大疆系水下AI公司Deeplore获种子轮融资：从智能潜水面镜切入水下探索

据硬氪报道，深圳水下AI自然探索科技公司 Deeplore 近日完成数千万元种子轮融资，投资方为五源资本与顺为资本。此次融资资金将主要用于研发团队扩建、水下AI技术持续投入，并推动其首款 AI 潜水面镜的落地与迭代，同时搭建面向水下自然探索的智能平台技术底座。

Deeplore 于 2025 年诞生于深圳，团队背景颇具消费电子色彩：核心成员多来自大疆，覆盖产品定义、硬件研发、量产交付、全球商业化等链条。相比传统水下装备厂商，这家公司试图把无人机和消费电子行业积累的系统工程、可靠性设计、供应链与全球化经验，迁移到智能潜水装备这一相对低智能化的细分市场。

从天空到深海：大疆老兵押注水下AI入口

来源显示，Deeplore 的三位创始人本身也是潜水与户外运动爱好者。创始人丘力拥有 200 次以上潜水经历和救援潜水员资质，曾任大疆核心结构专家、能源 BU 负责人，也曾参与森合创新的从 0 到 1 创业过程；联合创始人周震昊在大疆深耕十余年，参与过 Phantom、Mavic 等产品动力系统研发，同样具备救援潜水背景；联合创始人顾敏明则具备 20 年全球品牌营销与渠道经验，其创立的 Neakasa 曾进入 Best Buy、Home Depot 等欧美主流零售渠道。

这类组合决定了 Deeplore 的切入方式并非单纯做一款防水相机或传统潜水配件，而是希望围绕“探索者为探索者服务”的理念，将潜水场景中的记录、安全、识别和分享需求整合到一个智能硬件入口中。其首个产品形态选择了潜水面镜，这也是潜水过程中与用户视觉、信息获取和环境感知关系最紧密的装备之一。

在潜水装备市场，传统产品长期由海外品牌主导，许多功能仍分散在潜水电脑表、运动相机、防水壳、补光设备等多个设备中。对于用户来说，水下操作复杂、信息查看不便、拍摄效果受环境影响明显，都是尚未被充分解决的痛点。Deeplore 看中的正是这一“高价值但智能化不足”的空间。

AI潜水面镜的三项关键技术：光学、HUD与端侧识别

Deeplore 首款产品定位为 AI 驱动的智能水下面镜系统。根据报道，其核心技术主要集中在原生多介质水下光学设计、水下 HUD 抬头显示和端侧 AI 海洋生物识别三个方向。

• 原生水下光学系统：不同于“相机加防水壳”的常见方案，Deeplore 采用面向水下环境的原生光学设计，让镜头直接面向水体，并针对水下成像进行调校，以改善解析力、视场角和色散等问题。
• 水下 HUD 抬头显示：将潜水关键数据呈现在用户视野中，减少频繁抬手查看设备的动作，让潜水者在水下保持更高专注度，也有助于提升安全体验。
• 端侧 AI 海洋生物识别：通过设备端实时 AI 能力识别海洋生物，并触发智能记录，既降低拍摄与记录门槛，也让潜水过程更具知识性和互动性。

从技术路径看，Deeplore 并不是简单把 AI 功能“贴”到硬件上，而是在水下光学、显示、识别和交互之间做系统级集成。对于水下场景而言，网络连接不稳定、环境光复杂、用户双手操作受限，这些因素都要求设备具备更强的本地处理能力和更低的交互负担。端侧 AI因此成为水下智能装备的重要方向之一。

影响与解读：智能硬件正在寻找下一个专业场景

过去几年，AI 硬件的讨论更多集中在眼镜、耳机、手机、机器人等大众消费品类，但真正能形成差异化价值的场景，往往来自专业、高频且痛点明确的垂直领域。潜水就是其中之一：用户付费能力相对较强，强调安全与可靠性，同时愿意为更好的记录体验和装备性能付费。

Deeplore 的融资也反映出资本对“AI + 垂直硬件”的持续关注。与通用 AI 设备相比，潜水面镜的市场规模可能更细分，但场景边界清晰、需求明确，产品价值更容易被用户感知。对于一家有消费电子量产背景的团队来说，如何在可靠性、防水密封、光学表现、续航、佩戴舒适度和算法体验之间取得平衡，将直接决定产品能否从概念走向稳定交付。

另一方面，水下探索并不是一个容易被快速复制的市场。水下环境对硬件可靠性要求极高，任何显示延迟、识别误差、佩戴不适或续航不足，都可能影响用户体验甚至安全感。因此，Deeplore 所强调的系统工程能力与量产能力，在这一赛道中并非附加优势，而是产品能否成立的基础。

商业化方面，来源显示，Deeplore 计划以中高端首款产品切入专业潜水圈层，通过口碑建立品牌认知，后续再逐步扩展产品梯度，覆盖更广泛用户。渠道上，公司将同步推进国内专业潜水渠道与欧美主流零售市场。这一路径与许多高端运动科技产品类似：先服务对性能敏感、愿意尝鲜的核心用户，再通过产品迭代降低门槛。

水下AI平台想象空间仍待验证

从单一智能面镜到“水下自然探索智能平台”，Deeplore 的长期目标显然不止硬件销售。若其水下光学、数据记录、AI 识别和用户内容沉淀能够形成闭环，未来可能延展到潜水日志、海洋生物知识库、影像管理、训练辅助甚至水下安全提醒等方向。

不过，这一想象空间仍需要市场验证。水下 AI 设备面临的挑战包括真实环境数据积累、模型在复杂海域中的泛化能力、硬件成本控制、专业认证与用户信任建立等。对于中文科技读者而言，Deeplore 的案例值得关注之处在于：AI 硬件不一定只发生在大众入口，专业场景同样可能孕育新一代智能设备品牌。

如果 Deeplore 能够把大疆式的工程化能力与潜水用户的真实需求结合起来，其 AI 潜水面镜或许会成为水下智能装备的一次重要尝试。接下来，首款产品的实际体验、稳定性与全球化渠道落地，将是观察这家公司能否打开市场的关键。