半年三輪數億融資，深樸智能要把具身機器人送進千家萬戶

沒有保潔人員穿梭的身影，只有設備運轉的微響回蕩在酒店走廊。
一臺機器人正在客房內，熟練地整理床鋪、擺放枕頭……曾經只存在于科幻小說的場景，即將在2026年底成為現實。
這臺機器人來自深樸智能，即將正式入駐北京某高端酒店。

近日，通用具身智能機器人企業「深樸智能」宣布完成新一輪融資，融資金額達數億級別。本輪融資由線性資本、普華資本領投，老股東鈞山資本、順為資本、BV百度風投持續加碼。據悉，本輪融資資金將重點投入具身機器人大腦與本體研發。

值得注意的是，這是半年內深樸智能的第三輪數億元融資。

不同于一般的具身智能企業大秀某項單點技術，深樸是圍繞著“模型-數據-本體-場景”建立閉環，從酒店、康養等類家庭場景出發，逐步逼近終極的家庭場景。這種系統化的全棧閉環能力，正是深樸在群雄逐鹿的2026年筑起的第一道競爭壁壘——在技術迭代極快的當下，單點領先極易被對齊，唯有體系化的落地能力難以被復制。

“具身智能正處在從技術探索走向規模化應用的關鍵節點。我們堅持以真實場景為牽引，構建高效的數據閉環與模型迭代體系，讓機器人真正成為物理世界的智能基座。”深樸智能創始人兼CEO李曉飛表示。

深樸智能的半年三融，也說明了資本依然押注市面上稀缺的系統化能力，一支把技術送進場景、再從場景中長出產品的團隊更有無限可能。

01從自動駕駛到具身智能，打造全棧能力再創業

“具身智能的2025年特別像自動駕駛的2017年-2018年。資本市場火熱，技術能力仍在爬坡，產品化都處于早期。”李曉飛說，“但接下來具身智能會進到細分賽道，遍地都是產業生態機遇，這是不容錯失的黃金階段。”

因此2025年中，李曉飛投身具身智能大潮，創立深樸智能。

但李曉飛下場具身智能，卻不只因為技術熱。他曾完整經歷自動駕駛的技術產業化周期。這樣的創業背景，決定了他看待具身智能熱潮的角度。

李曉飛是典型的清華派創業者，本科和博士就讀于清華汽車系，師從自動駕駛領域泰斗李克強院士。他博士期間的主要研究方向是AI與自動駕駛結合，是國內最早一批將深度學習圖像檢測、圖像視頻跟蹤等方法應用到自動駕駛中的研究者之一。

深樸智能創始人兼CEO李曉飛

畢業后，他與師兄弟共同創立自動駕駛公司「智行者」，作為聯創先后做過技術、產品、業務等工作，經歷了自動駕駛和機器人從實驗室走向細分場景、再進入產品化與量產階段的全過程，完整經歷了一輪技術產業化周期，并積淀足夠的創業經驗與方法論。

李曉飛深知，技術熱和資本熱往往先于產品成熟到來，真正決定公司能否跑出來的，是能否在正確時間進入正確場景。

“具身智能里做demo比較簡單，真正困難的是把demo變成產品，變成商品。”李曉飛說，單點技術遠遠不夠，我們需要判斷模型是否能支撐真實任務，數據是否能夠在作業過程中持續回流，產品是否能精準定義，場景是否能夠商業化推廣。

因此，深樸一開始就圍繞具身機器人的全棧能力配置團隊。

李曉飛將團隊所需能力大致分成三類：一是AI native人才，承擔模型和前沿能力研發；二是自動駕駛人才，負責系統能力與數據閉環；三是來自機器人產業鏈的人才，更熟悉產品定義、研發、生產、銷售和服務。

圍繞具身智能所需的復合能力，深樸智能組建起了一支罕見的創業“夢之隊”——這支團隊橫跨AI、自動駕駛與機器人三個領域，每一位核心成員都在各自賽道上經歷過從0到1、從實驗室到規模化落地的完整周期。

技術副總裁李明磊本碩博畢業于中科大，是中科大與微軟亞研院聯合培養博士，長期深耕手勢識別、視頻語義分割與多模態大模型等前沿方向，曾任微軟云資深研究員，主導多模態圖文智能理解全棧研發，成果規模化落地微軟Azure、Office、Windows等十億級用戶平臺，加入深樸后帶隊斬獲NeurIPS 2025 Behavior-1k挑戰賽季軍，同時主導端到端研發體系建設，打通數據鏈路、模型訓練、推理部署與系統評測各環節。

首席科學家王家偉就讀于中科大少年班與微軟亞研院，博士階段深耕大語言模型、智能體與強化學習方向。博士期間他曾在DeepSeek、字節跳動Seed團隊及微軟亞研院擔任核心研究員，親歷并深度參與了國內頂尖大模型從0到1的研發全程——這些經歷，讓他對模型能力的邊界與突破路徑有著遠超同齡人的第一手判斷力。

產品副總裁張迪擁有中科院微電子碩士背景，既懂技術又懂產品，深耕機器人產品線逾十年。他曾任知名科技公司產品線總負責人，先后開創了航拍無人機、水下機器人、清掃機器人等多個全新品類，每一款都是從零定義、從無到有——負責產品累計出貨量超10萬臺，驗證了他將技術創新真正轉化為市場規模的能力。

團隊結構背后，是李曉飛對具身智能壁壘的獨到判斷。

“具身智能的核心壁壘會是模型，是本體，還是數據采集？我覺得可能都不是，”李曉飛認為，技術迭代太快，單點領先很容易被拉齊。“某項單點技術出來領先三個月，之后就沒了領先度。”

李曉飛認為，真正難以被競爭對手快速復制的，是這兩種能力。一是“模型—數據—本體—場景”的閉環能力，二是機器人進入真實場景后持續積累真機作業數據的能力。前者決定技術能否真正落地，后者決定系統能否持續進化。

02押注具身Scaling Law，跑通“模型-數據-本體-場景”閉環

李曉飛所說的兩種能力，也指向具身智能真正的分水嶺——機器人的能力能否被規模化復制，也是過去一年行業熱議的話題：物理世界里的機器人，是否也存在Scaling Law？

這像大語言模型一樣，具身智能模型也可以通過增加數據量、模型參數或計算量，可預測地提升模型表現，從而提升機器人的表現。去年，具身智能獨角獸Generalist發布Gen-0，讓行業看到了在具身智能領域存在Scaling Law的可能性。

讓李曉飛感到興奮的是，近期Gen-1的發布。

基于50萬小時數據的預訓練，Gen-1讓機器人在手機入殼、折疊紙箱等精細任務上把成功率從64%提到99%，徹底驗證了物理世界的Scaling Law。“這種基于Scaling Law的模型和數據，讓機器人能把某些任務做到非常好的效果，這就非常接近量產的水平。”李曉飛表示。

在技術路徑上，深樸和Generalist十分相似，都會使用跨本體的數采和多模態具身大模型，試圖證明機器人能力的提升，不只是靠規則編排，而是靠模型和數據持續擴展。

基于對技術的思考，李曉飛和深樸智能構建了“1+2+N”產品戰略。“1”代表著一套具身模型底座，“2”代表著兩條數據管路，“N”代表著逐步解鎖的酒店、康養、家庭等N個場景。

模型層面，團隊創新性地構建了一套分層記憶增強的智能體架構，結合自主研發的世界動作模型與端到端VLA，顯著提升機器人復雜長程任務規劃能力、跨本體零樣本適配能力，以及非標場景下的操作泛化與指令遵循能力。該模型架構助力公司成為國內首家在李飛飛教授舉辦的B-1K挑戰賽中斬獲全球前三的具身智能企業。

在數據層面，深樸智能自研了低成本、高精度的純視覺UMI + Ego數據采集系統，并圍繞這一系統構建了“冷啟動”與“熱循環”兩條數據管路，實現真實場景多模態數據的大規模采集。其中，“冷啟動”指在機器人進入真實場景之前，通過大規模真實操作采集訓練數據，為模型打下堅實基礎。李曉飛透露，預計今年這條管路將積累幾十萬小時的訓練數據。

而“熱循環”則指機器人入場作業后，持續采集其自主運行過程中的真機數據——尤其是邊緣案例與失敗案例——并將這些數據高效回傳，驅動模型進行持續微調與強化學習。兩條管路共同構成了深樸智能完善的真機作業數據閉環。

“冷啟動是真實場景的數采，熱循環是真機的作業數據反饋。”李曉飛表示，這一閉環使機器人進入場景后能夠源源不斷地將真實作業經驗轉化為模型能力，既強化了具身模型本身，推動模型-數據-本體-場景的能力迭代，也沉淀為深樸智能的核心數據資產。

這一機制的價值，根源在于傳統數據采集方式的先天局限：一旦條件和輸入方式固定，系統所喂給模型的數據往往被鎖定在有限的分布范圍內。然而，機器人在真實物理世界運行時不可避免地會遭遇“分布外”的邊緣情況與失敗場景——恰恰是這些數據，才是驅動機器人持續進化的寶貴素材。

這一挑戰在家庭這類非結構化場景中尤為突出：不同家庭在家具擺放、清潔標準、個人習慣等方面天差地別，通用化幾乎無從實現。

深樸智能的策略，是以酒店、康養等“類家庭場景”為前期積累陣地，讓機器人在真實環境中經歷、反饋、迭代，逐步夯實數據閉環與模型能力，再以此為跳板，向終極的家庭場景延伸。這一“越用越智能、越交付越高效”的技術與商業雙重飛輪，正是深樸智能構建核心壁壘的底層邏輯。

03劍指家庭場景，酒店成為第一塊訓練場

深樸智能一直有一個明確的終點：家庭。但機器人進入家庭場景，目前還有諸多技術卡點，存在系統性難題，并不適合創業公司正面切入。

首先解決的是，如何去做機器人的能力升級？

李曉飛認為，具身智能機器人的能力升級，有三條路徑：一是依賴大規模堆積仿真、合成數據和第一人稱視頻數據，直至“暴力出奇跡”，但這是小概率事件；二是從工業場景切入；三是從類家庭走向家庭。

相比之下，機器人進工業場景的門檻低，因為任務清晰、工位固定，工業場景屬于結構化場景，是目前大多數具身智能的廠商進攻的重點方向，但在能力及數據遷移方面可能會受到不同場景、不同任務和不同物品等各個維度的限制。

“之前自動駕駛創業時乘用車L2的量產，也是行業不太愿意選擇的路徑，因為毛利低，任務重，難度大。但把難而正確的事做到，未來生態位的價值會越來越大。”李曉飛說。

這次具身智能創業，李曉飛同樣堅持“難而正確”的選擇：從類家庭切入，逐步走向家庭。特定類家庭場景中的特定任務，可類比于L2，復雜家庭場景中的開放任務，可類比于L4。

深樸智能最先鎖定酒店這個類家庭場景，成為其機器人的第一塊訓練場。

酒店帶有居家屬性：房間、床鋪、衛生間、布草、清潔、收納、基礎服務等任務與家庭環境高度相似。但和真正的家庭場景相比，酒店的空間、作業標準都更穩定，更容易拆解成SOP工序，有助于人機協作。這種環境更適合機器人訓練和驗證閉環。

而且，在與酒店集團最早接觸時，李曉飛發現酒店客戶有著最現實的痛點——人力成本。尤其是在海外市場，酒店業的人力成本居高不下并持續上升，導致招聘困難。

據Actabl行業數據顯示，2025年美國酒店每間已售客房的勞動力成本從42.82美元升至48.32美元，同比激增12.8%。對酒店來說，這筆持續上升的成本支出，加速了酒店業評估商用自動化清潔設備，以及具身智能機器人在客房保潔場景落地的可行性。

但人力成本，并不是酒店引入機器人的唯一原因。

對酒店業來說，機器人帶來的價值不只是降本，還能提質——機器人能實現更標準化地執行任務。比如馬桶、床鋪、布草更換等區域，與住客直接接觸，機器人替代人工，一方面能實現100%按照標準流程來作業，另一方面重塑了酒店業的服務標準。

目前，深樸智能與中旅酒店集團及其他高端酒店品牌達成戰略合作，共同打造酒店場景具身服務機器人；與香港理工大學及唯港薈教學酒店聯合制定酒店具身智能服務標準，攻克動態環境中的精細作業難題，同步布局香港及海外市場的數據合規框架，深度研究人機協作最佳模式。

與此同時，深樸智能還在推進海外的相關認證。“在歐美、香港、新加坡等地區，服務業人口紅利已經明顯減弱，用工荒更嚴重，勞動關系更復雜，”李曉飛表示，這些地區的消費能力更好，因此產品定價甚至可達國內的2倍，毛利更高。在未來幾年，出海都會是深樸智能的主旋律。

當前，深樸智能的機器人處于工程驗證階段，正以每月一代的速度持續迭代機器人本體。

李曉飛計劃，接下來2026年的重點是繼續打磨樣機，將在Q2面向重點客戶場景中做POC（場景驗證），并在年內逐步走向批量交付。2027年，深樸智能將推出海外版本，以及面向康養及家庭種子客戶的試用版本。

在李曉飛的設想中，深樸智能的長期愿景是做出讓人類生活變得更簡單的硅基伙伴。他計劃用未來5-10年的周期，真正把具身機器人的技術磨成產品，磨成商品，讓機器人最終走進千家萬戶。“深樸出售的并不是一款機器人，而是被解放的時光：當媽媽不再彎腰擦地，當孩子有人陪搭積木，當老人服藥有人準時遞送……這些平凡時刻的光亮，才是具身智能的星辰大海。”

這也對應了“深樸”名字本身的含義。Simple AI，取自“簡單”之意，中文音譯成“深樸”。“深”指向技術，“樸”指向結果——用更高深的技術，去解決更樸素的問題，讓復雜的能力最終以更簡單的方式進入日常，重新塑造一種有用、有趣、有尊嚴的生活方式。

本文為創業邦原創，未經授權不得轉載，否則創業邦將保留向其追究法律責任的權利。如需轉載或有任何疑問，請聯系editor@cyzone.cn