作者 | 邱晓芬

编辑 | 袁斯来

硬氪获悉，
，，「眸深智能」（Motion Brain）完成近亿元Pre-A轮追加融资，
，，本轮投资方包括中国头部物业服务公司、香港财团、多家上市公司联合打造的工业投资平台瑾悦投资、创合汇资源，
，，以及老股东徐汇资源。
。。。。。

这也是继2026年5月3亿元Pre-A轮之后，
，，「眸深智能」两个月内再次获得投资，
，，别的，
，，该公司Pre-A+轮的近5亿融资也在交割当中。
。。。。。该公司透露，
，，今年上半年以来，
，，「眸深智能」的估值增添超10倍，
，，是业内生长速率最快的具身大脑企业之一。
。。。。。

「眸深智能」建设于2025年1月，
，，定位为全球最懂行动的自进化具身大脑公司，
，，致力于"给10亿台机械人装原生通用大脑"。
。。。。。

该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，
，，与一连创业者穆泽林配合开办。
。。。。。焦点团队拥有海思、英特尔、英伟达三大芯片巨头的配景人士，
，，是海内少数具备算子级适配能力的具身大模子团队。
。。。。。

只管2025年才注册建设，
，，「眸深智能」的手艺积累从2022年已经最先。
。。。。。在手艺蹊径上，
，，「眸深智能」选择了一条与主流VLA（视觉-语言-行动）差别的路径——以行动为焦点的"天下行动模子"（World Motion Model）。
。。。。。

（图源/企业）

从2022年起，
，，「眸深智能」团队已经宣布了MLD（隐空间行动扩散模子）。
。。。。。在其时，
，，行业主流是将行动视为离散的信号，
，，导致天生的行动僵硬且缺乏多样性，
，，而「眸深智能」团队在全球dede规模内首次提出将行动映射到隐空间（Latent Space），
，，并引入扩散模子（Diffusion Model）。
。。。。。

MLD相当于让AI学会了“无师自通”地天生行动：不再需要逐帧教机械人怎样走路，
，，而是让模子像画家去噪一样，
，，从一团随机噪声中还原出自然、连贯的人体姿态。
。。。。。

若是说MLD解决了“怎么天生行动”，
，，「眸深智能」又进一步着眼于怎样“指挥行动”。
。。。。。2023年9月，
，，团队创立性宣布了MotionGPT。
。。。。。类比汉字的基本笔画，
，，团队将人体姿态拆解为约3000个“行动基元”。
。。。。。就像大语言模子（LLM）通过展望下一个token来天生句子一样，
，，MotionGPT通过展望下一个“行动token”来天生重大行为。
。。。。。

这种将一连行动离散化的处理方式，
，，不但极大地提升了模子对长序列使命的明确能力，
，，更主要的是，
，，它让机械人具备了Zero-Shot（零样本）泛化能力——没见过的行动指令，
，，也能通过重组行动词汇来明确并执行。
。。。。。这也是全球首个把行动做成token的具身大模子，
，，揭晓于NeurIPS 2023。
。。。。。

到了2026年，
，，团队已经累计宣布了7代模子，
，，基于前述积累，
，，「眸深智能」团队又进一步推出了STI- WM（时空一体天下行动模子）具身大模子。
。。。。。

STI-WM时空一体天下行动模子是完周全向机械人长时序妄想、在线闭环控制、真实物理交互打造的原生具身智能框架，
，，实现空间结构、时间演化、物理一致性、执行鲁棒性四维一体化统一。
。。。。。

据先容，
，，STI-WM的焦点突破在于，
，，彻底挣脱了古板VLA（视觉-语言-行动）模子对海量真机数据的重度依赖，
，，接纳了“80%互联网视频+10%动捕数据+10%真机数据”的训练配方，
，，并MotionGPT建设的行动辞书，
，，从海量无标注的视频中学习物理纪律，
，，再用少量动捕数据校准生物力学特征，
，，最后仅用10%的真机数据完成闭环对齐。
。。。。。

也就是说，
，，这种全新的数据训练范式，
，，将真机数据需求降低了90%，
，，又将行动准确度提升至99%。
。。。。。

同时，
，，「眸深智能」团队又在今年3月提出的T?MB（Task*Task Motion Brain）也让机械人具备了离线自进化能力，
，，当模子安排到端侧后，
，，无需联网回传数据，
，，仅凭外地交互就能一连优化性能，
，，使命执行准确度最高提升25%，
，，解决了机械人落地后发明bug必需返厂升级的痛点。
。。。。。

值得注重的是，
，，英伟达DAIR实验室在最新ARDY模子中，
，，便援引了「眸深智能」的MLD与MotionGPT两项原创手艺——这是近两年英伟达第三代行动模子对该公司手艺蹊径的第四次引用。
。。。。。

不过，
，，真正决议这套大脑能否规
；；；；，
，，除了手艺蹊径之外，
，，尚有端侧算力本钱，
，，这也是「眸深智能」的一大竞争壁垒。
。。。。。据先容，
，，「眸深智能」从第一代模子起就同步推进两个偏向——模子压缩与国产芯片适配。
。。。。。

一方面，
，，通过模子蒸馏、冗余参数压缩等工程化方案，
，，「眸深智能」将千亿参数级模子压缩至百亿级别，
，，在详细场景中参数目降低约75%，
，，端侧推理延迟从约200毫秒降至10毫秒左右
；；；；另一方面，
，，同步适配海思（昇腾310/910）、地平线、燧原（燧原S60）等国产芯片平台，
，，实现低功耗、高实时、超低本钱的端侧推理。
。。。。。

这套软硬协同的打法，
，，带来的直接效果是，
，，模子端侧推理本钱从20万元降至1万元，
，，大脑续航时间提升10倍，
，，而精度和性能却不掉点。
。。。。。这一压缩事情也资助该团队获得了IJCAI 2025全球最佳论文奖，
，，也是近五年唯一获此奖项的中国大陆团队。
。。。。。

依托这一能力，
，，「眸深智能」可在两周内完成一套具身大模子从一个本体到另一个本体的适配，
，，包括复旦自研的“光华1号”、宇树G1、上海人形机械人立异中心的“青龙”和“灵龙”等本体。
。。。。。

（图源/企业）

「眸深智能」首创人、CEO穆泽林体现，
，，海内具身智能行业普遍接纳在外洋芯片上训练、再移植适配国产芯片的方案，
，，性能消耗与兼容性问题突出，
，，而「眸深智能」未来在模子训练、推理全流程中将基于国产算力芯片原生开发，
，，实现手艺栈完全自主可控。
。。。。。

在商业化层面，
，，「眸深智能」一ㄇ现在海内少数有营收的具身智能大脑公司。
。。。。。穆泽林告诉硬氪，
，，其2025年审计回款收入万万元，
，，2026年上半年3000万元，
，，预计今年营收规模5000万元以上。
。。。。。

现在，
，，公司客户笼罩工业检测、物业、环卫等场景。
。。。。。2026年第一季度，
，，「眸深智能」已与某港股上市物业公司、A股上市环卫龙头的机械人产品交付
；；；；正在推进与头部连锁零售集团、头部白色家电工厂的人形机械人落地场景研发。
。。。。。

以下是硬氪与穆泽林的交流实录（略经摘编）

硬氪：行动怎么酿成Token
？？？？？这是行业难点吗
？？？？？

穆泽林：确实是行业卡点。
。。。。。我们可以把行动明确为「数字化的姿态」：就像小人书的一页是一个静态姿势，
，，一连翻页就成了动画。
。。。。。我们早期通过几十人团队手工标注了几万个姿态，
，，界说了3000多个基础行动Token，
，，类似汉字的3000个常用字，
，，组合后能笼罩人类所有行为。
。。。。。

更焦点的是让模子学习行动间的关联：就像大语言模子通过学习海量文本掌握字词排列纪律，
，，我们让模子寓目百万小时的互联网视频（影视剧、监控、Vlog等），
，，学习「喝水时手会抬到嘴边」「抱胸后或许率会睁开手臂」这类行动因果逻辑。
。。。。。同时连系10%的动捕数据和10%的真机数据做校准，
，，最终实现行动Token的端到端天生——支持从文本、图片、3D点云到行动的转化，
，，也就是原生多模态能力。
。。。。。

硬氪：行动Token的组合会不会导致算力需求爆炸
？？？？？怎样优化
？？？？？

穆泽林：我们不需要穷举所有行动，
，，而是学习行动的排列纪律。
。。。。。优化主要有两个偏向：一是数据层面，
，，80%用互联网视频（已做物理先验过滤，
，，确保切合现实纪律），
，，降低对高本钱动捕/真机数据的依赖
；；；；二是模子压缩层面，
，，我们在端侧安排上有深挚积累，
，，曾获得全球顶会最佳论文——通过Token剪枝、量化、动态优化等手艺，
，，能把端侧盘算量降低62倍，
，，推理延时从200毫秒压缩到10毫秒，
，，模子参数目镌汰80%的同时精度不降反升（部分使命提升3%-6%）。
。。。。。

硬氪：现在具身智能领域手艺蹊径分化，
，，有的着重影象，
，，你们是着重行动，
，，您怎么看这种分化
？？？？？

穆泽林：回归第一性原理：大语言模子的乐成实质是Transformer架构实现了Token的排列天生。
。。。。。具身智能也应该遵照这个逻辑，
，，焦点是解决「执行层」问题——让机械人能稳固完成使命。
。。。。。

像影象优化这类更底层的问题，
，，我以为短期很难通过首创公司突破，
，，需要DeepSeek、OpenAI这类巨头在芯片存储、存算一体架构上的恒久探索。
。。。。。我们更务实：通过行动Token的泛化能力（Zero-Shot）解决新使命执行问题，
，，好比机械人学过拿矿泉水瓶，
，，没学过专长机，
，，也能通过行动序列迁徙完成80%的准确度，
，，剩余20%通过少量后训练或强化学习校准即可。
。。。。。

硬氪：为什么选择适配国产算力，
，，而不是用更成熟的英伟达卡
？？？？？

穆泽林：恒久来看，
，，国产GPU是必定选择——N卡会越来越贵、供应受限。
。。。。。凯时AG焦点优势是「懂芯片」：团队有海思、英特尔、英伟达三大芯片巨头的配景，
，，是海内唯一具备算子级适配能力的具身大模子团队。
。。。。。现在已经买通了燧原S60、昇腾310/910等国产芯片的安排，
，，下半年目的是攻克千卡级国产集群训练，
，，实现纯国产化的大模子训练方案。
。。。。。

这不但能解决供应链清静问题，
，，更能提升资源效率：好比别人训练一次需要1万张卡、破费5亿，
，，我们通过算子优化，
，，1000张卡、5000万就能完成，
，，类似DeepSeek的低本钱训练逻辑。
。。。。。

硬氪：具身智能芯片的时机在那里
？？？？？你们会自己做吗
？？？？？

穆泽林：端侧具身芯片确实是大时机，
，，现在海内已有20多家公司在结构（好比辉曦、光与星辰等），
，，但大多瞄准200TOPS算力（类似英伟达Orin）。
。。。。。我们以为未来模子需要处理触觉、传感器、3D点云等多模态信号，
，，算力需求会快速提升到1000-2000TOPS——若是芯片公司现在量产200TOPS的产品，
，，等流片出来时可能已经跟不上模子迭代速率。
。。。。。

我们不会自己做芯片，
，，除非未来公司规模抵达数千亿级。
。。。。。现阶段更聚焦「软硬协同」：通过算子优化让模子适配现有芯片，
，，和芯片公司相助而非重复造轮子。
。。。。。

硬氪：未来工业分工会是怎样的
？？？？？大脑和本体是否会各自形成通用供应商
？？？？？

穆泽林：本体可能会像汽车行业一样，
，，有差别的特色（好比负载更大、更轻量化），
，，但大脑领域或许率会形成「一超多强」名堂——通用大脑的研发门槛极高，
，，海内真正具备研发能力的团队屈指可数。
。。。。。我们目的是成为谁人「超等通用大脑」，
，，同时允许其他团队聚焦细分场景（好比快递分拣、电力巡检）。
。。。。。

5-10年内，
，，不会泛起每家机械人公司都自研大脑的情形——大脑的研发投入（人才、算力）远超本体，
，，创业公司更有时机突破，
，，就像OpenAI不是大厂孵化的。
。。。。。大厂的优势在纯软件场景，
，，而具身智能需要软硬件深度连系，
，，创业公司的无邪性和专注度更有优势。
。。。。。

首页图源｜企业供图

排版｜范馨雅

非洲青年带家乡水稻丰收照片思念袁隆平