世界模型並不缺投資人的錢，缺的是從客戶手中賺到的錢
眸深智能創始人穆澤林是一個愛折騰的人。
95年的穆澤林已經是第三次創業了，大學時期做過教育，畢業後又做了5年toB行業，再到今天，穆澤林想研究世界模型。
但穆澤林做世界模型的思路與大部分我接觸過的年輕團隊都不太一樣，相比拚命發論文，他更想做一家從day1就能實現商業化的團隊。
實際上，世界模型這條賽道並不缺投資人的錢，缺的是從客戶手中賺到的錢。
虎嗅獨家獲悉，近日，眸深智能正式完成近5億元Pre-A+輪融資。本輪投資方包括頭部國資基金深報一本基金、東方證券直投基金、陝西省高新技術產業投資有限公司，產業投資人安宇基金、天盟投資、建元天華；老股東創合匯資本、徐匯資本、庚辛資本超額追投。至此，眸深智能已累計完成近10億元融資。
從2025年下半年開始，世界模型這個概念突然火起來。穆澤林的世界模型團隊——眸深科技也正是在這一年成立的，但在此之前他和團隊已經在這個領域沉澱多年了。
這種熱度背後，是具身智能行業正在呈現出一種明顯的“錯位感”：熱錢瘋狂湧入，但技術遠沒有達到成熟的地步，真正能夠規模化商業落地的團隊也並不多，即使是所謂的“第一梯隊”也不例外。
其中最主要的問題之一，就是泛化能力還不夠好。按照穆澤林的說法，現在主流的VLA更像是在“記憶動作”：讓機器人在固定高度的桌子上拿盤子，它或許可以完成；但如果桌子降低了20釐米，它可能就不會了，因為新的場景不在它訓練過的資料裡。
世界模型因此被推到了台前。相較於窮舉資料，它試圖讓機器人理解物理世界的規律，再根據環境的變化生成動作。甚至有極端言論稱，“VLA已死，世界模型才是未來”。
但世界模型也只是一條理想的路線。穆澤林判斷，目前整個世界模型的成熟度可能只有20%—30%。眸深在具體場景中部署時，仍然需要約10%的真機資料，一次交付周期也需要2—3個月。他預計，到2028年，這個周期才有可能縮短至2—3周。
也正因如此，世界模型創業帶有很強的理想主義色彩。
虎嗅此前接觸過的幾支團隊，創始人中不乏00後，他們大多從高校和實驗室走出來，更習慣討論模型、論文和技術終局，商業化並不是最優先的問題。
但穆澤林不太一樣。相比於做出“最好的世界模型”，他更想做出“最好用的世界模型”。眸深成立當年，經審計的回款收入達到1000萬元。
穆澤林也不是什麼訂單都接。現階段，眸深只選擇未來可能達到1萬台至10萬台需求的場景。在他看來，替客戶做一台擺在展廳裡、用來接待領導的機器人，並不算真正的商業化。
“區分真訂單和假訂單非常重要，這是我的‘秘訣’。”穆澤林對虎嗅說道。
這種對生意的敏感來自於他此前的經歷。畢業之後，穆澤林先進入華興資本做投資，2019年又開始創業，做AI智能客服公司木心智能。那家公司有5000家中小企業客戶，最高做到了約1億元年收入、2000萬元淨利潤，最後被收購。
對於一家SaaS公司來說，這看起來已經是一筆不錯的生意，但木心智能連續兩年增長緩慢，也沒能突破中國SaaS公司的收入天花板。
穆澤林後來反思，賺錢和值錢是兩回事，太早商業化，有時也會限制一家企業擴張的速度和思路。
於是這次，他不想再做一家收入一兩億元、利潤兩三千萬元，最後只能靠分紅或者被賣掉的項目制公司。
不過，只靠商業能力也做不出世界模型。
穆澤林與眸深首席科學家陳濤在2020年前後相識。他曾邀請過陳濤一起創業，但當時陳濤剛回到復旦任教。直到2024年，穆澤林賣掉木心智能，陳濤也已是復旦的長聘教授，兩人才真正開始共同創業。
在團隊裡，穆澤林並不負責具體的技術細節。他負責公司、大客戶、銷售和融資，陳濤負責底層技術和工程化研發。但大部分關於模型整體走向的會議，穆澤林都會參與，只是不太會發言。
某種程度上，他更像是那個不斷作出判斷和下注的人。比如什麼技術最終能夠成為產品，什麼樣的客戶值得投入，那種訂單只是用來接待的樣板，以及誰會成為眸深真正的競爭對手，都是他需要回答的問題。
面對在世界模型領域層出不窮的00後“小天才”，穆澤林並不擔心競爭。
在他看來，世界模型不是一個依靠少數幾個天才就能迅速追上的賽道，而是一項需要長期積累和成建制團隊的系統工程。眸深與復旦成立的聯合實驗室有40餘名博士，團隊又被分成四個類股，“一個人出去，也只懂我們其中四十分之一的東西。”
因此，真正能夠成為眸深競爭對手的，一定是兩三年前就已經開始研究世界模型的團隊，“國內外就那麼幾個”。
至於2026年以後才出現的創業公司，在穆澤林看來，大多隻是在追逐風口。
“社會最終會獎勵真正付出的人，而不是投機取巧的人。”穆澤林說道。
這當然是一個創始人對自己所選擇路線的判斷，甚至帶著某種自信。但在技術路線尚未收斂的當下，眸深是否真的已經提前站在終局上，還需要時間證明。
以下為虎嗅與眸深科技創始人穆澤林的對話全文，有刪減：
第三次創業，做機器人的大腦
虎嗅：你第一次創業是什麼時候？
穆澤林：嚴格來說，我有三段創業經歷。大學裡有一段，當時做的是教育，所以後來去華興看的也是教育、SaaS這些行業。畢業後也有一段2B的創業，然後是今天的眸深。
虎嗅：畢業後的那次創業，具體做的是什麼？
穆澤林：我從華興出來以後做了木心智能，主要是AI智能客服、也就是CRM。後來發現，這件事受兩個因素限制。一個是當時AI、尤其是NLP的技術還不成熟；另一個是客戶形態不適合。我們有5000家中小企業客戶，每家平均只有十幾個人，語料非常分散，樣本量也不一樣，根本不足以訓練一個好的模型。
這段經歷給我的一個很深的教訓是，模型結構比資料量更重要。當年我們一年有1億元收入、2000萬元利潤，還花了1000多萬元做語料標註。大語言模型出來以後，那些資料的價值一下子就變得很低。如果模型架構一開始就是錯的，基於錯誤架構采再多資料，最後也會打折扣。
虎嗅：你怎麼看連續創業這件事？
穆澤林：我覺得連續創業分兩種：連續成功創業和連續失敗創業。創業本身是有規律可循的，核心是你能不能復盤上一段經歷，在下一次創業裡把經驗和教訓迭代出來。
創業也不只是換一家公司。你在一家大公司裡從零孵化一個新業務，或者把一個失去活力的組織重新做起來，本質上也都是創業。它是一種做事情的方法論。IPO也不是創業的結束，只是一個階段性的起點。
我認可創業是螺旋上升的。以前做FA時，我一年大概有1000萬元成交額；做木心時，一年做到1億元收入；到了眸深，我希望它至少有機會成為一家10億元收入的公司。很多事情都有發展規律，要一個台階一個台階往上爬。
虎嗅：後來你是怎麼確定下一次創業方向的？
穆澤林：當時我給自己定了三個條件。第一，一定要做AI，因為AI是人類的未來，機會足夠大。第二，一定要做多模態。上一段創業讓我意識到，文字只是人獲取資訊的一小部分，圖片、視訊、音訊都很重要。如果要真正幫助人完成工作，模型不能只處理文字。第三，一定要做一個能夠“按個賣”的產品，而不是再做一家靠項目製做到一兩億元收入、兩三千萬元利潤的分紅型企業。
我把這三個條件講給陳老師聽。他說，按個賣的多模態模型，不就是機器人的大腦嗎？那一刻我才意識到，這三個條件最合適的產品形態就是機器人大腦。再往下研究，它既符合機器人的市場機會，也和陳老師團隊過去的技術積累在一條線上，於是我們把這些事情串起來，做了眸深。
虎嗅：你和陳濤是怎麼認識的？後來為什麼決定一起創業？
穆澤林：我們大概在2020年認識。陳老師2019年回到復旦大學資訊學院做教授，我也是資訊學院畢業的，當時在參與校友會的籌辦，所以和學院裡的老師有不少交集。那時我正準備做木心，也想找他一起做AI和NLP相關的創業。
不過，他剛從海外回來，還在考核期，也沒有多少學生，所以我們先從項目合作開始。到了2024年，他已經提前轉為復旦的長聘教授，我也剛好把木心賣掉了，我們就又坐下來聊。那時我29歲，我不想再做一家干五年、做到兩三千萬元利潤後又賣掉的公司，而是想找一件能夠做十年、二十年，甚至做一生的事情。
虎嗅：你們兩個人在眸深怎麼分工？
穆澤林：分工比較明確。我是CEO，主要負責公司的日常管理、大客戶銷售和融資。陳老師是首席科學家，負責底層技術方向，也會帶著CTO做工程化和面向客戶的研發。
技術細節我不會直接負責，但模型大的走向、方向性的會議，我基本都會參加，會聽。只是我對技術的理解肯定沒有陳老師那麼深入。我們現在除了世界模型，也在佈局持續學習、模型記憶以及一些受類腦機制啟發的演算法，這些大的方向我都會參與討論。
虎嗅：管理眸深這樣的研究型團隊，和管理上一家公司有什麼不同？
穆澤林：區別很大。眸深的員工整體更年輕，00後很多，人才密度也高。現在公司大概六七十人，其中技術人員約45人。對這樣的團隊，我會更偏包容或者“散養”：大約六成是必須完成的任務，同時給大家三到四成的空間去自由探索。
我覺得管理最大的問題要在招聘時解決。你要找到勤奮、自驅的人，而不是招進來以後每天盯著他有沒有玩手機。公司也要有一批好的中層和骨幹，把理念一層層傳下去。
木心的管理更直接，強規則、強目標，再配合提成和獎金就能起作用。眸深不一樣。你要吸引和留住研究型人才，除了錢，還要有精神上的成就感、文化認同和使命願景。木心從成立到賣掉，我們幾乎沒有認真討論過價值觀、使命和願景；眸深從第一天就在討論這些。
虎嗅：你們現在的vision是什麼？
穆澤林：我們的願景是為世界提供10億顆機器人原生大腦，使命是讓中國的具身大腦領先全球。
虎嗅：你怎麼看梁文鋒、楊植麟這樣的中國AI創業者？
穆澤林：我覺得他們都是很優秀的創業者，因為不相信一個人做到這個程度只是靠運氣。運氣好的人很多，但一個人能在細分領域做到很高的知名度、取得很大成就，一定有常人達不到的意志力和專注度。
但技術不是一家企業的全部。就企業的長期發展而言，我個人會更看好梁文鋒這一邊，因為他做過量化和金融，和人打的交道更多，對人性的理解可能更深。這只是我的個人判斷。企業長期還要看文化、價值觀、組織和管理。中國需要的是技術型企業家，技術是形容詞，最後你還是要成為一個企業家。
硬的技術也許能把一家企業帶到千億元規模；它能不能走到兆元，往往要看那些更軟的東西：怎麼管理組織和人才，怎麼理解環境，以及能不能做國家和社會真正需要的事情。
VLA不會死，只會被“吃掉”
虎嗅：行業裡經常說VLA和世界模型之爭的話題，你對VLA這條技術路線的判斷是什麼？
穆澤林：我覺得VLA不會完全死掉，它只會被“吃掉”。但純VLA走不通，在我看來這是100%板上釘釘的事情。
虎嗅：“死掉”和“被吃掉”有什麼區別？
穆澤林：VLA不是robotic native，不是原生為機器人設計的。它脫胎於VLM，VLM又來自LLM。比如讓機器人從桌上拿一杯咖啡，它可能先識別桌子是什麼材質、有什麼花紋，但這些資訊和完成任務沒有關係，會浪費大量算力，也會造成資訊損耗。
現在有人用世界模型生成資料，再驅動VLA執行，我認為這也是過渡態。最終需要的是WA：我看到這個世界，直接判斷該做什麼動作，完成動作的對應和生成。VLA以後更像一個小腦模型。在某些固定場景裡，比如已經拿起瓶子，只剩下擰瓶蓋這一步，直接呼叫提前採集好的動作資料，反而更高效。最終還是要看在那個環節用那種演算法，成本最低、效率最高，就用那種。
虎嗅：你怎麼定義世界模型？
穆澤林：世界模型這個概念確實比較泛，但大體不會有太多方向。我把它分成三類：第一類是視訊生成，生成的東西看起來合理，但實際可執行性比較差；第二類是物理模擬或物理世界重構，這種模型往往會做得非常大；第三類是我們做的世界動作模型。
我們從day one就很明確，是要做機器人的大腦。機器人與物理世界對話的語言，不是文字，而是動作。我和你交流是通過說話，機器人和桌子交流，是把桌上的東西拿走，再理解桌面會發生什麼變化。所以我們的核心問題是：世界的變化，怎樣影響動作的排列順序。
虎嗅：為什麼是“世界動作模型”？動作的規律要怎麼學？
穆澤林：大語言模型是一個language token接一個language token地輸出，人的身份、所處環境和語境，會改變它吐字的順序。世界動作模型也是一樣的：椅子是80釐米高還是20釐米高，會決定機器人為了“坐下”該以什麼順序完成走過去、屈腿等一系列動作。
我們想找的是機器人和物理世界互動的“摩斯密碼”。語言裡有常用漢字，不同漢字排列起來，可以組成不同的句子；動作也有自己的基本單元，不同的動作單元排列起來，可以倒水、端茶或者拍桌子。我們要學的是動作的meta knowledge，而不是死記硬背單個動作。
VLA更像背唐詩三百首，背完以後，讓它寫一首新的，它可能只能從見過的內容裡找答案。世界動作模型要學的是規律，學完以後可以重新組合。比如機器人在固定高度的桌子上拿過盤子，桌子降低20釐米以後，純靠記憶軌跡的方法可能就不會了，因為它沒有在那個場景裡幹過。靠窮舉是解決不了真實世界問題的。
虎嗅：同一套模型怎麼適配不同的機器人本體？
穆澤林：我們先生成動作軌跡，再做數學轉換和關鍵點重新導向。可以把它理解成穿一套動捕服：同一套人的動作軌跡，經過轉換以後，可以驅動不同的機器人。
這和VLA有一個很大的區別。VLA往往記住的是某一台本體、某一個場景下的關節軌跡，換一台本體，原來的模型可能就不能直接用了。我們的思路是先得到動作，再做本體適配，因此模型更容易跨本體使用。
虎嗅：很多本體公司也在做世界模型。它們掌握本體、場景和資料，你們的優勢在那？
穆澤林：我不認為多數本體公司能把世界模型做好。這和汽車公司都說要自己做自動駕駛很像，真正做出來的並不多。人和公司的基因不一樣，做模型需要很高的人才密度。不是招兩三個博士就夠了，可能要四五十個博士組成一支完整團隊，才能把系統搭起來。
很多本體公司現在連本體本身都沒有完全做好，關節過熱、量產穩定性等問題還沒有解決，主業壓力已經很大，很難再把最好的人和足夠的資源放到世界模型上。真正頂尖的人才也未必願意去一家本體公司領工資，他完全可以自己創業。
反過來也是一樣，我做本體也不可能比宇樹做得更好。我的判斷還是專業的人做專業的事，大家在產業鏈上分工。
虎嗅：具身智能的技術路線還沒有收斂，你認為最後會收斂嗎？
穆澤林：我認為一定會收斂，就像大語言模型最後也找到了更高效、更簡潔的模型結構。在這個過程中，VLA、強化學習、MoE這些演算法和策略不會完全被扔掉，它們會作為不同環節的能力被呼叫。
但從主幹路線看，我們感覺它正在向世界動作模型收斂。大語言模型最後收斂到token的排列組合，我們也是用Transformer架構做motion token的排列組合。世界發生變化以後，模型輸出什麼動作、動作以什麼順序出現，這是我們認為最接近第一性原理的一條路線。
不是最好的世界模型，而是最好用的
虎嗅：世界模型仍然偏基礎研究，為什麼眸深從第一天就強調商業化？
穆澤林：我不認為世界模型天然就是一個研究型試驗。我們內部討論過，眸深不是只要做最好的世界模型，而是要做最好用的世界模型，要去建立行業標準。
基礎研究當然重要，可能佔到一半以上，但企業還有另一面。你在day1就要想清楚它以後怎麼商業化，並且前瞻性地做佈局。只依靠論文和融資，不去理解客戶，也不去考慮技術怎麼產生真實價值，這不是一家企業可以長期發展的方式。
企業和研究機構承擔的責任不一樣。大學和國家實驗室可以做更長期的純研究，但企業最終要穿越周期，也要承擔自己的社會責任。技術不能只停留在書架上，還要走上貨架。
虎嗅：同一套基礎模型，怎麼落到完全不同的場景裡？
穆澤林：我們先做一個具備較好動作能力的通用基礎模型，再針對不同場景做後訓練和微調。比如撿垃圾機器人，需要識別不同垃圾並完成抓取；調酒機器人，需要識別桌上的酒杯、不同酒瓶，還要完成攪拌；物流裝卸車，又是另一個場景。這三個應用底層用的是同一套模型。
研究人員持續迭代底層模型，比如提高推理速度和精準率；工程師則解決特定場景的問題，比如補充垃圾圖片，讓模型更好地識別垃圾，再完成相應的抓取動作。一個偏底層能力，一個偏場景交付，兩邊要配合。
虎嗅：你認為世界模型現在成熟到什麼程度？
穆澤林：如果看整個世界模型，我認為目前成熟度大概只有20%到30%，離真正成熟還有距離。但我們並不是要復刻整個世界的所有規律，而是把問題縮小到環境與動作之間的關係，丟掉和任務無關的資訊，所以成熟和落地會更快。
目前一個新場景的大腦開發和POC通常需要兩到三個月，也仍然需要一定比例的真機資料，大概在5%-10%左右。以後隨著視訊和模擬資料的比例提高，真機資料佔比會繼續下降，但真機資料一定要有。
我們希望到2028年前後，一個新場景的交付周期可以從兩三個月縮短到兩三周。誰還在押注世界模型？這個判斷一方面來自內部技術指標，另一方面是參照大語言模型的發展節奏倒推。今天的世界模型，可能還不到GPT-2的階段，大概是1.5。
虎嗅：面對大量合作需求，你們怎麼區分真訂單和假訂單？
穆澤林：今天的具身智能還是賣方市場，所有人都對機器人好奇，都想試一試，所以訂單必須篩選。有的客戶願意花100萬元買一台機器人，但就買這一台，只是為了接待時展示，這種項目我們會儘量剔除。
最簡單的判斷，是看企業真實的規模和工位。如果一個崗位全公司只有10個人，他說將來要買1000台機器人，我不會相信；如果這個崗位本來就有1萬多人，規模化替代至少是有可能的。
還可以設定門檻。比如項目開始前先收幾百萬元研發費，客戶如果真有1萬台需求，攤到每台上仍然划算；如果最終只買一兩台，他就不會願意付這筆錢。研發費本身也是篩選器。
虎嗅：具身智能公司很多，真正落地的卻不多，問題出在那裡？
穆澤林：機器人落地不只需要軟體，也需要硬體。規模化以後，客戶會算成本、續航、節拍和容錯率。機器人的智商可以很快提高，但本體不一定馬上跟得上，軟體和硬體是互相螺旋上升的。
另一個問題是場景。今天就想讓機器人像“超級賽亞人”一樣什麼都會做，不現實。傳統工業自動化和純人工之間還有大量“灰度場景”，容錯率相對高，也有真實需求，機器人可以先從這些地方落地。
對眸深來說，今天落地也不只是為了馬上盈利，更重要的是形成模型的正循環。只有規模化落地，資料才能規模化回流；資料回來以後，模型繼續迭代，才會形成真正的資料飛輪。機器人大腦如何形成資料飛輪？ 世界模型開始落地了嗎？
“現在才做世界模型的100%晚了”
虎嗅：國內外有那家AI公司是你特別喜歡的嗎？
穆澤林：我們一直有比較明確的對標，就是美國的Skild AI。它和眸深的定位很像，都是做第三方通用大腦。
第一，它的團隊也有教授參與；第二，它從早期開始就使用大量視訊學習動作軌跡；第三，它和我們一樣，非常重視商業化，也在和製造、零售、物流等行業的企業做大腦落地。我們最初並不知道這家公司，是後來從公開報導裡看到，才發現雙方在不同國家做了很相似的選擇。
我喜歡它的原因，不是融資或者估值，而是它沒有把自己只做成一個研究機構。技術路線、生態定位和商業化意識，這三點和我們比較像。
虎嗅：你們接觸投資人時，他們對眸深最大的質疑是什麼？
穆澤林：質疑分兩個階段。去年我們說純VLA路線有問題，要做世界動作模型和動作生成式原生大腦，投資人很難理解：別人都在做VLA，為什麼你覺得VLA不行？當時眸深的估值和融資規模都不大，投資人當然不敢賭。
到了今年，越來越多人意識到VLA有侷限，也開始談世界模型、空間世界模型和世界動作模型。投資人的問題又變成：眸深和其他世界模型公司到底有什麼區別？
投資人通常不會像博士一樣研究五年技術，可能只集中看了兩個月，而每家公司背後又都有知名教授，所以他們最難判斷的是底層差異化。
虎嗅：這一輪為什麼更多選擇國資和產業資本，而不是明星一線/市場化VC？
穆澤林：今天在中國創業的環境，和我十年前在華興時已經很不一樣。對眸深最有價值的資金有兩類。第一類是國家隊，省級國資平台的支援、背書和政策協同，對我們有實際幫助；第二類是產業資本，它可以直接帶來場景、訂單和業務合作。
現在很多國資和產業資本也是市場化運作，決策並不一定慢，有的項目一兩個月就可以交割。市場化基金我們也歡迎，只要速度足夠快。在我看來，除非你代表國家意志，或者代表產業方的業務意志，否則市場化基金就是錢。錢當然重要，但它附帶的所謂資源，未必像想像中那麼強。
世界模型還需要長期研發和大量業務協同。很多國家隊和產業資本沒有那麼強的存續期壓力，反而可能更有耐心，這也是我們選擇它們的重要原因。
虎嗅：從2025年開始做世界模型，算早還是晚？
穆澤林：如果2025年才開始創業，我覺得已經有一點晚了，但關鍵不是公司那一年成立，而是技術從什麼時候開始沉澱。眸深團隊很多技術從2019年、2020年就在做，公司成立之前，實驗室已經有五六十人持續研發。眸深只是到2025年才用企業組織的形式去運轉。
風口已經起來以後再跳進去，很容易被風捲起來，也可能被風撕碎。你要提前埋伏在那裡，沿著一條技術路線持續做，等風口來了才有延續性。
判斷一個團隊是不是長期在做這件事，也不複雜。去看它三年前、五年前的論文和研究方向。去年VLA熱就說自己做最好的VLA，今年世界模型熱又說自己一直做世界模型，網際網路是有記憶的。
虎嗅：越來越多團隊進入世界模型，你擔心過競爭嗎？
穆澤林：我不擔心。真正的競爭對手，一定是兩年前就已經在做世界模型的團隊，就那麼幾家，大家彼此都知道。現在新冒出來的團隊，如果沒有過去的積累，在我看來很大機率是在蹭風口。
世界模型是一個複雜的系統工程，不是一個超級天才就能從頭到尾全部做完。我們現在有40多個博士，分成四個類股，每個類股都有七八個博士。一個人從團隊裡出去，也只掌握整個系統的一部分。國內外真正能做的，是那些已經有幾十個人長期投入的頭部實驗室。
社會最終會獎勵真正付出的人，而不是投機取巧的人。短期內資本會湧入，有些新團隊也能融到很多錢，但融資成功不等於最後會成為長期競爭對手。如果從現在開始、從零做世界模型，我認為100%晚了。(虎嗅APP)