今日，投中網獨家獲悉，具腦磐石完成新一輪億元級融資，本輪融資由具備深厚類腦與具身產業背景的頂尖產業資本領投，老股東及多家頂尖基金復投和跟投。同時，更新一輪融資也在同步交割中。據悉，本輪融資將重點投入核心技術研發、團隊擴充與全球市場拓展，加速認知世界模型的研發、工程化落地與真實場景驗證。

在這筆融資完成之前，在大洋彼岸，“圖靈獎”得主楊立昆所創立的AMI Labs，于今年3月才剛剛完成10.3億美元種子輪融資，投前估值達到35億美元，這使得類腦智能的世界模型技術路線，逐漸清晰起來。

對于投資人而言，在國內，要找的無疑是，在同一技術方向下，創始團隊最好且靠譜的類腦智能玩家。由此，這位前華為云AI算法創新Lab主任、華為具身智能大腦開創者，創業的具腦磐石浮出水面。

華為“具身大腦一號位”創業，類腦智能路線浮出水面

作為“華為天才少年”面試官，朱森華在圈內并不陌生。

在華為內部，他更是公認的“具身大腦一號位”。任職期間，朱森華帶領團隊搭建了華為云腦與類腦AI云平臺、前沿性探索未來 AI 發展新范式；并孵化了華為內部的首個具身大模型、完成了類腦智能與具身模型融合的技術落地驗證。在華為的六年里，他既是技術的探索者，也是商業落地的操盤手，具備“AI工程化能力”與“腦科學研究”的跨界特質。

相較于純學術背景的創業者，朱森華身上也有著罕見的“文理兼修”基因。履歷顯示，朱森華的學術背景跨越了計算機科學與認知神經科學：本科與碩士深耕AI方向，博士階段赴賓夕法尼亞大學攻讀認知神經科學，博士后在中科院腦與認知科學國家重點實驗室完成。

這份獨特的“腦科學+AI”特質，為他如今的創業打下了基礎。在2025年，在賽道最火熱、玩家入局最多之時，他卻做出了一個反直覺的決定：不跟隨行業VLA（視覺 - 語言 - 動作）模型大流，去堆砌數據、走 “數據大煉丹” 的技術路線，而是另辟蹊徑，選擇了一條不太為人所知的類腦智能的Neural AI 范式（Brain Inspired Neural AI），并拉起一支在華為內部磨合多年、知根知底的 “鐵軍” 班底，于2025年下半年創立了具腦磐石。

為何是“類腦智能”路線？

從某種程度上看，雖然這與朱森華的學術背景有關聯，但他認為，今天的 AI 雖然在文本、圖像生成上表現亮眼，但仍存在難以突破的 “四大短板”：高度依賴海量數據、泛化能力薄弱、無法實現終身學習、訓練與推理功耗極高。朱森華認為，既然叫做“人工智能”，站在第一性原理的終極目標就應該是逼近人類大腦的智能能力，而非停留在 “擬合數據、模仿復現” 的淺層階段。

與此同時，具身智能的1.0階段也走到了盡頭：在以LLM為中心、靠暴力計算、消耗高數據和高功耗、且不具備終身學習能力的框架下，機器人無法通往真正的智能。

因此，在他的判斷里，人工智能的下一階段，不應該是繼續堆數據、堆算力、堆參數，而是回歸智能的本源 ——向“大腦”取經。

在此背景下，作為一個具備AI前沿探索與工程化能力和腦科學研究的“跨界者”，朱森華認為，人工智能的起源應用是對大腦神經元的建模。“具腦磐石想要做的，就是為各類機器人打造一顆真正具備自主認知、邏輯推理、環境適配、持續進化能力的‘大腦’。”

從“鸚鵡學舌”到“認知世界”一場具身大腦效率的革命

放眼當前，在這場世界模型的混戰中，朱森華發現，已有五大派系，它們分別代表了通往通用人工智能的不同路徑。而這五大派系分別是由李飛飛領銜的空間智能流派，其核心是顯式的3D建模；OpenAI的視頻生成路線，他們堅信“預測即理解”；DeepMind主導的學習型仿真派，不追求像素級的完美，而是通過Genie系列生成可交互的虛擬環境，再讓智能體（如Dreamer）在其中通過強化學習自主探索、習得技能。

再者，就是由楊立昆提出的JEPA（聯合嵌入預測架構），他強烈反對預測像素，主張在抽象的潛在表征空間里預測世界的演化規律，并認為這才是通往機器常識的高效路徑。最后是Karl Friston的主動推理框架，核心是“自由能原理”——大腦并非被動接收信號，而是主動建構世界模型并持續最小化預測誤差。

基于行業的研判，以及對腦科學底層邏輯的認知，具腦磐石在成立之初，就確立了與楊立昆同源的JEPA（聯合嵌入預測架構）路線，并致力于構建一套能夠自主理解、推理、適應環境的“認知世界模型”（Cognitive World Model）。

不過，技術路線上的百花齊放，讓朱森華仍然看見，大多數具身智能技術，只停留在“鸚鵡學舌”階段的淺層階段。“他們只是依靠海量數據記住規律，沒有真正理解物理世界的因果邏輯。”

相較傳統的“鸚鵡學舌”，具腦磐石構建的“認知世界模型”，不只是一個算法框架的迭代升級，更是一場效率革命。簡單來說，具腦磐石已徹底跳出固有模式：讓AI 無需耗費算力生成實景畫面，也不必再死記海量細節，核心聚焦于提煉、理解事物背后的“抽象概念”和“物理規律”。

例如，面對一個杯子，具身大腦不需要再預測杯子倒下的每一幀畫面，只需要理解并預測 “傾倒”“重心變化”“易碎” 這類抽象概念；面對搬運、碼垛等任務，也不需要死記硬背每一種物體姿態，而是直接吃透底層物理因果。

“這套基于抽象概念的認知邏輯，可以讓機器人首次接觸椰子殼這類陌生物體時，無需額外專項訓練，便能自主判斷其具備盛水功能，真正實現類人級別的舉一反三。”朱森華舉例道。

從機械式的“鸚鵡學舌”到理解式的“認知世界”，這種技術的躍遷正是具腦磐石想要抓住的技術變革。

按照具腦磐石的設想，公司交付的不僅是一個控制機器人的代碼包，也不是單一的動作或技能的執行模型，而是一套能夠自主理解、推理、適應環境的“認知世界模型”。同時，朱森華也提出，具腦磐石不做只為單一企業或單一客戶定制的機器人大腦，而是通過上下游的生態建設，打造適配多品牌、多形態機器人的全新發展范式。

通用化的技術路線，也讓這套認知模型擁有極高的數據使用效率。據朱森華介紹，在公開基準測試中，他們僅用行業1/10的數據量，就達到了與傳統路線同等的技能學習效果，訓練成本、推理功耗、部署難度都大幅下降。

此外，整個行業也處在從 “VLA 大模型”向“世界模型”轉型的關鍵節點，但朱森華認為，真正的世界模型自下而上的應該有五個層級：第1-2層為視覺真實、物理真實，第3層是交互真實，第4-5層分別為抽象學習能力和主動推理。

“目前，市面上絕大多數機器人技術只解決了前三個層級的基礎能力，而對標楊立昆JEPA路線的具腦磐石，直接將研發重心鎖定在高階智能的第4-5層。”

長遠來看，具腦磐石的終極目標，是打造出一個能理解物理因果、具備類人的抽象學習和終身學習能力、不會災難性遺忘、低功耗高泛化的“具身大腦”，即具身智能2.0階段。而這一能力，也是具身智能1.0無法突破的核心瓶頸。

具身智能產業，落地為王

近期，隨著楊立昆的JEPA架構和Karl Friston的主動推理理論的持續走紅，全球AI領域對類腦智能、自主智能的探索，邁入了全新的階段。

但對于具身智能而言，熱度之外，行業終將繞不開的是產業化落地這場硬仗。

作為前華為“具身大腦一號位”，以及“華為天才少年”的面試官，朱森華深知，行業下半場比拼的核心，是頂尖跨界人才的儲備密度。“現在，具腦磐石所需的人才并非傳統的計算機專家，而是兼具“腦與類腦”學科背景、神經科學訓練及AI工程化能力的跨界稀缺人才。”在交流中，朱森華強調。

除了朱森華本身，投中網了解到，這支以華為系骨干為核心搭建的“鐵軍”，還吸納了來自清華、北大、中科院的科研人才，以及華為、曠視、極智嘉的大廠老兵。其中，聯創劉晉宇長期深耕 AI 與機器人領域的技術產品化及產品商業化，曾主導負責多個產品事業部從 0 到 1 孵化與全球商業化落地，在工業場景、商用服務場景積累了充足的項目孵化、市場拓展與規模化交付實戰經驗。

原生零磨合的團隊配置和基礎，讓具腦磐石的能力不只停留在前沿研發層面，而是覆蓋從技術預研、系統工程到客戶場景與產業交付的完整鏈條。

也正因為清晰的賽道方向、硬核的創始團隊、稀缺的類腦智能技術路線，讓具腦磐石成為資本關注的對象。成立于2025年的具腦磐石，雖然從時間上看，入局的時間并不算早，但朱森華認為，從產業化落地的角度來看，整個具身智能產業才剛剛開始。

在商業化上，朱森華表示，從成立第一天起，具腦磐石就確立了清晰的商業化落地策略：只選有真實付費意愿、可規模化復制、能牽引核心技術迭代的場景。“當前，公司將以工業--商用--家用的階段式發展目標推進技術成熟和規模應用，并通過局部場景落地沉淀、抽象從基礎模型到生產力工具的開放平臺體系。同時公司也從Day1創立之初便將全球化作為公司核心戰略之一。”朱森華透露。

而相對于國內市場，海外市場的落地邏輯已有明顯差異：國內客戶買單核心，是看ROI，當前機器人成本高、能力有限，遠超實際人工成本、多數仍處于試點驗證階段；而海外發達國家面臨事實性勞動力短缺，即便機器人方案尚未完全達到人工同等水平，客戶也愿意為填補勞動力缺口為機器人的局部有效付費。同時海外也可以嘗試不同于國內的商業模式，提高客戶的購買意愿。

這也是具腦磐石在商業化路徑上，早早選擇 “內外雙線并行、海外優先突破” 的重要原因。

截至目前，具身智能已連續寫入政府工作報告，“類腦與智算”也出現在《人形機器人與具身智能標準體系（2026版）》中，這讓類腦智能與具身智能的結合正在從前沿探索，走向產業部署。

在朱森華看來，當楊立昆舉起“JEPA”這面技術大旗，證明了方向的正確性后，市場需要的是，真正能把這面大旗扛進工程落地、跑通商業化、做出真實壁壘的中國團隊。為此，具腦磐石將會把 JEPA這條技術路線，扎扎實實推進到機器人真實工作的現場，讓機器人真正具備接近人類大腦的認知能力，搶占全球下一代自主智能產業先機。