7 月获悉，「眸深智能」完成近亿元 Pre-A 轮追加融资，由瑾悦投资、创合汇资本及老股东徐汇资本等联合参与。这是继 5 月 3 亿元 Pre-A 轮后两个月内的第二笔注资，Pre-A+ 轮近 5 亿元融资也在交割中。公司估值半年增长超 10 倍，今年上半年营收已达数千万元。
「眸深智能」成立于 2025 年 1 月，但技术积累自 2022 年开始，团队已累计发布 7 代模型。在学术侧，团队发表于 NeurIPS 2023 的 MotionGPT 是全球首个把动作做成 Token 的具身大模型；模型压缩工作获 IJCAI 2025 全球最佳论文奖，是近五年唯一获此奖项的中国大陆团队。
在产业侧，英伟达 DAIR 实验室最新 ARDY 模型援引了该团队的 MLD 与 MotionGPT 两项原创技术——这是近两年英伟达第三代动作模型对其技术路线的第四次引用。
融资节奏同样构成信号：5 月 3 亿元 Pre-A 轮、7 月近亿元追加、Pre-A+ 轮近 5 亿元在交割中。产业资本而非纯财务资本主导，投资方包含物业服务、环卫等场景方，意味着客户在用真金白银下注。
主流具身智能走 VLA（视觉-语言-动作）路线，「眸深智能」选择了一条不同的路径——以"动作"为核心的"世界动作模型"（World Motion Model）。核心逻辑：把连续动作离散化为约 3000 个"动作基元"，像大语言模型预测下一个 Token 生成句子一样，通过预测下一个"动作 Token"生成复杂行为。
动作被视为离散信号，生成僵硬且缺乏多样性；高度依赖海量真机数据采集，成本高、周期长。
动作映射到隐空间并引入扩散模型，从随机噪声中还原自然连贯姿态；支持零样本泛化，没见过的动作也能通过重组"动作词汇"执行。
训练配方是这条路线的关键支撑：
注：训练配方按数据来源占比划分，前三项之和为 100%；动作准确度为团队披露值，未见第三方复测。
今年 3 月提出的 T²MB（Task×Task Motion Brain）进一步让机器人具备离线自进化能力——部署到端侧后无需联网回传数据，仅凭本地交互持续优化，任务执行准确度最高提升 25%，解决落地后发现 bug 必须返厂升级的痛点。
具身大脑规模化的真正瓶颈不在模型参数，而在端侧算力成本。「眸深智能」从第一代模型起同步推进两个方向：
一方面，通过模型蒸馏、冗余参数压缩、Token 剪枝与量化等工程化方案，将千亿参数级模型压缩至百亿级别，具体场景中参数量降低约 75%，端侧推理延迟从约 200ms 降至 10ms，计算量降低 62 倍，部分任务精度反升 3%–6%。
另一方面，同步适配海思（昇腾 310/910）、地平线、燧原（S60）等国产芯片平台，实现低功耗、高实时、超低成本的端侧推理。团队是国内少数具备算子级适配能力的具身大模型团队。
注：已适配本体包括复旦"光华 1 号"、宇树 G1、上海人形机器人创新中心"青龙"与"灵龙"。
穆泽林透露，下半年目标是攻克千卡级国产集群训练，实现纯国产化的大模型训练方案——"别人训练一次需要 1 万张卡、花费 5 亿，我们通过算子优化，1000 张卡、5000 万就能完成。"
全球首次将动作映射到隐空间并引入扩散模型，从随机噪声中还原自然连贯姿态，摆脱逐帧示教。
将人体姿态拆解为约 3000 个"动作基元"，通过预测下一个"动作 Token"生成复杂行为；发表于 NeurIPS 2023。
面向长时序规划、在线闭环控制与真实物理交互，实现空间结构、时间演化、物理一致性、执行鲁棒性四维统一。
部署后无需联网回传，仅凭本地交互持续优化，任务执行准确度最高提升 25%。
本文核心数据（估值翻十倍、动作准确度 99%、推理成本 20 万降至 1 万等）均来自企业单方披露，未见第三方复测或独立审计报告，读者宜将其视为创业团队的技术叙事与融资节奏说明，而非已验证的工程结论。融资事件本身有工商变更与投资方确认可查，但技术指标仍需产品交付后由客户侧检验。
值得关注的支线：英伟达 DAIR 实验室在 ARDY 模型中第四次援引该团队 MLD 与 MotionGPT 两项技术——这是目前唯一可由外部交叉验证的信号，说明其动作 Token 化路线在国际学术-工业界有实际引用价值，而非仅停留在自宣层面。
眸深智能核心技术已应用于工业检测、物业、环卫场景，2026 年 Q1 已向港股上市物业公司、A 股环卫龙头交付机器人产品。
关注眸深智能 → 跟进 Pre-A+ 轮交割进展