在腦神經(jīng)科學領(lǐng)域深耕多年的朱森華，近日以創(chuàng)業(yè)者身份重新進入公眾視野。這位前華為云AI算法創(chuàng)新Lab主任，在完成華為云腦與類腦AI云平臺、智能機器人業(yè)務(wù)及首個具身大模型孵化后，于2025年10月創(chuàng)立具身大腦公司“具腦磐石”。公司成立兩個月內(nèi)即完成數(shù)千萬元種子輪融資，投資方包括樂聚機器人、上海道禾長期投資等機構(gòu)，核心團隊匯聚了來自華為、聯(lián)想等企業(yè)的資深技術(shù)專家。

區(qū)別于主流的端到端深度學習路徑，朱森華選擇以腦認知啟發(fā)（Neural AI）范式重構(gòu)具身智能技術(shù)架構(gòu)。其團隊通過模擬人腦的抽象概念學習、選擇性注意力等機制，開發(fā)出可減少數(shù)據(jù)依賴的算法模塊。在實驗室測試中，該方案使機器人操作技能的數(shù)據(jù)需求降低90%，移動部署效率提升40%，初步驗證了小樣本學習與開放環(huán)境探索的可行性。這種技術(shù)路線與圖靈獎得主楊立昆倡導的世界模型架構(gòu)存在理論共鳴，后者曾公開指出當前大語言模型架構(gòu)難以通往通用人工智能。

商業(yè)落地層面，具腦磐石采取“出海優(yōu)先”策略，首站鎖定亞太地區(qū)商服與工業(yè)場景。朱森華分析稱，日本等發(fā)達國家面臨的勞動力短缺問題，為具身機器人創(chuàng)造了真實需求。以便利店行業(yè)為例，7-11因員工老齡化已縮減部分門店的夜間運營時長，而具備基礎(chǔ)理貨、巡店能力的機器人可填補人力缺口。目前已有海外客戶明確表示，愿意為達到人類60%-70%工作能力的機器人支付費用，這種“漸進式替代”模式顯著降低了商業(yè)化門檻。

在技術(shù)實現(xiàn)路徑上，團隊將人腦認知機制轉(zhuǎn)化為可計算的算法模塊。例如通過抽象概念表征編碼器，引導模型從具體數(shù)據(jù)中提取核心特征，替代傳統(tǒng)基于海量token的學習方式；在移動能力構(gòu)建中，借鑒柵格細胞與位置細胞的神經(jīng)機制，開發(fā)出無需預置地圖的自主導航系統(tǒng)。朱森華強調(diào)，這種“腦外掛”策略并非完全摒棄現(xiàn)有VLA架構(gòu)，而是在1-3年內(nèi)通過認知神經(jīng)機制優(yōu)化其性能，最終實現(xiàn)技術(shù)范式的漸進式迭代。

面對產(chǎn)業(yè)化挑戰(zhàn)，朱森華坦言實驗室成果向?qū)嶋H場景遷移時遭遇大量邊緣案例（corner case）。例如在反光玻璃環(huán)境或設(shè)備磨損場景下，原本穩(wěn)定的算法模型可能出現(xiàn)性能斷崖式下降。為此團隊正構(gòu)建動態(tài)適應(yīng)系統(tǒng)，通過實時環(huán)境感知與在線學習機制提升魯棒性。這種“臟活累活"的攻堅態(tài)度，源于其對技術(shù)落地規(guī)律的深刻認知——商業(yè)化不是技術(shù)愿景的簡單延伸，而是需要構(gòu)建完整的技術(shù)-場景適配體系。

在產(chǎn)業(yè)分工層面，具腦磐石明確聚焦大腦技術(shù)研發(fā)，暫不涉足機器人本體制造。朱森華認為，當前具身智能領(lǐng)域軟硬件強綁定的交付模式，本質(zhì)是技術(shù)泛化能力不足的妥協(xié)方案。隨著腦啟發(fā)算法成熟，"一腦多機"的通用大腦將成為可能，屆時硬件形態(tài)將回歸標準化配件角色。這種判斷基于其團隊在華為期間的技術(shù)積累：他們曾實現(xiàn)同一具身模型適配機械臂、移動機器人等不同載體，驗證了技術(shù)解耦的可行性。