没有保洁人员穿梭的身影，只有设备运转的微响回荡在酒店走廊。
一台机器人正在客房内，熟练地整理床铺、摆放枕头……曾经只存在于科幻小说的场景，即将在2026年底成为现实。
这台机器人来自深朴智能，即将正式入驻北京某高端酒店。
近日，通用具身智能机器人企业「深朴智能」宣布完成新一轮融资，融资金额达数亿级别。本轮融资由线性资本、普华资本领投，老股东钧山资本、顺为资本、BV百度风投持续加码。据悉，本轮融资资金将重点投入具身机器人大脑与本体研发。
值得注意的是，这是半年内深朴智能的第三轮数亿元融资。
不同于一般的具身智能企业大秀某项单点技术，深朴是围绕着“模型-数据-本体-场景”建立闭环，从酒店、康养等类家庭场景出发，逐步逼近终极的家庭场景。这种系统化的全栈闭环能力，正是深朴在群雄逐鹿的2026年筑起的第一道竞争壁垒——在技术迭代极快的当下，单点领先极易被对齐，唯有体系化的落地能力难以被复制。
“具身智能正处在从技术探索走向规模化应用的关键节点。我们坚持以真实场景为牵引，构建高效的数据闭环与模型迭代体系，让机器人真正成为物理世界的智能基座。”深朴智能创始人兼CEO李晓飞表示。
深朴智能的半年三融，也说明了资本依然押注市面上稀缺的系统化能力，一支把技术送进场景、再从场景中长出产品的团队更有无限可能。
01从自动驾驶到具身智能，打造全栈能力再创业
“具身智能的2025年特别像自动驾驶的2017年-2018年。资本市场火热，技术能力仍在爬坡，产品化都处于早期。”李晓飞说，“但接下来具身智能会进到细分赛道，遍地都是产业生态机遇，这是不容错失的黄金阶段。”
因此2025年中，李晓飞投身具身智能大潮，创立深朴智能。
但李晓飞下场具身智能，却不只因为技术热。他曾完整经历自动驾驶的技术产业化周期。这样的创业背景，决定了他看待具身智能热潮的角度。
李晓飞是典型的清华派创业者，本科和博士就读于清华汽车系，师从自动驾驶领域泰斗李克强院士。他博士期间的主要研究方向是AI与自动驾驶结合，是国内最早一批将深度学习图像检测、图像视频跟踪等方法应用到自动驾驶中的研究者之一。
深朴智能创始人兼CEO李晓飞
毕业后，他与师兄弟共同创立自动驾驶公司「智行者」，作为联创先后做过技术、产品、业务等工作，经历了自动驾驶和机器人从实验室走向细分场景、再进入产品化与量产阶段的全过程，完整经历了一轮技术产业化周期，并积淀足够的创业经验与方法论。
李晓飞深知，技术热和资本热往往先于产品成熟到来，真正决定公司能否跑出来的，是能否在正确时间进入正确场景。
“具身智能里做demo比较简单，真正困难的是把demo变成产品，变成商品。”李晓飞说，单点技术远远不够，我们需要判断模型是否能支撑真实任务，数据是否能够在作业过程中持续回流，产品是否能精准定义，场景是否能够商业化推广。
因此，深朴一开始就围绕具身机器人的全栈能力配置团队。
李晓飞将团队所需能力大致分成三类：一是AI native人才，承担模型和前沿能力研发；二是自动驾驶人才，负责系统能力与数据闭环；三是来自机器人产业链的人才，更熟悉产品定义、研发、生产、销售和服务。
围绕具身智能所需的复合能力，深朴智能组建起了一支罕见的创业“梦之队”——这支团队横跨AI、自动驾驶与机器人三个领域，每一位核心成员都在各自赛道上经历过从0到1、从实验室到规模化落地的完整周期。
技术副总裁李明磊本硕博毕业于中科大，是中科大与微软亚研院联合培养博士，长期深耕手势识别、视频语义分割与多模态大模型等前沿方向，曾任微软云资深研究员，主导多模态图文智能理解全栈研发，成果规模化落地微软Azure、Office、Windows等十亿级用户平台，加入深朴后带队斩获NeurIPS 2025 Behavior-1k挑战赛季军，同时主导端到端研发体系建设，打通数据链路、模型训练、推理部署与系统评测各环节。
首席科学家王家伟就读于中科大少年班与微软亚研院，博士阶段深耕大语言模型、智能体与强化学习方向。博士期间他曾在DeepSeek、字节跳动Seed团队及微软亚研院担任核心研究员，亲历并深度参与了国内顶尖大模型从0到1的研发全程——这些经历，让他对模型能力的边界与突破路径有着远超同龄人的第一手判断力。
产品副总裁张迪拥有中科院微电子硕士背景，既懂技术又懂产品，深耕机器人产品线逾十年。他曾任知名科技公司产品线总负责人，先后开创了航拍无人机、水下机器人、清扫机器人等多个全新品类，每一款都是从零定义、从无到有——负责产品累计出货量超10万台，验证了他将技术创新真正转化为市场规模的能力。
团队结构背后，是李晓飞对具身智能壁垒的独到判断。
“具身智能的核心壁垒会是模型，是本体，还是数据采集？我觉得可能都不是，”李晓飞认为，技术迭代太快，单点领先很容易被拉齐。“某项单点技术出来领先三个月，之后就没了领先度。”
李晓飞认为，真正难以被竞争对手快速复制的，是这两种能力。一是“模型—数据—本体—场景”的闭环能力，二是机器人进入真实场景后持续积累真机作业数据的能力。前者决定技术能否真正落地，后者决定系统能否持续进化。
02押注具身Scaling Law，跑通“模型-数据-本体-场景”闭环
李晓飞所说的两种能力，也指向具身智能真正的分水岭——机器人的能力能否被规模化复制，也是过去一年行业热议的话题：物理世界里的机器人，是否也存在Scaling Law？
这像大语言模型一样，具身智能模型也可以通过增加数据量、模型参数或计算量，可预测地提升模型表现，从而提升机器人的表现。去年，具身智能独角兽Generalist发布Gen-0，让行业看到了在具身智能领域存在Scaling Law的可能性。
让李晓飞感到兴奋的是，近期Gen-1的发布。
基于50万小时数据的预训练，Gen-1让机器人在手机入壳、折叠纸箱等精细任务上把成功率从64%提到99%，彻底验证了物理世界的Scaling Law。“这种基于Scaling Law的模型和数据，让机器人能把某些任务做到非常好的效果，这就非常接近量产的水平。”李晓飞表示。
在技术路径上，深朴和Generalist十分相似，都会使用跨本体的数采和多模态具身大模型，试图证明机器人能力的提升，不只是靠规则编排，而是靠模型和数据持续扩展。
基于对技术的思考，李晓飞和深朴智能构建了“1+2+N”产品战略。“1”代表着一套具身模型底座，“2”代表着两条数据管路，“N”代表着逐步解锁的酒店、康养、家庭等N个场景。
模型层面，团队创新性地构建了一套分层记忆增强的智能体架构，结合自主研发的世界动作模型与端到端VLA，显著提升机器人复杂长程任务规划能力、跨本体零样本适配能力，以及非标场景下的操作泛化与指令遵循能力。该模型架构助力公司成为国内首家在李飞飞教授举办的B-1K挑战赛中斩获全球前三的具身智能企业。
在数据层面，深朴智能自研了低成本、高精度的纯视觉UMI + Ego数据采集系统，并围绕这一系统构建了“冷启动”与“热循环”两条数据管路，实现真实场景多模态数据的大规模采集。其中，“冷启动”指在机器人进入真实场景之前，通过大规模真实操作采集训练数据，为模型打下坚实基础。李晓飞透露，预计今年这条管路将积累几十万小时的训练数据。
而“热循环”则指机器人入场作业后，持续采集其自主运行过程中的真机数据——尤其是边缘案例与失败案例——并将这些数据高效回传，驱动模型进行持续微调与强化学习。两条管路共同构成了深朴智能完善的真机作业数据闭环。
“冷启动是真实场景的数采，热循环是真机的作业数据反馈。”李晓飞表示，这一闭环使机器人进入场景后能够源源不断地将真实作业经验转化为模型能力，既强化了具身模型本身，推动模型-数据-本体-场景的能力迭代，也沉淀为深朴智能的核心数据资产。
这一机制的价值，根源在于传统数据采集方式的先天局限：一旦条件和输入方式固定，系统所喂给模型的数据往往被锁定在有限的分布范围内。然而，机器人在真实物理世界运行时不可避免地会遭遇“分布外”的边缘情况与失败场景——恰恰是这些数据，才是驱动机器人持续进化的宝贵素材。
这一挑战在家庭这类非结构化场景中尤为突出：不同家庭在家具摆放、清洁标准、个人习惯等方面天差地别，通用化几乎无从实现。
深朴智能的策略，是以酒店、康养等“类家庭场景”为前期积累阵地，让机器人在真实环境中经历、反馈、迭代，逐步夯实数据闭环与模型能力，再以此为跳板，向终极的家庭场景延伸。这一“越用越智能、越交付越高效”的技术与商业双重飞轮，正是深朴智能构建核心壁垒的底层逻辑。
03剑指家庭场景，酒店成为第一块训练场
深朴智能一直有一个明确的终点：家庭。但机器人进入家庭场景，目前还有诸多技术卡点，存在系统性难题，并不适合创业公司正面切入。
首先解决的是，如何去做机器人的能力升级？
李晓飞认为，具身智能机器人的能力升级，有三条路径：一是依赖大规模堆积仿真、合成数据和第一人称视频数据，直至“暴力出奇迹”，但这是小概率事件；二是从工业场景切入；三是从类家庭走向家庭。
相比之下，机器人进工业场景的门槛低，因为任务清晰、工位固定，工业场景属于结构化场景，是目前大多数具身智能的厂商进攻的重点方向，但在能力及数据迁移方面可能会受到不同场景、不同任务和不同物品等各个维度的限制。
“之前自动驾驶创业时乘用车L2的量产，也是行业不太愿意选择的路径，因为毛利低，任务重，难度大。但把难而正确的事做到，未来生态位的价值会越来越大。”李晓飞说。
这次具身智能创业，李晓飞同样坚持“难而正确”的选择：从类家庭切入，逐步走向家庭。特定类家庭场景中的特定任务，可类比于L2，复杂家庭场景中的开放任务，可类比于L4。
深朴智能最先锁定酒店这个类家庭场景，成为其机器人的第一块训练场。
酒店带有居家属性：房间、床铺、卫生间、布草、清洁、收纳、基础服务等任务与家庭环境高度相似。但和真正的家庭场景相比，酒店的空间、作业标准都更稳定，更容易拆解成SOP工序，有助于人机协作。这种环境更适合机器人训练和验证闭环。
而且，在与酒店集团最早接触时，李晓飞发现酒店客户有着最现实的痛点——人力成本。尤其是在海外市场，酒店业的人力成本居高不下并持续上升，导致招聘困难。
据Actabl行业数据显示，2025年美国酒店每间已售客房的劳动力成本从42.82美元升至48.32美元，同比激增12.8%。对酒店来说，这笔持续上升的成本支出，加速了酒店业评估商用自动化清洁设备，以及具身智能机器人在客房保洁场景落地的可行性。
但人力成本，并不是酒店引入机器人的唯一原因。
对酒店业来说，机器人带来的价值不只是降本，还能提质——机器人能实现更标准化地执行任务。比如马桶、床铺、布草更换等区域，与住客直接接触，机器人替代人工，一方面能实现100%按照标准流程来作业，另一方面重塑了酒店业的服务标准。
目前，深朴智能与中旅酒店集团及其他高端酒店品牌达成战略合作，共同打造酒店场景具身服务机器人；与香港理工大学及唯港荟教学酒店联合制定酒店具身智能服务标准，攻克动态环境中的精细作业难题，同步布局香港及海外市场的数据合规框架，深度研究人机协作最佳模式。
与此同时，深朴智能还在推进海外的相关认证。“在欧美、香港、新加坡等地区，服务业人口红利已经明显减弱，用工荒更严重，劳动关系更复杂，”李晓飞表示，这些地区的消费能力更好，因此产品定价甚至可达国内的2倍，毛利更高。在未来几年，出海都会是深朴智能的主旋律。
当前，深朴智能的机器人处于工程验证阶段，正以每月一代的速度持续迭代机器人本体。
李晓飞计划，接下来2026年的重点是继续打磨样机，将在Q2面向重点客户场景中做POC（场景验证），并在年内逐步走向批量交付。2027年，深朴智能将推出海外版本，以及面向康养及家庭种子客户的试用版本。
在李晓飞的设想中，深朴智能的长期愿景是做出让人类生活变得更简单的硅基伙伴。他计划用未来5-10年的周期，真正把具身机器人的技术磨成产品，磨成商品，让机器人最终走进千家万户。“深朴出售的并不是一款机器人，而是被解放的时光：当妈妈不再弯腰擦地，当孩子有人陪搭积木，当老人服药有人准时递送……这些平凡时刻的光亮，才是具身智能的星辰大海。”
这也对应了“深朴”名字本身的含义。Simple AI，取自“简单”之意，中文音译成“深朴”。“深”指向技术，“朴”指向结果——用更高深的技术，去解决更朴素的问题，让复杂的能力最终以更简单的方式进入日常，重新塑造一种有用、有趣、有尊严的生活方式。
本文为创业邦原创，未经授权不得转载，否则创业邦将保留向其追究法律责任的权利。如需转载或有任何疑问，请联系editor@cyzone.cn
