類腦VLA加持，智平方吸金50億元，估值沖上200億元｜甲子光年

類腦智能、小樣本學習以及低功耗計算，將成為下一代機器人大腦的重要發展方向。

作者｜劉楊楠

編輯｜栗子

據《深圳特區報》報道，具身智能企業智平方完成一系列新融資，融資總額近50億元人民幣，估值超200億元，成為粵港澳大灣區首個估值正式突破200億元的具身智能企業。

「甲子光年」發現，本輪融資中，更值得留意的是資方的構成——中國文化產業體系基金、國家中小企業基金、廣東省人工智能基金、南山戰新投、粵港澳大灣區系列基金等區域重點平臺持續加碼；中國生物制藥（正大集團）、康龍化成、茅臺集團、招商局資本、五洲新春、萬豐控股、中貝通信等多家產業龍頭集體押注；多家保險公司以及中金資本、中信建投、洪泰資本等頭部券商系資本及市場化投資機構深度參與；更有達晨財智、敦鴻資產、道得投資、錫創投、梁創投等老股東持續超額追加投資。

目前，智平方已集結國家隊、大灣區、地方、險資、券商、千億產業方、頭部財投集體入局。這樣一條完整的出資鏈條，在一個尚未形成商業化閉環的賽道里并不常見。

市場正在用真金白銀押注的，是智平方開辟的一條少有人走的技術路線——類腦VLA。

今年智平方推出并開源了自研原創的類腦VLA模型NeuroVLA，該具身智能系統同時具備主動感知、故障自恢復與時序記憶三大類生物運動能力的具身智能系統，被業內視為下一代機器人大腦的重要演進方向。

6月23日至25日，在夏季達沃斯論壇上，智平方創始人兼CEO郭彥東博士向世界重點介紹了類腦具身智能系統NeuroVLA，并分享了中國機器人產業的發展路徑與實踐思考。

智平方創始人兼CEO郭彥東

郭彥東拋出了一個對行業的根本判斷。

“如果所有人都沿著同樣的大模型路線繼續往前走，我們需要10倍的數據、10倍的電力。但現實世界并沒有無限的數據和能源。”他認為，下一代機器人大腦不應只是算力和數據的競賽，更需要探索更高效、更可持續的發展路徑。而類腦智能、小樣本學習以及低功耗計算，將成為下一代機器人大腦的重要發展方向。

1.不要困于路線之爭

2026年春天，具身智能行業路線之爭愈演愈烈，世界模型和VLA成為一道分界線，劃出兩派不同信仰的玩家，新的終局判斷層出不窮。

這些爭論本質是在爭奪一種名義上的勝利。但機器人產業的真實痛點從未改變，就是要提高機器人在不同場景下的動作執行效率、穩定性以及泛化性。

當前的機器人能夠近乎完美地執行預設動作，例如跳舞、翻跟斗等，但實時交互的動作都很慢。機器人雖然能聽懂實時交互的指令，也能完成任務，但遇到難度較高的任務，機器人要么手抖，要么大腦宕機。“這本質是由于大模型和機器人全身控制結合不佳導致的。”郭彥東總結道。

因此，郭彥東試圖跳出爭議本身，從更務實的維度審視VLA和世界模型的價值。他認為，世界模型不是VLA的競爭路線，而是VLA體系中的核心組成部分。

郭彥東曾對「甲子光年」表示，VLA本身一個具有終局感且很有生命力的模型架構。“任何能夠在真實世界中執行任務的智能系統，都必須具備三項核心能力，即對世界的感知、對邏輯的推理以及對行為的控制。視覺、語言、行動三要素是永遠存在的，變化的只是它們的組織方式。”他說。

在當前的語境下，VLA里面的V（Vision，視覺）不應只代表視覺，它應當代表著模型對物理世界的某種感知方式。而近半年熱議的世界模型，可以看作VLA架構的一個最新變種。

在今年的智源大會上，郭彥東還做了更詳細的拆解。他把世界模型定義為對物理環境進行稠密、包含時間維度的4D預測，它是一個非常好的空間基礎模型，但本身并不直接輸出動作，也不直接處理視覺輸入。

因此，如果將世界模型和VLA結合，便能形成很好的能力互補。VLA中融入世界模型后，便能內生地形成對物理規律的理解，不再被動地映射“感知→動作”的對應關系，能夠預測動作的后果，在行動之前進行模擬推演。這便補齊了傳統VLA在物理預測和泛化適配上的短板，同時也補齊了世界模型無法完成動作閉環的缺口。

事實上，智平方早已用實際行動證明了這個思路的可行性。2025年11月，他們發布了融合世界模型的VLA具身大模型Video2Act，實現了先預測、后執行。這篇工作后來被世界模型領域的權威綜述列為“深度融合的代表性架構”之一。

也是從那次發布開始，智平方讓行業看到，世界模型和VLA本可以匯入同一條河流。

2.學習人類大腦的古老智慧

2026年4月，智平方發布自研類腦具身系統NeuroVLA，在兩條路線交匯后交出了一份最新答卷。

當前主流的做法，是用一個統一的超級大腦包攬感知、規劃與運動控制等核心任務。但如果拆分來看，視覺理解是慢思考，需要幾百毫秒來處理信息，但碰撞、失衡等物理事件卻要求幾十毫秒內響應，一個統一架構的大腦很難高效完成兩類任務。

對此，人類神經系統數億年的演化歷史早已給出更優解。人類大腦皮層負責語義理解和慢思考；小腦負責運動協調和實時校正，處理身體的各種感覺信號；脊髓則掌管最原始的本能反射，能在幾十毫秒內完成從感知到動作的閉環，根本不需要請示大腦。

三層系統彼此協同，把不同時間尺度的任務交給不同的器官，避免了信息過載和響應延遲，才讓人類能夠在思考“要不要接住這個杯子”的同時，手已經憑直覺先一步完成了動作。這是上億年進化論篩選出的最優解。

于是，NeuroVLA借鑒人腦工作機制，讓機器人具備記憶、學習和自主進化能力，通過更少的數據完成學習與決策。為此，智平方構建了“皮層-小腦-脊髓”三級架構，各司其職，彼此協同。

最上層是語義規劃部，對應大腦皮層。它利用Qwen-VL和Q-Former將視覺-語言輸入提煉成緊湊的意圖向量，只負責看明白場景、聽懂指令，不參與毫秒級的運動細節。

中間層是動態調制部，功能對應小腦。它是一個獨立的高頻自適應控制器，每秒數百次讀取機器人的本體感覺和六維力傳感器數據。量化數據顯示，機械臂在運動中的急動度（衡量抖動的指標）平均降低了75%以上。動作軌跡變得干凈、穩定，為完成倒水、插孔等精細任務奠定了基礎。

最底層是脈沖執行與反射部，對應脊髓。它部署在定制的FPGA神經形態處理器上，采用脈沖神經網絡計算。與傳統神經網絡持續進行矩陣運算不同，脈沖神經網絡是事件驅動的。神經元只在輸入發生變化時才活躍，靜止時幾乎不耗能。

智平方還在這一層設計了一條硬連線的安全反射通路。當力傳感器檢測到突發沖擊力，信號能在20毫秒內直達脊髓層，觸發撤退或緩沖動作，完全繞過大腦皮層。

類腦VLA在真實場景的表現

脈沖執行與反射部無疑是NeuroVLA最具革命性的創新。它遵循著一個古老的生物學常識。對于大多生物來說，生存的本能會倒逼出許多超常的絕技。羚羊或許不懂起跑加速的原理，卻能在與獅子的角逐中迸發出巨大能量逃出生天。NeuroVLA的脊髓層，正是把這種生理直覺賦予了機器。

在真實的碰撞恢復測試中，這套架構也確實展現出了近乎生物本能的生存能力。在機器人手持試管遭遇未知障礙時，傳統VLA模型無一例外失敗，它們要么無視碰撞繼續前行，要么因處理延遲反應不及。而NeuroVLA先以小于50毫秒的反射迅速縮回，隨后小腦模塊就地重新規劃繞行路徑，任務成功率達到54.8%。

此外，在執行搖晃燒杯這類重復性任務時，NeuroVLA通過脊髓層脈沖脊髓模塊以每秒200次的速度讀取?峰，讓機器人不靠視覺數數，自主完成周期性的運動模式，并涌現出節奏感，表明其系統內部產生了對時間序列的記憶和學習能力。

這三層架構已經讓機器人具備了和人腦原理相似的思考方式，同時解決了一個Scaling Law范式下的長期痛點，那就是極致的小樣本學習能力和低功耗。

NeuroVLA沒有一味地依賴海量機器人數據。團隊使用預訓練的Qwen-VL和數百個下游樣本進行微調，并通過代理梯度（surrogate gradient）實現SNN的端到端訓練，使得類腦架構的訓練門檻大幅降低，具備實際工程可行性。

同時，仿脊髓執行層在運行時的平均功耗僅0.4W，比一部播放視頻的手機還省電。這是由于脈沖神經網絡用事件驅動替代持續計算，不做事就不耗電，從根本上改變了能耗曲線。

這很容易讓人聯想到DeepSeek在LLM領域帶來的震動。DeepSeek用架構層面的精巧設計證明了少即是多，智平方在具身智能領域實現了相似的邏輯，跳出簡單的堆料思維，重新思考智能的生產方式。

「甲子光年」認為，一個有生命力的機器人大腦，不應該是困在數據中心的傀儡，它必須能夠真正進入物理世界，作為一個獨立的生命體存在。NeuroVLA打破了行業過去三年奉行的暴力美學的路徑依賴，證明了架構創新可以用極少的資源消耗抵達更廣闊的能力邊界，更有望成為具身智能從實驗室demo走向真實場景長期服役的關鍵轉折。

而這個轉折，是智平方在過往三年多的技術探索中，一步步摸索到的。

3.預測未來最好的方式，就是創造未來

成立以來，智平方的技術迭代速度非常快，且足夠大膽。

2023年，行業主流還在用“小模型/分層/垂域模型+外掛大模型”的拼接方案時，剛成立不久的智平方就押注端到端VLA，成為全球除谷歌、特斯拉外最早走這條路的創業公司。

此后幾乎每半年，智平方就有一次重要的架構升級。

2024年率先將Mamba引入機器人VLA，發布RoboMamba，在模型規模僅為谷歌RT-2的1/20時，性能提升超80%。

2025年6月受快慢思考機制啟發，發布FiS-VLA，首創異構輸入、異步頻率的雙系統架構，性能超越國際標桿Pi0達30%。與拼接兩個模型的做法不同，這套快慢腦本質上來自同一個模型，只是被切成兩半，后端用高頻信號刷新、前端保持原有頻率，因此耦合更緊密，快系統即使被打斷，慢系統也能把動作接續回來。

2025年11月，Video2Act將世界模型融入VLA，實現先預測、后執行；2026年4月，NeuroVLA又將類腦思路完善到“皮層-小腦-脊髓”的分層控制體系。

「甲子光年」梳理發現，智平方的快速迭代并不盲目。從Mamba到快慢系統，再到類腦分層，“術”的層面始終敏銳捕捉前沿方向，“道”的層面卻始終如一，專注探索用更精巧的架構，創造更高效的智能。

但郭彥東比誰都清楚，再精巧的架構，也只是故事的上半場。大腦設計得再聰明，如果身體跟不上，或者永遠被關在實驗室里，那終究只是紙上談兵。

作為大灣區具身智能領域的代表性企業，智平方從誕生起就帶著這片土地鮮明的產業底色。它緊鄰最完整的供應鏈，背靠最活躍的應用市場，也因此比同行更早地探索技術如何落地這道必答題。

此前，在智源大會的演講中，他說了一段話：“沒有AI，機器人只是硬件；沒有硬件，AI只是代碼；沒有真實場景，機器人也只能是實驗室的demo，一定要在真實場景當中讓機器人持續學習。”這是他對行業的期待，更是對智平方的要求。

郭彥東曾直言，當前機器人產業面臨的重要挑戰之一，是工業、公共服務以及未來家庭場景之間長期存在的應用鴻溝。在他看來，解決這一問題的關鍵，在于統一硬件與統一模型。無論機器人工作于工廠還是公共場所，都應該采用統一硬件平臺，并由同一個基礎模型驅動。

與此同時，不同場景產生的數據持續回流至同一個機器人大腦。工業場景提升機器人精度與穩定性，公共服務場景增強交互與泛化能力，兩類能力相互促進，并最終為未來家庭應用奠定基礎。

目前，智平方已經延續這一思路，在多個行業、場景完成規模化落地。

2025年，智平方建成年產能超2000臺的半自動化產線，生產力型機器人進入常態化批量交付，從產能建設、產品落地到成本管控的全鏈條已經完整跑通。

面向快速攀升的市場需求，智平方目前已經鋪開分階段擴產路線圖：產線擴容、供應鏈協同、工藝優化三條線同步推進，每個環節都落了明確的實施節點。2026年下半年，公司將啟動數萬臺級生產力具身人形機器人產線建設，為大規模商業化交付夯實制造底座。

其中，智平方對于落地場景的優先級判斷邏輯非常務實。

工業柔性制造是起始點和切入點，公共服務是通往家庭服務的階梯，而家庭場景因為環境的狹小性和不確定性，目前更適合做數據采集，而非真實的商業化服務。 因此，考慮到公司發展和產業鏈成熟的節奏，智平方先讓機器人在半結構化的環境里成熟落地，再慢慢走向更復雜的非結構化世界。

智平方機器人在現實世界工作

目前，在半導體顯示領域，智平方去年率先落地與惠科的3年1000臺標桿合作，今年又實現了單一場景多客戶復購，收獲更多標志性客戶；在生物制藥領域，已完成在華熙生物產線的部署，并在今年開始新增多家生物制藥企業的深入合作。

同時，公司持續打磨通用大模型能力，加快場景多元化落地，在公共服務、新零售等貼近民生的賽道落地多個真實商用項目。

在新零售領域，智平方的愛寶“智魔方”從咖啡、冰淇淋拓展到抹茶、啤酒等多品類，已在北京、上海、江蘇、浙江、福建、廣東、廣西、貴州等省份實現常態化運營，日均工作超10小時。未來三年，公司計劃在全國落地1000個愛寶智魔方，目前正從項目制交付向產品化批量化轉型，將新場景落地周期大幅壓縮。

愛寶“智魔方”北京朝陽公園店

這正是業內將智平方看作“最像特斯拉的中國機器人公司”的真正含義。

特斯拉做Optimus，真正的護城河是把自動駕駛時代鍛造的智能算法遷移到機器人身上，再疊加自有的量產能力和工廠場景，形成一個越用越聰明的閉環。

今天智平方遵循著同樣的邏輯，已經構建起“模型×硬件×場景”的完整體系。郭彥東強調，機器人產業的發展必須建立在真實應用基礎之上。場景帶來數據，數據推動模型進化，更強的模型又進入更多場景，最終形成持續迭代的數據飛輪。

“因為大模型泛化能力強，所以落地場景多；因為落地場景多，所以大模型持續領先。”他表示，這種技術與場景相互促進的發展模式，正成為中國機器人企業快速成長的重要動力。

智平方的NeuroVLA，通過對人類大腦數百萬年進化史的一次回望，給行業交出了答卷，并且已經形成了實打實的商業閉環證明。如此一來，任何爭辯都顯得無力了。就像郭彥東在與「甲子光年」對話中所講的：

“預測未來最好的方式，就是創造未來。”

（封面圖來源：智平方）