眸深智能联合42家机构：共建具身大脑协同生态

11月7日，第九届中国国际进口博览会期间，具身智能产业生态共建交流会暨眸深智能战略发布会在国家会展中心召开。眸深智能、复旦大学未来信息创新学院、国家地方共建人形机器人创新中心、宇树科技、优必选等42家企业及机构联合构建协同创新生态，方向锁定通用具身大脑，参与方覆盖高校科研、机器人本体、灵巧操作、数据算力及产业应用等环节。同日，复旦大学与眸深智能签约，共建通用空间智能与自主系统机器人校企联合研究实验室。

发布会上，眸深智能一次推出四款产品：新一代具身原生模型“眸深·深悟”、具身智能Infra架构“眸深·深枢”、具身智能端侧模组“眸深·深匣”，以及家用世界模型FWM。

机器人本体经过近一年角逐，头部企业似乎已经跑了出来；具身大脑却还停在起步阶段，高下未分。具身智能的“大脑”卡在哪里？走出去又该靠什么？

把论文写在工厂里

学术圈和工厂车间之间横着一道沟，不宽，却很深。

眸深智能创始人兼首席科学家陈涛在接受《IT时报》记者采访时作了个对比：“两个初中生同考99分，一个在奥赛训练班里刷了四五年同类型题，另一个没见过这类题，通过现场推理解了出来，分数一样，含金量完全不同。”在他看来，学术界眼下不少成果走的是前一条路——在特定数据集上调整、拿与目标场景相似的数据微调、把各种模块拼起来，“刷”出99.98%的准确率。陈涛直言，这是为达成目标而刻意拟合，不是自然泛化出来的智能。

真实世界不会配合“刷题”。机器人离开受控环境后，部署场景里的问题几乎没法预判：花盆被挪走、指令受干扰、手伸不进抽屉下层。这些突发情况，考的是模型在有限时间、有限资源、有限数据下应变的能力，偏偏是“刷榜选手”的短板。陈涛说：“要把论文写在车间里、写在工厂里，研究要立足于解决真实问题，而不是为了KPI和榜单。”

不依葫芦画瓢，走低成本高效数据路线

另一边，“暴力采数”的老路子正在退场。

“过去一年，不少数据采集中心雇人摆拍机器人家务视频，一条成本约10元，模型动辄要吃几十万条，甚至上百万条数据，钱花出去，换来的多是演示素材。”陈涛透露，自己去年就判断这类摆拍数采中心会倒掉一批。

在陈涛看来，这是模仿学习阶段的产物——“照葫芦画瓢”，前提是先有足够多的葫芦。今年模型进入世界运动模型阶段，第一视角视频数据的格式有了新要求，旧数据大多用不了；真正有价值的数据只能出自生产一线。他提到：“应该采集工厂车间里工人的真实作业数据，而不是找个房间请实习生摆拍。”

眸深智能选的是低成本高效数据路线，过程也能拿学习打比方：先让机器人看B站、YouTube、抖音上大量人类动作视频，像学生预习，把做一件事的逻辑装进脑子；再引入大模型推理能力，让机器人在没见过的场景里也能拆解任务；最后换上灵巧手、夹爪等不同终端执行器，补采少量触觉和肢体反馈数据，把脑中的逻辑落到具体关节上。

“灵巧手还是两指夹爪，只是工具不同，不影响做事的逻辑，就像人类看别人拧过一次瓶盖一样，能举一反三一样。”陈涛解释道。

具身智脑公司的秘方，说的就是数据配方。传统机器人记忆靠三维特征、语义标签或轨迹回放，可怎么都记不完整。眸深智能的做法是学人脑的记忆方式：不记动作本身，记的是动作背后的原则。抓水杯时，它记的是“抓头部还是抓底部”这类逻辑。人的记忆是非线性的，有些人“枉活三十年”，毛病就出在不会从经历里挑出高价值的“记忆转折点”。不过这条路还不是主流技术方向，仍在探索中。哪些值得记、用什么形式组织、调用时是全量遍历还是由粗到细地机动检索，这三道题目前都没有成熟答案。

边看边做，乘法变加法

新一代具身原生模型“眸深·深悟”把“先看明白再动手”的串行流程改成了“边看边做”：先看第一层视觉轮廓，执行动作轮廓，随后越看越细、越做越精。眸深智能公布的数据显示，在所列测试中，一步生成相较对应多步基线，推理加速最高达24.84倍；通过轻量校准，主干冻结的情况下，模型仅新增约13.4M可训练参数。

发布会现场的演示包括：花盆挪位后当场纠正轨迹、指令受扰后继续执行、下层取物失败后改道上层。这些演示对准的，正是前面那道“突发状况”考题。

模型之外，行业还有一道更现实的算术题。陈涛算了一笔账：今天中国具身智能初创企业不下100家，各自发布模型，如果市场上流传着6种模型、9种芯片、6种本体、6种场景，想把所有组合试一遍，需要验证1944种搭配。对大多数技术门槛没那么高的企业来说，这笔试错成本难以承受。

“深枢”要解的就是这道题。它把模型、芯片、本体与场景四个维度“捆”在一起，通过统一适配把乘法换成加法，适配组合从1944种压缩到27种。这对应三层核心映射与三层基础支撑：模型与芯片、动作与本体、能力与场景三组适配，加上统一数据格式、统一世界描述、模型灵活组合三项支撑。

从数据、仿真、模型配置、芯片部署、本体控制，再到场景交付，六大研发管线一路打通，现场数据还能回流再训练，闭环就这么转起来；技能体系分原子技能、组合任务、工程技能、场景方案四级沉淀，设计、部署、运行三道安全防线也由此筑牢。对本体厂商来说，这等于“不用自己造Windows，也能装上好用的系统”。

端侧模组“眸深·深匣”同日亮相，卖点是Token高效与端侧加速。它分基础、主力、旗舰三个系列，分别适配1-2GB、3-15GB与20-70B的模型，服务机器人、复杂工业、高端全尺寸人形机器人等场景各有对应。

家用世界模型FWM则用神经记忆与符号状态库双向印证来实现长期记忆，现场演示了帮老人寻找眼镜盒的场景，家庭智能里的“记忆”第一次有了具体样子。

脑体分工三条路都能走通

发布会当天，复旦大学与眸深智能签约共建的实验室，围绕具身智能大模型、世界模型与端侧部署开展协同创新，共同培养高层次人才。

同日，眸深智能还同碧桂园服务、弈柯莱、东方有线、壁仞科技敲定合作，方向涉及国产算力适配、家庭场景、先进制造与商业服务。

陈涛把两类人才的区别讲得很直白：算法出身和机械工程出身，背景差得远。做大脑的像做Windows，没必要自己造CPU；做本体的像做电脑，没必要自己研发系统。脑体合一的路子，更可能落在国防、航空航天这类高度定制的场景里。物理世界的场景本就复杂——家庭里能拆出厨房、卧室、客厅，工业上能拆出汽车、造船、航空。他的判断是：“只要找到一个角落深耕下去，不同形态的企业，都有机会。”

从刷榜到进厂，从暴力采数到高效学习，从1944种组合到27种，具身智能行业正把重心从“表演”转向“交付”。