作者 | 邱曉芬

編輯 | 袁斯來(lái)

硬氪獲悉，「眸深智能」（Motion Brain）完成近億元 Pre-A 輪追加融資，本輪投資方包括中國(guó)頭部物業(yè)服務(wù)公司、香港財(cái)團(tuán)、多家上市公司聯(lián)合打造的產(chǎn)業(yè)投資平臺(tái)瑾悅投資、創(chuàng)合匯資本，以及老股東徐匯資本。

這也是繼 2026 年 5 月 3 億元 Pre-A 輪之后，「眸深智能」兩個(gè)月內(nèi)再次獲得投資，此外，該公司 Pre-A+ 輪的近 5 億融資也在交割當(dāng)中。該公司透露，今年上半年以來(lái)，「眸深智能」的估值增長(zhǎng)超 10 倍，是業(yè)內(nèi)發(fā)展速度最快的具身大腦企業(yè)之一。

「眸深智能」成立于 2025 年 1 月，定位為全球最懂動(dòng)作的自進(jìn)化具身大腦公司，致力于 " 給 10 億臺(tái)機(jī)器人裝原生通用大腦 "。

該公司由復(fù)旦大學(xué)深度學(xué)習(xí)實(shí)驗(yàn)室主任陳濤教授、原英特爾中國(guó)首席科學(xué)家張益民博士，與連續(xù)創(chuàng)業(yè)者穆澤林共同創(chuàng)辦。核心團(tuán)隊(duì)擁有海思、英特爾、英偉達(dá)三大芯片巨頭的背景人士，是國(guó)內(nèi)少數(shù)具備算子級(jí)適配能力的具身大模型團(tuán)隊(duì)。

盡管 2025 年才注冊(cè)成立，「眸深智能」的技術(shù)積累從 2022 年已經(jīng)開(kāi)始。在技術(shù)路線上，「眸深智能」選擇了一條與主流 VLA（視覺(jué) - 語(yǔ)言 - 動(dòng)作）不同的路徑——以動(dòng)作為核心的 " 世界動(dòng)作模型 "（World Motion Model）。

從 2022 年起，「眸深智能」團(tuán)隊(duì)已經(jīng)發(fā)布了MLD（隱空間動(dòng)作擴(kuò)散模型）。在當(dāng)時(shí)，行業(yè)主流是將動(dòng)作視為離散的信號(hào)，導(dǎo)致生成的動(dòng)作僵硬且缺乏多樣性，而「眸深智能」團(tuán)隊(duì)在全球 dede 范圍內(nèi)首次提出將動(dòng)作映射到隱空間（Latent Space），并引入擴(kuò)散模型（Diffusion Model）。

MLD相當(dāng)于讓 AI 學(xué)會(huì)了 " 無(wú)師自通 " 地生成動(dòng)作：不再需要逐幀教機(jī)器人如何走路，而是讓模型像畫家去噪一樣，從一團(tuán)隨機(jī)噪聲中還原出自然、連貫的人體姿態(tài)。

如果說(shuō) MLD 解決了 " 怎么生成動(dòng)作 "，「眸深智能」又進(jìn)一步著眼于如何 " 指揮動(dòng)作 "。2023 年 9 月，團(tuán)隊(duì)創(chuàng)造性發(fā)布了MotionGPT。類比漢字的基本筆畫，團(tuán)隊(duì)將人體姿態(tài)拆解為約 3000 個(gè) " 動(dòng)作基元 "。就像大語(yǔ)言模型（LLM）通過(guò)預(yù)測(cè)下一個(gè) token 來(lái)生成句子一樣，MotionGPT 通過(guò)預(yù)測(cè)下一個(gè) " 動(dòng)作 token" 來(lái)生成復(fù)雜行為。

這種將連續(xù)動(dòng)作離散化的處理方式，不僅極大地提升了模型對(duì)長(zhǎng)序列任務(wù)的理解能力，更重要的是，它讓機(jī)器人具備了 Zero-Shot（零樣本）泛化能力——沒(méi)見(jiàn)過(guò)的動(dòng)作指令，也能通過(guò)重組動(dòng)作詞匯來(lái)理解并執(zhí)行。這也是全球首個(gè)把動(dòng)作做成 token 的具身大模型，發(fā)表于 NeurIPS 2023。

到了 2026 年，團(tuán)隊(duì)已經(jīng)累計(jì)發(fā)布了 7 代模型，基于前述積累，「眸深智能」團(tuán)隊(duì)又進(jìn)一步推出了 STI- WM（時(shí)空一體世界動(dòng)作模型）具身大模型。

STI-WM 時(shí)空一體世界動(dòng)作模型是完全面向機(jī)器人長(zhǎng)時(shí)序規(guī)劃、在線閉環(huán)控制、真實(shí)物理交互打造的原生具身智能框架，實(shí)現(xiàn)空間結(jié)構(gòu)、時(shí)間演化、物理一致性、執(zhí)行魯棒性四維一體化統(tǒng)一。

據(jù)介紹，STI-WM 的核心突破在于，徹底擺脫了傳統(tǒng) VLA（視覺(jué) - 語(yǔ)言 - 動(dòng)作）模型對(duì)海量真機(jī)數(shù)據(jù)的重度依賴，采用了 "80% 互聯(lián)網(wǎng)視頻 +10% 動(dòng)捕數(shù)據(jù) +10% 真機(jī)數(shù)據(jù) " 的訓(xùn)練配方，并 MotionGPT 建立的動(dòng)作詞典，從海量無(wú)標(biāo)注的視頻中學(xué)習(xí)物理規(guī)律，再用少量動(dòng)捕數(shù)據(jù)校準(zhǔn)生物力學(xué)特征，最后僅用 10% 的真機(jī)數(shù)據(jù)完成閉環(huán)對(duì)齊。

也就是說(shuō)，這種全新的數(shù)據(jù)訓(xùn)練范式，將真機(jī)數(shù)據(jù)需求降低了 90%，又將動(dòng)作準(zhǔn)確度提升至 99%。

同時(shí)，「眸深智能」團(tuán)隊(duì)又在今年 3 月提出的 T MB（Task*Task Motion Brain）也讓機(jī)器人具備了離線自進(jìn)化能力，當(dāng)模型部署到端側(cè)后，無(wú)需聯(lián)網(wǎng)回傳數(shù)據(jù)，僅憑本地交互就能持續(xù)優(yōu)化性能，任務(wù)執(zhí)行準(zhǔn)確度最高提升 25%，解決了機(jī)器人落地后發(fā)現(xiàn) bug 必須返廠升級(jí)的痛點(diǎn)。

值得注意的是，英偉達(dá) DAIR 實(shí)驗(yàn)室在最新 ARDY 模型中，便援引了「眸深智能」的 MLD 與 MotionGPT 兩項(xiàng)原創(chuàng)技術(shù)——這是近兩年英偉達(dá)第三代動(dòng)作模型對(duì)該公司技術(shù)路線的第四次引用。

不過(guò)，真正決定這套大腦能否規(guī)?；模思夹g(shù)路線之外，還有端側(cè)算力成本，這也是「眸深智能」的一大競(jìng)爭(zhēng)壁壘。據(jù)介紹，「眸深智能」從第一代模型起就同步推進(jìn)兩個(gè)方向——模型壓縮與國(guó)產(chǎn)芯片適配。

一方面，通過(guò)模型蒸餾、冗余參數(shù)壓縮等工程化方案，「眸深智能」將千億參數(shù)級(jí)模型壓縮至百億級(jí)別，在具體場(chǎng)景中參數(shù)量降低約 75%，端側(cè)推理延遲從約 200 毫秒降至 10 毫秒左右；另一方面，同步適配海思（昇騰 310/910）、地平線、燧原（燧原 S60）等國(guó)產(chǎn)芯片平臺(tái)，實(shí)現(xiàn)低功耗、高實(shí)時(shí)、超低成本的端側(cè)推理。

這套軟硬協(xié)同的打法，帶來(lái)的直接結(jié)果是，模型端側(cè)推理成本從 20 萬(wàn)元降至 1 萬(wàn)元，大腦續(xù)航時(shí)間提升 10 倍，而精度和性能卻不掉點(diǎn)。這一壓縮工作也幫助該團(tuán)隊(duì)獲得了 IJCAI 2025 全球最佳論文獎(jiǎng)，也是近五年唯一獲此獎(jiǎng)項(xiàng)的中國(guó)大陸團(tuán)隊(duì)。

依托這一能力，「眸深智能」可在兩周內(nèi)完成一套具身大模型從一個(gè)本體到另一個(gè)本體的適配，包括復(fù)旦自研的 " 光華 1 號(hào) "、宇樹(shù) G1、上海人形機(jī)器人創(chuàng)新中心的 " 青龍 " 和 " 靈龍 " 等本體。

在商業(yè)化層面，「眸深智能」也是目前國(guó)內(nèi)少數(shù)有營(yíng)收的具身智能大腦公司。穆澤林告訴硬氪，其 2025 年審計(jì)回款收入千萬(wàn)元，2026 年上半年 3000 萬(wàn)元，預(yù)計(jì)今年?duì)I收規(guī)模 5000 萬(wàn)元以上。

目前，公司客戶覆蓋工業(yè)檢測(cè)、物業(yè)、環(huán)衛(wèi)等場(chǎng)景。2026 年第一季度，「眸深智能」已與某港股上市物業(yè)公司、A 股上市環(huán)衛(wèi)龍頭的機(jī)器人產(chǎn)品交付；正在推進(jìn)與頭部連鎖零售集團(tuán)、頭部白色家電工廠的人形機(jī)器人落地場(chǎng)景研發(fā)。

以下是硬氪與穆澤林的交流實(shí)錄（略經(jīng)摘編）

硬氪：動(dòng)作怎么變成 Token？這是行業(yè)難點(diǎn)嗎？

穆澤林： 確實(shí)是行業(yè)卡點(diǎn)。我們可以把動(dòng)作理解為「數(shù)字化的姿態(tài)」：就像小人書的一頁(yè)是一個(gè)靜態(tài)姿勢(shì)，連續(xù)翻頁(yè)就成了動(dòng)畫。我們?cè)缙谕ㄟ^(guò)幾十人團(tuán)隊(duì)手工標(biāo)注了幾萬(wàn)個(gè)姿態(tài)，定義了 3000 多個(gè)基礎(chǔ)動(dòng)作 Token，類似漢字的 3000 個(gè)常用字，組合后能覆蓋人類所有行為。

更核心的是讓模型學(xué)習(xí)動(dòng)作間的關(guān)聯(lián)：就像大語(yǔ)言模型通過(guò)學(xué)習(xí)海量文本掌握字詞排列規(guī)律，我們讓模型觀看百萬(wàn)小時(shí)的互聯(lián)網(wǎng)視頻（影視劇、監(jiān)控、Vlog 等），學(xué)習(xí)「喝水時(shí)手會(huì)抬到嘴邊」「抱胸后大概率會(huì)展開(kāi)手臂」這類動(dòng)作因果邏輯。同時(shí)結(jié)合 10% 的動(dòng)捕數(shù)據(jù)和 10% 的真機(jī)數(shù)據(jù)做校準(zhǔn)，最終實(shí)現(xiàn)動(dòng)作 Token 的端到端生成——支持從文本、圖片、3D 點(diǎn)云到動(dòng)作的轉(zhuǎn)化，也就是原生多模態(tài)能力。

硬氪：動(dòng)作 Token 的組合會(huì)不會(huì)導(dǎo)致算力需求爆炸？如何優(yōu)化？

穆澤林： 我們不需要窮舉所有動(dòng)作，而是學(xué)習(xí)動(dòng)作的排列規(guī)律。優(yōu)化主要有兩個(gè)方向：一是數(shù)據(jù)層面，80% 用互聯(lián)網(wǎng)視頻（已做物理先驗(yàn)過(guò)濾，確保符合現(xiàn)實(shí)規(guī)律），降低對(duì)高成本動(dòng)捕 / 真機(jī)數(shù)據(jù)的依賴；二是模型壓縮層面，我們?cè)诙藗?cè)部署上有深厚積累，曾獲得全球頂會(huì)最佳論文——通過(guò) Token 剪枝、量化、動(dòng)態(tài)優(yōu)化等技術(shù)，能把端側(cè)計(jì)算量降低 62 倍，推理延時(shí)從 200 毫秒壓縮到 10 毫秒，模型參數(shù)量減少 80% 的同時(shí)精度不降反升（部分任務(wù)提升 3%-6%）。

硬氪：現(xiàn)在具身智能領(lǐng)域技術(shù)路線分化，有的側(cè)重記憶，你們是側(cè)重動(dòng)作，您怎么看這種分化？

穆澤林：回歸第一性原理：大語(yǔ)言模型的成功本質(zhì)是 Transformer 架構(gòu)實(shí)現(xiàn)了 Token 的排列生成。具身智能也應(yīng)該遵循這個(gè)邏輯，核心是解決「執(zhí)行層」問(wèn)題——讓機(jī)器人能穩(wěn)定完成任務(wù)。

像記憶優(yōu)化這類更底層的問(wèn)題，我認(rèn)為短期很難通過(guò)初創(chuàng)公司突破，需要 DeepSeek、OpenAI 這類巨頭在芯片存儲(chǔ)、存算一體架構(gòu)上的長(zhǎng)期探索。我們更務(wù)實(shí)：通過(guò)動(dòng)作 Token 的泛化能力（Zero-Shot）解決新任務(wù)執(zhí)行問(wèn)題，比如機(jī)器人學(xué)過(guò)拿礦泉水瓶，沒(méi)學(xué)過(guò)拿手機(jī)，也能通過(guò)動(dòng)作序列遷移完成 80% 的準(zhǔn)確度，剩余 20% 通過(guò)少量后訓(xùn)練或強(qiáng)化學(xué)習(xí)校準(zhǔn)即可。

硬氪：為什么選擇適配國(guó)產(chǎn)算力，而不是用更成熟的英偉達(dá)卡？

穆澤林： 長(zhǎng)期來(lái)看，國(guó)產(chǎn) GPU 是必然選擇—— N 卡會(huì)越來(lái)越貴、供應(yīng)受限。我們的核心優(yōu)勢(shì)是「懂芯片」：團(tuán)隊(duì)有海思、英特爾、英偉達(dá)三大芯片巨頭的背景，是國(guó)內(nèi)唯一具備算子級(jí)適配能力的具身大模型團(tuán)隊(duì)。目前已經(jīng)打通了燧原 S60、昇騰 310/910 等國(guó)產(chǎn)芯片的部署，下半年目標(biāo)是攻克千卡級(jí)國(guó)產(chǎn)集群訓(xùn)練，實(shí)現(xiàn)純國(guó)產(chǎn)化的大模型訓(xùn)練方案。

這不僅能解決供應(yīng)鏈安全問(wèn)題，更能提升資本效率：比如別人訓(xùn)練一次需要 1 萬(wàn)張卡、花費(fèi) 5 億，我們通過(guò)算子優(yōu)化，1000 張卡、5000 萬(wàn)就能完成，類似 DeepSeek 的低成本訓(xùn)練邏輯。

硬氪：具身智能芯片的機(jī)會(huì)在哪里？你們會(huì)自己做嗎？

穆澤林： 端側(cè)具身芯片確實(shí)是大機(jī)會(huì)，目前國(guó)內(nèi)已有 20 多家公司在布局（比如輝曦、光與星辰等），但大多瞄準(zhǔn) 200TOPS 算力（類似英偉達(dá) Orin）。我們認(rèn)為未來(lái)模型需要處理觸覺(jué)、傳感器、3D 點(diǎn)云等多模態(tài)信號(hào)，算力需求會(huì)快速提升到 1000-2000TOPS ——如果芯片公司現(xiàn)在量產(chǎn) 200TOPS 的產(chǎn)品，等流片出來(lái)時(shí)可能已經(jīng)跟不上模型迭代速度。

我們不會(huì)自己做芯片，除非未來(lái)公司規(guī)模達(dá)到數(shù)千億級(jí)?，F(xiàn)階段更聚焦「軟硬協(xié)同」：通過(guò)算子優(yōu)化讓模型適配現(xiàn)有芯片，和芯片公司合作而非重復(fù)造輪子。

硬氪：未來(lái)產(chǎn)業(yè)分工會(huì)是怎樣的？大腦和本體是否會(huì)各自形成通用供應(yīng)商？

穆澤林：本體可能會(huì)像汽車行業(yè)一樣，有不同的特色（比如負(fù)載更大、更輕量化），但大腦領(lǐng)域大概率會(huì)形成「一超多強(qiáng)」格局——通用大腦的研發(fā)門檻極高，國(guó)內(nèi)真正具備研發(fā)能力的團(tuán)隊(duì)屈指可數(shù)。我們目標(biāo)是成為那個(gè)「超級(jí)通用大腦」，同時(shí)允許其他團(tuán)隊(duì)聚焦細(xì)分場(chǎng)景（比如快遞分揀、電力巡檢）。

5-10 年內(nèi)，不會(huì)出現(xiàn)每家機(jī)器人公司都自研大腦的情況——大腦的研發(fā)投入（人才、算力）遠(yuǎn)超本體，創(chuàng)業(yè)公司更有機(jī)會(huì)突破，就像 OpenAI 不是大廠孵化的。大廠的優(yōu)勢(shì)在純軟件場(chǎng)景，而具身智能需要軟硬件深度結(jié)合，創(chuàng)業(yè)公司的靈活性和專注度更有優(yōu)勢(shì)。

首頁(yè)圖源｜企業(yè)供圖

排版｜范馨雅