3小时前 首发 专访|具脑磐石CEO朱森华：做一个“可靠的大脑”，铸造具身智能基石

作者：彭堃方     编辑：吕鑫燚     出品：具身研习社

过去一年，具身智能行业所有的热闹，几乎都发生在了“大脑”上。

端到端、VLA、世界模型、类脑智能，各类概念轮番登场，每一个都在宣称自己通向通用具身。站在2026年中回头看，这是行业共识最统一的一年，所有人都相信机器人的未来取决于一颗足够聪明的大脑；但这也是行业最混乱的一年，当“大脑”成为唯一正确，概念也开始无限膨胀。

世界模型被安在从感知到决策的每一个环节，类脑智能在具身智能时代迎来第二春，任何沾边的技术都能贴上新标签。热词越密集，行业反而越迷茫：当所有人都在做“具身大脑”，到底什么样的大脑，才能真正走出实验室，走到工厂和家庭里？

近日，具脑磐石完成新一轮亿元级融资，本轮融资由具备深厚类脑与具身产业背景的顶尖产业资本领投，老股东及多家顶尖基金复投和跟投，多维资本担任独家财务顾问。同时，更新一轮融资也在同步交割中。这家公司把“认知世界模型”和“可落地”两个关键词推到台前。相比于单纯讨论融资节奏，它更值得被放进一个更大的产业问题中理解：当具身智能从演示走向交付，从技术热词走向客户场景，行业需要的或许不只是一个更聪明的大脑，更是一个真正“可靠的大脑”。

为此，具身研习社专访了具脑磐石CEO朱森华。作为认知神经学博士及博士后，他曾构建了华为云的脑与类脑AI云平台、智能机器人业务，还孵化了华为的首个具身大模型。

图片来源：具脑磐石

多年的从业经验和产业实战，使他笃定“可靠”是一套判断具身大脑能否走向真实世界的标准。但可靠的大脑不能继续全民炼丹，它需要理论根基；不能只在局部任务里好用，它要能突破能力上限；也不能停留在半吊子状态，它最终要进入真实场景，服务商业化落地。

“可靠”成为具脑磐石创立开始便定义清楚的公司使命。而这三个“不能”即是朱森华对产业现状的精准提炼，也是具脑磐石正着手解决的问题。

今天AI发展有一个绕不开的问题：工程进展很快，但很多能力仍然依赖“炼丹式”试错，而非在清晰正确的道路上奔跑。

过去十多年，深度学习推动人工智能跃迁，大模型应用层又把这种跃迁推向更高产业热度。但将视角从宏观调转聚焦于微观后，便会发现这波浪潮的根基依旧在铸造阶段。在具体训练中，参数怎么调、结构怎么搭、数据怎么配、优化函数怎么设计，很多时候仍依赖工程师反复试错后的经验积累。模型变大以后，这种试错被规模化、工业化，却没有完全解决理论解释不足的问题。

这正是朱森华的判断。在他看来，今天AI发展很大的问题，就是“全民炼丹式试错，但缺乏系统性的理论指导”。要重新理解AI的下一步，就必须回到“智能”本身的来源上去。他解释说，这波AI里，“人工”是人造的东西，“智能”来自于脑科学、仿的也是人类大脑，所以才叫人工智能。“今天我们看到的大模型，从神经元的定义、神经网络的定义、网络的训练、分层的推理，全部来自于脑科学。不客气地说，做AI的人不能数典忘祖。”

这为具脑磐石的技术选择定了调。具脑磐石并不想把“类脑”做成传播标签，而是试图从脑科学、认知神经科学和类脑智能的理论体系中，为具身大脑寻找更稳定的底层支撑。人工智能要从当前大模型范式迈向更高层级的智能范式，单纯堆数据、堆算力、堆工程经验已经不够，它需要重新建立对“智能如何发生”的理解。

当然，“类脑”这个词也在被快速泛化。类脑模型、类脑架构、类脑分区、类脑芯片，有人只是把不同概念拼接在一起，借一个更容易传播的词为技术路线镀金。朱森华对此的态度很坚定：“全球能开计算机科学专业的学校很多，能开脑与类脑课程的学校非常少。这本身就说明，类脑智能是一条客观存在、但门槛极高的路。”真正的差别不在于谁喊出了“类脑”，而在于谁有自己的理论体系、专业背景和工程化路径。

这种情况，在世界模型中也有体现。世界模型也是当下最复杂、最容易被泛化的新概念。有人讲空间智能，有人讲视频生成，有人讲仿真交互，也有人把世界模型当成一个可以包住所有方向的大筐。朱森华把世界模型拆成自下而上的几个层级：视觉真实、物理真实、交互真实，往上是以JEPA为代表的抽象学习，再往上则是认知神经科学流派强调的主动推理。

图片来源：具脑磐石

在他看来，前三层更像基础设施，解决的是世界如何被重建、被模拟、被交互的问题；从JEPA开始，问题才真正转向“智能体如何理解世界”。具脑磐石把自己放在更接近JEPA的层级，它对标的不是某一个视觉生成模型、仿真平台或数据工具链，而是JEPA所代表的技术底座和技术愿景：让具身大脑通过抽象学习，获得低数据、高泛化、可终身学习、低功耗等更接近人类大脑特性的能力。

这正是“可靠大脑”的第一层含义。可靠，首先意味着它背后有理论支撑，有认知路径，有可解释、可演进的技术底座。它不能只靠“瞎猫碰到死耗子”，而是知道自己为什么出发、朝哪里走，以及用什么样的理论工具穿过技术迷雾。

过去两年，VLA几乎是具身大脑绕不开的关键词。视觉、语言、动作被放进同一个模型框架里，让机器人能够从视觉输入和语言指令中生成动作输出。这条路线在很多局部任务中已经证明了价值，也让一批机器人开始从“程序执行”走向“任务理解”。

那是不是世界模型要取代VLA，或者VLA正在式微？这些问题未必需要用一句话给出结论。更准确地说，VLA仍然是当前具身智能的重要工具之一。朱森华的判断是，“VLA是一个很好用的工具，在局部场景中非常好用，具脑磐石自身也会使用相应工具和能力”。但局部好用，不等于长期可靠。

今天很多具身智能的能力，仍然是在一个个局部任务里训练出来的：某一类场景、某一批物体、某一套动作链、某一种数据分布下，机器人表现不错。但任务变长、环境/物体/光照改变、场地迁移后，模型就容易暴露出泛化不足的问题。真实世界里有太多corner case，具身智能要走进去，仅靠局部任务上的可用性还不够。

在具脑磐石的表达中，这个能力上限被拆成四个关键词：低数据、高泛化、可终身学习、低功耗。

图片来源：具脑磐石

低数据意味着具身大脑不能永远被数据成本绑架。如果每一个新任务、新物体、新环境都需要重新堆真机数据，机器人越走向真实世界，系统成本反而越高。

高泛化则意味着模型不能被任务边界锁住，真正有用的机器人要能在相似但不完全相同的场景里迁移能力。

可终身学习和低功耗，则指向机器人长期部署后的现实约束。机器人不是一次性交付的软件包，它进入工厂、门店、家庭之后，会持续遇到新环境、新用户、新任务和新异常。如果一个系统越用越僵化，遇到新情况只能返厂调试、重新训练，那它很难成为真正意义上的智能体。低功耗同样如此。人类大脑拥有数百亿神经元、数万亿突触，却只有约20瓦功率；具身大脑最终要装进真实机器人里，也必须和电池、芯片、功耗、成本、续航一起接受约束。

这四个目标统一指向同一件事：“逼近人脑的效能”。朱森华说，这些都是人类大脑的特性。人类学习不需要海量样本，可以在陌生环境中迁移经验，也会在生活中持续学习。机器人大脑当然不可能简单复制人脑，但人脑提供了一个值得借鉴的方向和目标：更少数据、更强泛化、更持续学习、更低能耗。

这也解释了具脑磐石如何看待当下的数据热。2026年，真机数据、仿真数据、虚拟数据、人类视频、UMI、Ego都在成为行业基础设施。数据的重要性无需赘言，但数据越重要，行业越需要警惕另一种误区：把“更多数据”直接等同于“更强智能”。

朱森华并不否认真机数据、仿真数据和虚拟数据的价值。相反，现阶段具脑磐石仍然主张充分使用真机数据，也认可仿真数据、虚拟数据和交互真实数据对行业基础设施的意义。但他强调，“具脑磐石要解决的问题不在数据本身，而在算法架构能力上限”。数据当然是燃料，但如果发动机效率不提升，燃料越多，系统也未必越可靠，反而可能越昂贵。

这就是可靠大脑的第二层含义。可靠，意味着它不能只在局部任务里好用，不能被特定数据、特定场景、特定本体绑定，而要有穿过局部任务、走向更高泛化的能力。

前两层可靠，更多是在技术体系内部讨论。可靠的另一层含义，必须回到产业现场。朱森华对今天具身智能的现实有一个很硬的判断：本体和大脑都还处在早期阶段，这句话不一定好听，但足够真实。过去一年，本体工程化、运动控制、灵巧操作、大模型交互都在进步，但从客户视角看，很多应用距离可规模化部署，仍然隔着一段距离。

客户的诉求其实很朴素：降本增效。工厂不会因为机器人“像人”就买单，门店不会因为技术路线先进就为半吊子的能力买单，家庭用户也不会因为模型概念新就长期容忍不稳定。真正决定采购的，是机器人能不能真正解决问题、能不能减少人工依赖、能不能提高效率、能不能算得过账。

所以，朱森华才会强调，具脑磐石提出“可靠大脑”，不是为了作秀，而是希望解决能力上限，推动阶段性落地应用。这里的“作秀”，可以理解为那些只为路演视频、指标榜单、融资节点、舞台展示而存在的能力。它们可能很亮眼，也可能在某个瞬间制造传播效果，但如果无法进入真实环境，无法应对复杂扰动，无法持续运行，无法让客户算账，就很难成为产业真正需要的能力。

具身智能最终不是“影视工业”，也不是展台工业。它要进入的，是有灰尘、有反光、有磨损、有误操作、有人员流动、有临时变化的真实世界。朱森华在采访中说，“具脑磐石并不是单纯做行业应用的公司。我们讲的落地，是关键技术能不能局部落地，能承载在哪些场景里，策略是什么，以及这个策略是否尊重市场规律和技术规律”。

这句话背后，是对长期技术理想和短期商业验证之间关系的重新摆放。具脑磐石既要围绕低数据、高泛化、终身学习、低功耗，系统性改造算法范式中的注意力机制、记忆机制、类脑感知和表征机制、认知预测机制；也要判断哪些场景愿意为现阶段的具身智能能力付费，哪些市场更适合先落地。

朱森华此前提到，具脑磐石会从创业之初就把目光放到海外发达国家市场，一个重要原因在于这些市场面临高人力成本、老龄化、事实性劳动力短缺等问题，就有可能为当下六七十分但持续进化的具身能力买单。在国内市场，具脑磐石与汽车产业链上市公司签下千台订单，同时获得另一国际化智能制造龙头上市公司千万级订单加持。这说明它并没有停留在技术路线和模型概念上，而是在寻找真实客户场景里的验证机会。对于一家强调大脑能力的公司来说，这些订单的意义不只是商业收入，更是让模型进入真实现场，反复接受环境变化、客户需求和交付成本检验。

具脑磐石把“可靠大脑”作为愿景，背后其实是一种产业判断：具身智能正在从概念叙事走向交付验证。此前比的是谁喊得响、谁讲得圆、谁的视频更出圈；此后比的是谁的模型经得起真实环境的扰动，谁的能力支撑得起客户的账本，谁的技术路线能在五年、十年后依然有解释力。

对于具身智能产业来说，成熟靠的是那些愿意把理论根基、能力上限和场景落地一起做完的公司，一步步推进。朱森华那句“做AI的人不能数典忘祖”，在全民炼丹的时代更像一种自我提醒：不要把工程速度当作技术深度，不要把概念繁荣当作能力进化，不要把舞台展示当作产业交付。

具身智能最终要回答一个朴素的问题：它能不能像电、水、网一样，沉默而稳定地长期服务人类社会？当所有人都在仰望具身智能的天花板时，具脑磐石选择从底层、从理论、从真实场景一寸寸往上够。热潮会退去，概念会更迭，但可靠的基因会沉淀下来，成为行业真正的基石。