当所有人都在卷人形机器人本体的时候，有一家成立仅一年多的上海公司，选择了一条更“底层”的路——做机器人的通用大脑。
眸深智能，2025年1月成立，核心团队是三位复旦校友：95后CEO穆泽林、复旦与上海创智学院双聘教授陈涛、前英特尔中国首席科学家张益民。公司主打“端侧原生跨本体通用具身大脑”，口号是“为世界提供10亿台机器人原生大脑”。
听起来像科幻？但数据不撒谎：成立当年营收突破3000万，今年上半年订单已达6000万；半年完成五轮融资，最新Pre-A轮3亿元，5倍超额认购；与宇树科技、小米、国地中心、颐家养老等头部客户深度合作，签下万台级订单。
具身智能到底是虚火还是真风口？大脑赛道能否诞生下一个Windows？带着这些问题，我和眸深智能的三位核心成员聊了近三个小时，也请教了上海市人工智能研究院总工程师沈灏。
为什么是“大脑”，不是“身体”？
“2021年我们就开始做MotionGPT了。”穆泽林告诉我，那时ChatGPT还没火，具身智能更是冷门。
他此前已经有过一次成功创业——联合创办木心智能，营收过亿、利润2000万，并购退出。但他在华兴资本做投行的经历让他看清一个趋势：“机器人要真正大规模落地，瓶颈不在硬件，在智能。而智能的核心，是大脑。”
传统机器人的问题是“一机一系统、机型不互通、适配成本高”。每一款机器人都要单独训练模型，换一个型号，数据作废，重头再来。这不仅昂贵，而且根本无法支撑规模化。
眸深想做的，就是一套能通吃全品类机器人的底层智能系统——“一脑多形”。无论是人形、轮式、工业机械臂，还是居家康养机器人，同一个大脑，三周内就能完成适配。
再打个比方：“以前的机器人像背台词，眸深想让机器人学会即兴表演。”
技术护城河：端侧、原生、跨本体
眸深的技术路线有几个关键词：端侧、原生、跨本体、World Motion Model。
端侧，意味着机器人大脑不依赖云端。大模型一般跑在昂贵的云端服务器上，但眸深把百亿参数模型压缩到几千块的端侧芯片上，性能不降，功耗极低。穆泽林说：“机器人掉个杯子不可能先问云端再反应，80%以上的任务必须端侧立刻处理。”
原生，指的是机器人能在执行任务的过程中自主学习、自我进化，而不需要离线回传数据重新训练。陈涛解释：“就像人脑，你出生时大脑就在身上，边做事边反思边进步。我们想让机器人也这样。”
跨本体，则是眸深最硬核的商业能力。目前行业内，换一个机器人本体，大脑适配通常需要数周甚至一个月。眸深宣称已缩短到一周甚至三天。陈涛透露，秘诀在于“动作基元”抽象层——用海量免费互联网视频数据学习动作逻辑，只用不到10%的真机数据完成参数映射，数据成本降低千倍。
这些技术积累并非一日之功。从2022年首发全球第一款机器人运动生成大模型MotionGPT，到2023年加入因果约束、2024年加入物理机制，再到2026年初发布全球首个类人思维范式的世界模型HL3DWM，眸深团队已在具身大模型领域迭代了7代，拿下了IJCAI 2025全球最佳论文（近五年唯一中国团队）、ICCV三维目标识别冠军等顶级荣誉。
商业模式：不做“淘金者”，做“卖铲人”
“我们不做机器人整机，我们给所有机器人提供大脑。”穆泽林反复强调这一点。
眸深的商业化路径很清晰：大脑模组+整机交付。客户可以是本体厂商（如宇树、傅利叶），也可以是终端场景方（如宜家、美的、劲旅环境）。目前客单价从几千元到数万元不等，万台级订单已经签约多个。
为什么客户愿意买单？陈涛给我算了一笔账：用眸深的大脑，机器人本体厂商不需要养庞大的AI团队，不需要自研大模型，三周就能让一款新机器人“开箱即用”，研发成本大幅下降。
那宇树、小米这种头部本体厂商自己也在做大模型，会不会把眸深踢出局？
陈涛并不担心。他给出三个理由：
第一，中国大量制造企业（美的、长虹、汽车主机厂等）都在自研本体，但它们不会自研大脑。这些场景方才是眸深的核心客户。
第二，本体厂商自研的大脑，通常只适配自己的本体。而眸深是跨本体的，可以快速接入任何品牌、任何形态的机器人，灵活性无法比拟。
第三，大脑和本体是两种能力。做大脑需要顶尖的AI算法人才、多年的模型积累和持续迭代能力；做本体更多是机械、控制、供应链的问题。“一个公司想把两者都做到极致，非常困难。”
上海市人工智能研究院总工程师沈灏也持类似观点：“做脑的团队现在比做整机的少得多，但一旦灵魂问题解决了，机器人能力会上一个大台阶。融资热是正常的，因为这个问题太关键了。”
资本视角：半年五轮，钱在找人
眸深融资速度快到令人咋舌。天使轮、天使+、天使++、Pre-A……半年五轮，最新3亿，5倍超额认购。领投方包括绿技行资本、闽招基金等国有资本，也有上市公司产业资本。
穆泽林坦言，很多时候是钱在找人。“我们其实没怎么主动出击，很多机构看到我们在国地中心、宇树的落地案例，自己找过来的。”
但他也提醒创业者：融资快不一定是好事，容易让团队把精力从产品转向估值。“我们内部定了一条铁律——产品迭代和商业化的速度，必须比融资速度快。”
对于投资机构的建议，穆泽林给出三个判断维度：
1. 跨本体适配的真实速度和数量。能不能在一周内让一个新机器人跑起来？能不能适配5种以上不同形态的本体？
2. 商业化订单的质量。是不是真正回款的订单？客户是不是头部场景方？复购率如何？
3. 团队基因。做大脑需要同时懂算法、懂芯片、懂供应链。三个能力缺一不可。
沈灏则从产业角度补充：“三五年后，具身智能一定会从炫酷demo走向真实场景。投资人要看的不是谁跳舞跳得好，而是谁能在工厂流水线、养老院、商超里真正帮客户解决问题。”
落地场景：从工厂到家庭，分步走
虽然愿景是10亿台机器人，但眸深的落地路径很务实。
短期（1-2年）：聚焦物业环卫、物流分拣、零售服务等容错率较高的场景。这些场景对精准度要求不是极致，但需求量大。眸深已与某环卫上市公司签约万台捡拾机器人。
中期（2-3年）：进入工业制造，如汽车装配、3C电子、家电产线。与美的、利欧集团等正在推进POC验证。这些场景节拍和精度要求高，但一旦突破，订单体量巨大。
长期（3-5年及以上）：居家康养、家庭服务。眸深已与颐家养老签约三年万台居家康养机器人项目，从人机协作开始（帮护工打杂、递物品、辅助康复），逐步升级。陈涛坦言：“家庭场景的安全和伦理门槛很高，喂药、翻身这类动作可能还要更长时间。”
未来的挑战与机遇
尽管技术领先、融资顺利，眸深并非没有隐忧。
首先，大厂自研大脑的趋势会不会挤压第三方空间？眸深的战略不是和宇树抢生意，是和所有自研大脑的效率比。陈涛解释：“只要我们的适配速度更快、成本更低、跨本体能力更强，客户没有理由全栈自研。”
其次，数据飞轮能否真正转起来？具身智能需要海量真实场景数据。眸深目前以视频数据和少量真机数据为主，但随着订单增加，真实运行数据会指数级增长，这对模型的持续进化至关重要。
最后，国产算力生态的适配。眸深正在与多家国产AI芯片公司合作，试图摆脱对外部的依赖。陈涛强调：“自主可控不仅是国家战略，也是我们降低端侧成本的关键。”
结语：千亿美金市场的“Windows”梦
采访结束时，我问穆泽林，眸深最大的野心是什么。
“我们希望未来世界上有10亿台机器人，跑的都是眸深的大脑。”他说这句话时很平静，不像在喊口号，更像在描述一个正在发生的工程问题。
目前全球Windows正版激活量约15亿台。眸深要做的，就是机器人时代的操作系统。
这条路还很长。但至少在上海，这家成立一年多的年轻公司，已经让资本、产业和学术界看到了具身智能“大脑”商业化的可能性。
正如上海市人工智能研究院总工程师沈灏所说：“解决了大脑问题，也就解决了机器人有灵魂这件事。”
作者：韩欣（以上部分内容由AI整理润色）
编辑：张添翼
监制：顾洁
