领渊智能攻水下自主作业：AI如何啃下71%的海洋盲区

水下机器人自主作业的3D动画

这话听着像本该如此？

可到了水下，这事儿到今天几乎无人办成。

地球表面大约71%是海洋，而人类对海面以下的认知不足百分之一。

看、说、走，AI都学会了，唯独没能真正「沉下去」。

领渊智能要干的，是让AI头一回在水下甩开人的手，在人类最难抵达的地方把活自己干完。

天上地下都卷疯了

水下还是一片空白

具身智能，是今年投资圈最热的词之一。

人人都想让AI从屏幕里走出来。可就算走得最远的，也只到了陆地，以及离地几百米的空中。

换句话说，物理世界的AI已经「二维铺开」，尚未「三维下沉」。

三维之中最难的那一维，是水。

难归难，需求却不少。海面之下的需求恰恰正在集中爆发。

「海洋强国」「深海科技」被反复写进规划。风电场、跨海通道、海底电缆、深远海养殖，正集中从「建」转入「养」。

建是一次性的，养却几十年不能停。

这笔长期运维账单里，最贵、最难规模化的一项，就是「人下水」。

这些活又多、又贵、又危险。眼下要么派人亲自下去，要么用一根缆线拴着机器，人在船上目不转睛地盯着操作。

谁能让「人下水」变成「机器自己下水」，谁就卡住了整条产业链成本最陡的那一段。

硬件是入场券，智能才是定价权。耐压壳、推进器都能比价，「放下去就能自己干活」的本事，却很难复制。

水下干活，到底难在哪？

陆地上跑得好好的AI，为什么一到水下就失灵？

不妨想象：蒙着眼，在浑水里开车。

导航没信号，因为水下没有GPS。眼睛看不清，因为光线随浑浊程度迅速衰减。耳朵听到的全是回声，因为声呐在混响里会失真。

更要命的是，眼睛说往左，耳朵说往右，你得先判断该信谁。

第一道坎是感知畸变。陆地上跑得通的感知模型，一放到水里就基本失灵。

第二道坎是数据量太少。陆地机器人采集数据，在实验室里反复跑就行。水下不一样，每条数据都得真出一趟海——要船、要人，还得等窗口期。

能同时把声音、图像、运动对应起来的配对样本，本来就稀缺。仿真与真实之间的差距到现在也没补上，各家手里的数据还彼此孤立。

第三道坎，大模型摸不清水的物理规律。通用大模型进了水下就会产生「决策幻觉」：任务拆解看着头头是道，落到动作上却根本做不出来。上面管规划的那颗大脑，和下面管控制的手脚，长期以来是两套系统，中间那条缝一直没人去补。

第四道坎，活儿全指望老师傅的手艺。眼下水下作业高度依赖人工微操，干得怎么样，要看操作员自己的经验。想从「人辅助」迈到「全自主」，整条控制和决策链路都得推倒重建。

还有一个更根本、也更违背直觉的难题：

机器在水下每动一下，都是「水流推着它走」加上「它自己使劲」叠在一起的结果。这两股力分不清楚，机器以为自己在前行，其实正被水流带着往横向漂。

单凭这一点，陆地上攒下的经验就整体作废。

水下世界模型的动态演示

四道坎摞在一块儿，成了一堵高墙。砸钱推不平，接一个通用大模型也绕不过去。想翻过去，团队得同时懂水下工程、懂物理建模，还得真正下过海。

墙砌得越高，先到的人手里那段时间窗口就越金贵。

专做水下智能化的「脑子」——面对这堵墙，领渊智能挑了一条挺务实的路：不拼硬件，专攻「让机器在水下自己拿主意」这一环。

这一环是整件事里最值钱、也最少有人做好的部分。别家在比下潜深度、比耐压、比推进功率，可「下水之后怎么自己把活干完」这层智能，几乎没人成体系地提供。

领渊因此把自己定位成水下装备的通用智能基础层，也就是一层 AI Infra。打个比方：别人在造各种各样的「身体」，领渊在造所有身体都能用的「大脑」。

这笔账算起来其实不复杂，选哪条路一目了然。

卖整机是项目制，一台一台谈、一台一台交，收入跟着订单走。智能层则是另一套算法：同一套能力可以卖给不同客户，收一次费可以收很多次，越用越值钱。

整机项目做到头也就那么多，基础设施层则没有这个上限。

回看历史，AI Infra 层每冒出来一次，产业里的钱就会重新分一遍。扎堆做应用的公司多，愿意蹲下去做底座的少。

水下智能眼下正好卡在一个尴尬的位置：需求这边已经集中爆发，底座那边还没人补上。

谁在这个节点先跑出来，拿到的不光是份额，还有定义权。什么算「会干活的水下机器」，得由他们说了算；水下装备该找谁买「脑子」，也是他们开口。

低空经济早就进了估值模型，深海智能还没进去。这一进一出之间的差距，就是代际机会。

底座谁先立住，谁就是水下装备绕不过去的那一层。

领渊智能搭的是一套水下自主模型的闭环体系

这颗「脑子」具体能干什么？归结起来就两件事。

头一件，是稳住。

水里跟空气里不是一回事。洋流、涌浪、暗流每秒都在变，老设备碰上强流就漂移失位，只能靠人一点点纠偏。

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，机器自己算，自己应对。

第二件，是自己干。

稳住只是开头。在领渊的系统里，走哪条路、在哪悬停、怎么出手，都由机器自己拿主意。

碰上没见过的状况，它自己会判断：绕开，还是先退回来。

对比一下就明白了：

从前，一条缆、一条船、一个时刻盯着屏幕的操作员，只能伺候一台机器。

现在人只管给目标，不必再一步步下指令。操作员从「手」变成了「指挥」，一个人能同时管好几台机器。

换到资本的角度看，这相当于把人力约束解除了。

水下作业过去扩不起来，卡就卡在高阶操作员太稀缺。这个卡点一松，能服务的规模就重新打开了。

能规模化的东西，才谈得上被估值。

过去非得人盯着不可的设备，如今自己就能干活了。

下水近二十年

这支队伍进场的时间，比资本早了十几年。水下AI这行，临时拉一支队伍是干不成的。

领渊智能的核心团队出自香港科技大学、清华大学和佐治亚理工学院，从技术研发到产品化再到商业运营，链条上各环节都有人，是国内最早一批盯住水下无人系统的创业队伍。

水下智能化这个方向，他们攒了将近二十年。

墨西哥湾漏油现场强流条件下的作业，他们去过；大西洋与太平洋之间的大洋锋面追踪，他们也干过。

队伍下水的年头，比这条赛道被资本看见，早了十几年。

钱能让一家公司跑得快些，但二十年的海试经验，钱变不出来。

这一轮的钱来自一群特别的人，原因也在这里。

本轮千万级种子轮的投资方，是在制造业里深耕了几十年的企业家。

这些人看硬科技一向挑剔：故事不听，只看能不能落地、能不能进场景、能不能变成真实的生产力。

放到水下，概念一文不值，算数的是下水的每一个小时。

最务实的一群人开始为最前沿的事掏钱，通常意味着这件事的问题已经从「能不能成」换成了「谁来做成」。

写在最后

过去两年，AI行业追的关键词是「像人」。

会聊天，会画画，会走路，会跳舞。

可「像人」属于演示时代，「替人」才属于基础设施时代。演示能被复制，基础设施只能被占据。

上一代基础设施的底子是钢筋水泥，下一代则是没有人到场时依然能可靠运转的智能。

AI不光要走进物理世界，还得在人类最难到达的地方，独自把活干完。

领渊智能想回答的，正是这个问题。

团队一直坚持的那句话是：

智启于人，行至无人。