深庭纪发布SWAN，端侧闭环上车

深庭纪把户外机器人的“大脑、记忆和复盘”装进端侧

深庭纪近日正式发布户外具身智能架构 SWAN，并宣布该架构将在机器人端侧实时运行。SWAN 由模型推理主链、混合记忆身份数据库和安全数据飞轮系统三大模块组成，首个落地产品是深庭纪的消费级双轮足户外陪伴机器人 Rovar，后者预计在 2026 年底上市。

具身智能是让智能体通过物理身体感知环境、作出决策并执行动作的人工智能系统。与只需要回答问题的语言模型不同，具身机器人必须把摄像头、麦克风、定位与本体传感器采集的信息，连续转换为移动、转向、跟随或避障动作，并根据动作结果马上修正下一步决策。

SWAN 是一套面向户外伴随机器人的端侧具身智能系统架构，而不是官方已经披露参数规模和跑分的单一基础模型。这个区别很重要：目前公开信息没有说明 SWAN 使用了多少参数、采用哪种视觉语言模型或视觉语言动作模型，也没有公布端侧芯片、推理频率、控制周期、功耗以及户外测试成功率。

截至 7 月 21 日，深庭纪已完成 Pre-A 轮融资，但融资金额、投资方和估值尚未公开。换句话说，这次发布更接近一次产品架构预告，而不是可以通过公开基准全面验证的模型发布。

三个模块解决的是三种不同的机器人难题

SWAN 的核心价值在于把实时决策、长期记忆和安全迭代放进同一条产品闭环。三者分别对应机器人落地中最常见的三类问题：当下怎么行动、过去发生过什么，以及系统如何在不突破安全边界的前提下继续改进。

需要强调的是，三大模块不等于三个大模型。按照目前披露的信息，它们更可能是由模型、数据库、传感器数据管线、规则系统和控制软件共同构成的工程模块，不能简单理解为把三个神经网络串联起来。

| SWAN 模块 | 简洁定义 | 主要解决的问题 | 目前已披露信息 | 仍待确认的关键指标 | |---|---|---|---|---| | 模型推理主链 | 模型推理主链是把多模态感知结果转换为决策与动作指令的实时计算路径 | 跟随、避障、交互、路径调整与异常响应 | 在端侧实时运行 | 模型名称、参数量、推理频率、端到端延迟、动作输出形式 | | 混合记忆身份数据库 | 混合记忆身份数据库是同时保存用户身份、历史交互和场景上下文的记忆系统 | 识别人、延续任务、建立长期陪伴关系 | 作为 SWAN 的长期记忆模块 | 记忆类型、保存周期、加密方式、用户删除机制、跨设备同步规则 | | 安全数据飞轮系统 | 安全数据飞轮系统是将真实运行数据经过筛选、标注和评估后用于受控迭代的机制 | 发现长尾问题、修复失败案例、提高后续版本可靠性 | 形成安全迭代闭环 | 数据上传范围、脱敏方案、回滚机制、人工审核比例、更新频率 |

推理主链决定机器人能不能“马上反应”

模型推理主链是 SWAN 最接近传统意义上“机器人智能大脑”的部分。户外环境中的行人、宠物、自行车、台阶、路沿和车辆都在移动，机器人不能像聊天产品一样等待几秒再给出答案，而要在连续视频和传感器流中不断更新状态。

端侧推理是直接在机器人本机计算平台上执行模型，而不是把全部原始数据发送到远程服务器后等待结果。它的现实意义并不只是保护隐私，更重要的是减少网络波动对控制回路的影响：机器人可以晚一点回答一句话，却不能晚几秒才判断前面是否出现台阶。

端侧实时运行因此是 SWAN 最值得关注、也最需要量化验证的卖点。深庭纪目前只使用了“实时”这一表述，却没有给出端到端延迟、每秒决策次数或控制频率；在具身智能系统中，实时并不是一个可以只靠宣传语成立的指标。

一套完整的户外推理主链通常要处理高层语义与低层控制之间的分工。高层模型可以理解“跟着主人走，但不要进入机动车道”这样的目标，运动控制器则负责轮足平衡、速度调节和轨迹执行；如果让一个大型多模态模型直接控制每个电机，不仅计算成本高，动作稳定性也很难保证。

SWAN 是否采用视觉语言动作模型、分层策略或世界模型，官方暂未说明。视觉语言动作模型，也就是 VLA，是将图像、语言指令和机器人动作统一建模的系统；世界模型则用于预测环境在某个动作之后可能如何变化，两者都可能进入推理主链，但不能在没有技术披露的情况下直接认定 SWAN 采用了其中某条路线。

长期记忆不是聊天记录，而是机器人的身份连续性

混合记忆身份数据库是 SWAN 与普通移动机器人拉开体验差异的潜在关键。户外陪伴机器人如果每次开机都不记得用户、不知道常走路线，也无法延续上一次任务，那么它即使能完成避障，也更像一台带摄像头的移动设备，而不是陪伴型智能体。

混合记忆是将不同时间尺度、不同数据结构的记忆共同管理的机制。短期记忆可以保存当前任务、最近看到的障碍和几分钟前的对话；长期记忆则可能保存用户偏好、熟悉地点、常见同行者和历史任务结果；身份数据库还需要回答“眼前这个人是谁，以及他拥有什么权限”。

户外场景让记忆系统同时变得更有用和更敏感。机器人可能接触人脸、声音、位置轨迹、住宅周边环境和家庭成员关系，这些数据一旦被用于长期记忆，产品就必须提供清晰的本地保存、授权调用、查看导出和彻底删除机制。

深庭纪暂未说明“混合”的具体含义，也没有披露记忆是否完全保存在端侧。一个值得后续发布会正面回答的问题是：SWAN 所谓的端侧实时运行，究竟只覆盖推理主链，还是也覆盖身份检索、长期记忆写入和敏感数据管理。

记忆能力也需要防止“记错”和“认错”。聊天机器人记错偏好只会带来糟糕回答，户外机器人如果把陌生人识别成授权用户，或者把曾经安全的道路永久记成安全路线，错误就可能直接转化为现实风险。

安全数据飞轮有价值，但不能等同于在线自我进化

安全数据飞轮系统是 SWAN 最有产品野心、同时也最容易被误读的部分。数据飞轮是产品在真实使用中收集失败案例和长尾数据，再通过筛选、标注、训练、评测与发布改善后续版本的循环机制。

安全数据飞轮并不等于机器人在户外一边运行、一边修改核心控制策略。未经评估的在线学习可能把偶然行为、恶意指令或传感器噪声写进策略，对消费级机器人而言，合理路径应当是记录问题、隔离数据、离线训练、仿真和真机评测，再经过灰度发布与回滚机制更新。

“安全”二字最终需要落实为可审计的工程指标。深庭纪后续至少应披露碰撞率、人工接管率、紧急制动触发率、无网络运行时长、不同天气下的任务成功率，以及软件更新失败后的回退策略，否则外界很难判断这一飞轮究竟是安全系统，还是常规的数据收集流程。

户外机器人的数据分布也比室内机械臂更难封闭。光照会从正午强光切换到夜间弱光，地面可能是石板、草地、砂石或积水路面，人群密度和交通参与者行为也无法穷举，真正决定 SWAN 上限的很可能不是单项模型跑分，而是它积累和处理长尾场景的速度。

端侧闭环比纯云端路线更适合户外，但代价不小

SWAN 选择端侧实时运行是合理方向，因为户外伴随机器人无法把稳定网络当作安全前提。地下车库、林荫道路、景区和住宅小区都可能出现网络覆盖不连续的问题，任何依赖远程响应的核心控制链路都会面临延迟抖动与失联风险。

端侧路线的代价是算力、功耗、散热和续航之间的硬约束。服务器上的大型模型可以依赖高功耗 GPU，但消费机器人必须把计算平台、电池、电机和传感器装进有限体积；模型越大、摄像头分辨率越高、推理频率越快，留给续航和运动系统的能源预算就越紧。

| 技术路线 | 核心计算位置 | 网络依赖 | 延迟稳定性 | 隐私特征 | 主要代价 | 更适合的任务 | |---|---|---|---|---|---|---| | 纯云端机器人 | 远程数据中心 | 高 | 容易受网络抖动影响 | 原始数据可能需要上传 | 通信成本与失联风险 | 非实时问答、复杂但不紧急的规划 | | 端云协同机器人 | 本地执行基础控制，云端负责复杂推理 | 中 | 核心控制较稳定 | 可按任务选择上传范围 | 系统调度复杂 | 消费级机器人常见路线 | | SWAN 所强调的端侧闭环 | 机器人本地承担实时推理，并接入记忆与安全迭代模块 | 按官方表述应更低，但边界未披露 | 理论上更适合连续控制 | 具备本地处理潜力，存储规则未披露 | 芯片、功耗、散热与模型压缩压力 | 户外跟随、避障和持续陪伴 | | 大型世界模型控制路线 | 通常需要较强本地或服务器算力 | 取决于部署方式 | 预测能力强，但推理开销可能更高 | 取决于数据管线 | 训练成本和推理频率压力 | 复杂动态预测与全身移动操作 |

端侧也不意味着完全不使用云服务。更现实的产品架构通常是把急停、避障、跟随和基础身份判断留在本地，把耗时较长的知识问答、地图更新、模型训练与软件分发交给云端；深庭纪需要进一步说明 SWAN 的本地与远程边界。

Rovar 才是 SWAN 的真正考试

Rovar 是深庭纪计划率先搭载 SWAN 的消费级双轮足户外陪伴机器人。双轮足形态通常希望兼顾轮式移动效率和腿部结构对复杂地形的适应能力，但它也会把平衡控制、跨越能力、机械可靠性和续航压力同时推到产品团队面前。

消费级定位意味着 Rovar 不能只在展台上完成一次演示。开发者会关注模型能力，但普通用户真正感知的是能否稳定跟随、会不会突然丢失目标、上下坡是否安全、雨天能否工作、摔倒后是否会伤人，以及一次充电能陪伴多久。

年底上市给深庭纪留下的产品化窗口已经不算宽。公司目前没有公布 Rovar 的售价、整机重量、最大速度、续航时间、防护等级、可跨越障碍高度、传感器配置和量产规模，而这些指标会直接决定 SWAN 是进入真实生活，还是停留在一套漂亮的架构图上。

这次发布的价值与不足都很明确

SWAN 的方向是对的，因为具身智能的竞争正在从单一模型能力转向完整系统闭环。一个只会识别图像的模型解决不了长期陪伴问题，一个只有长期记忆的系统解决不了实时避障问题，而没有安全数据闭环的机器人也很难持续覆盖真实世界的长尾场景。

SWAN 的不足也同样明显，因为深庭纪尚未提供足以验证“端侧实时”的硬数据。没有芯片型号、模型规模、推理频率、延迟、功耗、续航和真机成功率，外界目前只能确认架构意图，不能确认工程水平。

真正值得观察的不是 SWAN 是否能在宣传视频里认出主人，而是它能否在网络不稳定、光照突变、人群密集和地面复杂的户外环境中连续工作。对于具身智能产品，稳定完成 1000 次普通任务，通常比成功展示 1 次高难度动作更接近商业价值。

深庭纪这次发布至少给出了一个清晰判断：户外陪伴机器人需要的不只是“更大的模型”，而是一条把即时决策、身份记忆和安全迭代连起来的系统链路。SWAN 能否成立，最终要等 Rovar 上市后用延迟、续航、故障率、接管率和用户数据治理来回答。

参考来源

• 知乎：最大多模态模型控制机器人，谷歌把具身智能玩出新高度：介绍多模态模型接入机器人感知与控制的早期代表性探索，可用于理解具身智能从语言理解走向物理执行的技术背景。