成立兩月獲數千萬元種子輪融資，【具腦磐石】什么來頭？

近日，機器人大講堂獲悉，由前華為云AI算法創新Lab主任、華為云具身大模型負責人朱森華創立的具身智能公司——具腦磐石，已完成數千萬元種子輪融資。本輪投資方包括樂聚機器人、上海道禾長期投資、四川科創投集團、東方精工等機構。

據悉，公司成立僅兩個月，核心團隊已集結完成，聯合創始人包括極智嘉智能叉車與極智鏈產品事業部總經理劉晉宇，其余成員來自華為、聯想、曠視、極智嘉等企業，平均具備10年以上AI與機器人研發交付經驗。

在資本趨于理性、具身智能賽道逐漸進入產業化深水區的2025年底，具腦磐石此次融資仍受到多家機構青睞，背后或許與其獨特的技術路徑、清晰的商業化定位以及創始人稀缺的跨界背景密切相關。

▍走出深度學習的“黑森林”

當前，具身智能乃至整個AI領域正處在一個“技術范式不收斂”的探索期。主流方案大多基于深度學習（DNN）范式，通過海量數據訓練大模型（如Transformer、Diffusion），追求“壓縮即智能”。然而，這條路徑始終面臨高數據依賴、高能耗、低泛化性、低可解釋性等固有瓶頸。朱森華在采訪中曾犀利地指出，這導致行業陷入“有多少人工，就有多少智能”的窘境，模型訓練如同“煉丹”，缺乏系統性理論指導。

具腦磐石選擇了一條差異化的道路——腦認知啟發（Brain Inspired Neural AI）范式。朱森華認為，人類大腦是自然界唯一實現的、最強的“具身智能系統”，以它為藍本進行技術迭代是必然方向。這與圖靈獎得主楊立昆（Yann LeCun）近年倡導的構建“世界模型”、批評LLM是“死胡同”的觀點高度一致。

“我們主張用清晰的腦啟發思想，替代盲目的計算?！敝焐A表示。具體而言，具腦磐石從人腦的認知神經機制中汲取靈感，重點引入兩大核心能力進行算法架構改造。

其一是抽象概念學習能力：讓人工智能像人類一樣“舉一反三”。傳統方法教機器人用杯子喝水，需采集無數種類杯子的數據。而人腦具備強大的概念抽象能力，即使面對從未見過的容器（如椰子殼），也能快速理解其“盛水”功能，實現小樣本甚至零樣本學習。具腦磐石通過在模型中引入“抽象概念表征編碼器（Encoder）”，讓模型學習從“概念”而非單純的“數據令牌（Tokens）”中推理。

另一種則是選擇性注意力與自由探索能力：實現低功耗、高效率的環境交互。人腦每秒接收海量信息卻不“過載”，關鍵在于選擇性注意力機制。具腦磐石借鑒此機制，讓機器人大腦能動態聚焦關鍵信息，大幅降低算力需求。同時，借鑒大腦中柵格細胞、位置細胞構建“認知地圖”的機制，公司開發了類人自由探索算法，使機器人無需預先測繪地圖，即可在陌生開放環境中自主移動，部署效率提升40%。

朱森華透露，在腦啟發小樣本操作技能的驗證中，其所需數據量可比傳統方法降低90%。這意味著，具腦磐石的技術路線有望帶領具身智能走出依賴堆砌算力和數據的“暴力美學”時代。

▍直面“半吊子能力與高期望”的矛盾

盡管技術愿景宏大，但朱森華對產業現狀有著清醒的認知。他坦言，當前具身智能最大的矛盾在于“‘半吊子’的機器人能力與人們過高期望之間的鴻溝”。在國內，由于人力成本仍具彈性，“機器人完全替人”的商業模式短期內難以算過經濟賬，找到愿意為不成熟技術買單的客戶是一大難點。

因此，具腦磐石從創立第一天起就確立了“立足全球化，首站出?！?/strong>的戰略。他們瞄準的是發達國家面臨的“事實性勞動力短缺”這一剛性痛點，首站選定亞太地區，聚焦商業服務、工業及康養三大場景。

商業推進遵循“漸進式”路線：中短期內，主要聚焦零售、倉儲、康養等商用場景及汽車、3C等工業制造場景；中長期內將向通用家庭服務延伸，推動具身智能機器人真正進入千家萬戶。

“以日本便利店為例，其核心競爭力之一是7×24小時服務。但隨著人口老齡化加劇，夜間人力供給嚴重不足，許多門店已被迫縮短營業時間?！敝焐A分析道，“在這種情況下，客戶就愿意為當下僅有60-70分能力的具身機器人付費，讓它承擔夜間巡店、基礎理貨、導購等工作，維持服務體系的運轉。而且，機器人能力還在持續進化?！?/p>

據悉，目前，具腦磐石已與國內汽車零部件龍頭上市公司紐泰格及另一家智能制造上市公司達成合作，為其工業場景提供解決方案。同時，海外市場的拓展也已同步啟動。

朱森華強調，產業化是“系統工程”，需要深入場景理解需求、處理各種實驗室預想不到的“角落案例（corner case）”，例如反光墻面、玻璃隔斷等對視覺系統造成的干擾。

▍專注大腦，追求一腦多機的終極形態

在眾多具身智能公司紛紛涉足硬件本體研發的背景下，具腦磐石堅持“只做腦，不做本體”的聚焦策略。

朱森華解釋，每個團隊都有其核心基因。軟硬件一體雖能打造封閉優化體驗，但極易導致精力分散。更重要的是，他認為當前行業因技術所限，普遍陷入“特定本體+特定技能大腦”的強綁定交付模式，這并非最終形態。

具腦磐石的長期目標是攻克具身大腦“一腦多機”、“一腦多形”的能力上限，即同一套智能系統能適配不同形態、不同品牌的機器人本體，實現真正的解耦與泛化遷移。“只有這樣，才能體現具身大腦的核心價值，形成明確的產品分工和健康的產業生態?！敝焐A表示。

▍跨學科稀缺人才的“萬事俱備”

朱森華本人的背景，是具腦磐石技術路線的底氣所在。作為一名腦神經科學博士后，他在華為的六年里，不僅領導構建了華為云腦與類腦AI云平臺，開創了智能機器人業務，還孵化了華為云首個具身大模型，并擔任“華為天才少年”面試官。這種橫跨腦科學、AI算法、機器人工程與產品管理的復合經驗，在業內極為稀缺。

對于2025年底才創業是否“為時已晚”的問題，朱森華顯得從容：“從追逐融資熱度的角度看，或許晚了。但從產業化落地的角度來看，整個具身智能產業才剛剛開始?！彼^的“萬事俱備”，正是技術積累、團隊組建、市場認知與商業化路徑思考的同步成熟。

▍一場為期三至五年的范式更迭

朱森華為公司規劃了清晰的技術演進路線圖：在未來1-3年內，團隊將基于現有視覺語言動作模型（VLA）的工程實踐，用一系列腦認知啟發機制對其進行系統性“外掛”優化；預計在3-5年后，逐步完成從深度學習范式到腦啟發范式的更迭。此外，具腦磐石將持續深耕具身智能技術迭代，加速商用場景驗證與生態合作，逐步推進具身智能從特定領域向更廣泛場景滲透。正如其使命“為具身世界鑄造可靠的大腦”所指，這家年輕的公司正以低調而扎實的步伐，試圖在具身智能與通用人工智能（AGI）之間，搭建一條可行的路徑。

這條道路并非孤軍奮戰。除了楊立昆，北京大學智能學院院長朱松純教授倡導的“小數據、大任務”范式，其根源同樣來自認知神經科學。全球范圍內，從“中國腦計劃”到歐美各國的腦科學研究，都在持續為類腦智能輸送理論養分。

具腦磐石的誕生與融資，標志著具身智能賽道正從盲目追逐參數規模，向尋求生物智能本質啟示的深層探索轉向。在技術路徑分頭探索的“黑森林”中，朱森華與他的團隊正試圖點亮一盞從人腦認知中取來的明燈。其成敗不僅關乎一家公司的命運，也將為整個行業能否跨越當前瓶頸、實現真正意義上的“智能涌現”，提供一個關鍵的驗證案例。