7月29日，人形机器人基础模型公司德塔智能宣布完成近5亿元天使++轮融资，本轮投资方包括多家上市公司产业方和头部财务投资机构。这是公司成立半年内完成的第六轮融资，此前的投资方包括智元机器人、乐聚机器人、星海图等人形机器人主机厂，元禾控股、复星锐正、华映资本、联想创投等财务机构，以及汽车、半导体领域的资本。密集的融资节奏，映射出资本对具身智能基础模型的强烈兴趣。
德塔智能成立于2026年1月，研发方向是原生通用人形机器人基础模型。公司表示，融资资金将主要用于人形机器人基础模型持续迭代、自研数采设备的量产与数据闭环建设，以及核心研发团队扩充，推动技术在真实工业场景中的工程化验证。与本轮融资同期，德塔智能发布了头戴式全身全景数据采集设备Delta D1，为具身智能基础模型训练规模化产出全身交互数据。
半年完成六轮融资，在AI赛道并不多见，背后是资本对具身智能基础模型赛道的重新定价。当前，具身智能的竞争正在从运动展示走向物理作业，决定一台人形机器人能否真正干活的，是它对三维空间的理解精度和把全身几十个关节协调起来的可靠性。而国产人形机器人企业在本体制造上已经具备一定优势，短板恰恰在通用基础模型与训练数据上，德塔智能瞄准的正是这块价值洼地。
德塔智能创始人兼CEO马晓健的履历也为这轮融资增添了说服力。他本科毕业于清华大学计算机系，博士毕业于UCLA，曾在谷歌Robotics、英伟达Research从事机器人学习与大规模机器学习研究，后任北京通用人工智能研究院研究员，主导跨本体具身智能项目，推动同一套模型在不同厂商本体上的迁移复用。这种从底层研究到产业化的完整经验，正是资本最看重的稀缺组合。
德塔智能的技术路线，可以用原生二字概括。当前主流具身智能模型的空间认知建立在二维视觉表征上，单目图像缺失真实深度，仅凭像素估算距离可能产生较大偏差。机器人站在门前，二维表征难以准确判断门把手的距离、开门的方向、身体要让出多少空间，这类模糊判断进入真实厂区后会逐步累积，导致长时序连续作业无法完成。
德塔智能的做法是从底层换掉表征：自研原生三维世界引擎，以三维表征作为模型核心，可直接处理点云、高斯泼溅等三维场景表示，实现原生的三维理解、推理和对未来环境状态的推演。在这套引擎之上，公司采用大脑加小脑加力位混合三层协同架构：大脑层负责环境感知、长时序任务规划与操作决策，依赖真机原生交互数据训练；小脑层承担全身平衡与底层控制，通过仿真环境强化学习，将稀疏指令转化为高频全身电机控制信号；力位混合层输出柔顺控制效果，三个层级分工明确、闭环联动。
伴随本轮融资同步亮相的Delta D1，是德塔智能在数据基建上的重要布局。该设备定位为规模化生产全身交互数据的头戴式采集终端，无需依托机器人本体，也无需专业动捕棚与场地改造，采集者佩戴设备正常作业，即可同步采集第一人称全景视觉信息与全身关节运动轨迹，全局定位精度控制在2厘米以内，采集完成的数据可直接用于模型训练。针对双臂精细操作场景，配套手持配件可与头戴设备协同工作，补齐抓取、装配等末端操作的数据细节。
具身智能领域存在较大的数据供给缺口，单家企业的采集能力难以满足产业整体需求。德塔智能选择向行业开放这套采集体系，与本体厂商、科研机构及产业各方共建具身数据基础设施，采集数据经跨本体重定向后，可适配多款主流人形机器人本体的算法训练。目前，德塔智能的基础模型已逐步进入真实作业场景，在电网全身巡检、汽车零部件上下料、SMT料箱分拣等工业场景开展应用验证。业内将2026年称为具身智能数据规模化元年，数据缺口达3至5个数量级，像德塔智能这样从数据源头切入的团队，正在成为推动具身智能从演示走向交付的关键变量。
德塔智能的布局逻辑，揭示出具身智能行业正在形成的数据、模型与场景正循环。数据采集设备降低训练数据的获取成本，高质量数据支撑基础模型的能力迭代，模型能力提升又打开了更多工业场景的落地空间，而场景落地产生的真实作业数据，再次回流到训练集，形成自我强化的飞轮。这套正循环一旦跑通，企业就能在成本、能力与市场份额三个维度同时拉开差距，这正是资本愿意在半年内连续六轮加注的根本原因。
值得注意的是，具身智能的数据竞争正在催生一个新的产业环节，即专门为机器人提供训练数据的卖铲人。就在德塔智能宣布融资的同一天，业内传出光轮智能估值突破150亿元、成为全球首个具身数据独角兽的消息，多家主机厂也在加大自研数据采集体系的投入。当数据成为具身智能最稀缺的资源，围绕数据采集、清洗、标注与重定向的产业链将迎来爆发式增长。德塔智能选择在成立之初就同步布局数采设备与基础模型，押注的正是这条赛道的长期价值，而这场由数据驱动的具身智能竞赛，才刚刚吹响号角。