半年六轮融资近5亿：德塔智能如何重构人形机器人三维认知基座？
在2026年的具身智能浪潮中，资本市场的狂热往往掩盖了技术落地的真实痛点。然而，当一家成立仅半年的初创公司德塔智能（Delta Intelligence）完成近5亿元天使++轮融资，并创下半年六轮融资的记录时，行业目光不得不从单纯的估值泡沫转向其底层的技术突破。这并非一次简单的资本堆砌，而是对人形机器人核心瓶颈——三维空间认知与全身协同数据匮乏——的一次精准狙击。
当前，主流具身智能模型大多建立在二维视觉表征之上。这种技术路径存在一个致命的先天缺陷：单目图像缺失真实的深度信息。当机器人面对一扇门时，仅凭像素估算距离和开门方向，极易产生累积误差。在实验室的简单环境中，这种偏差或许可以被容忍，但在复杂的真实厂区或家庭场景中，模糊的空间判断会导致长时序连续作业的彻底失败。德塔智能的核心创新，在于从底层重构了这一表征体系，摒弃了对二维图像的过度依赖，转而构建原生的三维世界引擎。
这套原生三维引擎能够直接处理点云和高斯泼溅等三维场景表示，使模型具备原生的三维理解、推理及对未来环境状态的推演能力。在此基础上，德塔智能设计了“大脑＋小脑+力位混合”的三层协同架构。这一架构的设计逻辑严密且分工明确，旨在解决从高层决策到底层执行的完整闭环。
“大脑”层级负责环境感知、长时序任务规划和操作决策。值得注意的是，该层级的训练几乎完全摒弃了仿真数据。这是因为现有的仿真器难以完美复刻现实世界中柔性形变、多触点受力等复杂物理接触特性。因此，“大脑”必须依赖真机原生交互数据进行训练，以确保决策的真实性和可靠性。相比之下，“小脑”层级则专注于全身平衡与底层控制。它在仿真环境中通过强化学习进行海量试错，将“大脑”发出的稀疏指令转化为数十至数百赫兹的高频全身电机控制信号。最后，通过力位混合层输出柔顺的控制指令，确保机器人在执行任务时的稳定性和安全性。
然而，架构的精妙只是理论层面的优势，具身智能真正的拦路虎在于数据。尤其是用于训练“大脑”的真机交互数据，目前市场上极度稀缺。市面上多数数据采集方案仅能捕捉手部等局部动作，基于此类数据训练的模型无法完整理解人与环境的交互，更难以掌握攀爬梯具、推拉重型门等依赖全身协同的复杂任务。
针对这一行业痛点，德塔智能同期发布了头戴式全身全景数据采集设备Delta D1。这款设备的出现，标志着具身智能数据采集进入了一个新的阶段。佩戴者只需正常作业，设备即可同步采集第一人称全景视觉与全身关节运动轨迹，全程无需依赖机器人本体，也无需搭建昂贵的动捕棚或改造场地。全局定位精度控制在2cm以内，采集到的数据经过算法实时解算，形成包含人体全身百余个关键点运动轨迹的结构化数据，并与视觉信息在时间轴上严格对齐。
这种数据形态的转变至关重要。传统的视频流数据只能让模型学到一帧帧的画面，而Delta D1产出的是人体全身骨架数据，真正实现了全身与环境的交互行为记录。针对双臂精细操作场景，手持配件D1-Gripper与头戴设备协同工作，进一步补齐了抓取、装配等末端细节的数据缺口。这意味着，具身智能基础模型训练所需的全身交互数据得以规模化产出。
更为重要的是，德塔智能选择向行业开放这套采集体系，致力于共建具身数据基础设施。采集到的数据经过跨本体重定向后，可广泛应用于宇树G1/H2、智元灵犀X2/A3、乐聚夸父4代/5代、星海图Kengo等不同品牌的人形本体算法训练。此前，德塔智能已联合中国信息通信研究院发布工业数据集2.0，工人佩戴D1在真实产线上边作业边采集，无需中断生产流程，极大地降低了数据获取的成本和门槛。
从实验室到真实产线的跨越，是检验具身智能价值的唯一标准。德塔智能的基础模型已经开始在电网全身巡检、汽车零部件上下料、SMT料箱分拣等真实场景中发挥作用。电网巡检要求机器人在变电站等复杂空间中边移动边操作设备，这对空间理解的精度提出了极高要求；而零部件上下料和SMT分拣则考验机器人在移动中的抓取能力与连续搬运的稳定性。这些任务类型正是全身协同能力必须兑现的关键场景。
支撑这一落地速度的，是一套标准化的跨本体适配流程。通过全身动捕数据采集、跨本体运动重定向、小脑仿真强化学习以及大脑快速微调，德塔智能实现了模型在不同硬件平台间的快速迁移。面对新的机器人本体，无需重新采集大规模数据或从头训练系统。依托完整的底层技术体系，德塔智能已与智元、乐聚、星海图、宇树等头部人形机器人厂商建立长期合作，成为连接硬件平台与上层应用的关键一环。
团队背景也是德塔智能迅速崛起的重要因素。创始人兼CEO马晓健拥有清华大学计算机系本科及UCLA博士学位，曾在Google Robotics和NVIDIA Research从事前沿研究，具备深厚的机器人学习与大规模机器学习背景。联合创始人刘航欣和首席科学家黄思远同样拥有顶尖的学术和产业履历，分别在机器人感知、认知学习以及空间智能统一模型领域有着深厚积累。这样的团队配置，确保了公司在技术路线选择上的前瞻性和执行力。
具身智能的竞争正在从单纯的运动展示走向复杂的物理作业。决定一台人形机器人能否真正“干活”的，不再是它能否走得稳或跳得高，而是它对三维空间的理解精度，以及将全身几十个关节协调起来的可靠性。德塔智能通过重构三维认知基座和解决数据规模化难题，正在为通用人形机器人补上全身智能这块至关重要的基座。
随着资金到位和技术迭代的加速，德塔智能面临的挑战将从技术验证转向规模化部署。如何在保持模型通用性的同时，满足不同垂直行业的特定需求？如何在开放数据生态的同时，保护各参与方的数据隐私与商业利益？这些问题将是其下一阶段发展的关键。但不可否认的是，德塔智能已经通过其独特的技术路径，在拥挤的具身智能赛道中开辟出了一条通往真实物理世界的高效通道。其实践表明，只有回归物理本质，解决三维认知与全身协同的根本问题，人形机器人才能真正从科幻走向现实，成为工业生产和社会生活中不可或缺的力量。