WAIC观察：具身智能的竞赛，开始从身体转向大脑

具身智能的下一个拐点，不在身体而在大脑。

新眸原创·作者 | 桑明强

今年的WAIC，最大的感受是，具身智能这行确实越来越热闹了。

展馆里随处可见人形机器人迈着稳定的步态走过，机械臂精准地完成拧瓶盖、插接口的精细操作，机器狗能跑能跳还能负重巡检。产业链上下游的玩家挤在各个展台，聊关节电机、谈运动大模型、算量产成本，所有人都在忙着让机器人拥有更强的 “身体能力”。

一路看下来，总觉得哪里缺了一块。这些机器人动作越来越娴熟，但人和它们打交道的方式，和十年前似乎没有本质区别。要么是工程师提前写好动作脚本，要么是操作人员拿着示教器一步步引导，消费级的产品多是靠语音下达指令。机器越来越会动，可人要让它做件事，依然要绕不少弯路。

然而，站在强脑科技的展台前，我看到了不一样的画面。体验者戴上轻量化的脑电帽，没有抬手，没有说话，甚至身体都没有前倾，只是在脑中想象抓取的动作，面前的机械臂便缓缓启动，精准握住水杯，平稳送到指定位置。

整个过程没有任何传统交互介质，驱动机器运转的，只是纯粹的大脑意图。

现场很多人把这当成一个科幻感十足的炫技演示，但在我看来，这背后其实还有更值得关注的信息。

强脑科技发布的这款全球首个一体化脑控机器人AI科研平台，解决的是这样一个问题：当机器人的身体足够强壮，真正决定人机协作上限的，会是意图交互的效率。

更直白点说，从“会动”到“懂人”，具身智能下一个阶段，正在被重新定义。

01

具身智能卷到今天

缺的不是身体是入口

过去两年，具身智能赛道的所有资源，几乎都倾斜在“本体能力”上。从核心零部件的国产化，到运动控制算法的优化，再到大模型赋能的通用能力提升，整个产业链都在解决同一个问题：怎么让机器人动得更稳、更准、更灵活。

事实上，这件事的进展比很多人预想的快。

两年前，我们还在讨论人形机器人能不能稳定行走，今年主流厂商的产品已经能完成上下台阶、躲避障碍、操作细小物件等复杂任务。工业场景里，机械臂的重复定位精度早已达到发丝级别，四足机器人也已经在巡检、安防等场景落地。单论“身体”的执行能力，很多机器人已经能胜任相当多的现实工作。

可一旦落到真实的人机协作场景，短板立刻就显现出来。

工业产线上，机器人的动作大多是预先编程固化的，换一个任务、换一种工件，就要专业人员重新调试示教，周期长、门槛高，根本应对不了柔性生产的需求。

日常场景里，语音交互是最主流的方式，但噪音环境下识别率打折，复杂指令需要反复拆解，还要经过“组织语言-语音识别-语义理解-指令转化”的漫长链路，延迟和误差始终存在。至于手柄、按键这类物理交互，更是天然要求操作者腾出双手、专注操作，很多场景根本不具备条件。

这些问题的根源，其实是同一件事：所有传统交互方式，都需要人把脑中的意图，转化成机器能读懂的标准化指令。这个转化的过程，本身就是效率损耗，也天然抬高了使用门槛。更不用说肢体障碍人群，从一开始就被排除在很多交互方式之外。

脑机接口提供的，是另一种完全不同的解题路径。它跳过了所有中间介质，直接从源头读取人的运动意图，转化成机器的执行指令。人和机器之间，不再需要语言、动作、按键这些翻译官，大脑的想法可以直接流向物理世界。

这个方向当然不是今天才出现。2014年巴西世界杯上，瘫痪青年借助脑控外骨骼开球，第一次让大众看到了这种技术的可能性。随后这些年，BrainGate团队在《自然》发表的研究成果，Neuralink临床志愿者实现意念书写，都在不断推进技术边界。但这些案例大多集中在医疗场景，依赖定制化的实验室系统，成本极高，也很难复制到通用的机器人研究中。

关于这个话题，我曾和高校相关方向的研究者聊过，要搭建一套可用的脑控机器人实验系统，需要同时搞定脑电硬件、信号解码算法、机器人控制接口三个完全不同的技术领域。普通团队往往要花数月时间做硬件适配、写底层代码、调通链路，真正留给核心研究和场景探索的时间少之又少。市面上能找到的方案，多是零散的代码库或者算法Demo，没有形成完整的产品化体系，门槛始终横在那里。

这也是强脑科技这款平台要解决的问题。它没有停留在单点技术突破，而是把脑电采集、实验范式、神经解码、控制映射、机器人执行端全部整合到了一套标准化的软件流程里，把原本需要跨学科团队数月完成的搭建工作，封装成了开箱即用的工具。所以，即使是没有脑机接口相关背景的研发人员，也能在10分钟内完成从佩戴设备到操控机器人的全流程。

具体来讲，从产品细节看，这套平台覆盖了脑控机器人研究的完整链路。

硬件端，兼容湿电极与干电极设备，支持250到1000Hz多档采样率与32通道配置，能满足不同精度的研究需求。软件层面，原生支持运动想象与稳态视觉诱发电位两类经典BCI范式，内置FBCSP+SVM、EEGNet等成熟解码算法，参数可灵活调整，也支持研究者接入自研算法。执行端，已经打通宇树G1 Edu人形机器人、睿尔曼六自由度机械臂、云深处 Lite 3机器狗等多款主流设备，解码出的脑电意图可以直接映射为对应的机器人动作。

整个平台采用图形化交互界面，从阻抗检测、数据采集、离线训练到在线推理，所有流程都实现了可视化，不需要从零编写底层代码。

很多人可能不理解这背后的意义，对具身智能领域的研究者来说，这意味着不用再花大量精力补全脑机接口技术栈，可以直接站在成熟的底座上做应用创新。

换个角度看，这款平台更像脑控机器人领域的开发基础设施。它把原本只有顶尖实验室才能碰的技术，拉到了普通科研团队可及的位置。当参与研究的人多了，整个领域的迭代速度才会真正提上来。

02

三元智能不是概念

是真的跑通了闭环

行业里聊“三元智能”已经有一段时间了。脑机接口、人工智能、具身智能三者协同，被很多人视为人机融合的终极形态：脑机接口读取人类意图，人工智能拆解任务序列，具身智能完成物理执行，最终形成完整的感知反馈闭环。

但很长时间里，三者都在各自的赛道独立发展，真正打通全链路的落地产品少之又少。

强脑科技的脑控机器人训练平台，是少有的把三元智能从概念落到实处的一体化产品。它不是简单给机器人加个脑电模块，而是从底层打通了从神经信号到物理动作的全技术栈，让三者形成了真正的协同效应。

落到具体参数上，这套系统的脑电传感设备采用量产级硬件方案，24位数据精度，支持WiFi 6无线传输，续航可达6-8小时，稳定性已经过市场验证。神经解码算法基于多年临床数据优化，能在200毫秒内完成从意图到动作指令的转化，运动意图识别准确率处于行业领先水平。

在脑机接口和具身智能之间，人工智能起到了关键的串联作用。平台内置的传统机器学习与深度学习算法，一边从复杂的脑电信号里提取特征、识别意图，一边把抽象的运动意图拆解成机器人可执行的具体动作序列。使用者想象抓取动作时，AI不仅要识别出这个意图，还要调度机器人完成视觉定位、路径规划、手指闭合等一系列连贯操作，整个过程自动完成，不需要人工分步指令。

有意思的是，他们没有选择自己做机器人本体，而是走了开放兼容的路线。除了已经接入的多款第三方设备，平台还开放了标准接入接口，机器人厂商可以自行注册动作与任务库，快速适配脑控能力。这种定位让它更像一个脑机接口的操作系统，而不是单一的终端产品，也恰恰是这种平台属性，才能支撑起三元智能的生态。

和脑控机器人平台一同发布的数据采集解决方案，其实很容易被忽略，但恰恰补全了另一块关键拼图。

这套方案针对具身智能灵巧操作训练的数据缺口，通过双臂轮式真机数采平台、高精度数据采集手套等硬件，提供大规模、高质量的真实场景训练数据。

如果说脑控平台解决的是人怎么给机器发指令的问题，数采方案解决的就是机器怎么学会动作的问题。二者分别从人机交互与本体能力两个方向，共同支撑起具身智能的技术体系。

三者叠加之后，形成的是一个双向增强的闭环。脑机接口带来的意图数据，能够丰富 AI 对人类行为模式的理解；AI 能力的提升，又能反过来优化脑电解码的精度与机器人的执行效果；未来具身智能端的触觉、力觉反馈，还可以通过脑机接口传回大脑，形成真正的双向人机协同。

这和传统的人机交互有本质区别。过去的模式是人单向给机器发命令，机器执行；而三元智能的架构下，人与机器是双向的协作关系，意图可以流向机器，感知也可以反馈给大脑，二者共同完成任务。

03

脑机接口的下一站

从医疗病房走进工业场景

脑机接口发展这么多年，商业化的主阵地始终在医疗康复领域。辅助瘫痪患者的外骨骼、仿生手，用于神经功能康复的训练系统，睡眠干预设备，这些场景需求明确，付费意愿强，是技术落地的第一站。强脑科技自身的商业化路径，也是从医疗健康起步，逐步拓展到消费电子等领域。

但医疗市场的体量是有上限的。脑机接口要成长为影响整个信息产业的通用技术，必须找到更广阔的落地场景。而具身智能产业的爆发，恰好给脑机接口打开了通往通用市场的入口。

这里面有一个很清晰的产业逻辑。

具身智能越发展，机器人的物理执行能力越强，能承担的工作就越多，人和机器打交道的频次与复杂度也会指数级上升。当机器人从产线上的固定设备，变成柔性生产的协作伙伴，从实验室里的科研工具，走进日常的工作生活，传统交互方式的瓶颈会越来越明显。这个时候，脑机接口作为最直接的意图交互方式，价值就会逐步释放出来。

从这个角度看，脑控机器人训练平台这种产品的推出，瞄准的不只是当下的科研市场，更是未来脑机接口与具身智能融合的产业红利。作为一款面向科研与开发场景的平台型产品，它的首要目标不是直接实现大规模C端变现，而是先建立行业基础设施，培育整个生态。

对高校和科研机构来说，这款平台大幅降低了脑控机器人方向的研究门槛，团队可以把精力放在算法创新与场景探索上，不用重复造轮子。对机器人厂商来说，通过标准接口接入脑控能力，可以快速给产品增加差异化的交互方式，拓展在医疗、特种作业等场景的应用空间。对整个行业来说，统一的平台也有利于形成数据与技术标准，加速整个赛道的技术迭代。

这个路径其实很熟悉，早年智能终端操作系统的发展也是如此。先把底层底座做成熟，降低开发门槛，上层的应用创新才会批量涌现。

同理，随着技术持续迭代，脑控机器人的应用场景会逐步从实验室走向产业端。

试想一下，工业制造场景里，工人可以通过意念操控机械臂完成高危、高精度的操作，双手被解放出来处理更需要判断的工作；医疗康复场景中，肢体障碍患者不仅能通过脑控仿生手恢复行动能力，还能通过脑控人形机器人完成更多日常活动，提升生活自主性；特种救援场景里，救援人员可以远程意念控制机器人进入危险区域，操作响应速度比传统手动操控提升数倍。这些场景不是科幻想象，是技术路线延伸下去必然会触达的方向。

从医疗康复的小众应用，到具身智能的通用交互，脑机接口正在一步步走进更广阔的产业世界。国家 “十五五” 规划已经将脑机接口列入重点发展的未来产业方向，具身智能也被视为下一代智能终端的核心载体，二者的深度融合，既是技术发展的必然，也是产业政策的导向。

这一步，不是脑控机器人的终局，而是一个新赛道的起点。

本文系新眸原创，申请转载授权、商务合作请联系微信：ycj841642330，添加好友请备注公司和职位。

更多内容，点击下方关注