眸深智能陈涛：以互联网视频数据实现机器人训练降本，上半年已接近亿元订单

7月4日，眸深2026亚布力中国企业家论坛第十二届创新年会在上海盛大开幕。陈涛上海眸深智能科技有限公司首席科学家、互联复旦大学上海创智学院教授陈涛出席大会并发表主题演讲，网视深入剖析具身智能的频数技术演进与商业化落地路径。

双重身份与估值突破

陈涛在演讲中强调了自己“学者”与“创业者”的据实降本接近双重身份：作为复旦大学教授，他依托高校科研实力孵化了眸深智能这家年轻的现机训练初创企业。“尽管公司成立时间尚短，器人但在过去的上半一年多里，我们已取得了多项标志性突破。年已”陈涛透露，亿元眸深智能目前的订单估值已达30亿元人民币，正式跻身具身智能领域的眸深独角兽行列。

具身智能的陈涛四代演进与“世界动作模型”

回顾具身智能的发展脉络，陈涛将其划分为四个关键阶段：

1. 第一代：依赖传统运动学与控制学，互联通过预先编程操控机器人。
2. 第二代：VLA（视觉-语言-动作）模型兴起，通过收集海量人类操作数据，让机器人进行模仿学习。
3. 第三代：去年年底出现的“世界模型 + VLA”混合范式。
4. 第四代：眸深团队于今年年初提出的“世界动作模型”（World Motion Model）。

2026年5月，眸深团队发布了“全球首个时空一体的世界动作模型”。该模型将世界模型的深层知识与机理注入机器人大脑，赋予其“带着对物理世界的认知去干活、去抓取、去操控”的能力，标志着具身智能进入全新阶段。

四大核心技术突破

围绕“世界动作模型”，陈涛重点介绍了四项代表性技术成果：

• 极致降低数据成本：针对当前行业“数据训练场”重复建设、数据浪费严重的痛点，团队提出基于互联网视频数据的学习范式，并发布EGM框架。该框架仅需常规数据1/12的成本，即可实现全球领先的人形机器人动作跟随策略，在跑步、急停、跨栏、投掷等高动态全身运动场景中表现卓越。
• 逻辑感知能力：赋予机器人在隐空间语义层面真正理解物理世界运行法则的能力，实现“有逻辑”的感知。
• 60倍计算加速：通过模型压缩技术，将机器人大脑体积大幅缩小，使其具备在端侧设备部署的可行性。
• 跨本体泛化能力：打破“大脑受制于本体”的限制，使AI大脑成为能够驾驭不同形态机器人的“通用主人”。

从Motion GPT到商业落地

在具体技术成果方面，眸深智能率先推出了全球第一个人形动作生成与控制具身大模型——Motion GPT。该模型首次实现了人类语言与机器人动作在隐空间内的统一，支持文字与视频动作的双向生成，并获得了英伟达开源项目的正面引用。

在商业化应用层面，眸深智能展示了多项落地场景：
* 灵巧操作：利用双臂灵巧手完成调酒、柔性抓取、柔性拧瓶盖等高难度动作。
* 工业协作：与美的洗衣机、光明集团等头部企业达成合作，实现螺丝精准定位、后盖仅3毫米精度的插拔与拧螺丝操作。

愿景与业绩

陈涛重申了公司的核心愿景：“让全球每一台机器人拥有可以实现自主进化的具身智能大脑。”

目前，眸深智能已与国内多家头部企业建立广泛战略合作，并在物业接待、制造业上下料等场景实现批量化落地。据陈涛透露，2026年上半年，公司已实现接近1亿元的订单收入，标志着具身智能技术正加速从实验室走向大规模商业应用。

(责任编辑：知识)