95后连续创业者穆泽林创立的眸深智能，靠给机器人造“大脑”（世界模型）完成近5亿元Pre-A+轮融资，累计融资已近10亿元。据公开报道，这家公司成立当年就实现经审计回款收入1000万元。[1]
穆泽林是95后连续创业者，这已是他第三次创业。此前他做过AI智能客服公司，年收入最高约1亿元，后来选择卖掉公司再次出发。这次与首席科学家陈涛讨论后，他给自己定了三个方向：必须做AI、必须做多模态、必须做“按个卖”的产品，最终锁定“机器人大脑”这一形态。[1]
本轮Pre-A+轮由深报一本基金、东方证券直投基金等领投，老股东超额追投；成立当年即实现经审计回款收入1000万元，累计融资接近10亿元。[1]
95后靠做机器人大脑拿到5亿，眸深智能凭什么？
答案不是靠机器人硬件，而是靠“机器人大脑”这个软件底座。具身智能产业里，做本体、关节、灵巧手的公司已经不少，但能同时理解语言、图像和物理规律的“大脑”仍然稀缺。穆泽林选择的“世界模型”路线，正好踩在这个缺口上。
眸深智能并不是一家“追风口”的公司。穆泽林的选型逻辑有三个硬条件：必须做AI，必须做多模态，必须做“按个卖”的产品。和首席科学家陈涛讨论后，团队把方向锁定在“机器人大脑”这种可以像软件一样交付、又能源源不断产生数据的产品形态。[1]
这里说的“机器人大脑”，不是传统意义上的工业控制器，而是能感知环境、理解场景、规划动作的AI系统。它的核心价值在于：让机器人不是重复固定程序，而是面对新环境也能自己判断下一步怎么做。
机器人大脑和VLA到底有什么不同？
两者的核心区别：VLA更接近“行为克隆”，世界模型更接近“因果推理”。
当前机器人领域主流的VLA（视觉-语言-动作模型）把摄像头画面、自然语言指令和机器人动作绑定在一起，通过大量数据训练出“看到什么就做什么”的映射。这种方案的优势是端到端、训练直接，但缺点也很明显：泛化能力不足。公开技术讨论中经常提到的例子是，桌子高度一变，模型可能就不会操作，因为它在数据里“记住”的是特定高度下的动作，而不是物理规律。[2]
世界模型路线则不同。它希望让机器人先理解物理世界的基本规律，比如重力、碰撞、遮挡、运动趋势，再根据当前环境预测接下来会发生什么，并生成动作。支持者认为，这才是让机器人进入开放环境的根本解。
从技术链条看，VLA解决的是“感知-语言-动作”的对齐，世界模型解决的是“状态-变化-结果”的推演。后者需要更完整的物理建模、更精细的真机数据和更长的研发周期，因此难度也更高。[2]
行业里“VLA已死，世界模型才是未来”的说法，目前更多是部分从业者的观点，而不是行业共识。穆泽林把世界模型当作主要方向，但他同时强调，这件事的成熟度并不高。[1]
世界模型现在能落地吗，成熟度只有20%—30%意味着什么？
能落地，但离大规模复制还很远。
穆泽林认为，目前整个世界模型的成熟度可能只有20%—30%。在具体场景中部署仍需要约10%的真机数据，一次交付周期需要2—3个月。[1]这意味着，机器人大脑目前的工程化程度仍然接近定制项目：需要根据现场环境采集数据、调整模型、反复验证，而不是像云服务那样开通即用。
“目前整个世界模型的成熟度可能只有20%—30%。”——据公开报道，这是穆泽林对行业现状的判断。[1]
即便如此，商业化的第一步已经走通。眸深智能成立当年就实现经审计回款收入1000万元，团队已有40余名博士，并与复旦成立联合实验室，采用成建制研发而非依赖个别天才。[1]
技术要点表
从融资、技术到团队，眸深智能事件中的关键信息可以拆解为下表：
| 技术/产品 | 核心指标 | 应用场景 | 影响对象 | 限制条件 | 信息来源 |
|---|---|---|---|---|---|
| 眸深智能“机器人大脑”（世界模型） | Pre-A+轮近5亿元；累计融资近10亿元；成立当年回款1000万元 | 未来可能达到1万台至10万台需求的机器人场景 | 机器人本体厂商、具身智能创业公司、投资机构 | 世界模型成熟度约20%—30%，单次交付周期2—3个月 | 据公开报道[1] |
| VLA（视觉-语言-动作模型） | 依赖大规模数据训练，泛化能力目前不足 | 桌面抓取、物体操控等操作任务 | 当前具身智能研发团队 | 场景变化可能导致动作失效，如桌子高度变化 | 据公开技术讨论[2] |
| 复旦-眸深智能联合实验室 | 40余名博士，四个研发板块，成建制研发 | 世界模型基础研究、机器人大脑工程化 | 高校科研团队、公司研发体系 | 研究成果转化周期仍需观察 | 据公开报道[1] |
| 世界模型对算力芯片的新需求 | 从短时序识别转向长时序预测与规划 | 机器人训练、仿真环境、边缘推理部署 | 算力芯片平台、云服务商、机器人厂商 | 需要配合真机数据和场景数据闭环 | 据公开市场信息[3] |
拿到近5亿元之后，机器人大脑会先改变哪些场景？
最先被改变的，可能是那些“量大、重复、但环境会变”的机器人场景。
穆泽林的商业原则是：只选未来可能达到1万台至10万台需求的场景，拒绝为展厅里的接待机器人做开发。[1]这说明，他瞄准的不是“演示价值”，而是“规模价值”。
从行业逻辑看，仓库搬运、工业分拣、装配检测这类场景更容易成为切入点：动作相对固定，但又不像流水线那样完全无变化。真机数据可以从这些场景低成本获得，再反哺世界模型训练。需要说明的是，眸深智能尚未公开完整客户名单，具体落地场景仍需以官方信息为准。
产业链上谁会直接受益？
第一是机器人本体厂商。机器人大脑成熟后，厂商可以把核心竞争力从硬件参数转移到“大脑”的适配与场景定义上。
第二是算力芯片平台。世界模型需要处理视觉、语言、物理推演和动作规划，推理负担明显大于传统识别模型，会给高性能AI芯片带来新的增量需求。[3]
第三是数据服务商。约10%的真机数据比例虽然不高，但数据质量和场景覆盖度仍然决定模型上限，数据采集、标注、仿真合成都会成为重要环节。
热闹的“机器人大脑”赛道，机遇与风险在哪里？
机会在泛化，风险也在泛化。
世界模型的价值，是让机器人从“记住动作”走向“理解环境”。一旦跑通，机器人软件的可复制性会大幅提升，市场规模会从定制项目变成软件平台。但当前20%—30%的成熟度、10%的真机数据比例、2—3个月的交付周期，都说明它仍然处在早期工程阶段。[1]
穆泽林对竞争格局的观察也值得注意：他认为真正的竞争对手是两三年前就开始研究世界模型的团队，“国内外就那么几个”；2026年以后才入局的多是追风口。[1]这意味着，资本涌入未必能立即换来技术代差，时间窗口比融资数字更关键。
关注这条赛道，需要盯住哪些风险？
- 技术成熟度：世界模型成熟度仅20%—30%，距离硬件产品规模化仍有距离。
- 数据成本：部署仍需约10%真机数据，数据采集和标注成本不低。
- 交付效率：一次交付周期2—3个月，意味着商业模式可能偏项目制，毛利率和扩张速度会受影响。
- 竞争门槛：真正有积累的团队可能只有几家，新入局者容易变成追风口。[1]
舆论场在争论什么？
行业里“VLA已死，世界模型才是未来”的说法，属于部分从业者观点，不是行业共识。穆泽林的“国内外就那么几个”的判断，也只是创始人视角，需要更多公开数据验证。另有公开技术讨论认为，VLA擅长具体操作，世界模型擅长环境推演，两者未来可能共存甚至融合。[2]
你可能还想搜：95后靠做机器人大脑拿到5亿
95后靠做机器人大脑拿到5亿，说的是哪家公司？
眸深智能。95后穆泽林创立，做机器人大脑/世界模型，近日完成近5亿元Pre-A+轮融资，累计融资近10亿元；成立当年经审计回款收入1000万元。团队有40余名博士，并与复旦共建联合实验室。据公开报道。
世界模型和VLA有什么区别？
VLA是视觉-语言-动作模型，擅长把感知映射成动作，但泛化不足；世界模型试图理解物理规律后再行动。据公开报道，目前世界模型成熟度约20%—30%，部署仍需约10%真机数据。二者谁会胜出尚无官方定论。
眸深智能拿到近5亿元后会怎么用？
尚无官方详细规划。据公开报道，创始人只选未来可能达到1万台至10万台需求的场景，拒绝展厅接待机器人；公司已有40余名博士，研发仍是重心。后续资金使用需以官方实时信息为准。
后续关注什么？
对关注AI和机器人的科技从业者而言，“95后靠做机器人大脑拿到5亿”带来的启示不是“风口又来了”，而是“下一个平台级机会可能出现在AI的物理世界理解层”。如果只把世界模型当成一个大号VLA，可能低估它；如果把它当成马上能量产的通用大脑，也可能高估它。
- 眸深智能是否会公布具体落地场景和客户数量。
- 世界模型能否把交付周期从2—3个月压缩到数周。
- 融资后的团队扩张是否持续围绕世界模型研发而非市场投放。
- 是否会出现开源世界模型，降低整个行业的部署门槛。
#95后创业 #眸深智能 #机器人大脑 #世界模型 #具身智能