领渊智能获千万元种子轮融资，探索水下机器人软件

编辑更正（2026年11月13日）下文为团队技术方向与媒体报道，尚不能证明已实现通用水下自治；修正技术空白、首次及已全面落地的绝对化表述。

AI，要下海了。

最近，深圳初创公司领渊智能完成千万级种子轮融资。

这家公司不跟人比谁的潜水器下得更深、壳子更硬。它要造的，是水下装备的「脑子」。

它想要的效果，用一句话就能说清：

机器放下去，不用人盯着屏幕，任务做完自己回来，交出一份「看到了什么、哪里有问题」的报告。

而不是像今天这样，传统方式不仅成本高、风险大——岸上需要人员操控，水下更得派人冒险下潜；关键是费劲采回来的都是「死数据」，后续分析还是个无底洞。

公司希望通过软件提高作业自主性，减少危险场景中的人工介入；本文未提供足以证明全部流程已一步完成的独立部署数据。

水下机器人自主作业3D动画

听起来理所当然？

团队选择探索面向水下任务的智能软件，效果需在具体设备与环境中验证。

地球表面约71%被海洋覆盖。深海观测和作业仍面临困难，但“了解不到百分之一”缺乏明确统计口径，不能据此量化人类对海洋的全部认识。

AI已经学会了看、学会了说、学会了走，却始终没能真正「沉下去」。

团队希望提高水下机器人自主完成任务的能力；此前已存在自主水下航行器等研究和应用，不能称为首次摆脱人工操控。

天上地下都卷疯了

水下自主系统已有研究与应用，通信、感知、规划及长期运行仍面临挑战。

今年，具身智能是投资圈最热的词之一。

所有人都在让AI从屏幕里走出来。可走得最远的，也只是陆地，和离地几百米的空中。

把在陆地场景中发展的具身智能方法用于水下，仍需要适配感知、通信、水动力和作业条件。

三维里最难的那一维，是水。

难，不代表没人需要。恰恰相反，海面之下的需求正在集中爆发。

「海洋强国」、「深海科技」被反复写进规划。风电场、跨海通道、海底电缆、深远海养殖，正集中从「建」进入「养」。

建，是一次性的；养，是几十年不能停的。

而这笔长期运维账单里，最贵、最难规模化的一项，就是「人下水」。

这些活又多、又贵、又危险。今天，它们要么靠人亲自下去，要么靠一根缆线拴着机器，由人在船上一刻不离地盯着操作。

谁能把「人下水」变成「机器自己下水」，谁就卡住了整条产业链成本最陡的那一段。

硬件是入场券，智能才是定价权。耐压壳、推进器都可以比价，「放下去就能自己干活」的能力，很难复制。

水下干活，到底难在哪？

为什么陆地上跑得好好的AI，一到水下就失灵？

想象一下：你蒙着眼，在浑水里开车。

导航没信号，因为水下没有GPS。眼睛看不清，因为光线随浑浊程度迅速衰减。耳朵听到的全是回声，因为声呐在混响里会失真。

更要命的是，眼睛说往左，耳朵说往右，你得先判断该信谁。

陆地场景模型直接用于水下可能受到域差异影响，需要结合任务和传感器做适配与评估。

第二道坎，数据少得可怜。

陆地机器人的数据可以在实验室里反复采。水下的每一条数据，都得真出一趟海：要船，要人，还要等窗口期。

能把声音、图像、运动对上号的配对样本，天然稀缺。仿真和真实之间的鸿沟至今没填平，各家的数据还各自成岛。

第三道坎，大模型不懂水的物理。

通用大模型到了水下，会出现「决策幻觉」：任务拆得头头是道，动作在物理上却根本做不出来。

上层负责规划的大脑，和底层负责控制的手脚，长期是两套体系，中间那道缝一直没人补。

第四道坎，全靠老师傅的手艺。

今天的水下作业高度依赖人工微操，干得好不好，取决于操作员的个人经验。想从「人辅助」走到「全自主」，整条控制和决策链路都得推倒重来。

还有一个最根本、也最反直觉的问题：

机器在水下的每一次移动，都是「水流在推它」和「它自己在动」叠加的结果。

这两者分不开，机器以为自己在往前走，实际上正被水流横着推走。

陆地机器人积累的部分方法可以借鉴，但水下环境提出了新的适配要求。

水下世界模型动态演示

四道坎叠在一起，成了一堵高墙。

砸钱推不平，接个通用大模型也绕不过去。要翻过去，团队得同时懂水下工程、物理建模，还得真下过海。

墙越高，先到的人，时间窗口就越值钱。

专注水下智能化的「脑子」

面对这堵墙，领渊智能选了一条很务实的路：

不去拼硬件，专攻「让机器在水下自己拿主意」这一环。

这是整件事里最值钱、也最没人做好的一环。

别人在比深度、比耐压、比推进功率，但「下水之后怎么自己把活干了」这层智能，几乎没人系统化地提供。

所以领渊给自己的定位，是水下装备的通用智能基础层，也就是一层AI Infra。

其目标是开发可适配不同水下机器人形态的软件能力；能否跨设备复用仍需验证。

这个选择背后，是一笔很清楚的账。

整机是一个个孤立的项目，卖一台算一台。智能层不一样，它可以反复收费，持续产生复利。

单个整机项目有天花板，基础设施层没有。

历史上，每一次AI Infra层出现，都会重排一次产业价值分配。做应用的很多，做底座的很少。

水下智能今天正卡在一个特殊阶段：需求已经集中爆发，底座却还缺席。

在这个阶段，先行者拿到的不只是市场份额，更是定义权。由他们来定义什么叫「会干活的水下机器」，也由他们来定义水下装备该向谁采购「脑子」。

低空经济已经被写进估值模型，深海智能还没有。这中间的落差，就是代际机会。

谁先把这个底座立起来，谁就会成为水下装备绕不开的那一层。

领渊智能构建水下自主模型的闭环体系

那这颗「脑子」到底能干什么？核心是两件事。

第一件，稳住。

水不是空气。洋流、涌浪、暗流每一秒都在变，传统设备一遇强流就漂移失位，只能靠人一点点纠偏。

领渊让机器对水流有了预判：流往哪走，自己会被推向哪，机器自己算、自己应。

第二件，自己干。

稳住只是起点。在领渊的系统里，机器自己决定走哪条路、在哪悬停、怎么出手。

遇到没见过的情况，它会自己判断：是绕开，还是先撤回来。

对比一下就很清楚：

以前，一条缆、一条船、一个时刻盯着屏幕的操作员，只能伺候一台机器。

现在，人只需要给目标，不用再下达每一步指令。操作员从「手」变成了「指挥」，一个人可以同时管多台机器。

放到资本视角里，这是一次「人力约束的解除」。

过去水下作业扩张不起来，瓶颈在于高阶操作员太稀缺。这个瓶颈一松，可服务的规模就被重新打开了。

能被规模化的东西，才配得上被估值。

过去必须靠人盯着的设备，现在可以自己干活了。

下水近二十年

这支队伍比资本早到了十几年

水下AI，不是临时拉一支队伍就能做出来的。

领渊智能的核心团队来自香港科技大学、清华大学和佐治亚理工学院，覆盖技术研发、产品化和商业运营全链条，是国内最早一批聚焦水下无人系统的创业队伍。

他们在水下智能化方向的积累，可以往前追近二十年。

墨西哥湾漏油现场的强流作业，他们下去过。大西洋与太平洋之间的大洋锋面追踪，他们也做过。

这支队伍下水的时间，比这个赛道被资本看见，早了十几年。

钱可以让一家公司跑得更快，但没办法凭空变出二十年的海试经验。

这也解释了，为什么这一轮的钱，来自一群特别的人。

本轮千万级种子轮的投资方，是在制造业深扎几十年的企业家。

这群人看硬科技向来挑剔：不听故事，只看能不能落地、能不能进场景、能不能变成真实的生产力。

在水下，概念一文不值，下水的每一小时才算数。

当最务实的一群人，开始为最前沿的一件事掏钱，往往说明这件事已经从「能不能成」，走到了「谁来做成」。

写在最后

过去两年，整个AI行业都在追「像人」。

会聊天，会画画，会走路，会跳舞。

但「像人」是演示时代的命题，「替人」才是基础设施时代的命题。演示可以被复制，基础设施只能被占据。

上一代基础设施，底层是钢筋水泥。下一代，是在没有人到场时，依然能可靠运转的智能。

AI不只要走进物理世界，还得能在人类最到不了的地方，独自把活干完。

这正是领渊智能想回答的问题。

就像团队一直坚持的那句话：

智启于人，行至无人。

文章来自于"新智元"，作者 "YHluck"。