对话郭彦东：下一代机器人大脑是类脑VLA

具身智能的浪潮正从实验室涌向生产线与生活场景，成为“十五五”规划重点布局的未来产业。然而，产业化之路面临两大核心拷问：技术瓶颈如何突破？商业闭环如何实现？答案或许就藏在那些躬身入局的创新企业实践中。

为此，我们深入走访了具身智能领域的前沿探索者，记录技术进展，观察商业迭代，传递一线思考。希望这些来自市场最前端的鲜活样本，能帮助各方更真切地理解这个快速演进的时代脉搏。

智平方，这家成立于2024年的公司，是全球最早提出用端到端大模型技术驱动机器人智能化的创业公司之一。其创始人兼CEO郭彦东，在众多质疑声中，坚定地选择了VLA（视觉-语言-动作大模型）这条技术路线。

在当时，这无疑是个大胆甚至激进的选择。放眼全球，除了谷歌、特斯拉这样的巨头，敢于押注此路的创业公司寥寥无几。直到几个月后，硅谷的Physical Intelligence才公布了相似路线；近一年后，初创公司Figure AI也宣布跟进。这种敢为人先的风格，与郭彦东微软、小鹏、OPPO首席科学家的“正统”履历似乎有些反差，但在无先例可循的具身智能领域，路往往是在行走中逐渐清晰的。

两年后的今天，郭彦东坦言，智平方已成为VLA路线的领先者。其轮式人形机器人已获得汽车、半导体显示、生物制造等多个高端制造业的商业订单。然而，技术风向瞬息万变。今年以来，“世界模型”与“物理模型”概念备受关注，其核心是让机器理解现实世界的动态规律，拥有类人的认知与预测能力。甚至有观点认为，世界模型将取代VLA，成为下一代技术主流。

对此，郭彦东在近期的一场论坛上给出了明确回应：“VLA不会消失，它会被不断加持，变得越来越聪明，是通往物理世界智能的最强主航道。”而在更早的对话中，他详细阐释了这一判断背后的逻辑。

图为智平方通用智能机器人爱宝在操作咖啡机和冰淇淋机 受访企业供图

世界模型与VLA：融合而非替代

问：最近世界模型走热，被认为是下一个10年具身智能的重要风口，你怎么看？

郭彦东的观点有所不同。他认为，当前热议的“世界模型”并非由物理规律公式驱动，本质上仍是依靠海量数据训练出的多参数模型。模型知道水杯越过桌面会下落、手机屏幕重敲可能碎裂，这并非源于物理定律的总结，而是大数据学习的结果。如果将VLA定义为多模态融合、数据驱动的端到端模型架构总称，那么世界模型与VLA并无本质区别。

“两者一点都不冲突，”郭彦东强调，“世界模型是VLA技术路线中的一个分支或进步，而非根本性的技术变革。”它擅长对物理环境进行包含时间维度的稠密4D预测，是一个优秀的空间基础模型，可以作为VLA空间感知能力的一部分，让机器人的“大脑”变得更强大。

问：有观点认为世界模型会替代VLA，作为VLA路线的实践者，你们会被替代吗？

“如果世界模型不与VLA结合，很多任务根本无法完成，尤其是需要复杂推理的任务。”郭彦东举例道，比如泡茶应先拿茶包再倒水，做咖啡则应先拿杯子再接水，这类顺序逻辑和认知推理，由语言模型来学习和完成会更加高效。

世界模型更擅长相对短程的预测，例如判断物体是否会跌落。而要让机器人进行长程思考或多任务切换，比如下完象棋还能有条理地去收拾衣服，就需要世界模型与VLA的融合。后者能为机器人提供更高级的规划与推理能力。

问：目前具身智能领域有LLM、VLM、VLA、世界模型等多种主流模型，后续会如何演变？

技术路线的收敛趋势已经十分明显。行业正在快速向“世界模型+VLA”的融合方向靠拢，这将成为下一代机器智能的核心架构。

开源：推动行业与自身共进

问：你们近期推出了具身智能模型开源社区AlphaBrain Platform，这是一个怎样的社区？

时间回拨到2024年，当智平方提出用大模型做机器人智能化时，面临的反对声音非常强烈。直到当年6月，他们发表了全球机器人创业公司首篇VLA研究成果，局面才开始改变。4到8个月后，美国的Physical Intelligence和Figure AI才公布了高度一致的技术路线。“在原创技术上，我们跑在了美国创业公司前面，这很难得。”郭彦东说。

2025年初，DeepSeek的开源产生了巨大影响。几乎同时，智平方也试探性地开源了部分模型，但郭彦东觉得还不够。“物理世界模型用起来没那么容易，需要很多适配工作。”AlphaBrain Platform因此诞生，它是行业首个“全家桶”式开源平台，不仅开源模型，还提供公平的测试环境与全套工具链，方便开发者在专有场景中使用。

问：决定开源的主要动因是什么？

两大触动至关重要。一是DeepSeek的开源让行业看到了开源模型的力量；二是特斯拉开源Optimus的硬件专利，这让人联想到十年前其开源电动汽车专利带动全球产业发展的历史。

“从根本上解决机器人的‘大脑’问题，需要更多企业参与进来。这不是单靠一家公司就能完全搞定的。”郭彦东表示。开源有助于构建生态、确立标准，而生态的进步最终会反哺企业，形成正向循环。整个大模型赛道就是一个生态，当前芯片优化主要围绕大语言模型，未来能否围绕机器人模型优化？开源正是推动这一进程的关键。

下一代大脑：走向“类脑VLA”

问：要让机器人大脑实现突破，当前的主要障碍是什么？

智平方去年的投入重点，正是如今大热的“世界模型与VLA结合”。而面向未来，如何让机器大脑更像人？他们提出了“类脑VLA”的新方向。

“我做了十几年大模型，一直是数据驱动，但也希望大模型技术能走出超高能耗的路径。”郭彦东思考的是，如何降低资源消耗的同时提升效果。人脑无疑是最好的参照——功耗极低，却拥有强大的智能。“能不能从生物学中找到一些启发？‘类脑’将是未来最重要的方向和课题。”

问：“类脑VLA”与现有技术路线是什么关系？

“VLA+世界模型是现在这一代，类脑VLA属于全新的下一代VLA。”郭彦东解释道。当前行业聚焦于让人形机器人外形像人，却较少思考如何让它的“脑子”像人。类脑VLA的核心，在于借鉴人脑的构造进行精巧的模型设计，例如模拟皮层模块、小脑模块、脉冲脊髓模块等，而不仅仅是传统意义上的参数堆砌。

问：具体打算如何推进？

关键在于数据的多样性与闭环。智平方正在实践“单一客户多场景”和“单一场景多客户”的策略，目标是用最多样的真实场景数据，驱动具身智能大脑完成迭代升级。这是一个自洽的逻辑闭环：在升级大脑的同时，持续提升硬件的量产质量与性能。

图为爱宝在汽车制造厂搬物料箱 受访企业供图

成本攻坚：目标2万美元以内

问：你们的硬件产品是轮式机器人，之前提到要发力双足机器人。对于工业和公共服务场景，双足是必须的吗？

郭彦东将机器人服务能力抽象为三个要素：聪明的大脑、协同的双臂、自主灵巧的移动。双足在许多场景并非必需，但自主灵活的移动能力是刚需。移动方式可以多样——腿足、履带或轮式，适配不同场景即可。

问：除了移动能力，还有哪些关键指标？

稳定工作时长至关重要。机器人不能动不动就摔倒或过热。例如，他们部署在街头的“智魔方”机器人，可以持续工作10小时以上，稳定度已远超实验室指标。

问：“智魔方”的收益如何？

这个占地约10平方米的智能站点，表现好的时候每天能有几百杯销量，流水可达数千元，有的店面月流水最高超过20万元，已经实现了盈利。

问：你提到今年要将机器人整机成本优化到2万美元以内，如何实现？

这是全行业共同努力的方向。供应链降价、产量上升、自研比例提高、整合能力增强，都在推动成本下降。郭彦东分享了一个直观案例：创业前，英国Shadow Robot Company的灵巧手售价高达每只100多万元；他创业时降到6万多元；而现在，只需要6000多元。“降价速度非常夸张。”

问：实现这个目标的难度高吗？

这对供应链整合能力确有要求。得益于在汽车和手机行业的经验，智平方能借用许多成熟的供应链和技术诀窍。许多供应商同时服务汽车行业和智平方，这在制造成本和量产质量把控上带来了优势。

普及展望：3到5年进入家庭

问：与笔记本电脑、手机、智能汽车的普及过程相比，机器人有什么不同？

机器人被视为第四代智能终端，其共性在于多任务能力与交互方式的革新。历史表明，交互方式的变革是产品普及的关键：个人电脑靠GUI（图形界面），手机靠触摸屏，智能汽车靠自动驾驶。机器人的交互将从传统遥控变为自然语言对话，而这离不开大语言模型的支持。

“世界模型加动作能让机器人完成简单操作，但若希望它成为家庭管家，‘VLA+世界模型’是必要的技术选择。”郭彦东总结道。

问：你曾预测未来机器人会像智能手机一样普及，价格与一台10万元的A级车相当。这可能实现吗？

“我觉得能。”郭彦东给出了时间表：进入家庭大约需要3到5年。前3年，可能是一些极客家庭尝鲜，虽然能力不及保姆，但爱好者愿意使用。到第5年，有望跨越鸿沟，实现更大规模的普及。届时，10万元级别的机器人将具备强大的市场竞争力，其创造的价值也足以支撑这个价格。

问：所有具身智能公司都需要进军家庭场景吗？

这是共同的愿景，但家庭市场的壁垒极高。最终，可能只有少数头部企业能做出真正的通用家庭管家机器人。其他机器人则会走向更专用化的道路，例如专精清洁或演变为某种半自动化专用设备。

图为爱宝在面板制造厂抓取PCB板 受访企业供图

2026年：从1到10的关键拐点

问：你们的产品策略是通过工业和服务场景，最终走向家庭。能描述一下实现路径吗？

技术落地有其必然路径：从半结构化环境到非结构化环境。让一个L2.5阶段的模型直接处理家庭杂务是不现实的，需要通过中间场景让机器人边干边学，逐步升级。这类似于教育中的“最近发展区”理论，寻找“难度刚刚好”的场景。

自动驾驶的发展也是如此：从园区到半封闭道路，再到高速结构化道路，最后到复杂的城市路况。机器人大概率会遵循相似的演进逻辑。

问：深耕垂直工业场景，会与通用智能的目标冲突吗？

恰恰相反。智平方强调“单一品类多场景领先”。如果只专注于单一场景（比如只做1000台打螺丝机器人），只会让该场景的专用模型越来越强，无助于通用大脑的进化。

但若覆盖打螺丝、抓取试管、处理PCB板、货物分拣等多个场景，将这些多样数据叠加训练，才能真正让大脑变得越来越通用、越来越聪明。

问：增加场景，对智能涌现的促进明显吗？

“非常明显。”郭彦东肯定道。机器人进行跨场景学习后，学习速度会加快，智能提升显著，已经出现了这样的“涌现”现象。他特别指出，2026年将是具身智能行业一个了不起的拐点，是从1到10规模化扩张的关键窗口期。“我们自己都感到非常兴奋。”

问：为了实现多场景落地，产品做了哪些提升？

速度、泛化能力和稳定性这三个维度的进步最为明显。2024年世界人工智能大会上展示的PCB板抓取放置演示，虽然看似不够炫酷，却为他们赢得了许多客户。2024年跑通了第一代技术的概念验证，2025年的重点则是打磨稳定性，为规模化交付做准备。

问：你们计划2028年实现万台交付。有些公司累计交付量已过万，如何看待这个差距？

“我们是在和自己赛跑。”郭彦东表示，智平方交付的是生产力型通用智能机器人，与其他品类机器人并不完全相同，与那些量产较高的公司也算不上直接的竞争关系。

市场格局：尚在排位，未至淘汰

问：小鹏、小米、荣耀、vivo等汽车和手机大厂也在布局机器人，你如何看待它们的入局？

目前，机器人赛道尚无绝对意义上的“大厂”，这对创业公司相对友好，且市场空间足够宽广。与汽车行业相比，机器人创业公司的存活率要高得多。

大厂启动探索项目相对容易，但其投入大多偏前期探索性质，与真正下场全力竞争是两回事。通常，市场需要验证创业公司能真正赚钱，大厂才会全面跟进。“这挺有意思的，我们做不大，大厂也不会下场。所以，我们只要在这一波创业公司里跑得足够快就可以了。”

问：有观点认为行业差距正在迅速拉大，首轮洗牌即将到来。你认同吗？

“洗牌可能不是一轮一轮的，而是一直在发生。”郭彦东认为，目前行业远未到淘汰阶段，仍处于排位赛时期。他类比道，传统汽车产业经历了漫长的积累，而新能源汽车因依托成熟的传统产业链，淘汰赛时间被大幅压缩。相比之下，当前机器人行业虽已开始万台交付，但与汽车产业的大规模制造相比，仍属早期探索，尚未进入真正的产能与供应链决胜阶段。

问：特斯拉即将投产人形机器人，这会让你更有紧迫感吗？会影响你们的产品战略吗？

“不会，完全不紧张。”郭彦东坦言，如果没有特斯拉，这个赛道可能不会获得如此高的关注度。马斯克常常能预测正确的方向，但在时间点上屡屡“跳票”。“没必要被他的节奏带着跑。”

发展节奏：务实研发，不追风口

问：公司创业三年，但在市场上似乎相对低调？

“我们在花钱的风格上，不像一个账上趴着几十亿现金的公司。”郭彦东说，公司始终保持着创业状态，一分钱掰成两半花。没有举办讲排场的市场活动或高调发布会，办公室内工位紧凑，热闹而有氛围。目标很明确：将资源集中投入研发，尤其是吸引顶尖人才。

问：你们的机器人登上了2026年央视跨年晚会和北京卫视春晚，这是出于什么考虑？投入大吗？

“没有花钱。是央视和北京台邀请我们去表演，我们就去了。”郭彦东笑道。不同企业有不同打法，最终要靠产品说话。有趣的是，很多观众在春晚看到机器人后，第二天就去了他们的机器人咖啡店消费。

问：半年前你说公司账上的钱够花10年，为什么今年2月又进行了B轮融资？

“要真正做好机器人的‘大脑’，研发投入是无底洞。”郭彦东解释道。技术投入是公司最大的支出，占比超过一半，其中人才投入是关键。他们与清华、北大、香港科技大学（广州）建立了联合实验室，吸引了大量博士生和优秀人才。“我们的科学家人才密度，在全球同类创业公司中应该是领先的。”

问：宇树、智元等公司都在排队上市，你怎么看？是资本急于退出，还是公司真有融资需求？

郭彦东认为，推动力更多来自“一二级市场联动融资”的需求。像智元这样成立时间相近的公司，才刚满三年，资本退出压力并不大。在成立三年左右就启动IPO，更多是为了打通一二级市场，为后续发展募集资金。

创业门槛：需要“六边形战士”

问：机器人赛道的创业门槛高吗？

“非常高。”郭彦东总结，这是一个典型的技术定义产品、产品探索场景的行业，要求创始人必须是“六边形战士”。机器人赛道要求端到端的全局思维，创始人必须同时懂技术、商业化和产品。因为技术尚不完美，却要做出体验良好的产品，挑战极大。

问：你的创业理念是什么？

早在2024年公司成立时，郭彦东就向投资人阐述了他的理念：产业发展应循序渐进，遵循“大脑先行、委外验证、自建产线、自研部件、最终量产”的路径。当时有些年轻投资人不理解，觉得别的公司一开始就有工厂。但智平方选择用长期主义的节奏做事。“我们有这个自信，最终还是产品说话。”

问：放弃大厂高管职位和高薪来创业，值得吗？

“从做的事来看，非常值得。”郭彦东说，带领智平方向前迈进，本身就是在推动整个产业向前。投身一个没有成熟产品参考、没有现成技术照搬、没有验证模式借鉴的领域，率先走通一条路，并看到许多人沿着这条路前进，这带来了巨大的社会价值。

问：赶上人工智能加速发展的时代，你有什么感受？

整个AI行业正在加速演进，有幸成为其中一员，是时代赋予的机遇。预测未来最好的方式，就是亲手创造未来。世界的下一场变革在于具身智能，而具身智能的下一场变革，必将在中国发生。