DeepSeek走向物理世界，机器人等来了梁文锋

文｜佳佳

编辑｜小八

封面来源｜AI生成

梁文锋开始密集见机器人创业者了。

据凤凰网科技从多个信源获得的消息，梁文锋近期正在关注具身智能，与相关创业者讨论机器人、大模型与现实世界交互等问题。DeepSeek 正在评估的方案，包括自己组建团队研发，以及通过投资相关企业切入。

投资端也传来了消息。10 月12 日，彭博社援引知情人士称，DeepSeek 已同意牵头Winverse AI 的种子轮融资。

Winverse成立仅数月，创始人胡瀚此前负责腾讯的视觉语言与具身基础模型团队。

该交易是DeepSeek 自2023 年创办以来，规模最大的创业投资项目之一。本轮拟融资数千万美元，投后估值约4 亿美元。

目前，国内具身智能赛道分化加剧，项目融资门槛提高，估值和商业化开始受到更严格的检验。

宇树上市后，人形机器人企业的高估值逻辑与退出预期持续承压。据路透社报道，不少同赛道企业上市进程放缓，部分一级市场项目估值缩水30%—50%。

耐人寻味的是，仅仅五个月前，梁文锋还说，以他对AI 发展规律的理解，具身智能应该在AI 迈过自我迭代的奇点后再做。

那么，是什么驱使他此刻入局，为趋冷的一级市场注入温度？

王兴兴认错，梁文锋下场

具身智能与基础模型是一场双向奔赴的故事。

近日，在工博会上，王兴兴罕见公开认错，坦言：“过去十几年我犯的最大错误就是对AI 还不够相信。到现在可能很多人还没有充分使用或者拥抱AI。”

他判断，具身智能的技术临界点可能会来得比预期更快，最快可能只需一两年，甚至明年GPT-7 就可能直接“打穿”这个难题。

宇树也在积极投入AI 研发。但显然，这在王兴兴眼里还不够，他表示自己如今对AI 的信仰与日俱增。

另一边，大模型厂商始终怀揣着“具身梦”。在今年5 月的投资者交流会上，梁文锋直言，具身智能很可能是DeepSeek 的最终归宿。

AI发展的第一性原理是人的需求。

梁文锋的判断是：普通人的许多需求，都与衣食住行、吃喝玩乐有关。要满足这些现实需求，AI 还需要借助实体设备，在物理世界中完成任务。

此前，梁文锋并不着急布局具身智能。在他看来，只有当AI 拥有自我迭代能力，才是入局具身的合理时点。

按照此前理解，具身智能的自我迭代可以类比人的成长：在与物理世界的交互中，逐步学会运用自己的身体，并不断改进动作。

但9 月初GPT-6 Astra 正式发布，打破了这一切。

一段演示视频显示，Astra 在机器人控制任务中达到95% 的成功率，一改行业此前对具身智能发展节奏和路线的判断。

地瓜机器人前具身智能负责人何泳澔（现为虚时科技CTO）认为，VLA、世界模型这类方案可能已经不再有太大的投入价值，具身的突破大概率来自基模大厂。

极佳视界首席科学家朱政在社交平台上表示，语言模型已经吃掉了多模态，正开始进入具身智能领域；未来1 到2 年是关键时期，具身智能团队必须加快节奏，现在具身智能没有什么真正的护城河。

对梁文锋而言，这一成果值得警惕与审视：通用模型与机器人能力间的通路已被验证，具身智能很可能成为下一代基模角逐的主战场。

他正在重新评估：仅依靠语言模型持续演进，是否足以支撑后续AGI 竞争。

另据《财经》报道，DeepSeek 将在近期完成最新一轮融资，融资金额从此前计划的500 亿元增至约1000 亿元。

融资超预期，叠加即将登陆科创板，DeepSeek 需要开拓商业价值更高的业务场景。

经营端的诉求，同样是梁文锋亲自下场的战略考量。

GPT-6 打样，DeepSeek 入局时机已至？

谷歌是较早系统探索“基础模型＋机器人”的大厂。

2025年3 月，谷歌正式发布初代Gemini Robotics（包括VLA 和ER），项目基于Gemini 2.0 底座打造，首次把动作作为原生输出模态。

2025年6 月，Gemini Robotics On-Device 端侧版本上线，推出可以在机器人本地硬件运行的轻量化VLA，解决云端推理高延迟问题；支持少量演示数据快速微调，适合网络不稳定场景，配套SDK 与MuJoCo 仿真环境。

2025年9 月，Gemini Robotics 1.5 上线，视觉与物理模型同步升级，并强化Agent 能力。

VLA支持将学到的技能迁移到不同机器人本体；ER 1.5 支持Gemini API 接入，开发者可在Google AI Studio 调用，谷歌首次将高层具身推理开放给开发者群体。

2026年7 月，项目升级至Gemini Robotics 2，VLA 模型实现人形机器人全身控制，ER 2 强化长时序任务推理与多机器人协同，端侧On-Device 2 同步更新。

在具身领域，谷歌采用的是分层协作方案。而Robocurve 使用GPT‑6 Astra 开展的测试性实验，则直接让大模型依据图像与机器人状态，生成指令并控制机器人执行动作。

Astra的测试结果引发行业震动，本质上是通用大模型的能力边界被低估了。

在SuperCLUE 2026 年9 月EmbodiedCLUE-VLA “具身大脑”评测中，GPT‑6 Astra 在十款参评模型里总分排名第一。

此次针对十款模型的评测涵盖基础感知、视觉推理、交互规划以及具身安全四大维度，SuperCLUE 将这一基准测试描述为对智能体认知核心能力的评估。

Astra最突出的优势体现在交互与任务规划维度，得分85.71；第二名Gemini‑3.8‑Flash 仅为64.29。

通用大模型同样为机器人训练与人机交互打开了更多想象空间。

DeepSeek必须尽快积累这类研究能力。

下场后，梁文锋想做什么？

此前，DeepSeek 虽已在多模态、推理及训练工程上形成积累，但公开展示的具身成果并不多。

获取动作数据、建立真机实验体系、让模型与控制系统协同，都是它需要补足的能力。

合作方的定位，是读懂梁文锋此番布局的重要线索。

先看Winverse。彭博社将Winverse 描述为“为机器人开发AI”的创业公司；凤凰网科技报道援引的行业人士，则认为它更偏向底层基础设施和模型加速。

Winverse的创始人胡瀚，此前在腾讯混元负责视觉语言模型（VLM）与具身基础模型团队。

从履历和代表成果看，胡瀚的研究积累主要集中于多模态与模型效率优化，同时兼具具身模型研发与团队管理经验。

Swin Transformer是其中一项代表性成果。胡瀚在论文中被标为共同贡献作者及联系人。

Swin Transformer的关键设计是：相邻的注意力层交替使用固定窗口与错位窗口，先在各个窗口内部计算，再通过移动窗口边界，让原本隔开的图像区域交换信息。它在控制计算量的同时，逐层建立跨区域联系。

这项工作提供了一种可复用的视觉基础架构：通过提取多尺度特征，支持图像分类、目标检测、实例分割和语义分割等任务，同时控制高分辨率图像的计算成本。它可以嵌入多种视觉系统，为机器人感知提供基础。

在Winverse 之前，DeepSeek 还参与宇树科技IPO 战略配售，斥资约1.41 亿元获配93.34 万股，占本次发行股份数量的2.31%。

王兴兴在网上路演中确认双方已签署《战略合作备忘录》，合作覆盖三个方向，包含“双向优先选择”条款。

具体而言，DeepSeek 开展具身业务或应用探索时，在同等条件下优先选择宇树的机器人采购及技术方案；宇树开展大模型适配和融合开发时，在同等条件下优先选择DeepSeek 的模型训练服务及技术方案。

从公开信息看，DeepSeek 想先通过投资与合作接触人才、技术和实验条件，同时评估自建具身团队。

这些线索表明，梁文锋可能同时探索机器人本体、基础模型与训练部署等多个环节。

后续的核心考验在于，DeepSeek 在模型研发中积累的方法，能否迁移到具身智能的训练与部署中。

相较于Astra 的闭源堆量路线，市场更期待梁文锋再度以开源轻量模式，在具身智能领域带来人形机器人的“DeepSeek 时刻”。