领渊智能完成千万级种子轮融资，要造水下装备的「脑子」
清华系团队死磕20年！攻破71%盲区，最强深海AI大脑诞生
新智元报道
新智元报道
水下装备要装上 AI 大脑了。
深圳一家叫领渊智能的初创公司，最近拿下了千万级种子轮融资。
比拼潜水器谁潜得更深、谁的外壳更结实？这家公司不走这条路。它要做的是给水下装备配一个「脑子」。
想要的效果，一句话就能讲明白：
设备被投放到水下后，不需要有人守在屏幕前操作，任务干完它自己返回，并交上一份报告，说明看到了什么、哪儿出了毛病。
眼下可不是这样。按传统做法，岸上得安排人员操控，水下还得派人冒险下去，成本高、风险也大。费半天劲采回来的净是「死数据」，往后分析起来又是个填不满的坑。
领渊智能的突破点就落在这里：人工涉险那笔高昂代价省掉了，作业模式也从「只负责采集」直接跨到「交付分析结果」，一步到位。
水下机器人自主作业3D动画
听着像是顺理成章？
可到了水下，这件事到现在基本还没人做成。
地球表面大约71%被海洋盖住，可人类真正了解的海面以下部分，连百分之一都不到。
AI如今会看、会说、也会走，偏偏一直没能真正「沉下去」。
领渊智能盯上的正是这件事：让AI头一回在水下不靠人拉一把，到人最难抵达的地方，把活自己干完。
今年投资圈里最热的词之一就是具身智能。人人都在推着AI从屏幕里走出来，但走得最远的，也不过是陆地和离地几百米的空中。
换个说法，物理世界里的AI已经完成了「二维铺开」，可「三维下沉」还没做到。
三维之中最难的那一维，就是水。
难归难，需要它的人并不少。实际情况是，海面之下的需求正在扎堆爆发。
「海洋强国」、「深海科技」被一遍遍写进规划。风电场、跨海通道、海底电缆、深远海养殖，眼下正成批从「建」转入「养」。
建是一次性的事，养却几十年停不下来。
这笔长期运维的账里，最贵、也最难铺开的一项，就是「人下水」。
这类活儿数量大、开销高，风险也不小。眼下要么派人亲自潜下去，要么让机器系着缆线下水，船上还得有人寸步不离地盯着操作。
谁能让机器替人下水，谁就掐住了整条产业链上成本最陡的那一截。
硬件只是入场券，智能才决定定价权。耐压壳、推进器都能货比三家，可「放下去就能自己干活」这套本事，很难照搬。
陆地上跑得挺顺的AI，为什么一下水就不灵了？
不妨设想：蒙住眼睛，在浑水里开车。
导航没有信号，因为水下没有GPS。视线也模糊，光线会随浑浊程度快速衰减。耳朵里全是回声，声呐在混响环境下会失真。
更麻烦的是，眼睛让你往左，耳朵让你往右，先得判断该听谁的。
这是头一道坎——感知畸变。陆地上成熟的感知模型，到了水里基本用不了。
第二道坎是数据少得可怜。
陆地机器人采集数据，能在实验室里一遍遍重来。水下不一样，每一条数据都得真跑一趟海：船要出，人要跟，还得等合适的窗口期。
声学、图像、运动三者能对上的配对样本，本来就少。仿真跟真实之间那道沟到现在也没填平，各家手里的数据还各自成岛，互不相通。
第三道坎在于，大模型并不懂水的物理。
通用大模型一下水就容易出「决策幻觉」：任务拆得条理清楚，落到动作上却在物理层面根本做不出来。
上层管规划，好比大脑；底层管控制，好比手脚。这两套体系长期各干各的，中间那道缝一直没人去补。
第四道坎，靠的是老师傅的手上功夫。
眼下水下作业离不开人工微操，活干得怎么样，全看操作员自己的经验积累。要从「人辅助」走到「全自主」，整条控制和决策链路都得推倒重来。
另外还有一个问题，最根本，也最反直觉：
机器在水下每动一下，结果都是两股力量叠在一起——水流在推它，它自己也在动。
这两件事分不清，机器就会以为自己是在往前走，其实正被水流横着带偏。
单这一条，陆地上攒下的经验就整体作废。
水下世界模型的动态演示画面
四道难题相互叠加，垒起了一堵高墙。光靠砸钱推不倒它，接一个通用大模型也绕不开。想翻过去，团队得同时吃透水下工程和物理建模，还得有真正下过海的经历。
墙垒得越高，先行者的时间窗口就越金贵。
面对这堵墙，领渊智能挑了一条挺务实的路子：不跟人拼硬件，专攻「让机器在水下自己拿主意」这一环。
这恰恰是整件事里最值钱、也最少有人做好的部分。同行忙着比深度、比耐压、比推进功率，可「下水之后怎么自己把活干了」这层智能，几乎没有谁系统化地拿出来。
领渊因此把自己定位成水下装备的通用智能基础层，说白了就是一层AI Infra。
打个比方，别人在造各式各样的「身体」，领渊造的是所有身体都能通用的「大脑」。
这笔账其实很清楚：整机生意是一个个孤立的项目，卖一台算一台；智能层不同，它能反复收费，持续滚出复利。
做整机，单个项目总有天花板；可基础设施这一层，天花板并不存在。
回看历史，AI Infra 每冒出来一次，产业价值的分配就要重新洗一遍牌。做应用的人多，愿意扎到底座上的少。
水下智能眼下正卡在一个挺特殊的节点：需求已经扎堆爆发，底座却还没人补上。这个阶段，先行者抢到的不光是市场份额，还有定义权。什么算「会干活的水下机器」，由他们说了算；水下装备该找谁买「脑子」，也由他们说了算。
低空经济早就进了估值模型，深海智能还没进去。这中间的落差，就是代际机会。
谁能先把这座底座立住，谁就会变成水下装备绕不过去的那一层。
领渊智能要做的，是把水下自主模型这套闭环体系搭起来。
那这颗「脑子」究竟能干哪些活？说到底就两件事。
头一件，是稳住。
水跟空气不是一回事。洋流、涌浪、暗流每一秒都在变，传统设备一碰上强流就漂移失位，只能靠人一点点去纠偏。领渊的做法是让机器学会预判水流：水往哪走，自己会被推到哪，都由机器自己算、自己应对。
第二件事，是机器自己干活。能稳住只是起步，领渊的系统里，走哪条路、在哪停、怎么出手，都由机器自己定。
碰上没见过的状况，它也能自己拿主意：绕过去，还是先退回来。
两相对照，差别一下就出来了：
从前一条缆、一条船、一个得时刻盯着屏幕的操作员，只能守着一台机器。如今人只管给目标，不必再一步步下指令，操作员由「手」变成「指挥」，一个人能同时带多台机器。
放到资本的眼光里看，这是把「人的约束」解开了。水下作业过去扩不起来，卡就卡在高阶操作员太少；这个卡点一松，能做的规模就重新打开了。
能规模化的东西，才谈得上估值。原先非得有人盯着的设备，眼下可以自己干活了。
水下 AI 这活儿，临时凑一支队伍是做不出来的。
领渊智能这支创业队伍，核心成员出自香港科技大学、清华大学和佐治亚理工学院，技术研发、产品化、商业运营各环节都有人覆盖，也是国内较早专注水下无人系统的一批创业者。
水下智能化这个方向，他们埋头做了将近二十年。
墨西哥湾漏油事故里的强流作业，他们参与过；大西洋和太平洋之间的大洋锋面追踪，他们也干过。
这支队伍下水的年头，比资本开始关注这条赛道早了十几年。
资金能帮公司提速，可二十年的海试经验，砸钱是变不出来的。
所以这一轮掏钱的人是谁，也就不难理解了。
本轮千万级种子轮的投资方，都是在制造业摸爬滚打几十年的企业家。
这些人投硬科技一向苛刻：故事不听，只看能不能落地、能不能进场景、能不能转成实打实的生产力。
水下这行，概念不值钱，真正算数的是下水的每一个小时。
最讲实际的一批人，肯为最前沿的事情出钱，通常意味着这件事已经越过了「能不能成」，来到了「谁来做成」。
过去两年，AI行业追的关键词一直是「像人」。
能唠嗑、能作画、能迈腿、能起舞。
可「像人」属于演示年代的题目，「替人」才是基础设施年代的题目。演示能被人复制，基础设施却只能被抢先占住。
上一代基础设施，底下铺的是钢筋水泥；下一代，则是在没人到场时照样可靠运转的智能。
AI不光要迈进物理世界，还得在人类最难抵达的地方，一个人把活干到底。
领渊智能想解答的，正是这道题。
团队常挂在嘴边的那句话是：
智启于人，行至无人。
