传 DeepSeek 将投入具身智能赛道，中美基础大模型公司齐现重大信号
10 月 12 日夜，有消息传出 DeepSeek 创始人梁文锋近期密切关注具身智能领域，DeepSeek 正在评估是否进入具身智能赛道，方案可能包括亲自组建团队下场研发，或通过投资相关企业切入。另据彭博社报道，DeepSeek 计划领投腾讯前 AI 科学家胡瀚 创立的机器人公司 Winverse AI 的种子轮融资，融资规模达数千万美元，投后估值约 4 亿美元。若此番投资落地，将标志着继今年 8 月同宇树科技签署合作协议后，DeepSeek 对具身模型领域的投入进一步加大。
Winverse AI 主要做模型加速相关的基础设施，为 DeepSeek 的模型能力提供支持。其 CEO 胡瀚原为腾讯混元大模型技术负责人，负责多模态大模型及视觉语言模型的研发工作，曾任职于微软亚洲研究院和百度。
从其 Github 主页及发表的多篇学术论文来看，胡瀚在机器的视觉理解与生成技术方面曾取得多项研究成果。2021 年，胡瀚作为核心作者之一参与撰写论文《Swin Transformer: Hierarchical Vision Transformer using Shifted Windows》，提出基于移位窗口的分层视觉 Transformer 架构，获 2021 年 ICCV 最佳论文奖（马尔奖）。
Winverse AI 「专注于为机器人开发 AI 模型，目标是让机器人能够理解语音指令、处理现实世界中的复杂任务，而不仅是执行预设动作或完成运动控制」。结合其技术专长与过往经验，推测 Winverse AI 极有可能在 VLA 或 WAM 这类与视觉推理紧密相关的技术路线切入，提升具身模型对物理环境的理解能力。
为什么 DeepSeek 在此时密集关注具身智能领域？对基础大模型公司而言，这种注意力的转向意味着什么？背后又存在哪些技术限制与考量？
AGI 正在延展
AGI（Artificial General Intelligence，通用人工智能）的概念正从静态的学术定义向功能性定义和商业叙事延展。
此前，DeepSeek 创始人梁文峰在多次媒体专访中公开表露，DeepSeek 的核心目标是「做通用人工智能，也就是 AGI」。今年 5 月的投资者闭门会议上，梁文峰提到 DeepSeek 对 AGI 已有阶段性预期。
「AI 的发展，我们可以理解为一个阶梯。去年走的阶梯是 CoT，就是思维链......今年的阶梯就是 Agent，应该要解决的是怎么让模型可以持续的学习......之后我们可能会来到一个智能奇点，能够实现自己的迭代，然后才是具身智能。」
随着 AGI 概念的延展以及前端技术的加速迭代，具身智能可能早已进入了 DeepSeek 的关注视野。结合 DeepSeek 意在实现 AGI，公司对该领域的业务投入或早有预期。
然而，客观挑战在于，具身智能的技术路线正加速演进，而 DeepSeek 大语言模型技术与具身智能并不完全一致。随着 OpenAI 全新模型 GPT-6 Astra 问世，中美基础大模型之间的差距略微拉大，投入具身智能赛道或使 Deepseek 面临商业版图与技术的双重考量。
双重考量
2024 年以来，基础大模型的发展进一步推动了具身智能领域的技术研究与应用探索。此后，机器人学界对于模型和本体关系的认识进一步深化。与当时相比，领域内技术路线已产生极大变化。
与此同时，以 GPT-6 Astra 为代表的基础大模型参数扩大、训练数据日益丰富，基础大模型在机器人载体上也表现出了足够与具身模型竞争的泛化能力。
有业界观点认为，GPT-6 Astra 之所以能够在机器人部署中取得媲美具身模型性能的优异表现，一方面在于模型参数规模的进一步扩大，另一方面，OpenAI 极有可能在新一代基础模型训练中掺入了机器人场景的训练数据。这被认为是促使 DeepSeek 计划入局具身智能赛道的一个主要影响因素。
就在第 26 届中国国际工业博览会首日，宇树科技 CEO 王兴兴亦给出了相似判断。他认为，由于全球范围内人工智能技术迭代速度极快，具身智能行业从业者对智能奇点产生的判断亦在不断提前。
「整个临界点的到来可能会比较快，甚至一两年就可能到来。明年 GPT-7 出来，就可能直接把具身智能问题打穿。」
从技术角度来看，Deepseek 的基模和具身模型的路线不完全一致，投入新赛道需要投入人员、时间和成本。自自动驾驶之后，具身智能被视为现代科技制造难度最高的又一项系统工程，总体技术方向未见收敛。从 VLM、VLA 到世界模型，研究者不断探索如何利用多模态表征与物理世界建模，将模型的感知、推理和机器人的动作控制相衔接，此后又出现了 WAM、ICL、强化学习等路线，不断衍生出新的研究和应用技术。
这方面的前沿技术取得快速发展，根本原因在于物理智能的数据组织形式与互联网可得的自然语言数据完全不同。数据需要从丰富的物理世界中提取信号、组织起来，再通过模型为机器载体进行规划、响应。事实上，基础模型与机器载体之间的关系已经不再能被简单地认为是「大脑」与「本体」之别，其中一部分具身技术正在向「大脑」处的决策与规划环节上移。如果选择独立研发具身模型，则意味着基础大模型公司必须从 0 到 1 建立不同于传统语言模型研发的数据标准、人才结构和实验基础设施，并愿意承担长期投入带来的不确定性。
除了数据，硬件存储技术仍是具身智能的关键突破口。实现更好的具身智能，一种更为理想的方式是端侧部署，实现存算一体。尽管 GPT-6 Astra 能够表现出较好的泛用性，但受限于现有的硬件存储与计算能力，万亿参数大模型无法塞入机器载体，同时专家模型在具身智能的应用还未成熟。在部分场景中，机器人仍需调用云端大模型完成推理与响应，从而导致真实场景中产生巨大的交互时延。这也不是 Deepseek 单枪匹马可以解决的。
DeepSeek 有两种选择。 一种是投资 Winverse AI 等具身智能企业，或通过并购，从多个角度补齐对具身智能上下游产业链的生态认知；另一种选择则是亲自下场，组建专门的具身智能研发团队，并通过产业合作推进技术落地。对于一家基础大模型领域的头部企业来说，无论是通过资本切入还是直接入场，这都不是一项轻松的选择。
中美基础大模型公司齐现布局信号
DeepSeek 并不是唯一一家开始将目光投向具身智能的基础大模型公司。
这种趋同性尤其值得关注。从 Google DeepMind 持续迭代 Gemini Robotics 到 Meta 加码世界模型与机器人团队，再到 OpenAI 重启机器人研发并扩大招聘规模，美国基础大模型公司正在从技术研发、人才储备和产业合作等不同层面推进具身智能业务。与此同时，中国市场上，阿里巴巴、腾讯、小米、商汤、智谱等公司同样开始通过模型研发、产业投资与场景合作，向机器人领域延伸。
短短一年间，中美基础大模型公司相继将目光投向具身智能，或许是整个人工智能业正在释放的重大信号。
对基础大模型企业而言，具身智能正在从一个相对独立的机器人研究方向，逐渐变成检验通用人工智能能否进入现实世界的重要技术场景。在技术尚未收敛的阶段，基础大模型似乎只能通过竞争来确认在具身智能领域的生态位。这意味着，未来具身智能的竞争将不仅涉及训练数据、仿真系统、芯片算力与端侧部署等技术环节，也可能进一步演变为基础模型与机器人企业之间的「模机一体化」竞争。
更深层次的问题在于，基础大模型和具身模型之间的技术边界究竟会如何演变？
倘若未来通用基础模型能够依靠更强的物理推理能力、少量机器人动作数据以及专门的控制模块，实现对不同机器人本体的快速适配，那么基础模型公司的参数优势或将进一步延伸到具身智能领域。但只要机器人仍依赖大量真实交互数据、专门的动作策略和本体适配训练，边缘计算与存储技术尚未取得突破，那么即使是拥有强大基础模型能力的企业，也未必能够直接复制其在数字世界中的竞争优势。
值此关键之际，头部企业几乎同时释放业务信号，或许已经表明，围绕下一代通用 AI 的竞争，从数字世界进一步延伸入物理世界为大势所趋。那么，值得关注的就不只是 DeepSeek 切入赛道的方式，更在于迈向下一阶段 AGI 的过程中，通用人工智能技术最终会以何种方式收敛成型。
目前，DeepSeek 尚未公开明确的具身业务布局计划，是否会组建专门团队、是否已经锚定技术路线和长期目标，仍未有明确答案。梁文峰向机器人领域投去目光，可能意味着 DeepSeek 会在不久后迈出标志性的一步。解决模型与物理世界交互的问题、提升智能的实用性和泛化能力，既符合 DeepSeek 和梁文峰在实现 AGI 上接近朝圣者般的信念，同时，也需要莫大的勇气。
最新消息显示，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 1,000 亿元。站在未来产业的风口浪尖，DeepSeek 将在其中扮演怎样的角色，通用具身智能又如何在技术新浪潮中激荡成形，有待未来进一步观察。