熱錢砸向類腦智能

作者｜王磊

編輯｜秦章勇

又一具身智能黑馬浮出水面。

“具腦磐石”宣布剛完成新一輪億元級融資，不過具體金額和投資陣容并未詳細披露，這是表示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。

需要注意的是，具腦磐石只是一家成立于2025年末的公司，從成立到現在還不到一年。

如果把視線再往前移，會發現這家初創企業，在成立剛兩個月的時候，就已經拿下數千萬元種子輪融資。

更讓市場難以理解的是，作為行業新手，具腦磐石沒有押注炒的熱鬧的VLA路線，而是用類腦智能重構機器人認知，加速認知世界模型（Cognitive World Model）的研發、工程化落地與真實場景的驗證。

相比于融了多少億，金主有誰，這些或許并不重要，其獨特的技術路徑、清晰的商業化定位，更能說服那些嚴苛的投資者。

01

面向具身落地的JEPA

在剛剛過去的紅杉 AI Ascent 大會上，英偉達具身智能掌門人 Jim Fan 用短短20分鐘的演講，給過去三年的機器人技術路線畫了一個引人深思的問號。

他直言不諱地指出，當下主導具身智能的 Vision-Language-Action (VLA) 模型，本質上是“LVA”，結果就是當最大的參數量傾注在語言上，導致模型在編碼物理常識和動作執行上常常 “翻車”。

確實，隨著具身智能所面臨的真實場景越發復雜化，VLA的能力邊界開始顯現：數據不能無限采集，算力也不是無限資源。高質量真實數據難以規模化獲取，模型跨場景泛化能力不足、每進入新環境往往需要重新訓練，機器人缺少長期記憶與持續學習能力。

基于這一桎梏，Jim Fan 還預測，未來一到兩年內，機器人學習的主要數據來源將從昂貴的人類遙控操作，轉變為互聯網上隨手可得的第一視角人類視頻。

即以后的機器人應該要學會“理解世界”，而不是只會“模仿人類”。

實際上，這一觀點也得到越來越來技術大佬們的趨同，宇樹科技CEO王興興也曾說過，“世界模型是具身智能的終極答案，VLA只是過渡方案。”

另外，圖靈獎得主，深度學習三巨頭之一，Meta 前首席 AI 科學家楊立昆（Yann LeCun）也表示，世界模型才是下一代 AI 的真正路徑。也正如此，其離開 Meta 創立了 AMI Labs，提出了JEPA聯合嵌入預測架構（Joint Embedding Predictive Architecture），聚焦推理、規劃與真實世界建模。

而就在Jim Fan發言前不久，國內具身智能公司銀河通用也聯合英偉達、清華、北大發布的LDA-1B模型，明確走出“拋棄條件反射式模仿，走世界模型路線”的一步。

剛完成新一輪億元融資的具腦磐石，從成立之初押注正是這一方向，構建面向真實物理世界的認知世界模型（Cognitive World Model）。

在具腦磐石看來，具身智能正在從“動作智能”走向“認知智能”。下一階段的核心，不只是讓機器人看懂任務、完成動作，而是讓機器人具備類人的小樣本抽象概念學習、多維環境感知、長期記憶和主動推理能力，并在真實世界中跨場景穩定行動。

其實從“具腦磐石”的名字上也不難看出，要做具身智能的大腦。

區別于基于深度學習的具身智能技術路線，具腦磐石將借鑒人腦的認知神經機制，給具身智能VLA做算法架構的改造，比如引進人腦特有的抽象概念學習、選擇性注意力等。通過這些算法“外掛”，減少機器人數據和算力的依賴，提升泛化性。

具腦磐石創始人朱森華的話來說，人類的大腦是世界上唯一實現的最強具身智能大腦，我們沒有理由不以它為藍本進行技術迭代。

從技術脈絡看，具腦磐石提出的認知世界模型（Cognitive World Model）與 Yann LeCun 提出的JEPA路線有著明顯關聯。

JEPA 的價值在于讓 AI 不再只生成“看起來像”的結果，而是在抽象表征空間中學習狀態如何演化、從而推理未來趨勢，更接近人類大腦認知真實世界的底層規律。

但對機器人來說，只有“表征—預測”還不夠，機器人最終要進入真實物理世界。它需要感知環境、理解任務、預測后果、規劃動作、執行任務，還要從失敗和反饋中繼續學習。因此，具腦磐石提出的認知世界模型，更像是一個面向具身落地的JEPA。

簡單來說，具腦磐石在做的事情，不是給機器人裝一套“動作手冊”，而是賦予它“認知框架”——理解物理規律、預測事物演變、在不確定性中進行決策。

聽起來復雜，其實可以用幾個生活場景說清楚。

比如人類嬰兒通過觀察積木倒塌來學習重力的過程，不用每次都用告訴他，“每塊積木都會掉”，只看到幾次，大腦就能自動建立“物體會下落”的通用認知模型。

傳統方法教機器人用杯子喝水，需采集無數種類杯子的數據。而人腦具備強大的概念抽象能力，即使面對從未見過的容器（如椰子殼），也能快速理解其“盛水”功能，實現小樣本甚至零樣本學習。

具腦磐石正在做的，就是賦予機器人同樣的能力——通過類腦智能構建對物理世界的理解范式，而不是機械地復刻人類動作。

而且在眾多具身智能公司紛紛涉足硬件本體研發的背景下，具腦磐石堅持“只做腦，不做本體”的聚焦策略。

朱森華解釋，每個團隊都有其核心基因。軟硬件一體雖能打造封閉優化體驗，但極易導致精力分散。更重要的是，他認為當前行業因技術所限，普遍陷入“特定本體+特定技能大腦”的強綁定交付模式，這并非最終形態。

具腦磐石的長期目標，是攻克具身大腦“一腦多機”、“一腦多形”的能力上限，即同一套智能系統能適配不同形態、不同品牌的機器人本體，實現真正的解耦與泛化遷移。

認知世界模型的構思如果停留在學術層面，很難打動一線資本，如今具腦磐石已經開始商業化落地。

目前和國內汽車零部件領域的龍頭上市公司紐泰格、另一智能制造上市公司達成合作。根據和紐泰格的戰略合作協議，未來三年內，紐泰格將向具腦磐石采購不少于1000臺具身機器人產品。

02

華為具身大腦一號位創業

而資本愿意將真金白銀砸向這個成立剛過半年的初創公司，除了世界模型這一技術路線，已越來越來被印證為未來具身智能落地的更優路徑，這個創始團隊的配置也相對少見。

首先是創始人朱森華本人的背景，他更早之前是“華為具身大腦一號位”。

在華為曾擔任過華為云AI算法創新Lab主任，主導和參與了AI腦科學云平臺、盤古具身大模型、全球具身智能產業創新中心等系統性工程。他還是華為云AI部門智能機器人業務的開創者，同時也是“華為天才少年”們的面試官之一。

朱森華從零到一構建了華為云的腦與類腦AI云平臺、華為云智能機器人業務，孵化了華為云的首個具身大模型，可以說在華為的六年里，他既是技術的探索者，也是商業落地的操盤手

2025年10月，從華為離職后，創立了具身大腦公司“具腦磐石”。

而且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。

這種橫跨腦科學、AI算法、機器人工程與產品管理的復合經驗，不僅在業內極為稀缺，也是其踐行“類腦智能”技術路線的金字招牌。

但對于具身智能而言，熱度之外，繞不開的是產業化落地這一實際場景，與其一同創業的聯合創始人劉晉宇，則補上了產品化和全球商業化能力。

作為前極智嘉智能叉車&極智鏈產品事業部總經理，他長期深耕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，在工業與商用場景積累了豐富的產品孵化、市場拓展和規模化交付經驗。

還有多位技術、供應鏈、運營合伙人來自清華、北大、復旦、中科院等科研院所，并曾在華為、聯想、曠視、極智嘉等公司參與AI算法、機器人系統、供應鏈及全球商業化落地，均具備10年以上的Al+機器人研發交付經驗。

目前已覆蓋前沿研究、模型研發到系統工程落地的完整閉環，因此也有投資人將其評價為“國內唯一兼具AI與腦科學交叉深度與產業落地廣度的組合”。

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，“從追逐融資熱度的角度看或許晚了，但從產業化落地的角度來看，整個具身智能產業才剛剛開始。”

他甚至還表示“萬事俱備”，這背后對應著技術積累、團隊組建、市場認知與商業化路徑思考的同步成熟。

也或許正是因為清晰的賽道方向、硬核的創始團隊，讓具腦磐石在資本運作層面的步伐上相當迅猛，成立僅兩個月就拿下數千萬元種子輪融資，三個月后又拿下拿下新一輪億元級融資。

當世界模型這一方向被越來越多的大佬和企業證明了其正確性后，那么一支能支撐研發、產業落地，跑通商業化團隊被資本青睞也就不足為奇了。

這也這恰恰證明了這家企業的潛力，一批黑馬，已經開始在具身賽道奔騰。