斜跃智能获数亿元天使+轮融资 推进Duplex Reasoning具身基础模型

斜跃智能近日完成数亿元天使+轮融资，投资方包括线性资本、钧山资本、弘颐资本、隐山资本等机构。本轮资金将用于推进具身基础模型训练、算力与数据基础设施建设、核心团队扩充，以及家庭机器人本体研发和场景验证。

斜跃智能于2026年2月成立，以家庭作为第一落地场景，聚焦具身基础模型。公司由理想前AI首席科学家、基座模型部门负责人陈伟与理想前产品线总裁张骁联合创立，核心团队来自全球知名科技、AI、机器人及智能汽车企业，覆盖大模型算法、AI Infra基础设施、机器人运控、产品与供应链管理五大领域，具备万卡大模型训练、数字与物理大模型及智能体开发、C端产品从定义到量产交付的全链路经验。

斜跃认为，家庭是验证通用具身智能能力的理想场景，也是具身基础模型的核心训练场、验证场和规模化落地场景。为此，公司提出Duplex Reasoning范式驱动的具身基础模型。传统机器人系统多采用“接收指令—执行动作—返回结果”的单工或半双工流程，而家庭场景需要持续响应模糊、变化的需求。Duplex Reasoning旨在让机器人在感知理解、推理规划和任务执行中保持与人连接的双向通道，对话信息可随时打断和修正，行动目标可在执行中动态调整，从而打造可打断、可修正、可接管、可持续进化的通用家庭行动智能。

Duplex Reasoning在执行数字技能和物理动作的同时，持续接收人类干预、环境反馈和安全信号，实现交互与行动的一体化。该范式主张交互与行动应在数据、模型结构与训练流程中被一体化建模：以VLA为主干，打通与世界模型预测的协同——语言将视觉、语音与环境变化压缩为可迁移的高层语义，驱动跨场景泛化；世界模型预测动作的未来可能结果，为长程任务提供事前约束，目标是以可控算力成本提升机器人在开放环境中的理解、决策与行动成功率。

斜跃认为，具身智能的核心竞争力在于高质量数据与系统化基建能力。训练Infra与数据Infra是两大核心支柱：训练体系决定模型能力上限，数据管线决定模型落地精度。公司将模型能力拆解为可持续积累的基础设施问题：

• 训练Infra：围绕预训练、后训练、强化学习建立可复用、可扩展的训练体系，释放高质量数据价值；
• 数据Infra：围绕信号同步、任务设计与标注质量构建高标准数据管线，优先追求高代表性、高信息密度的精品数据，而非盲目堆叠数据小时数；
• 建立覆盖评估与仿真的闭环，使模型进步能够被持续、客观地测量。

训练Infra与数据Infra双轮驱动，斜跃将以更可控的算力成本探索具身智能的Scaling Law。目前，公司已初步完成自研Ego数据采集设备及数据平台建设，围绕第一视角、无本体数据和与本体相关的高质量数据，逐步搭建分层数据体系，计划在2026年内跑通从采集、清洗、标注到训练的完整能力，并持续提升信号质量、任务覆盖度与标签有效性。

硬件方面，斜跃采取“单一本体、全栈闭环”的阶段性策略，通过控制本体构型、传感器选型和软硬件接口的一致性，先降低模型研发中的硬件变量，再将经验证的能力导入面向C端的家庭本体，同时持续探索Home-native产品形态，使机器人在空间通过性、交互方式、安全边界和家庭审美之间取得平衡。商业化方面，公司遵循“先验证，再进家”的节奏，计划先在酒店、养老院等半结构化场景中验证模型的跨空间泛化、任务完成率和单位经济性，再逐步进入家庭，洗衣、收纳、清洁等高频、长程且评价标准相对清晰的任务将成为优先探索方向。

当前阶段，斜跃正在发展动作能力、泛化能力、个性化进化能力，涵盖机器人本体、具身基础模型、家庭自进化的闭环。公司正遍历每一个影响机器人进家的要素，构建全栈长期能力——以Duplex Reasoning驱动具身基础模型，以Human-centric驱动物理世界数据飞轮，以Safety-first构建机器人安全体系，并以Home-native的双形态本体实现对真实家庭环境的自然融入。

对于本轮融资，斜跃智能创始人陈伟表示：斜跃创立半年来，我们愈发坚信，做具身基础模型是一件难而正确的事。做模型在某种意义上就是“结硬寨、打呆仗”——扎扎实实把算力、数据、评估的全链路管线建好，把底层基建打牢。当前具身智能领域远未收敛，数据采集方式各异，本体形态也各不相同，模型与硬件的结合路径也有很大差异。这意味着不存在一个端到端的开源模型能够通吃全链路，模型能力本身就是具身智能公司的核心竞争力。我们坚持用大模型的范式解决具身问题，并以阶段性成果向投资人证明斜跃的价值：模型性能持续领先、任务泛化高效可靠、Duplex Reasoning范式在家庭场景已形成迭代闭环。我们将一铲一铲地挖深、挖宽家庭具身智能的护城河。