那家“不造机器人”的机器人公司刚刚在六个月内完成了第六轮融资

目前北京最炙手可热的机器人初创公司其实并不制造机器人。Delta Intelligence成立于2026年1月。7月28日，该公司宣布完成近5亿元人民币的天使轮融资，资金主要来自上市公司战略投资者和金融机构，约合7000万美元。这使得该公司在成立仅六个月内已完成六轮融资。

这笔资金将用于什么？Delta Intelligence 致力于训练基础模型，为类人机器人提供“大脑”。该公司还刚刚推出了 Delta D1——一款头戴式设备，可将任何人类工作者转变为机器人训练数据源。佩戴者只需照常工作即可。 该设备可记录第一人称全景视觉和全身关节运动轨迹，全球定位精度在2厘米以内。无需机器人机身，也无需动作捕捉工作室。 这些数据可跨Unitree、AgiBot和Leju的机器人躯体进行重映射。这解释了Delta融资表中最不寻常的一行：AgiBot、Leju Robotics和Galaxea——这三家相互竞争的人形机器人原始设备制造商（OEM）——均已投资。联想资本和元和控股也参与了投资。

竞争对手共同投资同一家供应商，在机器人领域就相当于波音和空客共同投资风洞。这种情况通常发生在各方都认为技术栈中的某个层级尚处于竞争前阶段时。 若某家企业独占该技术，无人受益；若缺乏该技术，则全盘皆输。在类人机器人领域，这一层正是“真实世界交互数据”。这些数据记录了人体的物理劳动过程，是机器人学习操作技能的基础。这是该行业最稀缺的输入资源。

数据荒与Delta的应对之策

大型语言模型通过“吞噬”互联网变得智能。而人形机器人却没有可以“吞噬”的物理体验互联网。每一个触碰、抓取、踉跄和推门动作都必须从头开始捕捉。该行业现有的方法都存在成本负担。遥控操作需要

每班次，每台机器人配备一名人类操纵员。动作捕捉工作室成本高昂，且与真实工作场所大相径庭。在那些接触频繁且至关重要的时刻，模拟结果恰恰偏离了现实。 整个月来，我们一直在追踪这一瓶颈问题，从NeoteAI和复旦大学那套30,000小时的触觉数据集，到支撑开源模型tau0-VLA的40,115小时真实机器人运行数据。

Delta的创始人兼首席执行官马晓健领导着一支由加州大学洛杉矶分校（UCLA）博士生组成的团队。他从“世界模型”的角度阐述了公司的战略布局：“人形机器人必须全面捕捉与环境的全身体互作用，才能构建一个没有认知偏见的世界模型。” 他对竞争对手数据采集设备的批评很简单：它们只记录手部和前臂的动作，却忽略了身体的其他部位。这就是为什么当前的机器人能拿起螺丝刀，却无法爬梯子或用肩膀顶开沉重的门。这些技能其实都依赖于腿部、臀部和躯干。

现有方法的经济性解释了为何投资者如此关注。远程操作数据工厂会雇佣全职操作员，通过遥控机器人完成各项任务。AgiBot公司通过其上海数据采集中心，将这种方法产业化。产出以操作员工时为单位衡量。 成本随数据量呈线性增长。据中国业内流传的估算，一旦将人工、硬件摊销和质量控制成本计算在内，高质量的遥控演示数据每分钟可用成本为数十至数百元。而一款能够从他人薪资已支付的工作中采集数据的可穿戴设备，则彻底改变了边际成本结构。 而通常决定平台竞争胜负的，往往是边际成本结构，而非模型架构。

D1 直接从采集成本入手。佩戴者在正常工作班次中照常工作，因此数据采集便顺带利用了本就存在的劳动。Delta 此前推出的“工业数据集 2.0”，由中国信息与通信研究院和

通信技术已经验证了在不停止生产的情况下，从实际生产线上采集数据的模式。远程操作是指雇佣某人来为机器人进行演示。D1更像是一款安装在人体上的行车记录仪。演示本身就是工作内容。

大脑、小脑与触觉

在模型层面，Delta的架构是一个三层系统，该公司将其描述为“大脑加小脑加力-位混合层”。大脑负责环境感知和任务规划，其训练几乎完全基于真实机器人与人类的交互数据，而非模拟数据。 小脑则通过模拟环境中的强化学习试错法来掌握全身平衡和低级控制——在模拟环境中，跌倒不会造成任何损失。力-位置混合层将意图转化为柔顺的接触，这就像是“按下按钮”与“猛击按钮”之间的区别。

在技术上最具特色的是Delta自主研发的3D世界引擎。它直接处理点云和高斯散射表示，而非从平面2D图像中推导。Delta指出，主流的视觉-语言-动作模型迫使机器人从单目图像中推测深度。这些微小的误差会不断累积。 对门把手距离的误判会导致抓取失败，而抓取失败又会导致长时序任务的失败。原生3D感知正是该公司提出的解决方案。通过与领先OEM厂商的合作，其模型已应用于电网全机身检测、汽车零部件机器装载以及SMT料盒分拣等领域。

发展前景

一家成立仅六个月的公司就完成了六倍于初始融资额的融资，这并非正常的融资节奏。这表明投资者正排着队。这种排队现象表明，市场已对数据层进行了重新估值。中国的人形机器人制造商花了一年时间筹集数十亿资金，并交付了数千台

机器人。Capital已经注意到，这些机器人的性能完全取决于其背后的交互数据。 谁定义了数据标准，谁就占据了生态系统的上游。Delta的战略正是基于这一雄心。该公司正向OEM厂商和研究机构开放其数据采集系统，以共同构建生态。此举旨在成为基础设施提供者，而非单纯的供应商。

其股权结构值得细细品味。随着AgiBot、Leju和Galaxea分别持股，Delta获得的远比资金更宝贵——它确保了硬件多样性，从而能够验证跨设备迁移能力。这正是决定基础模型是成为行业级解决方案，还是仅限于单一客户的科研项目的关键能力。 与此同时，各OEM厂商既能接触到共享的数据标准，又无需承担全部成本。此外，这还能为它们提供一种保障，防止被竞争对手锁定。 联想资本的参与则为分销渠道提供了重要线索。联想的企业渠道恰好覆盖了中型工厂——而可穿戴数据采集技术正是在这类工厂中能实现最快规模化应用的。当整个行业认定某个瓶颈是共同面临的问题时，生态系统阶段的投资便呈现出这样的景象。

质疑清单不言自明，值得称道的是，相关报道也承认了这一点。可穿戴数据采集设备必须在不降低数据质量的前提下，从试点生产线扩展到数千名工人。开放式联合构建模式必须经受住OEM合作伙伴的诱惑——一旦产量达到一定规模，他们便可能转而自主开发。 作为商业提案核心的跨岗位技能迁移，其生产线可靠性仍未得到验证。此外，天使轮估值经过六轮融资后呈复利增长，这也带来值得警惕的财务风险。第六轮的投资者需要Delta成为行业标准，而不仅仅是一家供应商，这样他们的投资回报计算才成立。

此外，还有一项值得提及的政策利好。北京监管机构自2026年以来一直致力于推广“数据元素”

市场和“嵌入式智能”数据标准。Delta的数据集合作伙伴CAICT正处于这一标准制定机制的核心位置。 一家其数据集与国家标准机构联合品牌化的初创企业，拥有纯模型公司所不具备的监管护城河。当采购文件最终明确规定符合标准的训练数据溯源要求时，参与制定合规定义的公司将率先获益。这正是“工业数据集2.0”作为CAICT合作项目而非独立发布所蕴含的深层意义。

三个数据点就构成了一种趋势。中国“具身AI”竞赛的焦点已悄然从“谁能制造出最好的躯体”转向“谁能为这些躯体提供最佳的“食物””。机器人躯体正逐渐成为大宗商品，而赋予它们生命力的经验则正成为核心资产。Delta Intelligence正是基于这一趋势逆转，刚刚完成了第六轮融资。 其股权结构表中的三家原始设备制造商（OEM）实际上也对此表示认同。这通常意味着一家中国初创企业已从风险投资对象晋升为战略资产。六个月内完成六轮融资的节奏，是任何企业都难以维持的。但排队现象的意义，在于它向你揭示了这扇门背后的玄机。

本文仅供参考，不构成任何投资、法律或专业建议。数据均引自所引用的来源，截至发布之时准确无误。