硬氪首發 | 復旦教授、前英特爾首席科學家做端側具身大腦，「眸深智能」完成近億元Pre-A輪追加融資

### 硬氪首發 | 復旦教授、前英特爾首席科學家做端側具身大腦，「眸深智能」完成近億元Pre-A輪追加融資

在具身智能賽道，一家成立僅半年的公司，正以驚人的速度書寫著自己的商業與技術神話。硬氪獲悉，端側具身大腦研發商「眸深智能」（Motion Brain）於近日完成近億元Pre-A輪追加融資。本輪投資方包括由中國頭部物業服務公司、香港財團及多家上市公司聯合打造的產業投資平臺瑾悅投資、創合匯資本，以及老股東徐匯資本。 值得注意的是，這距離該公司2026年5月宣佈的3億元Pre-A輪融資僅過去兩個月。不僅如此，眸深智能Pre-A+輪的近5億融資也正在緊鑼密鼓的交割當中。密集的融資節奏背後，是資本市場對其技術路線與商業化潛力的高度認可。據悉，今年上半年以來，眸深智能的估值增長已超過10倍，成為業內發展速度最快的具身大腦企業之一。 #### 頂尖團隊與另闢蹊徑的技術路線

眸深智能成立於2025年1月，公司定位為全球最懂動作的自進化具身大腦公司，其願景是“給10億台機器人裝原生通用大腦”。這份底氣來源於其豪華的創始團隊：由復旦大學深度學習實驗室主任陳濤教授、原英特爾中國首席科學家張益民博士，以及連續創業者穆澤林共同創辦。團隊核心成員背景涵蓋海思、英特爾、英偉達三大芯片巨頭，是國內少數具備算子級適配能力的具身大模型團隊。 儘管註冊時間不長，眸深智能的技術積累卻從2022年便已開始。在行業普遍追捧VLA（視覺-語言-動作）大模型的主流路徑時，眸深智能選擇了一條更艱深但或許更具潛力的道路——以動作為核心的“世界動作模型”（World Motion Model）。 #### 從“動作基元”到“動作Token”：讓機器人學會“舉一反三”

如何讓機器人像人類一樣自然流暢地完成複雜動作，是具身智能領域的核心難題。眸深智能團隊給出的答案是：將動作徹底“數字化”。早在2022年，團隊便在全球範圍內首創MLD（隱空間動作擴散模型），將動作映射到隱空間，並引入擴散模型，讓AI從隨機噪聲中“還原”出自然連貫的人體姿態。這解決了“如何生成動作”的基礎問題。隨後在2023年，團隊在NeurIPS上發表了革命性的MotionGPT。他們將人體姿態拆解為約3000個“動作基元”，並將其轉化為“動作Token”。類比於大語言模型預測下一個文字Token來生成句子，MotionGPT通過預測下一個“動作Token”來生成複雜行為。

這一創新不僅極大提升了模型對長序列任務的理解能力，更重要的是賦予了機器人Zero-Shot（零樣本）泛化能力，使其能夠通過重組動作詞彙來理解並執行從未見過的指令。到了2026年，基於此前積累，眸深智能推出了STI-WM（時空一體世界動作模型）具身大模型。該模型徹底擺脫了對海量真機數據的依賴，採用“80%互聯網視頻+10%動捕數據+10%真機數據”的創新訓練配方，將真機數據需求降低了90%，同時將動作準確度提升至99%。今年3月提出的T²MB模型，更讓機器人具備了離線自進化能力，無需聯網即可在本地持續優化性能。這一系列原創技術也贏得了行業巨頭的關注。

英偉達DAIR實驗室在其最新的ARDY模型中，便引用了眸深智能的MLD與MotionGPT兩項技術，這也是近兩年來英偉達第三代動作模型對該公司技術路線的第四次引用。#### 攻堅端側成本與國產算力：從20萬到1萬元的推理成本革命

理論上的技術突破固然重要，但能否在實際應用中規模化落地，端側算力成本是“攔路虎”。在這方面，眸深智能構築了另一道核心競爭壁壘。公司從第一代模型起就同步推進模型壓縮與國產芯片適配。通過模型蒸餾、冗餘參數壓縮等工程化手段，眸深智能將千億參數級模型壓縮至百億級別，參數量降低約75%，端側推理延遲從約200毫秒降至10毫秒左右。同時，團隊積極適配海思、地平線、燧原等國產芯片平臺。軟硬協同的結果是驚人的：模型端側推理成本從20萬元驟降至1萬元，大腦續航時間提升10倍，而精度和性能卻不掉點。這一壓縮工作也為團隊贏得了IJCAI 2025全球最佳論文獎，這是近五年唯一獲此獎項的中國大陸團隊。

基於此能力，眸深智能可在兩週內完成一套具身大模型在完全不同的機器人本體之間的適配。眸深智能創始人、CEO穆澤林指出，國內具身智能行業普遍採用“國外芯片訓練、再移植國產芯片”的方案，性能損耗與兼容性問題突出。而眸深智能的目標是在模型訓練、推理全流程中基於國產算力芯片原生開發，實現技術棧完全自主可控。#### 商業化先行：上半年營收數千萬元，已跑通多個場景

在商業化落地方面，眸深智能同樣走在了行業前列。據穆澤林透露，公司2025年審計回款收入已達千萬元級別，而2026年上半年營收便達到了3000萬元，預計全年營收規模將超過5000萬元。這在當下普遍“燒錢求存”的具身智能初創公司中顯得尤為突出。 目前，眸深智能的客戶已覆蓋工業檢測、物業、環衛等場景。2026年第一季度，公司已完成了向某港股上市物業公司及A股上市環衛龍頭的機器人產品交付，並正在推進與頭部連鎖零售集團、頭部白色家電工廠的人形機器人落地場景研發。 #### 產業展望：大腦與本體分化的“一超多強”格局

對於未來產業分工，穆澤林認為，機器人本體可能會像汽車行業一樣呈現多元化，而通用大腦領域則極大概率會形成“一超多強”的格局。他判斷，通用大腦的研發門檻極高，需要軟硬體深度結合，創業公司的靈活性和專注度反而更具優勢。在5-10年內，不太可能出現每家機器人公司都自研大腦的局面。 “迴歸第一性原理，大語言模型的成功本質實現了Token的排列生成。具身智能的核心是解決‘執行層’問題，讓機器人能穩定完成任務。”穆澤林強調，眸深智能的策略是通過動作Token的泛化能力，務實地解決新任務的執行問題，並以此為基礎，向“超級通用大腦”的目標持續邁進。