“我们希望为全球的机器人，用最低的成本、最低的代价，装上10亿台大脑。”
国庆前夕，南京东路第一食品，往来熙攘的游客围观中，一个身影格外醒目。那是机器人“酒保小一”，身穿黑色马甲，取杯、接酒、搅拌、出杯，十几个动作一气呵成，还能实时互动、对答如流。
一套行云流水动作的背后，离不开一个机器人原生通用大脑，而这颗大脑最早的验证，脱胎自2024年复旦原创人形机器人项目“光华一号”。作出这项验证的，是未来信息创新学院教授、高效深度学习实验室主任陈涛团队。
从业界到学界，又选择创业“再出发”，他与院友穆泽林、原英特尔中国首席科学家张益民，联合创办上海眸深智能科技有限公司（以下简称“眸深智能”），立志为全球的具身机器人装上一个通用大脑。
调酒机器人“酒保小一”亮相第一食品南京东路旗舰店
从业界到学界再到创业，他始终聚焦产业交叉
当所有人都在把模型做大，陈涛为什么反着来？
2026年，具身智能是最热的赛道之一。仅今年上半年，国内新成立的具身智能企业就有一百多家，几乎所有人都在把模型做大做强。
但陈涛选择做一件相反的事：把模型做小做省，让它能塞进端侧那块小小的芯片，真正走到产业现场。成立两年不到，公司已陆续推出螺丝机器人、酒保机器人，酝酿质检机器人……找准场景，盯住产业痛点，只为解决具身智能落地不同场景的现实问题。
“面向产业界，做一些应用型的学术研究，并且把研究成果再转化成生产力。”
陈涛的这个选择，要从2013年说起。“博士期间，我的课题就是做移动机器人的图像识别。”后来，他进入华为新加坡研发中心，做视觉AI模型的落地。平台稳定、项目不断，但落地时的摩擦比他预想的多：能耗太高、泛化性太差、识别不准……这些改进琐碎而工程化，“有很多问题是学术上目前还没有被解决的”。
做得越久，陈涛越清楚问题出在哪。“很多深度学习的模块和算子在硬件里功耗太高、部署不好、软硬件结合得不太好，也缺乏基础设施体系的建设。”
学术界鲜有聚焦，工业界也没有时间逐一从理论上攻克，困在一个个项目中的陈涛，没有时间也没有权限从根上重想一遍。“怎么样能够自己有个团队，然后自己从根上来解决这个问题。”2019年，他辞去高薪工作，选择回国加入复旦大学。
他要解决的矛盾，是“怎么把大算力模型放在小算力的无人终端上，还能保证性能不会下降，同时让小算力设备的能耗和功耗降下来，取得性能和代价成本的平衡”。
在复旦，陈涛和团队围绕这个方向“探索了大概有五六年”，并合作参与了“光华一号”三维视觉模型算法设计。
“光华一号”打造老年人身边的“保健医生”
这个由复旦大学智能机器人研究院研发的机器人，聚焦养老护理场景，是2024年世界人工智能大会上，唯一一台由高校制造的人形机器人。
能否仅凭视觉模型驱动本体，让机器人真正“自主思考”动起来？陈涛团队尝试将三维视觉模型和算法接入机器人本体。此后眸深智能开发的具身智能大脑，也是最早在“光华一号”上做的验证。
此后四五年，团队陆续发布系列成果：CVPR、NeurIPS等顶会论文，ICCV竞赛冠军，今年又获IJCAI2025杰出论文奖，这是最近六年中国唯一获奖团队。“算法再好，没有芯片，很多算法模型、甚至大模型都是空中楼阁。”技术积累到一定程度后，陈涛想的不再是多发论文，而是把成果放到真实的场景里，生产检验。
不做本体，不做灵巧手，他想造机器人的公共大脑
想象未来的机器人工厂：轮式机器人贴着地面搬运物料，四足机器人爬楼巡检，人形机器人站在工位上拧螺丝。这些机器人，本体来自不同厂商，云端连着不同的AI大模型，却要在同一条产线上通力合作。
如何实现？不仅需要更灵巧的机器人设计、更快更强的云端大模型，更要靠一颗能在端侧部署、把一切高效调度起来的大脑。
一个具身智能体，本体可有多种形态，背后对应不同AI模型，工作场景也千差万别。三个变量叠加，就是M×N×P种组合。陈涛算过一笔账：如果每一种组合都要单独适配，具身智能永远铺不开。
陈涛回顾眸深智能在具身智能领域的技术积累
2025年1月，眸深智能成立，成为全球首家生成式通用具身大脑公司。不做本体，不碰灵巧手和关节部件，也不去卷参数规模——对于公司未来，陈涛有清晰的规划：“做好通用的机器人的大脑及其基础设施建设这套设备体系，为算法模型和硬件本体做好匹配和衔接。”他和团队要利用优势，开发一个不管本体、模型、场景，连接谁都能用的“大脑”。
“学术研究和产业落地应该是并行的，两者就像DNA的双螺旋，互相促进。产业界的很多问题，没法等到学术界完全攻克以后再去解决”。
公司从成立开始，他们就着手去做一件不讨巧的事：到工业界找场景，找传统工业自动化不能解决的问题。“从这里面定位出场景，发现一些以当前AI技术就可以解决、率先落地的场景。”陈涛的想法很朴素——早一点落地，就可以和这些企业实现一个较早的绑定；绑定以后，就能提供更多场景资源和数据，反哺接下来的科研模型。
公司成立头半年就已实现几千万元订单，目前在手订单已超过1亿元。
M-Worker 01 现场实测，手脑协同完成柔性装配
如何选场景？眸深智能不看订单，而是先看国家需不需要、行业里有没有代表性。拧螺丝是工业生产中公认难啃的环节，某家电龙头企业把这块硬骨头交给了他们；调酒机器人“酒保小一”则是另一种餐饮服务业的样本，一套动作可实现从调酒到咖啡、奶茶的复用转化，整个饮料产业都用得上。
项目已完成部分典型食品检验工序的功能验证
已通过阶段性验证的食品检验机器人，仅需两三台协作，就能完成试剂调配和检测。检测一块豆腐、一根火腿肠是否变质，这件事不赚钱，但事关民生保障，大量重复劳作“非常适合用机器人替代人工”。
当整个行业都在追求更大更强“大力出奇迹”，陈涛却不想盲目追随这一范式：“我这么多年一直做的，就是怎么样在模型的底层架构上，包括计算范式、推理范式以及后训练范式上，去设计一些更好的方法，让模型维持在一个资源的开销范围以内，同时保持性能，让任务效果基本不下降。”
“眸深所有的知识产权，全部是从复旦孵化出来的。”核心研发人员中，还有不少是复旦在读的硕士博士学生。团队从“光华一号”中孵化出的技术起点，让眸深智能牢牢扎根复旦，生枝发芽。
这个赛道最好的人才，一定在学校
具身智能最缺的是什么？陈涛的答案不是算力，也不是数据，是人。
他认为，最好的人不在大厂，在校园。“一定是还没有毕业、或者即将毕业，还在学校里被培养着的学生。”因为具身智能太前沿太综合，培养的第一批学生都还未毕业。
所以他做了两件事。
陈涛指导学生
第一件，把实验室打开。复旦的一间实验室里，摆着几十台机器人、灵巧手和一整排算力设备。这批由眸深智能公司购置、价值上千万元的设备，如今向本科生和研究生的相关课题开放。学生三五人一组，就能亲手把模型部署到真实的本体上跑一遍。
第二件，把产业“真问题”融入课堂中。他领衔建设的“电子信息产业前沿”课程，大量涉及公司正在攻关的机器人稳定性、抓取泛化、端侧加速等“真问题”，这些问题也成了研究生的毕业设计和本科生曦源、望道项目选题的方向。
“教学、科研、创业，这些并不矛盾。它们可以被有机地串起来，叫‘研创学’。”
陈涛自认是个“高精力人群”，一天工作十六七个小时，把几重身份的事务安排妥当：一周里，既能在课堂上给予同学业界前沿视野，也能留出一天与公司员工开会研讨，作为院长助理，他还把更多校企合作的机会带回学院。
“我们希望为全球的机器人，用最低的成本、最低的代价，装上10亿台大脑。”而最结实的那块地基，在他看来，始终在充满无限可能的复旦校园里，而陈涛选的这条路，走了十三年，还在向前无限延伸。
