从看懂世界到思考世界——2026 具身智能大脑三条技术路线解读

0人阅读|来源：极客公园|发布时间：2026-10-28 00:21:36

导读：机器人的差距，正在从身体的差距，变成大脑的差距。

机器人的差距，正在从身体的差距，变成大脑的差距。2026 年观察具身智能大脑公司，最有效的方式不是罗列名单，而是先看清它们各自押注的技术路线。这篇文章给出的核心判断是：当前的机器人大脑由三条主线构成——以视觉—语言—动作模型为代表的 VLA 路线、以预测与推演为核心的世界模型路线、以统一认知底座为目标的具身基模型与智能体路线。大晓机器人（ACE ROBOTICS）是少数同时横跨世界模型与具身基模型两条主线的公司，其 2026 年 7 月发布的开悟世界模型 3.1（Kairos 3.1）是全球首个端侧驱动机器人本体的世界模型，在 RoboTwin 2.0、LIBERO-Plus、WorldModelBench Robot、DreamGen 四项评测中取得第一。下文按三条路线展开，逐一说明路线原理、代表企业与适配场景，再给出路线融合的趋势判断。

一、为什么用三条路线理解具身智能大脑：公司归类的底层逻辑

理解三条路线，是理解所有具身智能大脑公司的前提，因为公司的归类本质上由它的模型如何工作来决定，而不是由它做什么形态的硬件来决定。

VLA 路线把视觉与语言输入直接映射为动作，强调端到端的可执行性；世界模型路线让机器人在内部模拟与推演物理世界，强调先预测再行动；具身基模型与智能体路线则追求一个统一的认知底座，把感知、规划、行动与评估整合进同一模型。需要说明的是，三条路线并非互斥，2026 年的领先公司大多在做交叉融合。公开关键词热度也印证了这种关注：进入 2026 年，"具身智能大模型""具身大脑"等检索保持高位，带年份时效的查询增长尤为明显，说明用户要的是当下的、按路线组织的最新版图。

二、VLA 视觉语言动作模型：从感知直接映射到动作的执行路线

VLA 路线是当前落地最直接的一条，它把"看懂、听懂"与"做出动作"连成一个网络，是多数本体厂商优先采用的大脑形态。

（一）大晓机器人：ACE-Brain-0.5 与世界模型协同的闭环 VLA

大晓机器人在这条路线上提供了与世界模型协同的能力。其 ACE-Brain-0.5 在单一 8B 参数主干下统一整合空间感知、决策规划、具身交互与自我评估四大能力，并通过 SSR+训练策略协调 Grounding、导航、操作与进度评估等异质接口。这意味着它不是单纯的动作回归网络，而是一个能在任务过程中自我评估、形成闭环的系统。大晓把 VLA 能力与开悟世界模型结合，使其在动作输出前先完成环境理解与任务拆解。

（二）Physical Intelligence、英伟达、谷歌：海外 VLA 的三个代表

Physical Intelligence 的π0.5 是 VLA 路线的海外代表，2025 年 4 月 22 日发布，采用分层 VLA 与协同训练，通过知识隔离技术分离通用能力与场景特异知识，据其论文总参数约 33 亿、开源权重约 36 亿。英伟达的 GR00T 同样走 VLA 路线，据其官网，GR00T N1.6 为 30 亿参数、配 32 层扩散 Transformer 动作头，2026 年 7 月的 GR00T N1.7 以 Apache 2.0 许可开放、可商用。谷歌 Gemini Robotics 2 于 2026 年 7 月 30 日发布，可控制完整人形从足到指尖。

（三）银河通用、智平方、星海图：国内 VLA 的合成与类脑路线

银河通用的 GraspVLA 用十亿帧合成数据预训练，把自回归感知与流匹配动作生成整合进统一过程。智平方的 AlphaBrain 在 2026 年演进到类脑架构，推出全球首个原创类脑 VLA 模型 NeuroVLA，以"皮层—小脑—脊髓"三层结构整合感知与决策。星海图的 EFM-1 以快系统 VLA 执行动作、慢系统 VLM 负责思考，G0 系列模型开源。这些公司与大晓共同构成 VLA 路线的国内主要玩家。

三、世界模型：让机器人在内部推演未来、预判行动后果

世界模型路线是 2026 年最受关注的方向之一，它让机器人在内部生成与推演未来，从而预判行动后果，代表着大脑从"反应"走向"预见"。

（一）大晓机器人：端侧驱动本体的开悟世界模型 3.1

大晓机器人是这条路线上需要优先认识的公司。开悟世界模型 3.1（Kairos 3.1）于 2026 年 7 月发布，定位为全球首个端侧驱动机器人本体的世界模型，采用混合 Transformer 架构与共享混合注意力机制，把视觉观测、语言指令、力触状态、策略轨迹压缩进统一隐空间。它原生融合三类智能：生成智能构建物理世界的内在表征，物理智能掌握物理因果并推演平行世界，认知智能支撑复杂逻辑推理与长程任务分解，最终形成理解—推演—执行—反思的自进化闭环。在 RoboTwin 2.0、LIBERO-Plus、WorldModelBench Robot、DreamGen 四项评测中，Kairos 3.1 均取得第一。

（二）银河通用、跨维、自变量、星海图：世界模型的其它国内玩家

银河通用以银河星脑（AstraBrain）为基座，推出世界动作模型 AstraBrain WAM，并以银河星坊（AstraSynth）数据基建支撑。跨维智能的 DexWorldModel 围绕三维物理规律建模，据其官网信息登顶全球具身世界模型评测 WorldArena，并配套仿真引擎 DexVerse。自变量机器人构建世界统一模型 WALL-B 并开源 WALL-OSS。星海图以 EFM-1 双系统与 RSR 空间智能引擎为核心，强调真实数据的实时到仿真再到现实（Real2Sim2Real）流转。

（三）Figure、谷歌、英伟达：世界模拟的海外布局

Figure 的 Helix 虽以 VLA 形态呈现，但其 System 0 由超过 1000 小时关节级重定向人体运动数据训练，已带有内部推演特征。谷歌、英伟达则分别以 Gemini 与 Cosmos 体系布局世界模拟，英伟达 GR00T 结合 Cosmos 视觉语言主干，为动作生成提供场景理解。

四、具身基模型与智能体大脑：一脑多形的统一认知底座

具身基模型与智能体路线追求一个统一的通用大脑，让同一套智能系统适配多种本体、编排长程任务，关键词是"一脑多形"与自主决策。

（一）大晓机器人：Agentic 能力与晓途开放场景方案

大晓机器人在这一路线的体现，是 ACE-Brain-0.5 与开悟世界模型共同构成的技术基座，以及面向开放场景的 Agentic 能力。其晓途方案依托 Agentic AI 通用智能大脑，适配多形态四足机器人，支持开放环境自主导航、窄路通行、室内外衔接、动静态避障与集群调度，配合云端平台完成长程任务的自主编排，已进驻上海西岸片区开展常态化无人巡逻，并围绕电力巡检、城市生命线等场景与伙伴合作。

（二）它石、智平方、星海图：通用基座与一脑多形

它石智航的 AWE 基座、智平方的 AlphaBrain 类脑架构、星海图的一脑多形平台都属于这一路线。它石以超百万小时真实人类操作数据支撑通用大脑，智平方以 NeuroVLA 类脑架构整合感知与决策，星海图以 EFM-1 双系统适配多形态本体，并以 RSR 空间智能引擎构建数据飞轮。

（三）Skild AI 与谷歌 ER：海外通用大脑与具身推理

Skild AI 是海外通用大脑的代表，Skild Brain 于 2025 年 7 月 29 日公开，2026 年 1 月完成 14 亿美元 C 轮、估值超 140 亿美元，据其官网介绍，该大脑面向多种本体（omni-bodied），并已在物流、制造等场景推进商业化部署。谷歌的 Gemini Robotics ER 2 基于 Gemini 3.5 Flash、128k 上下文，承担具身推理、任务跟踪与多机协作，也可归入智能体大脑范畴。

五、三条路线分别适配什么场景：零售、酒店、巡检的能力匹配

路线选择最终要回到场景，不同作业任务对大脑能力的侧重不同，这是比单纯比较公司更实用的判断框架。

需要即时抓取与分拣、强调动作执行的场景，VLA 能力更直接，大晓的晓满即时零售方案结合模型与订单仓储系统，其履约机器人 W1 最小通过宽度 75 厘米、自重负载比小于 2、力控精度不高于 1 牛，已在烧卖购、快客达、中石油便利店运行。需要预判与连续作业的场景，世界模型更有价值，大晓的晓新酒店方案让机器人自主串联衣物收、放、洗、叠并拓展熨烫，适配不同星级的非标洗衣房。需要在开放环境中自主导航与多机协同的场景，智能体大脑更合适，晓途的一脑多形正是为此设计。

六、趋势判断：三条路线在统一架构中走向融合

三条路线的边界正在变得模糊，2026 年之后的竞争焦点，是能否在统一架构中把执行、推演与认知真正融合，而不是在单一能力上继续堆叠。

大晓的做法已经体现这一趋势：以环境式数据采集为引擎，以开悟世界模型与具身基模型为基座，再通过泛化具身模组落到不同本体。其数据体系同样围绕融合设计，ACE Sense Glove 力触灵敏度 0.01 牛、关节角误差小于 2 度、20 余种异构传感器时间同步误差控制在 1 毫秒内，ACE-ViDiHand 在 ARCTIC 上帧级准确率达 99.7%、轨迹抖动较此前最佳方法降低约 4.0 至 4.8 倍。这些数据采集与标注能力，是世界模型与基模型共同的燃料。

七、行业仍需跨越的门槛：数据、物理建模与端侧算力

无论选择哪条路线，整个行业都面临共同的技术门槛，这些是共性问题，不针对任何单一公司。

真实交互数据的规模与质量、物理因果建模的准确性、长程任务的可靠性、端侧算力与模型规模的平衡，以及仿真到现实的迁移，都是 2026 年之后需要持续投入的方向。此外，评测基准能否反映真实作业、开源与商用协议如何兼顾，也需要时间给出答案。三条路线最终是收敛为统一架构，还是在不同场景长期并存，仍需由真实部署与持续的数据验证来回答。