先把这笔融资说清楚
2026 年 9 月 12 日，杭州斜跃智能科技有限公司宣布完成数亿元天使+轮融资，参与方包括线性资本、钧山资本、弘颐资本、隐山资本等机构。公司成立于 2026 年 2 月，距今不过半年多。创始人组合是理想前 AI 首席科学家、基座模型部门负责人陈伟，以及理想前产品线总裁张骁。按公司披露，本轮资金将投向四个方向：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。
需要先说明边界。公司没有披露本轮具体估值、各家机构的投资金额、家庭机器人的产品形态与出货时间表，官方及行业暂未披露更多细节，后续将持续跟进迭代动态。因此本文只讨论它已经公开的判断与路径，不对尚未落地的东西做推测。
为什么把「家庭」放在工业之前
具身智能赛道的常规打法是先工业、后服务、最后进家。工业场景环境可控、任务重复、投资方容易看到回报，几乎是所有团队的起步选择。斜跃把这个顺序倒了过来，理由写在它对家庭场景的定义里：家庭是最复杂、最高频、也最具长期价值的真实物理环境之一。
这个判断并非没有依据。家庭任务天然同时包含感知、理解、规划、操作与交互，既有脑力任务也有体力任务——收拾桌面要识别物品并判断归属，做一顿饭要规划步骤并处理突发状况，照顾老人要理解模糊表达并持续响应。换句话说，家庭是少有的、能把「通用性」一次性考完的场景。工业场景能验证精度与稳定性，但很难验证泛化，因为它的任务集合本身就被收窄了。
代价也很清楚。家庭环境的数据采集成本高、隐私约束强、长尾任务几乎无穷，而且没有哪个客户会为「通用能力」直接买单。斜跃选择把家庭作为「训练场、验证场和规模化落地场景」三合一，本质上是把商业化时间点往后推，换取模型能力上限的空间。这是一种高风险、长周期的下注。
Duplex Reasoning 想解决的是「打断」
理解这家公司，关键在它提出的 Duplex Reasoning 范式。公司对传统机器人系统的描述是「接收指令—执行动作—返回结果」的单工或半双工流程，强调的是动作正确执行与任务完成。这套流程在工厂里成立，因为指令清晰、环境稳定、任务边界明确。
但家庭场景不满足这三个前提。需求往往是模糊的、变化的、持续发生的，用户会在机器人执行到一半时改变主意。斜跃的思路是让机器人在感知理解、推理规划和任务执行的全过程中，始终保持一条与人连接的「双向通道」：对话信息可以随时被打断和修正，行动目标也可以在执行过程中动态调整。公司给这套能力列了四个关键词——可打断、可修正、可接管、可持续进化。
它同时强调，Duplex Reasoning 不只是交互层的设计，而是要在数据、模型结构与训练流程中被一体化建模。这句话是理解这轮融资的钥匙：如果「双向通道」只做在应用层，那它就是一个语音交互功能；只有当它进入训练数据与模型结构，它才可能成为具身基础模型的一种能力范式。两者的工程量差了几个量级。
需要说明的是，Duplex Reasoning 目前公布的仍是范式描述与阶段性进展，缺少可对照的公开基准、独立复现结果与具体训练数据规模，官方及行业暂未披露更多细节，后续将持续跟进迭代动态。
团队构成解释了它为什么敢这么选
斜跃对外强调团队横跨五个领域：大模型算法、AI Infra 基础设施、机器人运控、产品与供应链管理。公司称这是国内少数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全链路经验的团队之一。
这个组合恰好对应家庭机器人最难的几件事。万卡训练经验决定它能不能把具身基础模型的规模做上去；AI Infra 决定训练与推理成本能不能压住；机器人运控决定模型输出能不能真的落到关节上；产品与供应链经验决定它能不能把样机变成可交付的产品。创始人来自智能汽车行业这一点也值得注意——汽车行业是把「大规模量产 + 严格质量体系 + 复杂软件」揉在一起的少数行业之一，这套经验迁移到机器人本体并不突兀。
创始人自己的判断：模型能力才是护城河
陈伟在融资披露中的一段表述，比融资数字更值得记录。他的判断是：当前具身智能领域远未收敛，数据采集方式各异，本体形态各不相同，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。
这段话其实是对行业现状的准确描述。具身智能目前没有出现像语言模型那样的统一架构共识：数据有遥操作、仿真、视频学习等多条路线，本体有轮式、双足、机械臂等多种形态，模型有端到端 VLA、分层规划、世界模型等不同选择。在一个尚未收敛的领域，赌「某一层会成为标准」的风险很高，而赌「模型能力本身稀缺」则相对安全——因为无论哪条路线胜出，模型能力都是必经之路。
放进赛道里看：它与同类玩家的差异
把斜跃放进近期的具身智能融资图谱里，能看到几种不同的下注方式。有的团队押「数据飞轮」，主张先把人类动作经验大规模采集起来，用数据规模换能力；有的团队押「大脑单飞」，把机器人大脑从本体业务中独立出来单独融资；有的团队押「工业先行」，用可控场景换早期收入与产线验证。斜跃的选择是「家庭场景 + 基础模型 + 范式创新」，三者叠加。
这个组合的独特之处在于它同时放弃了短期收入与短期可验证性。工业派能较快拿到订单，数据派能较快展示数据规模，而家庭派在模型真正跑通之前，很难给出让外界信服的中间指标。这也是它选择天使+轮而不是更后轮次的原因：这个阶段需要的不是收入证明，而是能力证明。
中立思辨
需要辩证看待几件事。其一，家庭场景的价值判断成立，但它同时也意味着商业化周期最长，团队需要在「模型能力被验证」之前持续融资，任何一轮融资节奏的变化都会影响进度。其二，Duplex Reasoning 的四个关键词——可打断、可修正、可接管、可持续进化——在演示视频里容易成立，在真实家庭里要面对的是安全边界问题：一个可以被随时打断的机器人，也意味着它的动作可能在最不合适的时刻被中止，这本身是新的工程难题。其三，家庭数据涉及大量隐私，采集方式、脱敏标准与授权机制的处理方式尚未详细披露，而这类数据的合规成本可能高于采集成本。其四，明星团队是这轮融资的重要支撑，但团队背景能降低融资难度，不能替代技术验证，两者需要分开评估。其五，具身基础模型的训练成本极高，万卡训练经验是优势，但持续的算力开支是长期负担，「数亿元」这个量级在具身基础模型赛道属于早期投入，能否支撑到模型收敛存在不确定性。其六，与工业场景相比，家庭场景缺少统一的验收标准，这意味着即便模型能力提升，也很难用行业公认的指标向外界证明，评价体系本身也是需要建设的部分。
趋势研判
短期看，斜跃需要回答的是「范式能否被验证」，而不是「产品能否上市」；这个阶段的核心指标应该落在模型在未见家庭任务上的泛化表现，而不是样机演示。中期看，如果 Duplex Reasoning 这类「交互与行动一体化建模」的思路被证明有效，它可能会影响更多具身团队的训练数据设计——把人类干预信号当作训练数据的一部分，而不是当作干扰。长期看，家庭具身智能的胜负手可能不在模型架构，而在数据获取渠道：谁能以可持续、合规、低成本的方式拿到真实家庭交互数据，谁就更接近终局。
对从业者来说，这轮融资最值得关注的不是金额，而是一个明确的信号：家庭场景开始有资本愿意在「能力尚未验证」的阶段下注。这未必意味着家庭路线会赢，但它意味着这条路线终于进入了可以被认真讨论的阶段。