6 月 20 日消息，智童时刻（厦门）科技有限公司近日确认获得由赛富资本领投的数千万元 A 轮投资。该交易已于今年 1 月完成。据了解，智童时刻成立于 2015 年 1 月，同年 4 月完成 1000 万元天使轮融资，KeeKo 课程教育机器人是其首款产品。其配套所谓的 STEAM 课程，为 3－12 岁幼儿提供机器人科技教学。智童时刻的创始人为郭长琛，其于 1999 年日本留学，2003 年毕业于日本东京大学主修人工智能专业，曾任 SUN microsystems 亚太区高管，Oracle 全球数据大师 Top100；作为移动互联网行业资深创业者，已经拥有 10 多年人工智能行业经验。、
KeeKo课程教育机器人是智童时刻（厦门）科技有限公司首款产品。智童时刻成立于2015年1月，2015年4月完成1000万天使轮，2016年1月获得赛富资本领投的数千万投资。
KeeKo课程教育机器人是智童时刻（厦门）科技有限公司首款产品，幼幼创客顾名思义是从小开始培养创客精神，其配套的STEAM课程是目前最流行的幼儿特色课程，企业以培养幼幼创客为起点，机器人为载体，实现3－12岁幼幼创客机器人科技教学。公司成立于2015年1月，2015年4月完成1000万天使轮，2016年1月获得赛富资本领投的数千万投资。
智童时刻的创始人为郭长琛，其于1999年日本留学，2003年毕业于日本东京大学主修人工智能专业，曾任SUN microsystems亚太区高管，Oracle全球数据大师Top100；作为移动互联网行业资深创业者，已经拥有10多年人工智能行业经验。
郭长琛一直捉摸机器人适合哪个领域，觉得儿童领域有陪伴和教育需求，因为成年人在这个领域的需求不大，对于做家庭机器人还是课程教育机器人而言，郭长琛认为：“家庭机器人是很难落地的，因为小孩会把机器人当作是一个玩具，玩具的生命周期是很短的，所以看不到家庭机器人能够长久的使用。”
从2000年的时候郭长琛开始进入这个领域，对机器人这个领域有很冷静的思考，长期跟东京大学人工智能实验室跟有紧密的沟通，很清楚人工智能的技术界限在哪里，很清晰人工智能技术如何商业化。除此之外，他表示：“不是由于资金风口才进入这个行业的，这个项目方案在2013年已经完成了，2014年10月才开始动手，2015年1月份项目得到了验证才开始建立公司。”
产品亮点：
硬件安全性：没有棱角，安全度达到婴幼儿级别，触碰过程中不会造成危害性，这也是KeeKo机器人没做手的原因。
触摸：8个触摸点，具备类人的逻辑思维，不同触摸点的组合机器人的反应不同，例如：先摸脚和先摸后脑勺，通过算法逻辑，机器人给出不同的反应。
语音：内容的健康度是可以公开给教育机构的，确保是符合儿童习惯。KeeKo对话的反应、语言、动作、表情结合，反问等，例如：机器人可以根据收到的语句分析，给出答案和反问对方。
定制识别：语音防干扰，当外界出现杂音，只对特定词义进行识别。
运动：支持可视化编程，假设你是老师，可以在后台进行简单编程（操作相当简单），内容举例：机器人在某个指令下对应的动作和反映；而对于孩童，可以通过编程板简单描绘，KeeKo机器人通过摄像头能够扫描识别，并做出对应的动作。
外置RFID卡：内置于其他机器人，可以做到角色辨认；手控器，可以控制机器人运动。超声波未来也可以开放给体感游戏公司。
协同：群体表演指令传输能够毫秒级别。
STEAM课程意义：儿童教育课程分两种，一种是主体课程（必修）、一种是特色课程（选修）、而STEAM课程属于特色课，机器人还没有能力去做主题课程，也不现实去取代原有体系。而STEAM体系配合KeeKo机器人落地是最合适。
为了好的内容，郭长琛收购了一家台湾脑文创公司，意义在于：
①内容比较新、课程优质，也是STEAM第一系列课程；
②机器预装课程是必须的，需要优质的内容，而脑文创作为一个很新颖的课程，觉得很合适；
③外部的资源要做到深度合作成为DEMO课程很困难；
④需要一个儿童教育团队去甄别课程。
郭长琛看到的行业痛点：
语音领域：在儿童语音识别是非常难的命题，语音的输入和理解，短期内很难突破，儿童语音分解困难，没有逻辑性，声音较小。
视觉识别：机器人的识别是限制性的，大概就是几百张卡片，你说能做到实物识别，目前是不可能做到的。
动作：可视化编程已经是比较前沿的技术
核心：人工智能的最大风口是应用，而不是人工智能的基础技术，将现有的技术应用到商业化场景里是关键，只有应用才能产生收入，人工智能的基础技术不应该是初创企业来做的，而是体量较大、业务成熟的企业来做的。这就好比我们不需要知道安卓的底层设计如何，我们只需要在上面做出APP即可，因为能够做人工智能基础技术的公司太少了。
目前我们已经看到很多人工智能应用在儿童机器人领域，普遍的认为儿童相比起少年、成年人、中年人和老年人是更好的切入，无论是教育还是陪伴、玩具游乐等时机场景，人工智能的技术目前虽然仍只是有所突破，但技术仍然不足够成熟，产品售价不低，如何在有限的突破内做融合，完成商业化，会是人工智能相关从业者直面的问题。
