宇树、小米加速自研大脑，眸深智能半年估值涨10倍后的收费难题

7月下旬，成立仅一年半的眸深智能宣布完成近亿元Pre-A轮追加融资。加上5月完成的3亿元Pre-A轮，两个月内到账融资接近4亿元，另有近5亿元Pre-A+轮仍在交割。
眸深称，2026年上半年，估值增长超过10倍。

资本快速涌入，押注的是眸深为机器人提供通用大脑的设想。公开材料显示，公司已经与宇树科技、小米集团等头部企业建立合作。

但到了2026年夏天，行业又有了新的变化。

宇树把世界模型、动作模型和真机部署代码开放出来；小米则在7月连续发布VLA大模型Xiaomi-Robotics-1和38B参数世界基础模型Xiaomi-Robotics-U0。这两家与眸深合作的本体厂商，正在加快建立自己的机器人大脑。

那就迎来了眸深新的问题，客户已经有模型，为什么还要持续付费？

01 合作方开始补上大脑

眸深创始人穆泽林曾公开表示，未来不会每一种机器人都单独开发一套大脑，而会由通用大脑适配单臂、双臂、轮式、人形等不同本体。这也是眸深希望成为具身智能基础软件平台的前提。

现实中的本体厂商却没有完全沿着这条分工路线走。

宇树早在2025年9月就开源了UnifoLM-WMA-0。按照其项目说明，这套世界模型—动作架构能够覆盖多种机器人本体：一边充当交互式模拟器，生成机器人训练数据；一边连接动作头，通过预测机器人与环境的未来交互过程，提高动作决策能力。

宇树同时公开了训练、推理、模型权重和部署代码，数据覆盖Z1机械臂、双臂系统和G1人形机器人。换句话说，宇树已经能够围绕自家硬件形成“数据—世界模型—动作策略—真机部署”的内部闭环。

小米的投入更偏向数据规模。

7月16日发布的Xiaomi-Robotics-1，是一套视觉—语言—动作模型。小米使用超过10万小时的真实操作轨迹进行预训练，再通过跨本体数据，把模型对齐到具体机器人和人类指令。在RoboCasa365仿真测试中，其任务成功率达到57.6%，此前最好成绩为46.6%。

三天前发布的Xiaomi-Robotics-U0，则是一套38B参数的世界基础模型。它不直接承担全部机器人控制任务，主要生成多视角场景、机器人动作视频和跨本体训练数据。论文显示，使用U0生成的数据训练后，另一套机器人策略模型在分布外真实任务中的成功率由36.9%提高到63.2%。

宇树、小米自研，并不是说双方会停止与眸深合作。大型本体厂通常会同时测试自研、开源和第三方方案，在具体场景中择优使用。

但能力边界已经开始重叠。眸深强调的世界建模、跨本体迁移和数据生成，宇树、小米都在投入。第三方大脑想按设备或按年收费，必须拿出比开源模型和客户自研更清晰的经济价值。

02 从动作Token到STI-WM

从技术层面看，眸深的模型路线确实有差异。

传统VLA模型通常根据当前视觉信息、文字指令和机器人状态，直接输出下一段动作。世界动作模型会多做一步：预测执行某个动作后，环境和机器人状态可能发生什么变化，再利用这些预测生成、筛选或者修正动作。2026年7月发布的一篇教程，将世界动作模型归纳为“想象后执行、视频特征辅助动作预测、视频与动作联合建模”等四类架构。

眸深推出的STI-WM，试图把空间理解、未来推演和动作控制放入同一个系统。按照公司发布的资料，它可以接收RGB图像、深度点云和机器人本体状态，将信息编码为时空潜在状态，上层处理百秒级任务规划，下层输出动作片段，并根据实时环境变化纠偏。

这条路线并非凭空出现。

陈涛团队2023年发表的MotionGPT，将三维人体动作量化成离散Token，让模型像处理语言一样，完成文字生成动作、动作描述、动作预测和动作补全。更早的MLD则在低维隐空间内生成动作，将推理速度提高了约两个数量级。

在环境理解方面，LL3DA能够直接读取三维点云，根据文字和视觉提示完成三维场景描述、问答和规划；在模型轻量化方面，MADTP通过动态裁剪视觉和语言Token，在特定模型与数据集上降低80%的计算量，性能损失控制在4%以内。

问题在于，这些论文分别解决人体动作生成、三维场景理解和多模态模型压缩，无法直接证明STI-WM已经具备稳定的机器人闭环控制能力。

人体骨架动作转为宇树G1或机械臂的控制指令，还要处理关节数量、力矩、负载、碰撞和控制频率。看懂点云中的桌子和杯子，也不等于机械臂能够连续完成抓取、移动、放置和失败纠正。

眸深对外披露过20倍推理加速、两周完成跨本体适配、支持百秒级长时规划等数据，但尚未公开STI-WM的完整论文、模型权重和统一测试结果。测试使用什么芯片、模型多大、牺牲多少精度，不同机器人上的完整任务成功率有多高，公开资料中仍找不到答案。

对比之下，宇树至少公开了训练和部署流程，小米公布了数据规模、测试基准和成功率。眸深的学术积累可以核实，可几项技术如何组合成可商业交付的机器人大脑，目前主要依赖公司发布材料和演示视频。

03 3000万元背后，眸深卖的到底是什么

有意思的是，眸深已经开始产生收入。

公司披露，2025年“审计回款收入”达到千万元，2026年上半年为3000万元，预计全年营收超过5000万元。公司称，客户覆盖工业检测、物业和环卫，一季度已经向某港股上市物业公司和A股环卫企业交付机器人产品。

不过，公开资料没有说明这3000万元中，有多少来自模型授权、端侧大脑模组、算法开发、机器人硬件和系统集成。与宇树、小米的合作，也没有披露采购内容、合同金额和收入贡献。

眸深早期规划的商业模式包括端侧大脑模组，以及与本体厂商合作推出ODM机器人。两种模式的估值逻辑差别很大，标准化模组能够复制到不同本体，收入增长不必同步增加工程人员；ODM和场景定制更容易快速形成合同额，却可能长期依赖项目交付。

当宇树、小米开始自研大脑，眸深真正能够收费的环节会进一步收窄。

基础模型可以开源，客户自己拥有机器人和运行数据。眸深需要证明，它能够用更少的真机数据、更低的端侧算力和更短的适配周期，把机器人送进工厂、物业和零售场景，并持续提高任务成功率。

这些优势若能形成重复采购和按设备收费，眸深有机会成为独立的机器人大脑平台。若收入主要来自整机、集成和定制开发，半年增长10倍的估值最终对应的，可能仍是一家高研发投入的机器人项目公司。

宇树、小米自研大脑，没有立即堵住眸深的市场。它只是提前抬高了收费门槛，技术路线已经不够稀缺，能够公开复现的性能、客户自研无法替代的交付效率，以及持续的软件收入，才是下一轮融资需要回答的问题。