成立仅半年的人形机器人基础模型公司德塔智能完成近5亿元天使++轮融资，本轮由多家上市公司产业方与头部财务投资机构联合下注。同期发布头戴式全身数据采集设备Delta D1，全局定位精度控制在2cm以内，瞄准具身智能最稀缺的全身交互数据缺口。
本轮近5亿元，投资方为多家上市公司产业方与头部财务投资机构，具体名单未披露。资金将用于基础模型持续迭代、Delta D1量产与数据闭环建设、核心研发团队扩充，以及真实工业场景的工程化验证。
注：本轮具体投资方名单尚未公开披露，以上为本轮融资公开信息；此前五轮投资方据公司披露整理。
德塔智能的基础模型已进入真实作业。以下三类任务，正是全身协同能力必须兑现的场景——也是运动展示与物理作业之间的分水岭：
机器人在变电站这类复杂空间中边移动边操作设备，考验的是全身协同与空间定位的连续性——二维表征下门把手距离都判断不准的模型，在这里会立刻卡死。
考验的是移动中的抓取精度与连续搬运——不是站在原地伸手，而是走过去、抓起来、搬走、放好，每一步都依赖全身数十个关节的协调。
电子元器件料箱分拣，考验的是精细操作与全身姿态的配合——手要稳、身要让位、脚要站住，任何一环失稳都会导致损坏或停线。
支撑落地速度的是一套标准化跨本体适配流程，面对新本体不需要重新采集大规模数据、从头训练系统：
依托这套流程，模型已在以下本体上完成迁移：
大脑训练依赖真机交互数据，而这类数据目前没有现成来源。行业主流方案与德塔的做法，对比鲜明：
输出上肢视频流——录下作业过程、切分成片段，模型学到的是一帧帧画面。仅能采集手部等局部动作。
同步采集第一人称全景视觉与全身百余关键点运动轨迹，结构化数据与视觉信息在时间轴上对齐，全局定位精度2cm以内。
采集者佩戴D1正常作业即可，无需动捕棚和场地改造，数据采完即可用于训练。针对双臂精细操作场景，手持配件D1-Gripper与头戴设备协同工作，补齐抓取、装配等末端细节。
具身智能的数据缺口远超任何一家公司的采集能力。德塔智能选择向行业开放这套采集体系：采集数据经跨本体重定向后，可用于不同人形本体的算法训练。此前已联合中国信息通信研究院发布工业数据集2.0——工人佩戴D1在真实产线上边作业边采集，无需中断生产。
德塔智能的做法是从底层换掉表征。公司自研原生三维世界引擎，以三维表征作为模型核心，可直接处理点云、高斯泼溅等三维场景表示，实现原生的三维理解、推理与对未来环境状态的推演。
空间认知建立在二维视觉表征上。单目图像缺失真实深度，仅凭像素估算距离产生偏差——机器人站门前，难以判断门把手距离、开门方向、身体要让多少空间。
以三维表征为核心，直接处理点云与高斯泼溅。模糊判断进入真实厂区会逐步累积导致长时序连续作业失败——原生三维从源头消除这个偏差。
在这套引擎之上，公司采用三层协同架构，分工明确、闭环联动：
训练几乎不使用仿真数据——仿真器难以复刻柔性形变、多触点受力这类复杂接触，大脑必须依赖真机原生交互数据。
在仿真环境中经强化学习海量试错，将大脑的稀疏指令转化为数十至数百赫兹的全身电机控制信号。
经由力位混合层输出柔顺的控制，让机器人与物理环境的接触不再生硬，避免硬碰硬导致的损坏与失稳。
本科清华计算机系，博士UCLA。曾在Google Robotics、NVIDIA Research从事机器人学习与大规模机器学习研究，后任北京通用人工智能研究院研究员，主导跨本体具身智能项目，推动同一套模型在不同厂商本体上的迁移复用。
本科弗吉尼亚理工大学，UCLA机械工程硕士与计算机科学博士。现任北京大学智能学院助理教授，在Science/Nature子刊发表多篇论文。曾任北京通用人工智能研究院研究员、机器人实验室主任，研究方向为机器人感知、认知与学习及人机交互。
本科清华自动化系，博士UCLA。现任北京通用人工智能研究院具身机器人中心主任，曾在DeepMind、Meta从事前沿研究。提出空间智能「生成—理解—规划」统一模型及力—位混合控制统一理论，相关成果获CoRL最佳论文奖。
本篇报道源自企业通稿，融资规模、设备参数与技术路线均由德塔智能单方披露，未见第三方复测或独立审计。读者可将其视为公司阶段性自我陈述——Delta D1的实际采集效率、三层架构在真实产线的连续作业表现，仍待独立验证与公开基准测试。半年六轮的融资节奏本身可查，但单轮5亿元的估值对应的技术兑现度，目前缺乏可横向对比的公开数据。
德塔智能已向行业开放Delta D1采集体系，并与信通院联合发布工业数据集2.0。本体厂商、科研机构及产业方可通过官方渠道接洽数据合作与跨本体适配。
关注德塔智能官方渠道 → 接洽合作