DeepSeek在具身智能领域的布局，已经通过两笔投资勾勒出轮廓。

2026年8月，DeepSeek以1.408亿元认购宇树科技IPO前战略配售，获得2.31%股权。双方合作的核心是围绕人形机器人模型展开，整合DeepSeek的大模型能力与宇树在机械工程、运动控制和具身智能方面的技术积累。

宇树在采购模型训练服务和技术解决方案时优先考虑DeepSeek，DeepSeek在采购机器人及拓展具身智能应用时优先考虑宇树。这笔交易瞄准的是人形机器人行业的核心瓶颈，打造能够理解陌生环境、并将指令稳定转化为物理动作的机器人“大脑”。

第二笔投资指向了更底层的基础设施。Winverse AI由腾讯前首席科学家胡瀚于2026年创立，胡瀚此前负责腾讯视觉语言模型和具身基础模型团队，拥有清华大学博士学位，曾在微软亚洲研究院和百度工作。

不过，凤凰网科技从多位行业人士处了解到，Winverse AI“不能算严格意义上的具身智能公司，更偏底层infra，做模型加速相关”。这笔交易将是DeepSeek自2023年成立以来对创业公司规模最大的投资之一，利用自身超过120亿美元融资中的资金，支持科技行业增长最快的领域之一。

两笔投资的分工是清晰的：宇树提供“身体”和运动控制能力，Winverse AI提供模型加速的底层基础设施，而DeepSeek的模型能力则是串联两者的“大脑”。这套组合拳，构成了DeepSeek从语言模型走向物理世界的基础设施底座。

DeepSeek入局具身智能的时机，与一个外部变量直接相关。

凤凰网科技了解到，DeepSeek入局具身背后，一个重要变量可能来自GPT-6带来的压力。GPT-6 Astra在一项机器人控制任务中的成功率达到95%，高于Fable 5.1的40%，多个测试demo显示GPT-6在具身智能领域实现了令行业惊讶的执行效果。

据接近DeepSeek的人士透露，梁文锋近期曾表达，DeepSeek与GPT-6相比，在部分能力维度仍存在差距。这也促使DeepSeek重新审视下一阶段技术路线：仅依靠语言模型规模化演进，是否足以支撑AGI竞争。

但GPT-6的能力边界也并非没有争议。在“抓取方块放入碗中”任务上Astra成功率达95%，但换成需要毫米级精度的拼图块对位插入任务，成功率仅为10%。一位行业人士的评价颇具代表性：“GPT-6看起来厉害，要颠覆具身了，但它拿起一个杯子要40分钟，大家对具身的要求还是太低了”。

这意味着，即便GPT-6在简单任务上展现了惊人的零样本迁移能力，具身智能在精细操作、长程任务泛化等维度上，距离真正的实用化仍有相当距离。这恰恰为DeepSeek留下了追赶的时间窗口。

理解DeepSeek入局具身智能的逻辑，需要回到梁文锋此前公开阐述的AGI路线图。

梁文锋给出的路线图是一个六阶梯的递进结构：语言模型→思维链→Agent→持续学习→自我迭代（奇点）→具身智能。按照这一路线，DeepSeek当前正着力解决模型的持续学习难题，下一阶段目标是实现模型自主迭代，而终点正是具身智能，智能将进入现实世界，可以帮人类做家务、完成物理世界的任务。

梁文锋去年曾明确表示，DeepSeek主动放弃了3D生成、视频生成、世界模型等热门方向，“不是这些不重要，而是不在主线上”。从这条路线图来看，具身智能并非DeepSeek的“跨界”，而是既定AGI路径的终点。

但路线图上也标注了一个重要的判断：梁文锋此前曾公开表示“具身产业还太早”。如今密集接触具身智能创业者，说明这个判断正在被重新评估。

行业共识也在发生变化，宇树科技创始人王兴兴在10月12日的最新发声中判断，具身智能的“ChatGPT时刻”正加速到来，“快的话甚至一两年内就有可能”，并预测明年GPT-7可能“直接把具身智能问题打穿”。GPT-6的发布对具身智能行业的认知影响很大，宇树团队也已将其部署至机器人做任务进行测试，效果表现不错。

DeepSeek考虑具身智能并非孤立事件。据行业人士表述，智谱与Kimi等AI公司均有具身智能相关业务储备，具身智能已成为全球AI公司争夺的新战场。

海外方面，OpenAI近年来持续关注机器人和世界模型相关技术，除GPT-6外，OpenAI正在单独训练一个具身智能基座模型，其认为GPT-6即便效果惊艳，但也只能说是一个起点。Google DeepMind也在推进让AI理解物理环境的研究，特斯拉的人形机器人Optimus则试图通过真实生产环境训练机器人能力。

国内方面，具身智能赛道的资本热度正在快速攀升。2026年一季度，具身智能融资额同比增长182.9%，融资数同比增长55%。IT桔子数据显示，2026年上半年已有近440亿元资金涌入国内具身智能赛道，其中55%的资金流向机器人的“大脑”，行业的投资逻辑正在从“押注硬件形态”转向“押注智能通用性”。2026年至今，国内获得融资的具身模型公司数量超过140家，是去年同期的1.5倍。

竞争的重心也在发生变化。大模型正在推动具身智能从机器人产业链走向物理AI生态网络，竞争重点转向数据闭环、仿真验证和生态协同。这对于拥有模型能力、算力资源和数据积累的DeepSeek而言，构成了切入这一赛道的基础条件。

从语言模型到思维链，从Agent到持续学习，从自我迭代到具身智能，梁文锋的AGI路线图正在走到最后一步。密集接触具身智能创业者、投资宇树科技、领投Winverse AI，DeepSeek的入局方式正在从“观察”转向“行动”。

但梁文锋在具身智能领域“不是很有经验”的坦白，以及DeepSeek与GPT-6在部分能力维度仍存在差距的现实，提醒市场这场转型仍处于早期阶段。从“语言智能”走向“物理智能”，中间隔着空间理解、连续动作学习、现实反馈修正等一系列尚未被完全解决的技术难题。

DeepSeek选择以投资作为切入点，而非直接下场组建团队，或许正是对这一难度的务实认知。从“考虑入局”到“真正入局”，DeepSeek能否在具身智能赛道上复制其在语言模型领域的效率优势，值得持续关注。