獲宇樹(shù)、小米合作，復(fù)旦教授聯(lián)手前英特爾首席科學(xué)家創(chuàng)業(yè)，打造具身智能的OpenAI

智東西
作者｜許麗思
編輯｜漠影

一臺(tái)機(jī)器人，昨天還在倉(cāng)庫(kù)里熟練地分揀包裹，今天換了個(gè)貨架就懵了，這是眼下不少機(jī)器人面臨的尷尬處境：稍微改變一下工作環(huán)境，機(jī)器人的干活能力就像失效了一樣，沒(méi)法舉一反三。

這背后折射出的，正是主流VLA路線的局限性：VLA曾被視作通往通用機(jī)器人的關(guān)鍵路徑，但越來(lái)越多人意識(shí)到，其在面對(duì)物理世界千變?nèi)f化的實(shí)時(shí)交互時(shí)，顯得力不從心，泛化能力有限，難以舉一反三。

在這樣的背景下，一家成立于2025年的上海創(chuàng)企眸深智能獨(dú)辟蹊徑，沿著生成式路線打造機(jī)器人原生通用大腦，該公司也是全球首家生成式通用具身大腦公司。

眸深智能由三位復(fù)旦校友聯(lián)手創(chuàng)辦：首席科學(xué)家陳濤為復(fù)旦教授、原華為海思AI圖像算法引擎負(fù)責(zé)人，CEO穆澤林是連續(xù)創(chuàng)業(yè)者，張益民為英特爾中國(guó)前首席科學(xué)家及英特爾首席工程師，掌舵工程與架構(gòu)。

“眸深”這個(gè)公司名字背后，也帶著團(tuán)隊(duì)對(duì)具身智能的理解：英文源于團(tuán)隊(duì)核心技術(shù)的“Motion GPT”（動(dòng)作生成大模型），中文“眸”代表以視覺(jué)為基石，讓機(jī)器人手眼并用，真正在物理世界動(dòng)起來(lái)。

獨(dú)特技術(shù)路線、完備且資深的團(tuán)隊(duì)讓眸深智能受資本青睞，今年1月，該公司剛連續(xù)完成數(shù)千萬(wàn)人民幣天使輪追加投資，由上海國(guó)和投資領(lǐng)投。穆澤林在接受智東西專訪時(shí)透露，該公司基本上每個(gè)月都會(huì)交割一輪融資。

眸深選擇對(duì)標(biāo)美國(guó)Skild AI，這兩家公司的產(chǎn)品思路都強(qiáng)調(diào)“一腦多形”，只是技術(shù)范式和能力重點(diǎn)有所不同。眸深智能的終極目標(biāo)，是要成為“具身智能時(shí)代的Windows”，打造市值千億以上的通用大腦平臺(tái)。

一、復(fù)旦“鐵三角”聯(lián)手創(chuàng)業(yè)，要讓機(jī)器人真正在物理世界動(dòng)起來(lái)

眸深智能的誕生，源于CEO穆澤林對(duì)更大機(jī)會(huì)的追尋，以及首席科學(xué)家陳濤將學(xué)術(shù)成果落地為產(chǎn)業(yè)價(jià)值的渴望。

穆澤林有著豐富的創(chuàng)業(yè)經(jīng)歷，曾創(chuàng)辦了聚焦于AI外呼領(lǐng)域的木心智能。在成功將木心智能做到年?duì)I收過(guò)億后，他敏銳地看到了業(yè)務(wù)的天花板，選擇賣掉公司，繼續(xù)在AI領(lǐng)域?qū)ふ乙粋€(gè)能做十年、二十年的方向。

陳濤的動(dòng)機(jī)則更像一個(gè)學(xué)者對(duì)產(chǎn)業(yè)化的主動(dòng)轉(zhuǎn)身。他曾任職華為新加坡中央研究院、現(xiàn)任復(fù)旦大學(xué)教授。在長(zhǎng)期的學(xué)術(shù)研究過(guò)程中，他覺(jué)得，高校科研與產(chǎn)業(yè)結(jié)合度低，難以將成果落地，應(yīng)該要借助產(chǎn)業(yè)資源將原創(chuàng)理論落地；反過(guò)來(lái)，真實(shí)場(chǎng)景中遇到的挑戰(zhàn)還可以倒逼高校研究更有針對(duì)性。

事實(shí)上，兩人早在2019年就已經(jīng)有過(guò)共同創(chuàng)業(yè)的念頭。只是當(dāng)時(shí)陳濤剛從海外和企業(yè)回到復(fù)旦，科研平臺(tái)剛起步，還不適合馬上投入創(chuàng)業(yè)。

直到2023年ChatGPT出現(xiàn)后，創(chuàng)業(yè)的想法經(jīng)過(guò)幾年的沉淀后終于開(kāi)始走向落地，兩人決定聚焦具身智能模型的相關(guān)領(lǐng)域。

團(tuán)隊(duì)“鐵三角”的補(bǔ)齊，得益于前英特爾中國(guó)首席科學(xué)家張益民的加入。張益民與穆澤林、陳濤同是復(fù)旦校友，是前英特爾中國(guó)研究院首席科學(xué)家及英特爾首席工程師，原機(jī)器人交互實(shí)驗(yàn)室高級(jí)總監(jiān)，從2015年起負(fù)責(zé)服務(wù)機(jī)器人研發(fā)。

至此，眸深智能形成了“模型算法+商業(yè)化+工程架構(gòu)”的互補(bǔ)組合：穆澤林負(fù)責(zé)商業(yè)化與組織，陳濤主導(dǎo)模型算法，張益民補(bǔ)上工程與架構(gòu)。

據(jù)了解，眸深智能的團(tuán)隊(duì)規(guī)模并不大，全職員工不到20人。但其背后依托著與復(fù)旦大學(xué)的校企聯(lián)合研究中心，擁有一支60余人的強(qiáng)大博士研究團(tuán)隊(duì)。這種“小型公司+大研究院”的結(jié)構(gòu)，構(gòu)成了它與大部分創(chuàng)業(yè)公司不同的組織基礎(chǔ)。

具身智能行業(yè)迭代速度快，為了平衡短期成功壓力與長(zhǎng)期基礎(chǔ)研究的投入，眸深智能內(nèi)部形成了獨(dú)特的“頂天+立地”的雙線研發(fā)陣型。

“頂天”的研究由高校聯(lián)合實(shí)驗(yàn)室的博士團(tuán)隊(duì)負(fù)責(zé)前沿探索，聚焦從0到1的創(chuàng)新技術(shù)研發(fā)；而“立地”則偏向于工程化落地，由公司內(nèi)部的工程師團(tuán)隊(duì)結(jié)合成熟技術(shù)與自研模塊，以客戶為中心進(jìn)行交付。這兩條線形成閉環(huán)，前沿探索為工程落地提供技術(shù)儲(chǔ)備，工程實(shí)踐又為前沿研究指明方向。

陳濤談道，眸深智能在開(kāi)展研究前期，就通過(guò)考察國(guó)內(nèi)外頭部機(jī)構(gòu)的研究進(jìn)展，堅(jiān)決避開(kāi)VLA等已過(guò)度內(nèi)卷的同質(zhì)化賽道，專注于生成式和端側(cè)部署等更具特色的深層研究。

但不碰同質(zhì)化，不等于閉門(mén)造車。眸深同時(shí)也秉持兼容并包、取長(zhǎng)補(bǔ)短的理念，借鑒外界出色的研究成果優(yōu)點(diǎn)，并與自研技術(shù)融合，在差異化中形成自身特色。更重要的是，團(tuán)隊(duì)堅(jiān)持技術(shù)與場(chǎng)景同步推進(jìn)，不等技術(shù)100%成熟才考慮落地，而是主動(dòng)尋求場(chǎng)景和業(yè)務(wù)。

二、不走尋常路，堅(jiān)持生成式是人機(jī)互動(dòng)的理想范式

眸深選擇生成式技術(shù)路線，根植于陳濤早期形成的技術(shù)信仰。

在他看來(lái)，AI的終極目標(biāo)是服務(wù)人，人首先需要的是互動(dòng)的價(jià)值，傳統(tǒng)模仿學(xué)習(xí)或預(yù)編程機(jī)器人缺乏互動(dòng)性，而生成式是實(shí)現(xiàn)人機(jī)互動(dòng)的理想范式。

以ChatGPT為例，生成式模型能夠根據(jù)人的問(wèn)題和反饋不斷修正和完善自己的回應(yīng)，這種動(dòng)態(tài)交互的能力正是具身智能所需要的核心特質(zhì)。

眸深自主研發(fā)的全球首個(gè)數(shù)字人動(dòng)作生成模型MotionGPT，首創(chuàng)了“動(dòng)作基元”技術(shù)，將復(fù)雜的動(dòng)作序列拆解為上千個(gè)基礎(chǔ)元素，模型可根據(jù)自然語(yǔ)言指令，動(dòng)態(tài)調(diào)用并組合這些基元，生成全新的、未訓(xùn)練過(guò)的動(dòng)作序列。

▲MotionGPT框架圖

為了攻克數(shù)據(jù)瓶頸，眸深開(kāi)創(chuàng)性地采用了“三段式訓(xùn)練架構(gòu)”：先用90%的互聯(lián)網(wǎng)視頻讓模型理解通用運(yùn)動(dòng)規(guī)律，再用仿真數(shù)據(jù)微調(diào)適配，最后僅需極少量的真機(jī)數(shù)據(jù)進(jìn)行強(qiáng)化學(xué)習(xí)校準(zhǔn)，大幅降低了數(shù)據(jù)成本，提升訓(xùn)練效率。

▲機(jī)械臂抓取物體，相比目前最前沿的Pi0.5模型效率高80%

針對(duì)互聯(lián)網(wǎng)視頻數(shù)據(jù)質(zhì)量參差不齊的問(wèn)題，陳濤團(tuán)隊(duì)還自研了一套半自動(dòng)的數(shù)據(jù)篩選、標(biāo)注以及自動(dòng)化數(shù)據(jù)搜索與蒸餾技術(shù)，讓模型在學(xué)習(xí)過(guò)程中動(dòng)態(tài)選擇最適合當(dāng)前階段的數(shù)據(jù)，最后用價(jià)值觀對(duì)齊和真機(jī)微調(diào)提升模型性能。

在模型輕量化與端側(cè)部署上，眸深研發(fā)了全球首個(gè)多模態(tài)模型輕量化方案MADTP動(dòng)態(tài)令牌剪枝算法，目前已經(jīng)升級(jí)到第三代MADTP++,實(shí)現(xiàn)將模型壓縮至原來(lái)的1/8、推理速度提升10-20倍的效果，實(shí)現(xiàn)百億參數(shù)模型在機(jī)器人端側(cè)芯片上的高效運(yùn)行。

▲眸深具身大模型算側(cè)壓縮框架獲得IJCAI 2025全球最佳論文獎(jiǎng)

這個(gè)算法能夠把模型變“輕”，不僅可以通過(guò)壓縮，把體量大的模型壓到端側(cè)可承載的規(guī)模，還能在推理階段做動(dòng)態(tài)調(diào)用，按任務(wù)復(fù)雜度調(diào)動(dòng)不同參數(shù)量，避免端側(cè)每次滿負(fù)荷運(yùn)轉(zhuǎn)，從而把算力消耗壓到可控區(qū)間。

眸深智能還提出了全球首個(gè)“世界動(dòng)作模型（World Motion Model）”。它使機(jī)器人擁有理解物理規(guī)律和動(dòng)作原理的通用能力，能夠根據(jù)外部環(huán)境做出實(shí)時(shí)反應(yīng)，生成最符合當(dāng)下環(huán)境的動(dòng)作。

▲多機(jī)協(xié)同運(yùn)動(dòng)演示

歸根結(jié)底，眸深智能一直堅(jiān)持生成式路線，瞄準(zhǔn)的就是讓機(jī)器人具備像人一樣在交互中理解環(huán)境、生成決策并即時(shí)行動(dòng)的能力，這也是機(jī)器人真正走出實(shí)驗(yàn)室、進(jìn)入復(fù)雜現(xiàn)實(shí)場(chǎng)景的核心前提。

三、找準(zhǔn)生態(tài)位，以原生大腦賦能千行百業(yè)落地

當(dāng)前，不少具身智能項(xiàng)目容易卡在POC或Demo階段，穆澤林認(rèn)為，主要有兩大原因：一是技術(shù)本身泛化性不足，產(chǎn)品難以從示范走向規(guī)模化；二是POC設(shè)計(jì)之初就沒(méi)有考慮規(guī)模化后的節(jié)拍、續(xù)航、工作壽命等現(xiàn)實(shí)問(wèn)題，一個(gè)Demo或許可以忽略這些約束，但現(xiàn)實(shí)商業(yè)化落地不能。

所以，眸深智能的商業(yè)化打法，就是選擇那些技術(shù)能領(lǐng)先市場(chǎng)6-12個(gè)月、容錯(cuò)率較高的領(lǐng)域，作為技術(shù)的最佳試驗(yàn)場(chǎng)，逐步實(shí)現(xiàn)規(guī)模化落地，避免陷入純技術(shù)演示的困境。

圍繞這一思路，眸深目前明確聚焦兩個(gè)垂直方向：工業(yè)物流等多場(chǎng)景搬運(yùn)，以及家庭健康養(yǎng)老。前者重點(diǎn)對(duì)應(yīng)動(dòng)態(tài)避障、多機(jī)協(xié)同等需求，后者則會(huì)從安全監(jiān)護(hù)逐步延伸到肢體輔助等更復(fù)雜服務(wù)。

在接訂單這件事上，眸深智能顯得有些克制。穆澤林提到，眸深智能在訂單選擇上有著清晰的三大標(biāo)準(zhǔn)：只與千億級(jí)以上的產(chǎn)業(yè)龍頭合作；只合作單一類型有萬(wàn)臺(tái)以上潛在訂單的規(guī)模化項(xiàng)目；只投入面向國(guó)家重大需求、具有戰(zhàn)略意義的領(lǐng)域。不符合標(biāo)準(zhǔn)的訂單一概不接，確保資源集中投入到長(zhǎng)期價(jià)值項(xiàng)目中。

目前，眸深智能的技術(shù)已快速進(jìn)入產(chǎn)業(yè)化驗(yàn)證階段。據(jù)了解，該公司在成立第一年就獲得了來(lái)自宇樹(shù)科技、國(guó)地中心、禾川科技、小米集團(tuán)等頭部客戶的青睞，去年已確認(rèn)三千萬(wàn)元的訂單收入。

展望今年，穆澤林對(duì)訂單增長(zhǎng)有明確預(yù)期，預(yù)計(jì)將達(dá)到六七千萬(wàn)元，主要增長(zhǎng)將來(lái)自其核心產(chǎn)品“大腦模組”和ODM機(jī)器人出貨，目前已簽約兩家行業(yè)龍頭企業(yè)，將帶來(lái)數(shù)千萬(wàn)元的收入。

穆澤林覺(jué)得，具身智能產(chǎn)業(yè)將像PC時(shí)代和自動(dòng)駕駛時(shí)代一樣走向分工協(xié)作，機(jī)器人本體長(zhǎng)期將是多種物理拓?fù)浣Y(jié)構(gòu)共存，很難由單一結(jié)構(gòu)的機(jī)器人適應(yīng)所有需求。因此，眸深立志成為機(jī)器人領(lǐng)域的通用“大腦”供應(yīng)商，專注賦能下游本體廠商和終端客戶。

對(duì)于是否會(huì)涉足硬件本體，首席科學(xué)家陳濤表示，當(dāng)前階段將非常專注大腦及端側(cè)模組，打造軟硬結(jié)合的系統(tǒng)。未來(lái)，眸深智能不排除根據(jù)特定場(chǎng)景需求，與本體廠商合作DIY定制本體，但不會(huì)從頭到尾自研機(jī)械結(jié)構(gòu)。

結(jié)語(yǔ)：破解架構(gòu)瓶頸，眸深智能以第一性原理為機(jī)器人重塑可持續(xù)學(xué)習(xí)的原生大腦

談及當(dāng)前影響具身模型為何難以收斂，陳濤認(rèn)為，關(guān)鍵在于缺乏一個(gè)為機(jī)器人原生的模型架構(gòu)。現(xiàn)有模型多從語(yǔ)言模型演化而來(lái)，原生能力是時(shí)序語(yǔ)言建模，其“基因”注定難以應(yīng)對(duì)具身領(lǐng)域高度非結(jié)構(gòu)化的數(shù)據(jù)和場(chǎng)景。

具身智能領(lǐng)域好的訓(xùn)練目標(biāo)，也不應(yīng)僅僅是預(yù)測(cè)下一個(gè)動(dòng)作token，而是應(yīng)該實(shí)現(xiàn)對(duì)視覺(jué)、語(yǔ)言意圖和行為動(dòng)作這三類token的精準(zhǔn)預(yù)測(cè)與深度融合，這才是通往通用物理智能的關(guān)鍵。

所以，具身智能需要專為其打造的原生大腦，根據(jù)第一性原理，從機(jī)器人操作的本質(zhì)和物理規(guī)律出發(fā)來(lái)設(shè)計(jì)模型。同時(shí)要能夠?qū)崿F(xiàn)機(jī)器人大腦的端側(cè)部署閉環(huán)，可以實(shí)現(xiàn)像人一樣邊干邊學(xué)，在執(zhí)行的過(guò)程中不斷提升模型能力，這恰恰是眸深長(zhǎng)期以來(lái)一直在做的事情。

據(jù)了解，未來(lái)三年，眸深智能已經(jīng)有了明確的規(guī)劃：客戶端今年實(shí)現(xiàn)10家以上上市公司的戰(zhàn)略合作簽約，5-6家以上進(jìn)入小批量產(chǎn)，3家實(shí)現(xiàn)規(guī)模化放量，并最終在三年內(nèi)服務(wù)約20家頭部客戶。資本層面，完成3-4輪新的融資，迅速躋身行業(yè)頭部。

技術(shù)上，眸深智能即將發(fā)布全球首個(gè)人類思維方式的世界模型（HL3DWM），未來(lái)將繼續(xù)致力于減少物理幻覺(jué)、增強(qiáng)交互實(shí)時(shí)性，并進(jìn)一步升級(jí)其生成式架構(gòu)，朝著測(cè)試即訓(xùn)練、在執(zhí)行中進(jìn)化的機(jī)器人原生大腦邁進(jìn)。