在具身智能赛道上，DeepSeek走出了一条OpenAI没选的路

“梁文锋承认自己不懂机器人，然后投了4亿美元？

两个月前，DeepSeek以约1.41亿元参与宇树科技IPO战略配售。这笔投资被很多人理解为一次财务布局。毕竟宇树科技上市首日收盘价845元，按发行价150.8元测算，DeepSeek这笔投资账面浮盈约6.48亿元。

但两个月后发生的事情说明，梁文锋的意图远不止于财务回报。

近日，多家媒体报道DeepSeek计划领投机器人初创公司Winverse AI的种子轮融资，金额达数千万美元，投后估值约4亿美元。这家公司成立仅数月，创始人胡瀚是Swin Transformer论文的作者之一，曾任腾讯混元多模态大模型负责人。

一个成立仅数月的公司，产品未亮相，团队规模未知，收入为零，但方向足够清晰——让机器人理解指令、处理现实任务的AI模型，更倾向于造“大脑”。

Deepseek此举，可以说是对“人”和“方向”的双重押注，既押注胡瀚的技术判断力，又押注“机器人大脑”这个方向在未来具身智能格局中的核心地位。

再回看两个月前的交易，Deepseek与宇树双方约定在“面向通用人工智能开展合作研发”“高性能通用机器人”“AI大模型”三个方向深度合作。并且，Deepseek这笔投资拿下宇树2.31%股权，锁定期36个月，比常规战投的12个月锁定期长出一大截。这更像是一场长期绑定的技术联姻。

而在投资外，相关信息显示，梁文锋近期正在密集接触具身智能创业者。这种高频的线下交流，更像是一场针对具身智能核心人才的“摸底”与“招募”。

或许在梁文锋看来，具身智能的突破点不仅在于算法模型的迭代，更在于对物理世界复杂交互逻辑的深刻理解。他试图通过面对面的深度对话，甄别那些真正具备跨学科整合能力、能将大模型能力有效落地到机器人本体的团队。

这种亲力亲为的姿态，折射出Deepseek在布局具身智能时的谨慎与野心。其不急于撒网式投资，而是力求在早期阶段就锁定最具潜力的技术路径与合作伙伴，从头部本体到初创大脑，Deepseek的路径逐渐清晰。

一个承认自己不懂的人，正在用真金白银进入一个他不懂的领域。

01.

“很苦的活”，为什么提前了

要理解DeepSeek为什么在此刻选择靠近具身智能，需要回看梁文锋此前公开过的AGI路线图。

在那份流传甚广的投资人交流录音中，梁文锋给出的顺序是：语言模型、思维链、Agent、持续学习、自我迭代，最后才是具身智能。他甚至直言，如果把顺序反过来先做具身智能，会是一件“很苦的活”。在这个路线图里，具身智能是AGI的终点，而不是起点。

那么问题来了，为什么一个把具身智能排在终局的人，会在路线图中段就提前动手？

一个关键的变量来自外部竞争，即GPT-6的出现。据悉，GPT-6 Astra在一项机器人控制任务中的成功率达到95%，而上一代模型Fable 5.1只有40%。这种跃迁式表现，也给梁文锋带来了不小压力，其甚至承认DeepSeek与GPT-6在部分能力维度仍存在差距。

过去两年，大模型竞争的核心是参数规模、训练效率和推理能力。但行业正在形成新的判断，即如果AI无法理解真实世界，它距离真正意义上的智能仍然存在距离。GPT-6在具身任务上的表现，恰恰验证了这个判断。

真正的智能跃迁，可能发生在模型与物理世界交互的那一刻，而非仅仅发生在文本生成的维度上。

与此同时，DeepSeek内部也面临着现实压力。2026年4月发布的V4技术报告显示，近300人名单中10人标注“已离职”，覆盖基座模型、推理、OCR、多模态四条核心技术主线。梁文锋在投资人交流会上说得很清楚，DeepSeek核心、唯一、无法退让的利益是保持团队稳定。

也因此，梁文锋曾经为Deepseek划下的“不接受外部融资”的底线发生了改变。同在4月，Deepseek开启首轮外部融资，并在6 月底完成交割，整体融资规模约 510 亿元。而就在对外投资消息传播的同时，又有爆料称Deepseek将完成1000亿元融资。

融资不仅是为解决员工问题，更是为了IPO铺路。一家即将上市的公司，需要回答一个二级市场必然会问的问题。

语言模型之后，你的第二条增长曲线在哪里？

具身智能恰好是那个同时满足“AGI叙事延续性”和“万亿市场想象空间”的答案，其既提供了一个全新的技术叙事，也为核心人才提供了更具想象力的方向。

02.

与OpenAI的分岔

几乎所有讨论中国AI公司具身智能布局的文章，都会拿OpenAI做参照。但将DeepSeek的入局解读为对标OpenAI，那便大错特错。

需要承认的是，OpenAI的具身动作确实是DeepSeek的决策变量之一。

在2020年解散机器人团队后，OpenAI转向了投资，先后押注1X Technologies、Figure AI、Physical Intelligence等多家机器人公司。2026年6月，OpenAI宣布大力扩张内部机器人事业部，正式全面切入硬件赛道。9月，奥特曼在播客中首次明确表态，公司将自研人形机器人本体，同时并行研发数据中心特种机器人。

从OpenAI在机器人领域的动作复盘中，不难发现，其策略是垂直整合，从算法到硬件全链条自研。

这条路的叙事价值很强，但代价同样极高，即使是对OpenAI而言。人形机器人的物料成本中，执行器组件占比可达40%至60%。OpenAI向投资者透露，2026年第二季度营收67亿美元，较第一季度增长18%。自研本体意味着持续的重资产投入，而机器人硬件的供应链管理、制造工艺、质量控制，与软件公司的核心能力之间存在巨大鸿沟。

软硬一体的重仓式策略，对于Deepseek来说并不实际。从大模型到具身智能，Deepseek不可能踩着OpenAI的脚印走，也不会踩着它的脚印走。

先看大模型层面，梁文锋承认DeepSeek与GPT-6在部分能力维度上存在差距，这是诚实的自我定位。但威胁从来都不是单向的，DeepSeek对OpenAI的威胁，便在于成本结构与生态入口层面。

再看具身层面，DeepSeek选择的是一条不同的路。投资宇树科技做“身体”，投资Winverse AI做“大脑”，自己不碰本体制造，而是通过资本纽带和技术协同，构建一个“模型+本体”的联盟。

这种“联盟式布局”的逻辑，能够让专业的人做专业的事。宇树科技在机械工程、运动控制和量产能力上有深厚积累，Winverse AI在具身智能模型上有技术判断力，DeepSeek提供大模型底座和训练能力。三方各司其职，进行协同。

这让人联想到智能手机时代的两种模式，苹果的软硬一体和谷歌Android的生态联盟。OpenAI在做“iPhone”，DeepSeek在做“Android”，至少在当前阶段是这样。

需要注意的是，DeepSeek目前的布局，尚未展现出在数据基础设施层面的系统思考。投资宇树和Winverse AI是“点”的布局，但具身智能的竞争是“面”的竞争，数据、仿真、评测、部署，缺一不可。

03.

梁文锋的“第三条路”

更值得关注的问题是，DeepSeek接下来会在具身智能赛道做什么？会像OpenAI一样做机器人本体吗？

从目前的信号来看，答案倾向于“不”。DeepSeek的核心能力是大模型研发和训练效率优化。把这种能力延伸到具身智能领域，最自然的路径，是做具身智能的“基座模型”和“训练基础设施”。这既能发挥DeepSeek的技术优势，又能避免陷入重资产制造的泥潭。

毕竟，自研硬件本体意味着从零拉起供应链、量产、品控、交付、售后一整条重资产线，这和再造一家公司没什么区别。

此外，本体端也已经是一片红海，估值正在被挤水分。国内具身赛道有近300家公司，业内判断市场最终可能只容纳20—30家。市场正在用脚投票，硬件本体的“最后一厘米”利润薄、同质化严重，真正有定价权的环节在别处。

那么在具身智能领域，“基座模型”的价值是否足够大？

在语言模型领域，基座模型是价值链的核心。OpenAI、Anthropic、DeepSeek本身，都是靠基座模型建立了技术壁垒。但在具身智能领域，基座模型的价值可能被稀释。因为具身智能的模型需要与本体深度耦合，通用基座模型的价值可能不如在语言领域那么大。

特斯拉的FSD模型不能直接跑在宇树机器人上，宇树的模型也不能直接跑在Optimus上。

这意味着，DeepSeek如果要做具身智能的基座模型，可能需要证明这个基座具有跨本体的通用性。而这恰恰是当前具身智能领域最未被解决的难题之一。

VLA模型和世界模型两条技术路线正在并行推进，但两者的融合才刚刚开始。VLA负责快速的反应性控制，世界模型处理需要推理和规划的缓慢决策，两者的协同架构尚未定型。在这个技术路线尚未收敛的阶段，押注某一种模型架构本身就是一种冒险。

DeepSeek在具身智能赛道上的布局，本质上是一个关于“边界”的判断，一家AI公司应该做什么，不应该做什么。OpenAI选择打破边界，从算法延伸到硬件；DeepSeek选择坚守边界，用资本和合作来弥补能力的缺口。

这两种选择没有绝对的对错。但有一个事实值得注意，在全球具身智能的竞争格局中，中国公司的优势集中在硬件制造和场景落地，而美国公司的优势集中在基础模型和仿真平台。DeepSeek如果能把大模型能力有效地注入中国的硬件生态，可能形成一种独特的竞争力。

但这条路的前提是，梁文锋能找到那个“基座模型跨本体通用”的技术答案。这个答案，目前还没有人给出过。

具身智能的“Android时刻”远未到来。但至少，DeepSeek已经开始下注了。