7 月 28 日，专注人形机器人基础模型 HFMs 的初创公司德塔智能完成近 5 亿元天使++轮融资。这是公司自 2026 年 1 月成立以来的第六轮融资，背后已聚齐智元、乐聚、宇树等头部本体厂商与高瓴、元禾等财务机构——具身智能从"运动展示"迈向"物理作业"的关键一票，正在被资本押下。
德塔智能成立于 2026 年 1 月，核心创始团队均获 UCLA 博士学位，兼具清华本科、北大任教等学术背景，研究经历横跨 Google Robotics、NVIDIA Research、DeepMind、Meta 等机构，并参与过多项美国 DARPA、ONR 及 NSF 机器人项目。
本轮近 5 亿元融资由多家上市公司产业方和头部财务投资机构共同参与。此前五轮融资的资方阵容，已勾勒出清晰的产业协同意图：
资金用途：基础模型迭代、自研数采设备量产与数据闭环建设、核心研发团队扩充、工业场景工程化验证。
当前主流具身智能模型的空间认知，仍建立在二维视觉表征之上。德塔智能团队判断：当机器人走进工业生产、能源运维、家庭服务与户外巡检等真实复杂环境，二维表征会带来三个层层递进的问题——
缺失真实空间深度；几何关系存在歧义；大场景中上下文易爆炸。机器人站门前，难判断门把手距离、开门方向、身体如何让出空间。
以三维表征为核心，直接处理点云、高斯泼溅等三维场景表示，实现原生三维理解、推理与对未来环境状态的推演。
这种模糊判断随设备进入真实场景会累积并放大动作误差，导致长时序连续作业无法完成。德塔智能因此选择从零构建原生三维世界引擎，而非在既有框架上做迁移或填补。
引擎运转需要持续数据供给。德塔自研的全身全景数采设备采用纯视觉采集架构，同步捕捉手、脚、腰、肩全维度人体骨架关节运动轨迹，基于第一视角视频流实时增量重建全局三维场景。单次采集输出两类核心素材：
高自由度人形本体拥有数十个联动关节，单一高层指令无法直接驱动全身平衡、发力、位移。此前常见做法是将规划模型输出指令直接下发给底层控制器——在低自由度机械臂上尚可，但面对人形机器人，中间缺失的全身协同调节模块会导致动作卡顿、发力失控乃至失衡摔倒。
德塔智能的解法是"大脑+小脑+力位混合"三层原生协同架构，三层模型分工明确、闭环联动：
关键差异在于：大脑与小脑用的是两套完全独立的训练体系，而非一个统一数据池按比例分配。马晓健的解释直接点破了原因——
负责全局环境理解、长时序任务规划、全身操作决策。不依赖仿真数据——因仿真器接触建模不足，难以精准复刻柔性形变、滑动摩擦、多触点受力等复杂交互。若基于失真仿真信号学习，部署到真机极易失效。
负责底层全身协调和动态平衡控制。平衡控制本质是连续状态到动作的优化问题，关键在重力模型和关节动力学——物理引擎已做得很好。仿真器中可海量试错，仅收尾阶段用少量真机动捕数据校准微调。
这套分层架构的差异化价值，在全尺寸人形、五指灵巧手等高自由度设备上会充分释放。
各家双足人形本体的硬件参数、关节约束、动力学特性差异较大。德塔智能沉淀了一套标准化适配流程，使模型在不同硬件平台间快速迁移，不需要每换一个本体就重新采集大规模数据、从头训练整套系统：
依托全身全景数采设备，获取完整人体与环境的交互数据。
基于多约束优化求解：关节运动值须严格落在本体限位区间内避免碰撞，同时完整保留原始动作的核心发力逻辑（如开门借力、爬梯时的重心轨迹与手部轨迹不能偏移）。
在仿真环境里做强化学习，不占用真机资源，迭代效率高；难度最大的 sim2real 环节依托多年经验积累与头部主机厂协同实现更快迁移。
依托预训练底座已具备的通用认知能力，面对新本体只需少量真机数据微调，即可匹配硬件特性、快速落地家居与工业场景任务。
目前德塔智能已与智元、乐聚、星海图、宇树四家头部人形机器人厂商建立长期合作。公司定位为基础模型提供方，为各类本体提供可部署、可扩展的全身智能底座。
本文核心信息（融资金额、技术架构、合作阵容）均来自企业通稿与创始人单一信源访谈，未见第三方独立验证或复测数据。"近 5 亿元""半年六轮"等关键数字读者宜带审慎背景理解——具身智能赛道当前处于资本高热期，企业有动机在通稿中放大融资节奏与技术领先性。
技术叙事中"原生三维优于二维迁移""大小脑独立训练"等判断，逻辑自洽且与行业公认痛点（仿真器接触建模不足、sim2real 鸿沟）吻合，但尚未有公开基准或同行论文直接对比佐证其领先程度。建议持续关注是否有独立机构对德塔模型进行开箱评测或跨厂商横向对比。
德塔智能目前未公开独立体验入口，技术落地通过智元、乐聚、星海图、宇树等合作本体厂商的机器人产品推进。
关注合作本体厂商动态 → 留意全身协同作业演示