具身智能大脑混战：9家头部公司跑出了4条路，「类脑架构」初露锋芒

机器人大脑开始分道扬镳。有句话是这么说的人类与机器人的最大区别是人类会预判。比如运动员电竞选手等有时候对手招还没出完身体已经先动了。但这个说法放在2026年的今天并不准确如今‌“预判”并不是人类和机器人之间绝对的界限准确来说机器人正在被技术赋予这种能力‌与人类的区别在于人类是基于意识、经验和直觉的自然预判机器人则是基于数据、模型和算力的“计算预判”也就是所谓的机器人大脑。最近几个月围绕这种让机器人“先想一步”的新闻特别多。六月中的北京智源大会上智平方发布了全球首个类脑式具身智能系统NeuroVLA把机器人的大脑按人脑的皮层、小脑、脊髓三层结构重新设计了一遍。同样是6月千寻智能的Spirit v1.6在RoboArena评测里综合得分排到全球第一超过英伟达的Cosmos3和Physical Intelligence的π0.5成为首个登顶这个榜单的中国模型。VLA和世界模型吵了半年的路线仗还没分出胜负突然出现的类脑架构又成了新的热门词机器人大脑究竟卷到什么程度了以下是雷科技的看法。VLA与世界模型走向融合类脑架构初露锋芒过去两年多具身智能的主流叙事一直是VLA一统天下。VLA是视觉—语言—动作大模型的缩写通俗地讲就是让机器人把看到的听到的转换为动作。谷歌的RT系列、Physical Intelligence的π0、智平方的GOVLA、智元的GO-1、千寻的Spirit系列走的大方向都是这个。VLA赢在语义理解你让它把桌上的苹果放进篮子它能能规划出一条像样的轨迹。但它的短板也比较明显它对物理世界的理解很大程度上依赖训练数据中学到的经验。当任务变得复杂、执行时间拉长或者遇到训练中没有出现过的物体和环境时模型就容易出现判断偏差甚至在执行过程中逐渐偏离原本的任务目标。于是行业开始尝试引入世界模型。所谓世界模型可以先把它理解为机器人脑子里的一个预演系统。机器人在真正行动之前先预测一下环境可能发生什么变化以及自己的动作可能带来什么结果。比如机械臂伸过去拿杯子如果从侧面抓取可能会碰到旁边的盘子那么它就需要提前考虑另一条路线。这里的关键是让机器人逐渐具备对环境变化的预测能力。过去它可能更依赖已经学过的动作经验现在研究者希望它能结合当前环境推测下一步可能发生什么再选择更合适的动作。从年初开始行业里“世界模型vsVLA”吵了差不多半年吵到最后头部公司几乎都选择了混搭。比如智元就是给VLA配上世界模拟器用模拟的世界演变去补物理理解的短板GE 2.0就是这套思路的代表。星海图的CEO高继扬也在某次采访中表示VLA和世界模型底层逻辑相通都是拿Transformer处理交互数据差别主要在于监督方式和架构细节未来会走向融合。智平方的郭彦东也放话世界模型不是颠覆者是加持者。千寻的Spirit v1.6干脆就是两者深度融合的产物把环境感知、任务理解、动作规划和状态预判打通成一条端到端链路这也是它能登顶RoboArena的原因。结果就是上半年还在站队的公司下半年悄悄都变成了融合派。而就在大家觉得融合就是终点的时候“类脑”这个词又开始高频出现在发布会和新闻里。模仿人脑的类脑架构要普及需解决三大难题类脑架构说起来并不玄乎它只是不再指望用一个巨型模型包打天下而是改成人脑的分工方式把思考和动作拆给不同层级去执行。比如智平方的NeuroVLA就是仿照人脑搭了三层最上面是“皮层”管语义理解和任务规划主要用来思考大局中间是“小脑”负责高频运动协调和动态修正每秒几百次读取关节传感器专门消除抖动、及时纠偏最底下是“脊髓”管毫秒级的运动执行和安全反射用脉冲神经网络驱动功耗只有0.4瓦碰撞发生后20毫秒内就能完成反射动作。这三层分别对应机器人绕不开的三大难题。首先是功耗人脑860亿个神经元只要20瓦左右的功率就能运转一个大模型跑起来却动辄几千瓦机器人端侧根本背不动所以最耗电的思考交给皮层高频协调和反射压到小脑和脊髓上。其次是实时性安全反射这类动作等不起云端推理可能会有延迟必须在本地毫秒级完成。至于数据效率类脑架构的优势更多在于不同层级可以针对各自任务进行训练和优化减少所有任务都依赖同一个大模型学习的压力。但这并不意味着整个机器人系统不再需要大量数据底层运动控制同样需要持续积累真实交互经验。从各家具身智能企业的动作也能看出类脑并不是智平方一家在做银河通用的银河星脑AstraBrain官方定位是全球首个集“大脑—小脑—神经控制”于一模的全身端到端具身大模型2025年还在计算机视觉顶会ICCV上提出过“世界—动作模型”WAM今年8月又发布了通用大脑基座模型AstraBrain WAM 0.5。而星海图的EFM-1则是“慢思考VLM加快执行VLA”的双系统架构思路和分层类脑同源自变量的WALL系列则是做“大小脑统一”的端到端路线。可以得出结论类脑是一个正在形成的行业方向只不过目前各家给的解法不一样。问题在于为什么不能指望一个巨型模型把动作也直接“承包”了关于这点源策未来的CEO李天羽在腾讯全球数字生态大会上表示现在大模型的主流方案可以想象为“大模型把机器人当一个游戏在玩”。但它在操作机械臂时还要使用coding作为中介或者使用大规模reasoning推理作为中介这个推理的平均长度可能是数千Token在这个Token量级下它的执行频率不管再怎么优化也不可能达到1赫兹这远远达不到具身应用的需求。假设算力无限、Token能秒出以10赫兹的速率控制一个机器人按今天它的推理强度如果让它7×24小时运行一个月一个月要花千万级人民币的Token成本。这个数量级的差距不是今天芯片的发展能够弥补的。所以李天羽认为之后即使是具身的、用来调度的大脑也一定会向小型化发展。值得一提的是源策未来本身就是做具身智能主要是研发“通用全身人形基座模型”让机器人能调动四肢、躯干完成复杂全身任务同时李天羽也是 WAIC 2026 云帆奖明日之星获得者因此李天羽所言也一定程度上代表着行业对待这个趋势的态度与看法。从源策未来的视角来看目前具身智能企业先投入大脑的核心逻辑是有了一个更强的基础预训练模型再做下游任务适配时所需要投入的数据采集量、采集难度会降低从而具备更快、更大规模做应用的潜力。机器人大脑路线确立头部玩家浮出水面如果按技术路线拆解的机器人大脑至少能看到四条清晰的路线。分别为世界模型原生路线、VLA与世界模型融合路线、类脑架构路线、统一模型路线。世界模型原生路线从架构层面把世界理解、生成和动作预测压缩进同一条推理路径代表是大晓机器人的开悟世界模型、优必选的Thinker-WM、智元的GE 2.0、星海图的G0.5。VLA与世界模型融合路线把世界模型当成VLA的增强层代表是千寻的Spirit v1.6和星动纪元的ERA-42。类脑架构路线借鉴人脑机制追求小数据高效学习代表是智平方的NeuroVLA和银河通用的AstraBrain。统一模型路线则很好理解就是用一个模型走到底。具体玩家一览以及路线分布大家可以参考下方图片需要说明的是具身智能大脑目前还没有形成严格统一的技术分类标准上面提到的四条路线更多是从模型的核心能力、架构设计和系统组织方式出发对头部企业的技术探索进行归纳。它们并非完全互斥有些企业甚至同时在多个方向布局。国际玩家这半年动作同样不少。英伟达既是世界模型Cosmos的提供方也是开源人形机器人基座GR00T的推手还是RoboArena的联合发起方位置有点特殊。Physical Intelligence的π0.5虽然被千寻在RoboArena上反超但更新的π0.7还在继续迭代。谷歌则是把Gemini Robotics 2拆成了规划模型和执行模型两个部分分别对外提供。更值得注意的是通用大模型的加入OpenAI在9月确认要自研人形机器人还有研究把GPT-6和π0.5组合起来当机器人策略银河通用的研究员做了对比评测在RoboDojo的10项双臂操控任务里混合系统的平均分62.6明显高于GPT-6单独直驱的37.81分不过碰到精细力控和接触稳定性的任务还是得靠真正练过物理交互的π0.5这类模型兜底。与国际玩家相比中国玩家在这轮大脑竞赛里的位置相当靠前落地场景也比海外密集。但要说格局已定还为时过早。四条路线都在快速演化类脑架构刚刚冒头谁是终局方案还没有答案甚至连“类脑”这个提法本身有多少是技术判断、有多少是叙事包装也得等时间检验。写在最后具身智能有一个高度类汽车行业的特点就是模型的能力必须通过机器人本体表现出来。大脑再聪明如果机械臂抓不稳东西又或者是传感器感知不准确、控制系统跟不上等等最终也很难完成任务。反过来硬件再强如果模型只能重复固定动作同样难以适应复杂环境。所以接下来的竞争恐怕会越来越考验企业的综合能力。模型要不断进步真实数据要持续积累机器人本体要足够可靠还得找到能让技术发挥作用的应用场景。这些环节彼此影响缺少任何一个都可能拖慢整体进度。至于类脑架构会不会成为主流、世界模型能否带来新的突破现在下结论都还太早。具身智能最终要面对的是一个不会按照测试脚本运行的真实世界机器人大脑真正的进步也得在这个世界里接受检验。原文链接具身智能大脑混战9家头部公司跑出了4条路「类脑架构」初露锋芒-36氪我的专辑《人工智能生命体 新启点》CSDN平台https://blog.csdn.net/2501_91883294/article/details/147616608?sharetypeblogdetailshareId147616608sharereferAPPsharesource2501_91883294sharefromlink