那家「不製造機器人」的機器人公司，在六個月內完成了第六輪融資

目前北京最受矚目的機器人新創公司，其實並不製造機器人。Delta Intelligence 成立於 2026 年 1 月。7 月 28 日，該公司宣布完成一輪接近 5 億人民幣的天使輪融資，資金約 7,000 萬美元，由上市公司戰略投資者及金融機構提供。這使得該公司成立僅六個月便已完成六輪融資。

這筆資金將用於何處？Delta 專注於訓練基礎模型，為類人型機器人提供「運作中的大腦」。該公司還剛推出 Delta D1——一款頭戴式裝置，能將任何人類工作者轉化為機器人訓練的數據來源。佩戴者只需照常工作即可。 該裝置可記錄第一人稱全景視角及全身關節軌跡，全球定位精度在2公分以內。無需機器人機身，也無需動作捕捉工作室。 這些數據可跨 Unitree、AgiBot 和 Leju 的機器人機身進行重映射。這也解釋了 Delta 股權結構表中最不尋常的一行：AgiBot、Leju Robotics 和 Galaxea 這三家彼此競爭的人形機器人原始設備製造商（OEM）全都參與了投資。聯想資本（Lenovo Capital）和元和控股（Yuanhe Holdings）亦然。

競爭對手共同資助同一家供應商，在機器人領域的意義，就如同波音與空中巴士共同投資風洞一般。這種情況通常發生在業界普遍認為技術堆疊中的某一層屬於「競爭前階段」時。 若獨佔該層，無人能勝；若缺乏該層，眾皆受損。在類人型機器人領域，這層技術就是「真實世界互動數據」。這些是身體進行實體工作的記錄，機器人正是從中學習操作技能。這是該產業最稀缺的輸入資源。

數據荒與 Delta 對此的解決方案

大型語言模型是透過「吞噬」網路而變得聰明的。類人型機器人卻沒有可以「吞噬」的實體經驗網路。每一次觸碰、抓握、踉蹌和推門的動作，都必須從頭開始捕捉。業界現有的方法都存在成本負擔。遙控操作需要

每班次，每台機器人需由一名人類操偶師操控。動作捕捉工作室成本高昂，且與真實工作場所截然不同。模擬結果與現實的差異，恰恰出現在那些關鍵且充滿肢體接觸的時刻。 我們整個月都在追蹤這個瓶頸，從 NeoteAI 和復旦大學的 30,000 小時觸覺資料集，到支撐開源 tau0-VLA 模型的 40,115 小時實機運作時間。

Delta 的創辦人兼執行長馬曉健帶領一支以 UCLA 博士研究員為核心的團隊。他以「世界模型」的概念來闡述公司的戰略佈局：「類人型機器人必須完整捕捉與環境的全身互動，才能建立一個沒有認知偏見的世界模型。」 他對競爭對手數據收集裝置的批評很簡單：這些裝置僅記錄手部和前臂的動作，卻忽略了身體的其他部位。這正是當前機器人能拿起螺絲起子，卻無法攀爬梯子或扛開沉重大門的原因。腿部、臀部和軀幹才是承載這些技能的關鍵。

現有方法的經濟模式解釋了為何投資者會關注此事。遙操作數據工廠會聘請全職操作員，透過遙控機器人執行各項任務。AgiBot 本身便透過其上海數據收集中心將此方法產業化。產出以「操作員工時」為單位衡量。 成本會隨數據量呈線性增長。根據中國業界流傳的估算，一旦將人力、硬體攤銷及品質控制納入計算，高品質的遙控示範數據每分鐘可用成本約為數十至數百元。一款能從他人薪資已支付的工作中蒐集數據的穿戴式裝置，將徹底改變邊際成本結構。 而通常決定平台戰局的是邊際成本結構，而非模型架構。

D1 直接從數據收集成本著手解決問題。佩戴者在正常班次中照常工作，因此數據收集是順帶利用原本就會進行的勞動。Delta 早先推出的「工業數據集 2.0」，是由中國信息與通信研究院與

通訊技術早已證實了在實際生產線上、無需中斷生產即可蒐集數據的模式。遠端操作是付費請人替機器人進行示範。D1 更像是人體專用的行車記錄器。示範本身就是這份工作。

大腦、小腦與觸覺

在模型層面，Delta 的架構採用三層系統，該公司將其描述為「大腦加小腦加力位混合層」。大腦負責環境感知與任務規劃，其訓練幾乎完全基於真實機器人與人類互動的數據，而非模擬數據。 小腦則透過模擬環境中的強化學習試錯，學習全身平衡與低階控制——在模擬環境中，跌倒並不會造成任何損失。力-位置混合層則將意圖轉化為順應性的接觸，這正是「輕按按鈕」與「猛擊按鈕」之間的差異。

在技術層面上最具獨特性的主張，是 Delta 自主研發的 3D 世界引擎。它直接處理點雲和高斯濺射表示，而非從平面的 2D 圖像進行推論。Delta 指出，主流的視覺-語言-動作模型迫使機器人必須從單眼圖像中推測深度，而這些微小的誤差會不斷累積。 對門把距離的誤判會導致抓取失敗；抓取失敗則會導致長時程任務失敗。原生 3D 感知正是該公司提出的解決方案。透過與領先 OEM 廠商合作，其模型已應用於電網全機檢、汽車零件機械裝載，以及 SMT 料盒分揀等領域。

前景展望

一家成立僅六個月的公司便完成六倍規模的募資，這並非正常的融資節奏。這代表投資者正排隊等候。這股排隊熱潮表明，市場已對數據層進行了重新定價。中國的人形機器人原始設備製造商（OEM）花費一年時間籌集數十億資金，並出貨數千台

機器人。Capital 注意到，這些機器人的表現好壞，完全取決於其背後的互動數據。 誰若能定義數據標準，誰便能掌控生態系統的上游。Delta 的策略正是著眼於此一雄心壯志。該公司正向原始設備製造商（OEM）及研究機構開放其數據收集系統，以共同建構。此舉旨在成為基礎設施，而非單純的供應商。

其股權結構值得細究。隨著 AgiBot、Leju 和 Galaxea 各自持股，Delta 獲得的遠比金錢更為珍貴——它確保了硬體多樣性，用以驗證跨裝置遷移能力。這正是決定基礎模型究竟能成為產業級解決方案，還是僅止於單一客戶科學專案的關鍵能力。 與此同時，各原始設備製造商（OEM）無需承擔全部成本，即可掌握共享數據標準的動態；同時也獲得了防止被競爭對手鎖定的保障。 聯想資本的參與則為分銷策略提供了線索。聯想的企業通路精準覆蓋了中型工廠——這正是可穿戴式數據收集能最快擴展的領域。當一個產業認定某個瓶頸是全體共同的問題時，生態系統階段的投資便呈現出這樣的樣貌。

質疑清單不言而喻，而值得肯定的是，相關報導也坦承了這一點。穿戴式數據蒐集裝置必須能從試產線擴展至數千名工人，同時不降低數據品質；開放式協作建構模式也必須抵禦原廠合作夥伴的誘惑——一旦產量達到一定規模，他們便會傾向自行開發。 作為提案核心的「跨工種技能遷移」，其生產線可靠性仍未經實證。此外，天使輪估值歷經六輪融資後不斷累積，這也帶來值得警惕的財務計算。第六輪的投資者需要 Delta 成為行業標準，而非僅僅是供應商，才能讓他們的投資算盤成立。

此外，還有一項值得提及的政策順風。北京監管機構自 2026 年起便致力推動「數據元素」

市場與內嵌智慧數據標準。作為 Delta 的數據集合作夥伴，CAICT 正處於這套標準制定機制的核心位置。 一家其資料集與國家標準機構共同品牌化的新創公司，享有純模型開發商所缺乏的監管護城河。當採購文件最終規定須符合規範的訓練資料來源時，曾協助制定合規定義的公司將率先獲益。這正是「工業資料集 2.0」由中國電子信息產業發展促進會（CAICT）主導合作而非單獨發布，所蘊含的深層意義。

三個數據點便構成了一種趨勢。中國的「具身AI」競賽已悄然從「誰能打造出最優秀的機身」轉變為「誰能為機身提供最佳的數據餵養」。機器人機身正逐漸成為大宗商品，而賦予其生命力的體驗則正成為核心資產。Delta Intelligence 正是基於這種角色逆轉，剛完成了第六輪融資。 其股權結構表上的三家原始設備製造商（OEM）實質上已對此表示認同。這通常是中國新創公司從風險投資標的晉升為戰略資產的慣常訊號。六個月內完成六輪融資，這種速度無人能持續。但排隊的意義，在於它能告訴你那扇門的價值。

本文僅供參考，不構成投資、法律或專業建議。數據取自引述來源，截至發佈時均為準確。