2026年的具身智能赛道正上演一场奇特的“肢体割裂”：一边是机器人翻跟头、踢回旋踢的视频在社交媒体上刷屏，另一边却是工厂产线上真正“能干活”的人形机器人依然寥寥无几。大部分演示停留在展示级——机器人能完成预设动作，但一旦面对非结构化环境中的动态任务，比如在移动中同时操作工具、感知力度并调整身体重心，系统就退回到传统的模块割裂状态。这正是全身协同操作（Loco-manipulation）被视为人形机器人“圣杯”的原因，也是国外 Figure、Tesla 等厂商押注的技术路线。然而从实验室到产线，中间横亘着一道深沟——缺乏原生为全身协同设计的模型架构、高质量数据匮乏、以及工程化验证的缺失。

这道沟正在吸引资本密集下注。人形机器人基础模型公司德塔智能近日完成近5亿元天使++轮融资，投资方包括多家上市公司产业方和财务投资机构。这是该公司成立半年来完成的第六轮融资，其速度与密度在早期硬科技项目中极为罕见——从种子轮到天使++轮，平均每月一轮。

公司 德塔智能（Delta Intelligence）
轮次 天使++轮
金额 近5亿元
投资方 多家上市公司产业方和财务投资机构（未披露具体名单）
总部 未披露
创始人 马晓健（CEO）、黄思远（首席科学家）、刘航欣（联合创始人）
官网 未披露

半年六轮，三家本体厂商同时站台的基模公司

德塔智能的融资节奏本身就构成了一条信息。在一个通常以年为单位推进轮次的早期市场，半年六轮意味着每一轮之间的间隔仅有一个月左右。更值得关注的是它的股东结构：德塔智能是目前唯一一家同时获得智元机器人、乐聚机器人和星海图三家头部人形机器人本体厂商投资的具身基模公司。同时，它所依托的北京通用人工智能研究院（BIGAI），是最早与宇树科技成立联合实验室的团队之一。

这意味着，当前国内四家最重要的人形机器人整机厂商中，有三家选择了用股权投资绑定这家成立仅半年的模型公司，第四家则通过联合实验室建立了技术协作关系。在具身智能领域，本体厂商与模型公司的站位通常泾渭分明——各家或自研大脑，或选择与单一伙伴深度绑定。德塔智能几乎是唯一一个同时获得多家本体厂商战略押注的模型层玩家。

这种站位优势折射在投资方的表态中。智元投资负责人韩燕莹（智元机器人为德塔智能的投资方）将德塔智能定义为具备“成长为通用具身智能底层平台型公司”潜力的标的，并特别指出其在“世界引擎、real2sim2real 工程化能力以及跨本体 VLA 架构上的长期布局”。星海图投资负责人罗天奇（星海图为德塔智能的投资方）则直言德塔是星海图围绕“数据＋场景”新技术投资的重要生态伙伴。乐聚常务副总裁柯真东（乐聚机器人为德塔智能的投资方和战略合作伙伴）的背书更具时间纵深——他回顾称，乐聚与德塔创始团队自2023年起已长期合作，携手完成了“一系列国内首创的人形机器人技能展示和应用交付”。

学术血统叠加产业履历：一支从DARPA项目走出来的团队

德塔智能的核心创始三人组呈现出一个高度对称的学术与产业剖面：据公开信息，三位创始人均获UCLA博士学位，均拥有清华本科背景，且均在北大或北京通用人工智能研究院有任教或任职经历。CEO马晓健毕业于清华大学计算机系，博士毕业于UCLA，曾在Google Robotics和NVIDIA Research从事机器人学习与大规模机器学习研究，回国后在通研院主导原生空间通才具身智能体、跨本体数据采集及具身基础模型等项目。首席科学家黄思远博士同样毕业于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，其提出的力—位混合控制统一理论获得CoRL最佳论文奖。联合创始人刘航欣现任北京大学助理教授，长期从事机器人系统、软硬件协同与产业交付，曾参与美国DARPA、ONR、NSF等机构的机器人项目，并主导研发全手掌视触觉灵巧手F-TAC。

这支团队的独特之处不在学术履历本身——具身智能赛道上博士创始人并不罕见——而在于其成员的研究与产业经历横跨Google Robotics、NVIDIA Research、DeepMind、Meta、FAIR等机构，且参与过DARPA项目的工程化交付。这构成了一个在投资圈颇具吸引力的叙事：“AI基础模型×机器人控制×真实场景交付”的复合能力组合。在一个长期受困于“算法团队不懂硬件、硬件团队不懂模型”割裂状态的行业里，这种组合本身就是一种信号。

德塔智能是北京通用人工智能研究院（BIGAI）孵化的公司。通研院在具身智能领域的积累为德塔提供了技术与资源的起点。团队的阶段性研究成果在过去四年间持续亮相：2023年“眼里有活”自主机器人首次展示；2024年“TongVerse”具身智能平台发布，奠定了世界引擎的技术基础；2025年机器人科技舞蹈引爆中关村论坛开幕式；2026年人形机器人“通脑”入选该论坛重大成果。

HFMs：据德塔智能称，为全身协同重新设计模型架构，而非改造通用大模型

德塔智能介绍，其技术核心是一套名为HFMs（Humanoid Foundation Models）的人形机器人基础模型。与通用大模型叠加机器人控制的路径不同，德塔智能声称HFMs从模型架构层面就内嵌了三个“原生基因”：由原生人形机器人数据训练；具备原生的类人大小脑架构；构建在具备原生空间推理的3D世界引擎之上。

这三大“原生”指向同一个工程技术判断：把人形机器人的完整身体作为建模对象，而非将机械臂或移动底盘的模型拼接在一起。在德塔的模型体系里，“大脑”负责场景理解、任务推理和动作决策，“小脑”将任务意图转化为全身多关节的连续控制，力位混合控制帮助机器人在接触真实物体时兼顾位置精度、力反馈和身体稳定性。三者协同要解决的核心问题是机器人如何从“知道要做什么”走向“在真实环境中稳定地把事情做成”。

3D世界引擎是这套体系的关键基础设施。它的任务是在机器人行动前，先让其理解空间关系、环境变化和动作后果——不是识别“前面有一扇门”，而是理解“这扇门朝哪边开、铰链在什么位置、我需要如何移动整个身体才能用适当力度打开它。”这是Loco-manipulation区别于传统机械臂操作的本质维度：动作不只是末端执行器的轨迹规划，而是全身重心的实时调节、上下肢的协同配合、以及与环境接触力的动态响应。

传统上，大部分Loco-manipulation任务依赖MPC（模型预测控制）、WBC（全身控制）等控制框架，它们在稳定性、泛化性和可扩展性上存在明显瓶颈。据德塔智能称，其团队在国际上率先提出了具备原生3D空间理解能力的通才具身智能体，支持导航与操作在内的长程任务，并凭借力位混合控制统一框架获得CoRL 2025最佳论文奖。从公开演示来看，该公司声称已实现人形机器人在复杂动态环境下的长时稳定运动与高难度动作执行能力，包括回旋踢、连续空翻、单手旋转等极限动作——不过，这些展示级能力与工业场景中的持续稳定作业之间，仍有相当距离需要弥合。

“数据＋场景”：产业资本入场押注的不是模型，是数据闭环

此轮近5亿元融资的用途声明中，有一个容易被忽略的细节：资金将用于“加快自研数采设备的量产与数据闭环建设”，且被置于与“基础模型持续迭代”并列的位置。这是一个清晰的信号——钱要砸向的不只是算法，更是数据基础设施。

具身智能的一个核心瓶颈是数据稀缺。互联网图文数据可以喂养大语言模型，但人形机器人需要的是全身协同操作的高质量数据，包含手、躯干、腿、脚与环境交互的完整记录。这类数据无法从公开互联网获取，只能在真实或仿真环境中采集。德塔智能已完成自研全身全景数据采集设备的规模化部署，能够在同一时间轴上采集体态、力觉、触觉与视觉的全身数据。团队还深度参与了国内最大人形机器人数据训练中心的建设。

“数据＋场景”的组合构成了星海图投资负责人罗天奇所说的投资逻辑。这不是单纯的技术投资，而是对数据闭环能力与场景入口的布局。德塔智能已公开的客户名单包括赛力斯和富士康，在工业场景完成了多项高价值任务的交付。其技术成果还在中关村论坛、世界人形机器人运动会、全运会等国家级平台上展示应用。此外，由德塔团队联合产业链伙伴发起的“通智大脑联盟”已汇聚十余家具身智能领域头部产业方与场景方——这是一种典型的生态卡位策略：通过联盟锁定数据采集和场景验证的双向通道。

不过，从“高价值任务交付”到“规模化商业部署”，同样是具身智能行业尚未跨越的鸿沟。赛力斯和富士康是高度定制化的工业场景，能否将任务能力迁移至其他工厂、其他行业、甚至家庭场景，决定了德塔智能到底是做一家成功的工业自动化公司还是一个真正意义上的通用具身智能平台。

竞争格局：三足鼎立中的站位游戏

德塔智能面对的是一个极为拥挤的赛道。国际上，Tesla Optimus和Figure AI在人形机器人Loco-manipulation路线上投入巨大，且拥有整车制造场景的直接入口——Tesla的工厂本身就是Optimus的天然试验场。国内，本体厂商如宇树科技、智元机器人、乐聚机器人等均在自研或合作推进模型层能力。德塔智能的差异化在于它坚持做“只为他人做嫁衣”的基座模型层，而非自己下场造机器人。

这是一个站位选择，也是一个风险选择。平台型模型公司的商业模式尚未被验证——如果本体厂商最终选择自研模型，如果行业无法形成统一的接口标准，基模公司的价值就会陷入“技术领先但商业落地受限”的困境。韩燕莹所说的“跨本体VLA架构”能力，是德塔能否成为真正平台的关键：模型必须能够在智元的机器人、乐聚的机器人、甚至未来更多品牌的本体上实现能力复用，而非每换一个硬件就要重新适配。德塔智能团队强调其HFMs具备原生的跨本体泛化能力，但这在多大程度上已在真实多本体环境中得到验证，目前公开信息尚不充分。

联合实验室的布局则暴露出另一种战略意图。德塔依托的通研院与宇树成立了联合实验室，同时获得智元、乐聚、星海图的投资——这几乎覆盖了国内主要本体厂商阵营。德塔智能似乎在构建一个“模型层中立”的生态站位，类似于手机行业的高通：为所有厂商提供核心能力，但自己不碰终端硬件。这一策略能否成立，取决于HFMs的技术壁垒是否足够深，以及本体厂商是否愿意在核心“大脑”上依赖外部供应商。

资金用途折射的核心矛盾：量产数采设备比造机器人更难

将资金用于“自研数采设备量产”，这是一个不寻常的优先级排序。对一家AI模型公司而言，深度介入硬件的量产环节，意味着既要管理供应链，又要控制成本、良率和交付节奏——这完全不同于写代码和训模型。但德塔的判断似乎很明确：高质量全身数据的规模化获取能力，才是基模迭代速度的真正瓶颈。没有足够的数据喂给模型，再先进的架构也是纸上谈兵。

CEO马晓健对融资后方向的表述也佐证了这一判断：“本轮融资后，我们将继续把资源集中投入人形机器人基础模型研发，推动机器人从‘会动’走向‘能干活’，并让这一能力适配更多本体、进入更多真实场景。”从“会动”到“能干活”，这中间的工程化鸿沟恰恰是当前人形机器人行业最大的未被满足需求。编一段翻跟头的演示代码与在工厂产线连续稳定运行数月之间，还隔着可靠性的统计学验证、异常情况的实时处理、以及与现有生产流程的深度集成。

风险与待验证假设：六个月的光环还不足以证明什么

德塔智能的故事目前仍高度依赖于几个关键假设：HFMs模型确实具备跨本体的通用泛化能力；自研数采设备可以低成本量产并持续产生高质量数据；工业客户的订单可以从定制化项目转化为可复制的产品化收入；以及最重要的——团队在成立仅六个月内验证的技术优势，能在未来18-24个月的窗口期里保持住。任何一个假设被证伪，当前的估值逻辑都会受到冲击。

行业竞争维度同样不容忽视。国外Figure、Tesla拥有更雄厚的资本和自有场景，国内本体厂商也在快速补齐模型能力。德塔智能的先发优势窗口并不宽。此外，公司详细商业模式、收入规模、团队总人数等关键指标尚未公开披露，外界难以判断其商业化的真实进度。投资方的热情很大程度上建立在团队履历、论文成果和早期验证的声誉之上，而从顶尖论文到百万台规模部署，中间的时间和不确定性往往远超预期。

半年六轮融资本身也是一种双刃剑。它传递了极强的市场信心，但也意味着公司在极短时间内吸引了大量资本的关注与估值压力。在当前具身智能赛道融资仍保持活跃的周期里，速度是优势；但一旦资本市场对回报周期的耐心减弱，高融资密度对应的期望值同样高企。

RecodeX 极客视：德塔智能在成立半年内完成六轮融资并拿下近5亿元天使++轮，折射出资深学术团队叠加通研院孵化背景的强信号效应。三家头部本体厂商的战略押注和自研数采设备量产计划，将这场竞争的关键从“谁的算法更强”推向“谁能建成最高效的数据闭环”。但商业模式的模糊和跨本体泛化能力的有限公开验证，意味着当前估值仍然建立在高度同频的产业共识之上——共识一旦转向，第一个被重新定价的往往就是跑得最快的那一个。