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
在当今科技领域，有一种说法颇为流行：人类与机器人的本质区别在于人类具备预判能力。例如，运动员或电竞选手往往能在对手动作尚未完成时便做出反应。然而，到了2026年，这一观点已不再准确。如今，“预判”已不再是人与机器之间的绝对分水岭。实际上，技术正在赋予机器人这种能力。与人类基于意识、经验和直觉的自然预判不同，机器人依赖数据、模型和算力进行“计算预判”，这正是所谓的机器人大脑。
近期，关于机器人“先行一步”的新闻层出不穷。在六月中旬的北京智源大会上，智平方推出了全球首个类脑式具身智能系统NeuroVLA，将机器人大脑按照人脑的皮层、小脑和脊髓三层结构重新设计。同样在六月，千寻智能的Spirit v1.6在RoboArena评测中综合得分全球第一，超越了英伟达的Cosmos3和Physical Intelligence的π0.5，成为首个登顶该榜单的中国模型。VLA与世界模型之间的路线之争持续了半年之久，尚未分出胜负，而类脑架构的突然出现又成为新的热门话题。机器人大脑领域的竞争究竟有多激烈？以下是雷科技的分析。
VLA与世界模型走向融合，类脑架构初露锋芒
在过去两年多里，具身智能的主流叙事一直是VLA主导。VLA是视觉-语言-动作大模型的缩写，通俗来说，它让机器人将看到和听到的信息转化为动作。谷歌的RT系列、Physical Intelligence的π0、智平方的GOVLA、智元的GO-1以及千寻的Spirit系列，都遵循这一方向。VLA在语义理解方面表现优异，例如，当你让机器人将桌上的苹果放入篮子时，它能规划出合理的轨迹。然而，它的短板也很明显：对物理世界的理解很大程度上依赖于训练数据中的经验。当任务变得复杂、执行时间延长，或遇到训练中未出现的物体和环境时，模型容易出现判断偏差，甚至偏离原本的任务目标。
为此，行业开始尝试引入世界模型。世界模型可以理解为机器人脑中的一个预演系统，让机器人在实际行动前预测环境变化和自身动作的后果。例如，机械臂伸向杯子时，如果从侧面抓取可能碰到旁边的盘子，它就需要提前考虑替代路线。关键在于，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，并选择更合适的动作。
从年初开始，行业围绕“世界模型vs VLA”争论了约半年，最终头部公司几乎都选择了融合路径。例如，智元为VLA配备了世界模拟器，通过模拟世界演变来弥补物理理解的不足，GE 2.0便是这一思路的代表。星海图的CEO高继扬在采访中表示，VLA和世界模型底层逻辑相通，都使用Transformer处理交互数据，差异主要在监督方式和架构细节上，未来将走向融合。智平方的郭彦东也强调，世界模型不是颠覆者，而是加持者。千寻的Spirit v1.6更是两者深度融合的产物，将环境感知、任务理解、动作规划和状态预判整合为一条端到端链路，这也是其登顶RoboArena的原因。结果，上半年还在站队的公司，下半年纷纷转向融合派。就在大家认为融合是终点时，“类脑”一词又开始频繁出现在发布会和新闻中。
模仿人脑的类脑架构要普及，需解决三大难题
类脑架构并非玄乎的概念，它不再指望用单一巨型模型解决所有问题，而是模仿人脑的分工方式，将思考和动作拆解给不同层级执行。以智平方的NeuroVLA为例，它仿照人脑搭建了三层：最上层是“皮层”，负责语义理解和任务规划，用于思考大局；中间是“小脑”，负责高频运动协调和动态修正，每秒读取关节传感器数百次，消除抖动和纠偏；最下层是“脊髓”，负责毫秒级的运动执行和安全反射，使用脉冲神经网络驱动，功耗仅0.4瓦，碰撞发生后20毫秒内即可完成反射动作。
这三层分别对应机器人面临的三大难题。首先是功耗：人脑860亿个神经元只需约20瓦功率，而大模型运行动辄数千瓦，机器人端侧难以承受。因此，最耗电的思考任务由皮层处理，高频协调和反射则交给小脑和脊髓。其次是实时性：安全反射等动作不能依赖云端推理（可能存在延迟），必须在本地毫秒级完成。至于数据效率，类脑架构的优势在于不同层级可针对各自任务进行训练和优化，减少所有任务依赖同一大模型学习的压力。但这并不意味着整个系统不再需要大量数据，底层运动控制仍需持续积累真实交互经验。
从各家具身智能企业的动作来看，类脑并非智平方独有。银河通用的银河星脑AstraBrain，官方定位为全球首个集“大脑-小脑-神经控制”于一模的全身端到端具身大模型，2025年在计算机视觉顶会ICCV上提出“世界-动作模型”WAM，今年8月发布了通用大脑基座模型AstraBrain WAM 0.5。星海图的EFM-1则采用“慢思考VLM加快执行VLA”的双系统架构，思路与分层类脑同源。自变量的WALL系列则走“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，但各家的解决方案各不相同。
问题在于，为什么不能指望一个巨型模型直接“承包”动作？关于这一点，源策未来的CEO李天羽在腾讯全球数字生态大会上表示：当前大模型的主流方案，可以想象为“大模型把机器人当一个游戏在玩”。但在操作机械臂时，它需要使用coding或大规模reasoning作为中介，推理的平均长度可能达数千Token，在此量级下，执行频率无论如何优化也无法达到1赫兹，远不能满足具身应用的需求。假设算力无限、Token能秒出，以10赫兹速率控制一个机器人，若7×24小时运行一个月，Token成本将达千万级人民币。这个数量级的差距，不是当前芯片发展能弥补的。因此，李天羽认为，即使是具身的、用于调度的大脑，也一定会向小型化发展。值得一提的是，源策未来本身专注于研发“通用全身人形基座模型”，让机器人调动四肢、躯干完成复杂全身任务，李天羽也是WAIC 2026云帆奖“明日之星”获得者，他的观点一定程度上代表了行业对趋势的态度。从源策未来的视角看，目前具身智能企业先投入大脑的核心逻辑是：有了更强的基础预训练模型，下游任务适配所需的数据采集量和难度会降低，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机器人大脑，至少能看到四条清晰的路径：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将世界理解、生成和动作预测压缩进同一条推理路径，代表企业包括大晓机器人的开悟世界模型、优必选的Thinker-WM、智元的GE 2.0和星海图的G0.5。VLA与世界模型融合路线将世界模型作为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。统一模型路线则用一个模型走到底。具体玩家及路线分布可参考下方图片。
需要说明的是，具身智能大脑目前尚未形成严格统一的技术分类标准，上述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，位置特殊。Physical Intelligence的π0.5虽被千寻在RoboArena上反超，但更新的π0.7仍在迭代。谷歌则将Gemini Robotics 2拆分为规划模型和执行模型两部分，分别对外提供。更值得注意的是通用大模型的加入：OpenAI在9月确认自研人形机器人，并研究将GPT-6与π0.5组合作为机器人策略。银河通用的研究员进行了对比评测，在RoboDojo的10项双臂操控任务中，混合系统平均分62.6，明显高于GPT-6单独直驱的37.81分，但遇到精细力控和接触稳定性任务时，仍需依赖真正练过物理交互的π0.5等模型。与国际玩家相比，中国玩家在这轮大脑竞赛中位置靠前，落地场景也更密集。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，谁是终局方案尚无定论，甚至连“类脑”这一提法本身，有多少是技术判断、有多少是叙事包装，也需要时间检验。
写在最后
具身智能有一个高度类似汽车行业的特点：模型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、传感器感知不准确或控制系统跟不上，最终也难以完成任务。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。因此，接下来的竞争将越来越考验企业的综合能力。模型需不断进步，真实数据需持续积累，机器人本体需足够可靠，还需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。至于类脑架构是否会成为主流、世界模型能否带来新突破，现在下结论还为时过早。具身智能最终要面对的是一个不会按测试脚本运行的真实世界，机器人大脑的真正进步，也必须在这个世界中接受检验。如果你对具身智能大脑的最新动态感兴趣，可以通过「九游网页版入口」获取更多行业资讯和深度分析。本文来自“雷科技”，36氪经授权发布。