估值半年暴涨十倍！具身大脑新星「眸深智能」获近亿元追加融资，打造国产端侧“动作大模型”

type

status

date

slug

summary

核心团队与自研“世界动作模型”技术路径

眸深智能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以及连续创业者穆泽林共同创立。团队汇聚了海思、英特尔、英伟达等半导体巨头的顶尖芯片与算法人才。

与行业内普遍采用的VLA（视觉-语言-动作）模型不同，眸深智能另辟蹊径，专注于以动作为核心的“世界动作模型”（World Motion Model, WMM）。从早期的隐空间动作扩散模型（MLD）到全球首个将动作离散化为Token的MotionGPT，团队成功构建起包含3000多个“动作基元”的动作词典，使机器人具备了强大的零样本（Zero-Shot）泛化能力。

其最新推出的STI-WM（时空一体世界动作模型）通过“80%互联网视频 + 10%动捕数据 + 10%真机数据”的创新训练配方，将真机数据需求降低了90%，动作准确率却提升至99%，极大解决了机器人训练数据获取难的痛点。

算子级芯片适配与端侧低成本商业化

决定具身智能能否大规模商用的关键，在于端侧的部署成本与功耗。眸深智能在模型压缩与国产芯片适配上建立起深厚壁垒。

通过模型蒸馏和冗余参数压缩，团队成功将千亿级大模型压缩至百亿级，使端侧推理延迟从200毫秒缩短至10毫秒左右，推理硬件成本从20万元暴降至1万元。更重要的是，眸深智能具备罕见的国产芯片算子级适配能力，目前已完成对海思昇腾、地平线、燧原等国产硬件平台的深度适配，实现了全栈技术的自主可控。

在商业化进程上，眸深智能已在工业检测、物业服务、环卫等多个场景实现落地，2026年上半年回款已达3000万元，预计全年营收将突破5000万元，成为行业内少有的实现规模化营收的具身大脑企业。

技术落地面临的潜在风险与瓶颈

尽管眸深智能展现出强劲的发展势头，但其未来的规模化普及仍面临不少挑战。首先是物理环境的多样性与复杂性。尽管世界动作模型在模拟和特定测试场景中表现优异，但在面对极端天气、复杂地形或突发动态障碍物时，机器人的实际执行鲁棒性仍需时间检验。

其次，端侧芯片的算力瓶颈依然存在。虽然通过算子优化降低了功耗，但多模态信号（如触觉、3D点云等）的实时处理依然对端侧算力提出了极高要求。最后，国内具身智能赛道竞争日趋白热化，如何建立起持续的技术壁垒并快速拓展多元化客户，是眸深智能必须面对的现实课题。

结语

眸深智能凭借独特的“世界动作模型”技术路径以及深度适配国产算力的硬核实力，在具身大模型领域开辟出了一条高性价比的商业化新路。随着本轮近亿元资金的注入，眸深智能有望加速技术迭代与多场景人形机器人的场景落地，为“给10亿台机器人装上原生通用大脑”的宏伟愿景奠定坚实基础。