安信眸深智能陈涛：致力于在通用大脑赛道成为“中国的Skild AI”

专题：第28届北京科博会-未来产业推介会

　　第28届北京科博会-未来产业推介会于2026年5月8日在北京举行。眸深智能首席科学家陈涛出席并演讲。

　　以下为演讲实录：

　　尊敬的各位领导、各位嘉宾，还有各位企业家朋友，大家好。很高兴向大家介绍一下我们成立于2025年1月份的眸深智能科技有限公司，以及我们最近取得的一些成果。

　　我们主要做的是数据和算力高效的机器人生成式运动大模型，从名称不难看出，我们聚焦当前备受关注的机器人产业，为本体打造最适合、性价比最高的 “大脑”。在这里，我想先通过一张图说明具身智能赛道的生态分布：最下方是专业机器人，其市场份额和毛利空间相对较小；中间是通用本体，涵盖灵巧手、机械臂到整机等，我们已对比中国的宇树、美国的波士顿动力（Boston Dynamics）、丰田等本体企业；最上方是机器人大脑，目前其市场份额和毛利空间都非常可观，且中美两国在该赛道竞争势头强劲，我们极具希望超越美国，在国际上占据一席之地。眸深智能就定位在通用大脑赛道，致力于成为 “中国的 Skild AI”。

　　当前大脑市场面临两大核心挑战，可总结为具身数据的 Scaling Law 和算力的 Scaling Law。简单来说，具身大脑的数据量越多，训练出的模型能力越强。目前北京、上海、重庆、深圳等地纷纷建设机器人数据采集厂，每天有大量工人和工程师穿戴设备，采集机器人做饭、炒菜、干活等各类数据，日数据量可达几万条甚至几十万条，但这些数据仍存在四大突出问题：一是 “贵且少”，真机数据采集成本高昂，总体数据量有限；二是 “孤”，数据通用性不足、相对孤立，全球 300 多家厂商的人形机器人本体差异较大，为宇树本体采集的轨迹数据无法直接应用于智元本体，企业需为新本体重复采集，造成成本浪费；三是 “乱”，市场上各类机构的数据格式混乱、碎片化严重，涵盖真机数据、遥操数据、仿真数据及各类互联网视频数据；四是 “缺”，多模态数据缺失，目前主要依赖自然语言和计算机视觉两大模态，而对机器人至关重要的触觉数据、力反馈数据等 “多模态异构数据” 较为匮乏。数据的 “少、孤、乱、缺”，直接导致具身模型迭代速度较慢。

　　针对这一痛点，眸深智能实现了跨本体真机数据合成，打破了传统单一真机遥操数采的路线。这里有两个动画演示：中间是自研的眸深 “Motion Brain” 具身大脑，该大脑在获取左侧宇树的真机数据后，结合目标真机（如傅利叶）的本体 URDF 参数，即可用宇树的轨迹合成傅利叶本体的数据，实现跨本体真机数据生成。通过这一技术，我们可借助一个本体的数据生成另一个本体的数据，避免为新本体重复采集大量数据，极大扩充了可用的真机本体数据量。

　　我们的模型训练数据管线由三部分构成：80% 的海量互联网视频数据，用于学习与机器人本体无关的通用运动逻辑；10% 的关节动捕数据和 10% 的真机数据，用于学习机器人的运动学经验。在后训练阶段，通过仿真模拟和少量特定场景真机数据，即可实现从虚拟到现实的高效映射。这一方案解决了具身 VLA（视觉 - 语言 - 动作）模型过分依赖真机数据驱动的问题，降低了 90% 的数据成本。2026 年，我们发表的一项工作仅用传统方法 1/12 的数据量，就训练出针对机器人本体的全身动作通用策略，受到业界和学术界的广泛关注，充分体现了模型的极高数据利用效率。

　　除数据层面的突破外，模型方面我们也提出了业内首创的原生多模态具身机器人大脑 ——World Motion Model（世界运动模型），这是模型路线的一次革命。2023 年 ChatGPT 第一代语言模型刚推出时，我们就开始探索语言模型与机器人的结合，当时国内外同类赛道均无团队聚焦这一方向。我们的核心目标是：让用户输入自然语言，模型就能合成符合要求的各类动作。2024 年至 2026 年，我们持续对该模型进行迭代，2025 年中期，英伟达发布的工作中援引了我们 2023 年开源的代码、数据集和训练好的模型，其适配英伟达算力芯片的人体运动模型，可从真实自然的视频中合成动作。

　　回望具身智能行业技术发展，大致可分为三个阶段：第一代（2021 年）以规则和预编程为主；第二代（2023 年 - 2025 年）是 VLA 阶段；第三代（2025 年 - 2027 年）为世界模型 + VLA 的过渡态模型。我们认为 2027 年起将进入第四代具身模型 —— 原生多模态具身模型，而眸深智能从 2023 年起就已布局这一方向。其核心逻辑是利用 Transformer 预测下一个 Token 的能力，联合预测下一帧世界状态和下一步机器人动作。目前，我们在机器人动作生成与控制大模型上已迭代出 6 版 MotionGPT 系列大模型，在世界模型上迭代出 LL3DA、HL3DWM 等成果，最新一代端侧原生多模态世界运动模型 T2MB 面向具身 AGI 终局，让机器人在与环境的交互中实现自主进化和持续学习。我们坚信，机器人智能的极大提升离不开与环境的交互，而非仅靠互联网预训练后进行端侧部署。因此，我们打破传统范式，实现了零外部奖励、零人工标注和零监督信息，性能超越微调后的 OpenVLA 基线模型，在国际权威机器人模型榜单上，整体性能、连续成功率和复杂操作技巧均提升 20% 以上。

　　此外，我们高度重视具身大脑与国产算力的适配。我本人曾在华为海思工作三年，2023 年起便开始研究机器人大模型与国产算力的适配问题，这与 DeepSeek V4 首次实现语言大模型与国产算力芯片全面适配的理念不谋而合。我们的第一代模型就注重与国产海思芯片、地平线芯片、燧原等诸多国产芯片公司的适配，实现低功耗、高实时和超低成本的端侧推理。我们针对具身大模型的压缩工作，荣获 IJCAI 2025 全球最佳论文奖，这也是近五年唯一获此荣誉的中国大陆团队。通过端侧算力适配，模型推理成本可从 20 万降低至 1 万，大脑续航时间提升 10 倍，且精度和性能不受影响。依托这一技术，我们能快速实现从芯片算力适配到跨本体适配，针对复旦自研的 “光华 1 号”、宇树 G1、上海人形机器人创新中心的 “青龙” 和 “灵龙”、帕西尼、睿尔曼等本体，可在两周内完成一套具身大模型从一个本体到另一个本体的适配。

　　我们已落地多个经典案例：人形机器人跟随人类运动实现人机协同搬运，结合六维力传感器感受推拉和晃动；双臂机器人实现调酒协作；桌面环境下实现任意自主连续成功的抓取。右下角的案例展示了我们的具身大脑与 π0.5 在同一操作任务上的对比，在相同执行成功率的情况下，我们模型的速度提高了 1 倍。

　　商业模式方面，我们主要采用两种模式：一是端侧大脑模组，将适配各类算力芯片的大脑以标准化模组方式出售；二是与机器人本体厂商合作，推出 ODM 机器人整机。目前，我们已与重要客户进行订单接触和前期磨合，也与宇树等头部企业达成重要战略合作协议。

　　企业成立一年半以来，已实现数千万销售订单，典型案例包括：与合成生物龙头企业合作的单臂倒甲醛熏蒸机器人，完全替代人工操作，消除人员吸入甲醛的安全风险；与微流控芯片龙头企业合作的桌面单臂缺陷检测机器人，将传统缺陷检测从 CV 模型完全过渡到机器人具身大模型，既能识别缺陷，又能用机械臂及时挑出；与零售企业合作的端侧员工行为智能识别系统，实现员工行为管控和安全排控，有效提升客户满意度、降低缺岗率；与安徽上市环卫公司合作的清洁和智慧巡检机器人；与家电龙头企业合作的柔性上下料组装项目，为宇树本体配备强脑灵巧手，通过力反馈完成瓶盖等精细部件的拧取和抓取；已与国内头部公司达成合作意向的可移动柔性搬运机器人；与上海国家人形机器人创新中心合作的全身运动协作项目，在其自研的青龙本体上，用我们的大脑驱动双臂双腿完成打拳、格斗及全身运动协作，该成果已在去年的 WAIC 大会上展示，完全实现端到端模式 —— 未使用该本体的真机实采，仅通过宇树本体的数据训练大脑并迁移至青龙本体，实现全身运动的在线映射。

　　我的报告大概就是这样，谢谢大家！

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。