斜躍智慧已完成數億元天使+輪融資，投資方包括線性資本、鈞山資本、弘頤資本、隱山資本等機構。公司表示，本輪資金將用於推進具身基礎模型訓練、算力與資料基礎設施建設、核心團隊擴充，以及家庭機器人本體研發和場景驗證。
斜躍智慧成立於2026年2月，定位為以家庭為第一落地場景的具身基礎模型公司，目標是構建面向真實物理世界的通用具身模型，並以自研模型驅動通用家庭機器人落地。公司由理想前AI首席科學家、基座模型部門負責人陳偉與理想前產品線總裁張驍聯合創立，核心團隊來自全球知名科技、AI、機器人及智慧汽車企業，能力覆蓋大模型演算法、AI Infra基礎設施、機器人運控、產品與供應鏈管理等領域。據公司介紹，團隊具備萬卡大模型訓練、數字與物理大模型及智慧體開發、C端產品從定義到量產交付的全鏈路經驗。
斜躍智慧認為，家庭是最複雜、最高頻、也最具長期價值的真實物理環境之一。家庭任務天然融合感知、理解、規劃、操作和互動，既包含腦力任務也包含體力任務，是驗證通用具身智慧能力的理想場景。基於這一判斷，公司提出Duplex Reasoning範式驅動的具身基礎模型，試圖讓機器人在感知理解、推理規劃和任務執行過程中保持與人連線的雙向通道——對話資訊可隨時被打斷和修正，行動目標也能在執行中動態調整，最終形成可打斷、可修正、可接管、可持續進化的通用家庭行動智慧。
從技術路徑看，傳統機器人系統多采用接收指令、執行動作、返回結果的單工或半雙工流程，強調動作正確執行和任務完成；而家庭場景需要時刻響應模糊、變化且持續發生的需求。斜躍智慧提出的Duplex Reasoning強調互動與行動應在資料、模型結構與訓練流程中被一體化建模。具體而言，以VLA為主幹，打通與世界模型預測的協同：語言將視覺、語音與環境變化壓縮為可遷移的高層語義，驅動模型跨場景泛化；世界模型預測動作的未來可能結果，為長程任務提供事前約束。兩者共同指向一個目標：以可控算力成本，提升機器人在開放環境中的理解、決策與行動成功率。
在能力建設上，斜躍智慧認為具身智慧的核心競爭力不在於更大的模型或更多的資料量，而在於高質量資料與系統化基建能力。公司將模型能力拆解為可持續積累的基礎設施問題：訓練Infra圍繞預訓練、後訓練、強化學習建立可複用、可擴充套件的訓練體系；資料Infra圍繞訊號同步、任務設計與標註質量構建高標準資料管線，優先追求高代表性、高資訊密度的精品資料，而非盲目堆疊資料小時數；同時建立覆蓋評估與模擬的閉環，使模型進步能夠被持續、客觀地測量。公司希望以訓練Infra與資料Infra雙輪驅動，在更可控的算力成本下探索具身智慧的Scaling Law。
目前，斜躍智慧已初步完成自研Ego資料採集裝置及資料平台建設，圍繞第一視角、無本體資料和與本體相關的高質量資料，逐步搭建分層資料體系。公司計劃在2026年內跑通從採集、清洗、標註到訓練的完整能力，並持續提升訊號質量、任務覆蓋度與標籤有效性。硬體方面，公司採取“單一本體、全棧閉環”的階段性策略，通過控制本體構型、感測器選型和軟硬體介面的一致性，先降低模型研發中的硬體變數，再將經驗證的能力匯入面向C端的家庭本體，並持續探索Home-native的產品形態，使機器人在空間通過性、互動方式、安全邊界和家庭審美之間取得平衡。
商業化節奏上，斜躍智慧將遵循“先驗證，再進家”的路徑，計劃先在酒店、養老院等半結構化場景中驗證模型的跨空間泛化、任務完成率和單位經濟性，再逐步進入家庭。洗衣、收納、清潔等高頻、長程且評價標準相對清晰的任務，將成為優先探索方向。
對於本輪融資，斜躍智慧創始人陳偉表示，感謝投資人的信任與支援，公司創立半年來愈發堅信做具身基礎模型是一件難而正確的事，做模型在某種意義上就是“結硬寨、打呆仗”，需要紮紮實實把算力、資料、評估的全鏈路管線建好。他認為，當前具身智慧領域遠未收斂，資料採集方式各異，本體形態也各不相同，模型與硬體的結合路徑差異很大，這意味著不存在一個端到端的開源模型能夠通吃全鏈路，模型能力本身就是具身智慧公司的核心競爭力。公司堅持用大模型的範式解決具身問題，並以階段性成果向投資人證明價值：模型效能持續領先、任務泛化高效可靠、Duplex Reasoning範式在家庭場景已形成迭代閉環。