波峰对话｜具脑磐石朱森华：世界模型很热，但机器人“大脑”还没完全长出来

研究员｜邱慧

WAIC 2026期间，朱森华在一场论坛上直指具身智能行业数据堆砌的“盛宴”。
他称之为“苦涩的教训”， “算法范式能力”决定“数据价值上限”，只靠堆数据，换不来智能的本质突破。具身智能的突破，起点在数据，根本在类脑算法范式。
在业内，朱森华身上最浓重的标签与华为有关。他曾是华为“具身大脑一号位”，担任过华为云AI算法创新Lab主任，主导并负责AI脑与类脑云平台、首代盘古具身大模型等项目。
2025年，朱森华带队创立具脑磐石。在一众VLA路线热潮中，他和团队根据对具身智能大脑范式变革技术趋势的研判，把技术主线放在了认知层的方向。以类脑智能为底层范式，构建面向真实物理世界的认知世界模型。
这与他学术背景与产业经验有关。他于中山大学从事计算机与AI研究，在宾夕法尼亚大学认知神经科学专业攻读博士，于中国科学院脑与认知科学国家重点实验室完成博士后研究。
在他看来，当下行业想要解锁通用具身智能，必须跳出数据内卷，向人脑认知系统寻找最优解，“类脑智能是行业破局的必由之路”。

第四波对话朱森华博士

以下为WAIC 2026上，朱森华与第四波的独家深度对话。
01 具身智能尚在技术孵化期
第四波：你说“世界模型乱糟糟的”，为什么？机器人究竟需要什么样的世界模型，能力才能有质变？
朱森华：很多人都在蹭名词而已。核心不是机器人需要什么世界模型，是我们要打造像人一样聪明的大脑，要向大脑的心智模型学习，究竟应该具备什么能力。
第四波：具脑磐石的“类脑智能”和行业里普遍提到的“世界模型”核心区别在哪儿？
朱森华：我们底层还是做类脑智能算法的企业，终极目标是打造通用 AI。所以在一家具身大脑公司的定位之外，我们还要通过搭建类脑智能AI底座+布局类脑计算芯片，自研类脑AI产品。
具身机器人只是我们选择切入的应用终端中的一种。我们认为，双足的人形机器人不会遍布所有场景，但依托双足人形研发出的复杂具身智能技术会无处不在。这些技术未来也会渗透人类生活各个维度，比如智能家居、康养等场景。
比如，我们围绕具身智能交互在研发多生物电融合解码的技术，让机器精准读懂人类意图、指令与情绪。虽然这个技术当前主要服务机器人，但后续它可以拓展到包括脑机设备、消费电子产品、临床医疗等领域，应用价值不可估量。
第四波：类脑智能追求复刻人脑能力，但人脑本身存在诸多缺陷。WAIC期间的论坛上，也有学者提到了“缸中之脑”的哲学思辨，你们有对应的技术解决思路吗？
朱森华：我们一直主张借鉴人脑，但绝不采用完全还原论思路。人脑存在大量固有短板，记忆存在主观偏差，会受情绪、经历干扰；计算精度不足，无法快速处理大规模数据集；文字、逻辑生成效率远低于 AI 模型。
所以，我们只拆解人脑实现低数据、高泛化、终身学习、低功耗的底层神经机制，完成抽象建模，而不是完整复刻生物大脑。
第四波：按照这个路线，现在的算法范式有什么问题？
朱森华：业内的人都清楚，现在的连接主义、深度学习存在明显瓶颈，但多数人选择回避核心问题。原因是不破不立，打破现有技术体系后，全新路线如何搭建，是很多纯计算机科学的学者和企业无法回答的难题。
第四波：回到数据相关问题。行业里的两种数采路径，庞大的数据体量、高质量数据提升训练效率，你们的数据采集与训练思路是什么？
朱森华：我们还是坚持真机采集、高质量数据路线。训练领域有通用准则 “垃圾进、垃圾出”，只有高质量训练数据，才能产出高性能模型。但我们不否认围绕更便宜、更高效地生产和采集数据的数据工程创新的价值。
依靠架构不变、单纯堆砌海量低质数据的模式，属于暴力计算，弊端十分明显。高质量真机数据能够加速算法收敛，大幅降低算力消耗、研发迭代周期与能源成本。
第四波：如何评估机器人任务执行的有效性与成功率？
朱森华：从具身算法评估角度，大概可以分三个核心维度。第一，结果达成度，是否精准完成预设目标；第二，执行效率，完成任务的路径、耗时是否最优；第三，环境自适应与可靠性，比如遇到障碍物、突发变量时能否实时重规划、安全避障。
行业现阶段优先解决 “能否完成任务” 的有无问题，效率、流畅度属于进阶优化目标。低数据、高泛化、终身学习、低功耗是目前的核心攻坚方向。在基础能力尚未成熟时，优先苛求低功耗不符合工程逻辑，不过各路线可以同步探索。
02 “行业必须正视客观现状”
第四波：今天的WAIC上，我们能看到工业抓取等标准化场景已经实现基础落地，从泛化能力、任务成功率、部署等维度来看，整个行业现在处于什么阶段？
朱森华：客观来说，现在的本体硬件、智能大脑都处于能力不成熟的“半吊子”阶段，远达不到规模化量产交付标准。
行业泛化能力整体偏弱，模型性能高度依赖训练数据，见过多少样本才能处理多少场景。相对而言，工业场景需求边界清晰，也是厂商扎堆布局的核心原因。
工业客户采购机器人的核心诉求主要有两点：降本、增效。按照目前的软硬件成本，叠加部署的成本和周期，工厂采购整套具身智能设备回本周期很难满足传统投资ROI的要求。
所以，行业必须正视客观现状：具身智能是国内少有的和全球技术同步并跑，甚至局部领跑的前沿赛道，不存在成熟海外方案可供直接复刻。现阶段属于技术孵化期，过往成熟的商业化标准似乎还没法适用具身智能行业。

第四波：当下资本市场愿意给予行业足够的打磨周期吗？
朱森华：依托顶层政策的支撑，部分机构已经清晰认知赛道属于底层根技术布局，比以往包容度高了很多。
第四波：技术尚未成熟就推行量产、规模化落地，会带来哪些问题？
朱森华：首先是企业经营层面亏损和售后消耗。不成熟产品批量交付后，设备故障频发，长期运维成本会吞噬前期营收，出现卖一台亏一台的情况，同时，大量的售后维保也将对企业团队造成大幅的消耗，之前的电力巡检机器人赛道已经完整印证该问题。
还有就是全社会资源浪费。未经技术和场景验证的产品不该被“量产”，这应该是做硬件的常识。大批量生产无法落地使用的设备，大量产品闲置积压，没有实际产业价值，纯粹消耗供应链、生产资源。核心根源是现有技术无法实现客户需要的降本增效，产品还难以满足真实使用场景的要求。
03 具身智能还未到于成熟商业化赛道
第四波：你创业是延续过往在华为积累的技术经验，还是跳出原有体系、突破原有技术思路？
朱森华：过往在学术研究、技术研发、产业落地经验上的沉淀，是我们创业基础能力的起点。我们尊重技术客观发展规律，但不会被动等待行业自然迭代。商业化不需要等到终极技术目标完全实现，研发途中分阶段落地成熟技术，沿途完成商业交付，这也是华为体系沿用的思路。
第四波：对于需要外部融资的创企来说，投资人也会对量产、商业化的问题发出疑问。
朱森华：当前具身智能仍处于技术孵化阶段，还不属于成熟商业化赛道。全球范围内，没有任何企业、团队能精准回答规模化量产机型的问题。
市场上不断出现各类 “行业元年”“技术突破节点” 的激进预判，但两年过去似乎真正兑现的不多。部分企业为迎合资本诉求调整研发路线，不可避免地会出现动作变形，相关预判很难经得住长期验证。
第四波：你之前担任华为天才少年面试官，现在也在为具脑磐石搭建人才队伍，会更看重候选人的哪些素质？
朱森华：具脑磐石招聘遵循英雄不问出处的原则。我们会看三点，认同公司技术愿景；具备交叉创新学科的专业技术能力；拥有极强自驱力。
我们不拘泥学历背景，重点挖掘具备跨界创新思维、底层认知匹配、长期自主研发动力的人才。比如，精通当前 AI 技术的算法研发人员；深耕计算神经科学、类脑研究的人才；擅长软硬一体优化、应用数学的研发人员等，这些都是我们需要的核心人。

编辑｜符永康