三向竞争。
动态记录
- 2026-04-22：完成来源补密度，新增 Crunchbase 轮次索引与 CES 2026 视频访谈来源，sources 从 7 条增至 9 条，depth_score 按来源上限与信息覆盖情况上调至 26。
- 2026-04-13：新建骨架档案，确认其是“foundation model + 商用操作机器人”路线，而非先做人形本体路线。
- 2025-12：官网公开 DYNA-1i open-world dexterity，强调 unseen environment 折衣泛化。
- 2025-09：官方宣布完成 $120M Series A。
- 2025-03：官方宣布完成 $23.5M seed round。