具身智能领域迎来重要突破，专注于自进化具身大脑研发的「眸深智能」近日宣布完成近亿元Pre-A轮追加融资。本轮投资方阵容强大，包括中国头部物业服务企业、香港财团、多家上市公司联合设立的产业投资平台瑾悦投资、创合汇资本，以及老股东徐汇资本。这是该公司继两个月前获得3亿元Pre-A轮融资后，再次获得资本青睐，其Pre-A+轮近5亿元融资也已进入交割阶段。
成立于2025年1月的「眸深智能」，以"给10亿台机器人装原生通用大脑"为愿景，定位为全球最懂动作的自进化具身大脑公司。公司由复旦大学深度学习实验室主任陈涛教授、原英特尔中国首席科学家张益民博士与连续创业者穆泽林共同创立，核心团队汇聚了来自海思、英特尔、英伟达三大芯片巨头的专业人才，是国内少数具备算子级适配能力的具身大模型团队。
技术路线选择上，「眸深智能」另辟蹊径，摒弃主流的视觉-语言-动作（VLA）框架，开创以动作为核心的"世界动作模型"（World Motion Model）。其技术积累可追溯至2022年发布的MLD（隐空间动作扩散模型），该模型首次将动作映射至隐空间并引入扩散模型，使AI能够像画家去噪般从随机噪声中还原自然连贯的人体姿态，解决了传统方法生成动作僵硬的问题。
2023年9月，团队进一步推出MotionGPT，将人体姿态拆解为约3000个"动作基元"，通过预测下一个"动作token"生成复杂行为。这种将连续动作离散化的处理方式，不仅提升了模型对长序列任务的理解能力，更赋予机器人Zero-Shot（零样本）泛化能力——即使面对未见过的动作指令，也能通过重组动作词汇理解执行。该成果作为全球首个动作token化具身大模型，发表于NeurIPS 2023国际顶级会议。
经过持续迭代，团队在2026年累计发布7代模型后，推出STI-WM（时空一体世界动作模型）具身大模型。该模型采用"80%互联网视频+10%动捕数据+10%真机数据"的创新训练配方，通过MotionGPT建立的动作词典，从海量无标注视频中学习物理规律，再用少量动捕数据校准生物力学特征，最终仅需10%真机数据完成闭环对齐。这种训练范式将真机数据需求降低90%，同时将动作准确度提升至99%。
在端侧部署方面，「眸深智能」同步推进模型压缩与国产芯片适配两大方向。通过模型蒸馏、冗余参数压缩等技术，将千亿参数级模型压缩至百亿级别，参数量降低约75%，端侧推理延迟从200毫秒降至10毫秒左右。同时，团队成功适配海思昇腾310/910、地平线、燧原S60等国产芯片平台，实现低功耗、高实时、超低成本的端侧推理。这种软硬协同的优化方案，使模型端侧推理成本从20万元降至1万元，大脑续航时间提升10倍，相关压缩工作更荣获IJCAI 2025全球最佳论文奖。
今年3月，团队提出的T²MB（Task*Task Motion Brain）技术进一步赋予机器人离线自进化能力。模型部署到端侧后，无需联网回传数据，仅凭本地交互即可持续优化性能，任务执行准确度最高提升25%，有效解决了机器人落地后发现bug必须返厂升级的行业痛点。
技术突破获得国际认可，英伟达DAIR实验室在最新ARDY模型中，第四次引用了「眸深智能」的MLD与MotionGPT两项原创技术。公司创始人、CEO穆泽林表示，国内具身智能行业普遍采用国外芯片训练再移植国产芯片的方案，存在性能损耗与兼容性问题，而「眸深智能」坚持模型训练、推理全流程基于国产算力芯片原生开发，实现技术栈完全自主可控。
商业化进程同样领先行业。作为国内少数有营收的具身智能大脑公司，「眸深智能」2025年审计回款收入达千万元，2026年上半年增长至3000万元，预计全年营收规模将突破5000万元。公司客户已覆盖工业检测、物业、环卫等多个场景，2026年第一季度已向某港股上市物业公司、A股上市环卫龙头交付机器人产品，并与头部连锁零售集团、白色家电工厂推进人形机器人落地场景研发。
在技术路线分化背景下，穆泽林认为具身智能应聚焦"执行层"问题。他比喻道："大语言模型的成功本质是Transformer架构实现了Token的排列生成，具身智能的核心也应是让机器人稳定完成任务。"通过动作Token的泛化能力，机器人能将学过拿矿泉水瓶的动作迁移至拿手机，通过少量后训练或强化学习即可完成剩余20%的校准，这种技术路径显著降低了新任务执行门槛。
谈及国产算力选择，穆泽林指出长期来看国产GPU是必然方向。团队凭借三大芯片巨头的背景优势，已打通燧原S60、昇腾310/910等国产芯片的部署，下半年将攻克千卡级国产集群训练，实现纯国产化的大模型训练方案。这种优化不仅能解决供应链安全问题，更能提升资本效率——通过算子优化，训练成本可降低至行业平均水平的十分之一。
对于端侧具身芯片市场，穆泽林认为存在重大机遇，但现阶段公司不会涉足芯片制造。他分析道："未来模型需要处理触觉、传感器、3D点云等多模态信号，算力需求将快速提升至1000-2000TOPS。当前量产200TOPS产品的芯片公司，可能面临流片出来时已跟不上模型迭代速度的风险。"公司更聚焦"软硬协同"，通过算子优化让模型适配现有芯片，与芯片公司形成合作生态。
在产业分工预测上，穆泽林认为本体可能像汽车行业般形成特色分化，而大脑领域大概率呈现"一超多强"格局。他解释道："通用大脑的研发门槛极高，国内真正具备研发能力的团队屈指可数。我们目标是成为那个'超级通用大脑'，同时允许其他团队聚焦快递分拣、电力巡检等细分场景。"他判断5-10年内不会出现每家机器人公司都自研大脑的情况，创业公司的灵活性和专注度在需要软硬件深度结合的具身智能领域更具优势。
