机器人原生世界动作模型问世！首创时空一体架构，复旦系团队出品

通用人工智能的战火，已经彻底从虚拟的数字空间，一路烧到了真实的物理世界。

毫无疑问，

，已经成为当下整个AGI赛道最卷、也最核心的决胜高地。

当前行业主流的VLA视觉语言动作模型、通用世界模型、视频推演方案，普遍存在一个尴尬的现实：空间感知精度不够，物理逻辑约束经常掉线，长时序规划能力薄弱，真机落地更是鲁棒性堪忧。说白了，这些模型在虚拟环境里跑得挺溜，一到现实世界就容易“水土不服”，无法支撑机器人实现真正的自主感知、自主推理、自主决策与稳定交互。

在物理AI产业快速迭代的关键节点，深耕世界动作模型底层技术五年的

，正式推出了。

作为

，该模型的核心在于三个关键词：时空一体化建模、物理一致性约束、端到端原生融合。这并非简单的技术改良，而是从底层架构上，彻底打破了传统模型的技术桎梏，为物理世界AGI落地开辟了一条全新的、更优的技术路径。

复旦+英特尔+英伟达，硬核学术成果稳居全球第一梯队

眸深智能的技术突破，绝非一日之功，背后是长期深耕的学术积淀与全栈工程能力。

公司核心团队源自复旦大学深度学习实验室，一个典型的

三位一体顶级架构：由复旦大学未来信息创新学院教授、深度学习实验室主任坐镇科研底层，原英特尔中国首席科学家博士和来自的技术负责人掌舵工程化落地，95后复旦连续创业者主导商业化布局。这套被称为“复旦铁三角”的核心阵容，实力相当强劲。

团队

核心研发人员来自复旦大学，汇聚百余名校硕博人才。最关键的是，他们在2021年行业风口还未真正到来时，就已经前瞻性地布局了世界模型、三维感知、时序动作生成这三大底层核心技术，持续深耕技术攻坚。

多年来的积累，让团队斩获多项

：

• 推出全球首个人形动作生成大模型MotionGPT、三维世界模型HL3DWM；
• 拿下ICCV2023全球三维目标识别冠军、CVPR2024三维密集语义推理冠军；
• 斩获IJCAI2025杰出论文奖，是

  近五年国内唯一斩获该奖项的具身智能团队
  ；
• 团队技术负责人还入选了2025年中国具身智能新秀EAI榜单20强。

其原创技术成果被英伟达DAIR等国际顶尖实验室引用，学术创新与工程落地能力稳居全球第一梯队。

重构行业技术范式：5年沉淀，开创并引领世界动作模型路线

当前行业多数方案仍采用

的改良模式。这种模式下，模态之间的信息割裂、损耗严重，就像用不同频道的对讲机在沟通，缺乏真实物理世界的约束。最终结果往往是“视觉上看起来合理”，但无法适配机器人真机落地的真实需求，动作一执行就露馅。

眸深智能的思考方式不同。他们从AGI本质出发，率先确立了

：机器人与物理世界的一切交互，最终都落地为动作。唯有精准理解时空演化规律、遵守物理逻辑、实现端到端原生映射，才能真正解决机器人泛化性差、落地难的行业顽疾。

早在2022年，团队便创新性地提出了

，成果发表于CVPR 2023。这个核心思路，在2025年5月被英伟达DAIR实验室的核心工作引用验证，足见其前瞻性。

历经五年迭代，团队已完成

，在多模态端到端融合、高精度动作生成、时序逻辑推演领域积累了深厚的技术护城河。动作精度、推理速度、任务泛化性持续领跑行业。

机器人原生架构四维统一，破解真机落地核心痛点

不同于行业依托大语言模型二次改造的适配性方案，

是完全面向机器人长时序规划、在线闭环控制、真实物理交互打造的原生具身智能框架。它实现了四维一体化统一。

模型可以兼容RGB图像、深度点云、机器人本体多模态感知输入，将复杂环境信息统一编码为紧凑高效的时空潜在世界状态。上层可以支撑百秒级长时程任务推演与全局轨迹规划，下层则输出精准可控的精细化动作片段。同时依托实时环境观测进行动态纠偏、在线重规划，构建出了一个完整的“理解世界—推演未来—规划动作—执行纠错”的物理智能闭环。

相较于Dreamer系列偏重环境预测、忽视真机控制的通用世界模型，LWM、PWM等时空割裂的抽象动作模型，以及仅追求视觉逼真、无视物理可行性的视频生成模型，STI‑WM跳出了纯视觉推演的误区。它把三维几何约束、动力学校验、真机闭环执行作为核心，彻底解决了传统模型信息失真、泛化薄弱、落地困难的核心痛点，让机器人真正做到

。

△眸深STI-WM1.0时空一体世界动作模型架构

六大核心技术壁垒，支撑机器人规模化落地

依托五年全链路自研积淀，STI‑WM构建起行业难以复刻的六大技术优势：

1. 时空一体化原生建模
   ：空间结构与时间动态实时耦合，消除多模块拼接的信息损耗，大幅提升推理效率与决策精准度；

2. 原生三维感知能力
   ：基于点云直接还原真实物理空间，彻底规避2D视觉深度缺失、空间误判的固有缺陷；

3. 内置物理一致性引擎
   ：融合碰撞检测、动力学约束，从底层杜绝不合理动作与环境崩坏，保障真机执行安全稳定；

4. 长时程高阶规划
   ：突破传统短片段动作局限，支持百秒级连续复杂任务自主推演，适配真实场景复杂作业需求；

5. 端侧轻量化部署
   ：自研模型压缩、量化蒸馏技术，实现百亿级大模型低成本落地机器人端侧芯片，大幅降低产业化算力门槛；

6. 小样本强泛化能力
   ：依托虚拟世界大规模预训练+少量真机微调，高效适配陌生场景与长尾任务，大幅降低数据依赖。

△眸深“一脑多形”跨本体通用大脑

资本与商业双爆发，产业化进程突飞猛进

凭借底层架构原创创新、全栈自研技术壁垒、以及可落地的商业化能力，眸深智能迎来了高速发展期。一个关键数据：

，获得了国家级投资平台、头部产业资本、券商机构的高度认可。

商业化落地同步驶入快车道。公司已与宇树科技、禾川科技、颐家养老等行业头部企业达成深度合作，技术落地覆盖工业制造、居家康养、商业服务等多元真实场景。

目前，眸深智能已与近十家上市公司达成战略合作，其中包含

，未来三年预计可锁定10亿元订单支撑。技术产业化速度远超行业平均水平。

△眸深智能与居家养老头部企业颐家战略合作

当下，AGI竞争正式进入

。可以确定的是，以世界动作模型为核心的原生具身大脑，已然成为通用机器人的核心底座。

未来，眸深智能将持续迭代STI‑WM模型体系，全面赋能人形机器人、四足机器人、工业机械臂、服务机器人等全品类硬件，加速通用具身智能的规模化落地，推动中国原生物理AI技术领跑全球，开启物理世界AGI的全新纪元。