眸深智能完成近亿元Pre-A轮追加融资：押注端侧具身大脑与“世界动作模型”路线
据硬氪报道，具身智能公司眸深智能（Motion Brain）近日完成近亿元Pre-A轮追加融资，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产业投资平台瑾悦投资、创合汇资本，以及老股东徐汇资本。来源显示，这距离其2026年5月完成3亿元Pre-A轮融资仅约两个月，公司Pre-A+轮近5亿元融资也在交割中。眸深智能成立于2025年1月，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办，定位为“全球最懂动作的自进化具身大脑公司”。
从“视觉-语言-动作”之外切入：以动作为核心建模
当前具身智能赛道中，不少团队沿着VLA（视觉-语言-动作）框架推进，即让机器人通过视觉感知、语言理解与动作执行形成闭环。眸深智能选择了不同技术路线：以动作为中心，提出“世界动作模型”（World Motion Model）方向，试图让机器人先具备更强的动作理解、生成与规划能力。
虽然公司在2025年才注册成立，但来源显示，其技术积累可追溯至2022年。团队曾发布MLD（隐空间动作扩散模型），将动作映射到隐空间，并引入扩散模型生成更自然、连续的人体姿态。通俗理解，模型不再只把动作当作简单离散信号，而是学习动作背后的连续结构，从而减少僵硬和单一的生成结果。
2023年9月，团队进一步发布MotionGPT。该方法将人体姿态拆解为约3000个“动作基元”，类似大语言模型用token生成文本，MotionGPT通过预测下一个“动作token”来组合复杂行为。据报道，这一路线提升了长序列动作任务的理解能力，也让机器人在未见过的指令下，通过重组动作词汇实现一定的零样本泛化。
- 融资进展：完成近亿元Pre-A轮追加融资，Pre-A+轮近5亿元融资处于交割中。
- 团队背景：创始团队来自复旦、英特尔及连续创业背景，核心成员覆盖海思、英特尔、英伟达等芯片相关经验。
- 技术主线：从MLD、MotionGPT到STI-WM，持续围绕动作生成、动作token化和长时序规划展开。
- 落地方向：强调端侧部署、模型压缩和国产芯片适配，降低具身智能系统规模化成本。
STI-WM与端侧自进化：减少真机数据依赖
到2026年，眸深智能团队据称已累计发布7代模型，并推出STI-WM（时空一体世界动作模型）具身大模型。该框架面向机器人长时序规划、在线闭环控制和真实物理交互，试图统一空间结构、时间演化、物理一致性与执行鲁棒性。
在训练范式上，来源显示STI-WM采用“80%互联网视频+10%动捕数据+10%真机数据”的配方：先从大量无标注视频中学习物理规律，再用动捕数据校准生物力学特征，最后用少量真机数据完成闭环对齐。报道称，这种方式将真机数据需求降低90%，并将动作准确度提升至99%。对于具身智能公司而言，真机采集往往成本高、周期长、场景覆盖有限，因此减少对真机数据的依赖，是模型扩展到更多机器人形态和任务场景的关键。
此外，眸深智能还提出T²MB（Task*Task Motion Brain），让模型部署到端侧后具备离线自进化能力。也就是说，机器人无需频繁联网回传数据，就能依托本地交互持续优化任务执行表现。来源称，该机制可使任务执行准确度最高提升25%，目标是缓解机器人落地后遇到问题必须返厂升级的痛点。
影响与解读：具身智能竞争进入“模型路线+算力成本”阶段
眸深智能近期连续获得融资，反映出资本市场对端侧具身大脑的关注正在升温。与只强调云端大模型能力不同，机器人在真实环境中需要低延迟、稳定、安全的控制能力，端侧部署因此成为产业化的重要门槛。来源提到，眸深智能从第一代模型起就同步推进模型压缩与国产芯片适配，并具备算子级适配能力，这意味着其竞争点不仅在算法，也在工程化和硬件协同。
值得注意的是，英伟达DAIR实验室最新ARDY模型中援引了眸深智能的MLD与MotionGPT技术，来源称这是近两年英伟达第三代动作模型对该公司技术路线的第四次引用。对国内具身智能创业公司来说，能否在原创模型方法、端侧成本、数据效率与真实场景落地之间形成闭环，将决定其是否能从“论文与演示”走向规模化部署。
从行业趋势看，具身智能正在从“让机器人看懂和听懂”进一步走向“让机器人会动、会规划、会自我修正”。眸深智能押注动作模型路线，提供了不同于主流VLA框架的样本。接下来，其融资能否转化为产品交付能力，以及端侧模型在物业、服务、工业等场景中的稳定性表现，将是验证这家公司估值增长与技术路线的重要指标。