IT时报记者 孙妍
11月7日，在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举行。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，涵盖高校科研、机器人本体、灵巧操作、数据算力及产业应用等领域，共同构建围绕通用具身大脑的协同创新生态。同时，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。
此外，眸深智能发布了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。
经过近一年的角逐，机器人本体似乎已经跑出头部企业，而具身大脑还处于起步阶段，高下未分，具身智能的“大脑”卡在了哪里？又该靠什么走出去？
把论文写在工厂里
学术圈与工厂车间之间，隔着一条不宽却很深的沟。
“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。”眸深智能创始人兼首席科学家陈涛在接受《IT时报》记者采访时打了个比方，学术界眼下不少成果走的是第一条路：在一个特定数据集上调整、用与目标场景相似的数据微调、把各种模块拼在一起，“刷”出99.98%的准确率。他直言，这是一种为了目标而去拟合的刻意行为，而非自然泛化出的智能。
可是，真实世界并不会配合“刷题”。机器人一旦离开受控环境，部署场景里的问题几乎无法预判：花盆会被挪走，指令会被干扰，手可能伸不进去抽屉下层。这些突发情况考验的是模型在有限时间、有限资源、有限数据下应对突发状况的能力，而这恰恰是“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
另一方面，“暴力采数”的旧路线正在退场。
“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。”陈涛表示，自己去年就曾判断这类摆拍的数采中心会倒一批。
他认为，这是模仿学习阶段的产物，“照葫芦画瓢”的前提是先给它足够多的葫芦。今年模型进入世界运动模型阶段，对第一视角视频数据的格式有了新要求，旧数据大多不再可用，而真正有价值的数据只能来自生产一线，“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。”他提到。
眸深智能走的是低成本高效数据路线，同样可以用学习来类比：先让机器人看B站、YouTube、抖音上大量人类动作视频，像学生预习一样，把做一件事的逻辑装进脑子；再引入大模型的推理能力，让机器人在没见过的场景里也能做任务拆解；最后，在换装灵巧手、夹爪等不同终端执行器后，补充采集少量触觉和肢体反馈数据，把脑中的逻辑映射到具体关节上。
“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。”他解释道。
数据配方就是具身智脑公司的秘方。传统机器人靠三维特征、语义标签或轨迹回放来记忆，但永远记不全。眸深智能借鉴人脑记忆范式，记的不是动作本身，而是背后的原则，比如抓水杯时记“抓头部还是抓底部”的逻辑。人的记忆是非线性的，有人“枉活三十年”，因为不会从经历里提取高价值的“记忆转折点”。但这并不是主流技术路径，仍在探索阶段。哪一段值得记、以什么形式组织、被调用时是全量遍历还是由粗到细地机动检索，三道题都没有成熟答案。
边看边做，乘法变加法
眸深智能发布的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“边看边做”。先看第一层视觉轮廓，执行动作轮廓，接着越看越细、越做越精。据眸深智能公布的数据，在所列测试中，一步生成相较对应多步基线的推理加速最高达24.84倍，通过轻量校准，在主干冻结的情况下，模型仅新增约13.4M可训练参数。
在发布会上，花盆挪位后现场纠正轨迹、指令受扰后继续执行、下层取物失败后改道上层，眸深智能这些演示对准的，正是前文那道“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，想把所有组合都试一遍，需要验证1944种搭配。对大多数技术门槛没那么高的企业，这是难以承受的试错成本。
“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，将适配组合从1944种压缩到27种，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、能力与场景的三组适配，加上统一数据格式、统一世界描述、模型灵活组合三项支撑。
六大研发管线从数据、仿真、模型配置、芯片部署、本体控制一路贯通到场景交付，现场数据还能回流再训练，形成闭环；技能体系按原子技能、组合任务、工程技能、场景方案分四级沉淀，筑牢设计、部署、运行三道安全防线。本体厂商就“不用自己造Windows，也能装上好用的系统”。
当天，眸深智能还发布了端侧模组“眸深·深匣”，主打Token高效与端侧加速，基础、主力、旗舰三个系列分别适配1-2GB、3-15GB与20-70B的模型，覆盖服务机器人、复杂工业与高端全尺寸人形机器人等场景。
而其家用世界模型FWM，则以神经记忆与符号状态库双向印证的长期记忆，现场演示了帮老人寻找眼镜盒的场景，使家庭智能中的“记忆”有了具体呈现。
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。
同时，眸深智能与碧桂园服务、弈柯莱、东方有线、壁仞科技签署合作协议，覆盖商业服务、先进制造、家庭场景与国产算力适配等领域。
在陈涛看来，AI算法人才与机械工程人才背景差异巨大，做大脑的像做Windows，不必自己造CPU；做本体的像做电脑，不必自研系统；脑体一体的形态则更可能出现在国防、航空航天等高度定制化场景。物理世界场景足够复杂，家庭能分出厨房、卧室、客厅，工业能分出汽车、造船、航空，“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”。
