半年六轮融资近5亿：德塔智能如何重构人形机器人三维认知基座？

在2026年的科技创投版图中，具身智能无疑是最为耀眼的赛道之一。然而，当大多数目光仍聚焦于人形机器人的运动步态或单一机械臂的灵巧操作时，一家成立仅半年的初创企业——德塔智能（Delta Intelligence），却以近乎惊人的速度完成了六轮融资，累计金额接近5亿元人民币。这一现象级资本动作背后，并非简单的市场炒作，而是行业对“通用人形机器人基础模型”这一核心基础设施缺口的集体焦虑与迫切需求。德塔智能的出现，试图回答一个根本性问题：如何让机器人真正理解三维物理世界，并像人类一样协调全身完成复杂任务？

当前主流具身智能模型面临的最大瓶颈，在于其空间认知建立在二维视觉表征之上。传统的单目或双目摄像头虽然能捕捉图像，但缺失真实的深度信息，仅凭像素估算距离往往会产生显著偏差。想象一下，当机器人站在门前，二维表征难以准确判断门把手的确切距离、开门所需的旋转角度以及身体需要让出的空间余量。这种模糊判断在实验室环境中或许可以容忍，但在真实厂区或家庭场景中，误差会随时间累积，导致长时序连续作业彻底失败。德塔智能的核心创新，正是从底层替换了这一表征方式，自研原生三维世界引擎，以三维表征作为模型核心，直接处理点云和高斯泼溅等三维场景表示，实现了原生的三维理解、推理及对未来环境状态的推演。

为了支撑这一庞大的三维认知体系，德塔智能构建了独特的“大脑＋小脑+力位混合”三层协同架构。这一架构的设计逻辑严密且分工明确，旨在解决从高层决策到底层执行的完整链路问题。“大脑”负责环境感知、长时序任务规划和操作决策。值得注意的是，大脑的训练几乎完全摒弃了仿真数据。这是因为现有的仿真器难以完美复刻柔性形变、多触点受力等复杂的物理接触现象，只有依赖真机原生交互数据，才能训练出具备真实物理常识的智能体。“小脑”则专注于全身平衡与底层控制，它在仿真环境中通过强化学习进行海量试错，将大脑发出的稀疏指令转化为数十至数百赫兹的高频全身电机控制信号。最后，通过力位混合层输出柔顺的控制指令，确保机器人在与环境交互时既有力度的精准控制，又有位置的精确保持。

然而，架构的精妙只是理论层面的突破，真正的挑战在于数据的获取。具身智能的基础模型训练需要海量的真机交互数据，尤其是包含全身协同动作的数据。目前市面上多数数据采集方案仅能记录手部等局部动作，基于此类数据训练的模型无法完整理解人与环境的交互，更难以掌握攀爬梯具、推拉重型门等依赖全身协同的复杂任务。双足人形机器人的训练需要另一种形态的数据——人体全身骨架数据，即人体全身百余个关键点的运动轨迹，并需与视觉信息在时间轴上严格对齐。长期以来，行业内缺乏能批量产出此类高质量结构化数据的方案。

针对这一痛点，德塔智能同期发布了头戴式全身全景数据采集设备Delta D1。这款设备的出现，标志着具身智能数据采集进入了规模化生产的新阶段。佩戴者只需正常作业，设备即可同步采集第一人称全景视觉与全身关节运动轨迹，全程不依赖机器人本体，也无需昂贵的动捕棚和场地改造。其全局定位精度控制在2厘米以内，采完的数据可直接用于模型训练。针对双臂精细操作场景，手持配件D1-Gripper与头戴设备协同工作，补齐了抓取、装配等末端细节。这种低成本、高效率的数据采集方式，使得大规模构建工业数据集成为可能。

德塔智能并未将这套采集体系封闭起来，而是选择向行业开放，与本体厂商、科研机构及产业各方共建具身数据基础设施。采集到的数据经过跨本体重定向后，可广泛应用于宇树G1/H2、智元灵犀X2/A3、乐聚夸父4代/5代、星海图Kengo等不同品牌的人形本体算法训练。此前，德塔智能已联合中国信息通信研究院发布工业数据集2.0，工人佩戴D1在真实产线上边作业边采集，无需中断生产。这种开放合作的策略，不仅加速了自身模型的迭代，也推动了整个具身智能生态的数据标准化进程。

从实验室走向产线，德塔智能的基础模型已经在多个真实作业场景中得到了验证。电网全身巡检要求机器人在变电站这类复杂空间中边移动边操作设备，汽车零部件上下料、SMT料箱分拣考验的是移动中的抓取与连续搬运能力。这些任务正是全身协同能力必须兑现的典型场景。支撑其快速落地的，是一套标准化的跨本体适配流程：全身动捕数据采集、跨本体运动重定向、小脑仿真强化学习、大脑快速微调。面对新的机器人本体，不需要重新采集大规模数据或从头训练系统，依托完整的底层技术体系，模型可以在不同硬件平台间快速迁移。

德塔智能的团队背景也为这一技术路线提供了坚实保障。创始人兼CEO马晓健拥有清华大学计算机系本科及UCLA博士学位，曾在Google Robotics和NVIDIA Research从事机器人学习与大规模机器学习研究。联合创始人刘航欣和首席科学家黄思远同样具备深厚的学术与产业背景，分别在机器人感知、认知学习及空间智能统一模型领域有着深入研究。这种顶尖的人才组合，使得德塔智能能够在算法理论与工程实践之间找到最佳平衡点。

随着融资的完成，德塔智能将资金主要用于人形机器人基础模型的持续迭代、自研数采设备的量产与数据闭环建设，以及核心研发团队的扩充。这表明公司正致力于推动技术在真实工业场景中的工程化验证，而非仅仅停留在概念演示阶段。具身智能的竞争正在从单纯的运动展示走向实质性的物理作业。决定一台人形机器人能否真正“干活”的，不再是它走得有多稳，而是它对三维空间的理解精度，以及将全身几十个关节协调起来的可靠性。

在这一进程中，德塔智能正试图成为连接硬件平台与上层应用的关键一环。作为人形机器人生态中的基础模型提供方，公司致力于为各类本体提供可部署、可扩展的全身智能底座。半年六轮融资的背后，是资本市场对这一技术路径的高度认可，也是对具身智能未来爆发潜力的押注。随着Delta D1设备的普及和工业数据集的不断丰富，一个基于真实物理交互的具身智能新时代正在悄然开启。这不仅是对传统机器人技术的颠覆，更是对人工智能在物理世界中落地能力的重新定义。未来，谁能掌握高质量的三维交互数据，谁就能在通用人形机器人的竞争中占据先机，而德塔智能显然已经迈出了关键的一步。