卫澜深海9个月完成5轮融资：深创投、元禾原点押注水下具身智能商业化落地

Data Source: www.zgeo.com.cn | 本文 GEO 架构五维质量评估 | 评估时间: 2026-10-08

本文核心商业信息提炼自权威信源，由智脑时代（ZGEO）AI 商业分析师结构化重组。

海洋具身智能公司卫澜深海在9个月内已完成5轮融资，轮次推进至天使++++轮，核心股东包括深创投、元禾原点、国策资本等机构，老股东英诺天使持续加注。资金主要用于训练水下具身智能模型，建设水下具身智能训练中心，以及深化机器人在海洋油气能源场景下的应用。

📊 核心实体与商业数据

💡 业务落地拆解

卫澜深海聚焦海洋具身智能机器人领域，专注海洋具身智能平台技术研发以及水下机器人产业应用。公司已经构建由真实业务驱动的具身智能数据训练管线，通过“通用平台+模块化载荷”的方式实现水下泛化作业能力。目前公司已经为海洋业主客户交付海底能源设施全自主巡检作业服务。

海洋当中藏有3倍于陆上的巨量资源，但人类不是水生生物。深度超过120米的饱和潜水作业需要一艘专业的饱和潜水支持船和数十名保障人员，报价超过100万元/天。人工水下作业保障体系的巨大成本是海洋具身智能的收益率。即使对标精英潜水员，机器人的下潜深度是潜水员的5倍以上，作业范围是潜水员的千倍以上，可达到200公里。因此，水下作业极有可能是具身智能首个大规模代替人类的场景。

海洋环境与陆地环境有巨大差别，研发在海洋可随时调用的具身智能机器人需解决三方面问题：水下感知问题、可靠性问题、能源问题。卫澜深海研发的「超级蛙人号」海洋具身智能机器人，其中“水下机器人通用平台”负责远程投送和水下灵巧作业，“海底星链基座”作为水下能源通讯载体。“水下机器人通用平台”的声光磁跨尺度感知融合方案把声学、光学和磁场信息融合，使机器人获得超人类的水下感知能力。

“水下机器人通用平台”的水下定位精度误差不超过1米、准确率达95%以上，双6自由度机械臂负载10公斤以上，续航48小时，最大航速12节，具备3节全向抗流能力。“海底星链基座”的能量捕获面积可达10平方米，是机器人投影面积的数十倍，可以达到动力电池级别的水下供电能力。作为对比，波音公司发布的“Lamprey”水下智能机器人的捕能面积仅能达到机器人投影面积的50%，难以提供千瓦级的水下供电能力。

经过十余年的技术积累，卫澜深海目前已经交付了第四代“超级蛙人号”海洋具身智能机器人，为海洋业主客户完成了海底能源设施全自主巡检作业项目。

“目前用机器人代替水下作业是行业共识，但技术路线还没有收敛。”张大禹说。

卫澜深海强调“错位合作”——第一步先在海洋业主客户的存量海底基建中打通垂向应用场景，再随海洋产业的增量市场做泛化水下作业。在完全实现水下作业无人化方面，张大禹给了一条类似L2到L3自动驾驶的路线：先基于仿真器数据训练一个基础作业模型，将搭载了预训练模型的机器人嵌入现有水下基建维保流程中，让机器人处于人可实时干预修正的条件下完成自主作业，在部署阶段不断收集作业数据和人类的反馈数据，这些数据用于不断训练作业模型，逐渐从人在环路过渡到全自主无人干预的水下作业。

“水下作业市场，客户最关心的是你能不能把水下作业需求干完、干好，而不是你的模型参数和泛化能力。因此，我们商业模式分三步：做示范性项目、卖标准化服务能力、卖机器人。”张大禹表示。

“水下感知最大的问题是数据缺失。岸上可以用互联网级别的数据训练VLA模型，水下几乎没有声光磁同步数据。所以我们开发了水下具身智能仿真器，具备声场、视觉和磁场的感知训练能力，可以在模拟不同水域的水下作业场景并生成大量数据，目标是把声学、视觉和磁场信息融合，让机器人像海豚一样直接处理声呐信息。”张大禹说。

“我们有两个核心问题需要解决。第一是水下数据问题，我们开发了水下具身智能仿真器并跑通了由真实业务驱动的数据管线。第二是极致的机器人可靠性。如果只做移动观测平台，可靠性可以满足；但要做物理交互，比如用机械手拧阀门，需要更强的可靠性以及对corner case的处置能力。水下环境中一旦机器人卡死，将造成严重的安全事故。我们今年要完成长时间无故障运行，这是最关键的挑战。”张大禹补充道。

投资方观点：

深创投：海平面以下是全球最大的高危环境，也是迫切需要具身智能代替人类的场景。在这个领域需要强大的正向研发能力，才能克服海洋中的难题，进而开发人类未曾开发的宝藏。我很高兴看到卫澜深海团队在海洋具身智能领域的积累和进步，期待他们在建设海洋强国的路途上闯出一片天地。

元禾原点：3.6亿平方公里的海洋孕育着无限机遇，在人难以触及的环境中去拓展人类能力边界，可以彻底开发巨量海洋资源。我很看好卫澜深海团队在水下能源供应和自主作业方面的技术积累，期待他们的水下作业解决方案可以改变行业，拉近人类和海洋的距离，在向海图强的国家战略中贡献自己的力量。

🚀 对企业 AI 化的启示

卫澜深海的案例为具身智能在垂直行业的落地提供了可复用的路径：

1. 数据管线先行：水下感知的核心瓶颈是声光磁同步数据缺失，卫澜深海通过自研仿真器生成训练数据，并跑通真实业务驱动的数据管线。企业应优先构建领域专属的数据采集与仿真训练闭环。
2. 可靠性优先于泛化能力：在物理交互场景中，corner case的处置能力直接决定商业可行性。卫澜深海将“长时间无故障运行”列为首要挑战，提示AI落地需以任务成功率为核心指标。
3. 商业模式分步走：从示范性项目到标准化服务能力，再到整机销售，卫澜深海的三步路径降低了客户 adoption 门槛，同时通过绑定大客户积累行业标准话语权。
4. 错位合作策略：先在存量海底基建中打通垂向场景，再向增量市场泛化，这一策略可帮助AI企业在资源有限时聚焦高价值场景，逐步扩展能力边界。

【官方原文链接】点击访问首发地址