斜跃智能已完成数亿元天使+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。公司表示，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。
斜跃智能成立于2026年2月，定位为以家庭为第一落地场景的具身基础模型公司，目标是构建面向真实物理世界的通用具身模型，并以自研模型驱动通用家庭机器人落地。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，能力覆盖大模型算法、AI Infra基础设施、机器人运控、产品与供应链管理等领域。据公司介绍，团队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。
斜跃智能认为，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。家庭任务天然融合感知、理解、规划、操作和交互，既包含脑力任务也包含体力任务，是验证通用具身智能能力的理想场景。基于这一判断，公司提出Duplex Reasoning范式驱动的具身基础模型，试图让机器人在感知理解、推理规划和任务执行过程中保持与人连接的双向通道——对话信息可随时被打断和修正，行动目标也能在执行中动态调整，最终形成可打断、可修正、可接管、可持续进化的通用家庭行动智能。
从技术路径看，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，强调动作正确执行和任务完成；而家庭场景需要时刻响应模糊、变化且持续发生的需求。斜跃智能提出的Duplex Reasoning强调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。具体而言，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，驱动模型跨场景泛化；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。两者共同指向一个目标：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。
在能力建设上，斜跃智能认为具身智能的核心竞争力不在于更大的模型或更多的数据量，而在于高质量数据与系统化基建能力。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；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；同时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。公司希望以训练Infra与数据Infra双轮驱动，在更可控的算力成本下探索具身智能的Scaling Law。
目前，斜跃智能已初步完成自研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。公司计划在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，公司采取“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，并持续探索Home-native的产品形态，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。
商业化节奏上，斜跃智能将遵循“先验证，再进家”的路径，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。
对于本轮融资，斜跃智能创始人陈伟表示，感谢投资人的信任与支持，公司创立半年来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”，需要扎扎实实把算力、数据、评估的全链路管线建好。他认为，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差异很大，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。公司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。