加拿大华人科技创业者朱森华创立具脑磐石，亿元级融资推动认知世界模型研发

作者｜黄楠

编辑｜袁斯来

硬氪获悉，具身智能大脑公司「具脑磐石」近日完成新一轮亿元级融资，本轮由具备深厚类脑与具身产业背景的顶尖产业资本领投，老股东及多家顶尖基金复投跟投，多维资本担任独家财务顾问。同时，更新一轮融资也在同步交割中。

融资资金将重点用于核心技术研发、人才团队拓展以及全球化市场布局，以加速其认知世界模型（Cognitive World Model）的工程化落地与真实场景验证。

类脑智能世界模型（图源/企业）

具脑磐石成立于2025年，以类脑智能为底层范式，致力于构建面向真实物理世界的认知世界模型。公司由华为前高管朱森华创立并担任CEO，他长期专注AI与脑认知交叉研究，在中山大学从事计算机与AI研究，后于宾夕法尼亚大学获得认知神经科学博士学位，并在中科院脑与认知科学国家重点实验室完成博士后研究。

进入华为后，朱森华曾担任华为云AI算法创新Lab主任，主导多项重要项目，包括AI脑科学云平台、盘古具身大模型以及全球具身智能产业创新中心等。他推动了世界模型与类脑智能的融合路线，是华为具身智能大脑的开创者之一，兼具脑认知科学研究、类脑AI路线验证与具身智能产业落地的复合能力。

朱森华出席中国人形机器人技术应用峰会（图源/企业）

联合创始人刘晋宇则擅长AI机器人技术产品的商业化，曾从0到1孵化多个产品事业部并实现全球规模落地。多位技术、供应链与运营合伙人来自清华、北大、复旦、中科院等科研机构，并曾在华为、联想、旷视、极智嘉等企业参与AI算法、机器人系统及全球落地项目。原生团队已覆盖从前沿研究、模型研发到系统工程的全链条。

过去一年，具身智能赛道的风口迅速迭代，行业热词从“VLA”转向“世界模型”，但热度背后，一个核心问题尚未清晰：世界模型究竟是新兴的技术路线，还是已被市场反复验证的概念？不同团队对世界模型的定义与路径存在分歧。

朱森华表示，要解答这一问题，需回归技术本源。“真正理解世界模型，需要从其技术根由与产业诉求出发，明确它从何而来，要解决什么样的根本问题。”他表示，“世界模型的底层逻辑源自脑科学中的‘心智模型’，是当前脑科学与AI领域的重要交叉方向。缺乏这一认知体系，很多讨论仍停留在技术名词的排列组合层面。”

这一判断直接影响了具脑磐石的技术路径选择。该公司认为，具身智能正在从“动作智能”向“认知智能”演进，未来的核心不仅是让机器人完成任务，而是需赋予其类人的能力，包括小样本抽象学习、多维环境感知、长期记忆与主动推理，并能在真实世界中稳定执行任务。

然而，当前具身智能落地仍面临多重挑战：高质量真实数据难以规模化获取，模型泛化能力不足，每进入新环境通常需重新训练，机器人也缺乏持续学习与记忆能力。此外，数据与算力的成本也成为制约因素。

朱森华指出，人类大脑无需海量数据或高能耗，却能在复杂环境中完成学习、感知、记忆、预测与规划，这正是具脑磐石选择类脑智能作为底层技术路径的原因。其目标并非简单模仿大脑结构，而是提炼大脑的智能化机制，转化为可计算的算法与架构，从而构建下一代具身智能大脑。

具脑磐石自创立以来便提出基于类脑智能的认知世界模型，该模型与Yann LeCun提出的JEPA路线保持一致，依托相同的主动推理认知科学理论底座，聚焦于推理、规划与真实世界建模。JEPA的价值在于，它不仅让AI生成“看起来像”的结果，更让AI在抽象表征空间中学习状态演化、推理未来趋势，从而更贴近人类如何认知世界。

但值得注意的是，对于需要在环境中执行任务的机器人而言，仅具备“表征—预测”能力仍不足以体现完整智能闭环。

智能闭环（图源/企业）

以人过马路的场景为例，无需精确测量周围车辆的运动参数，仅凭环境信息感知，人类即可自主判断以合适节奏通过。这种能力正是心智模型中的主动推理。朱森华强调，具脑磐石所追求的认知世界模型，正是要把这种能力工程化，使机器人不仅能预测世界变化，还能自主设定目标、规划行动、执行任务，并通过环境反馈持续修正自身行为。

这意味着，一个用于具身系统的世界模型，必须涵盖从状态预测到决策执行的全链路能力。

在实现技术路径上，公司正致力于将脑科学中的多舱室神经元、非线性注意力、多阶段记忆、稀疏计算以及主动推理等机制，转化为可落地的算法模型和工程化系统架构。其核心目标是实现四个关键技术指标：低数据依赖、高泛化能力、终身学习机制、低功耗设计，以此突破具身智能在数据成本、跨场景适应、持续运行与算力限制等方面的现实瓶颈。

目前，具脑磐石已在具身感知交互、规划、移动导航、操作及群体具身等方向完成多项系统级技术验证，并在国内及海外市场推进多个行业客户的实际场景应用试点（PoC），推动认知世界模型从算法进入真实机器人系统。

这一从算法到系统的推进方式，也构成了具脑磐石对具身智能2.0的理解：不是让机器人在演示中完成更多动作，而是真正赋予其接近人类认知能力的系统，使其能在少量经验中学习抽象规律，并在复杂环境中持续感知、记忆、推理，从而实现跨任务、跨场景的稳定决策与行动。

以下是硬氪与具脑磐石创始人朱森华的访谈节选（已略作编辑）：

硬氪：当前市场对世界模型的讨论很多，你们如何理解这一概念？

朱森华：在我们看来，世界模型有五个层级。从下至上依次是：第一层的视觉真实，如李飞飞团队的空间智能项目；第二层的物理真实，类似Sora通过数据理解物理规律；第三层的交互真实，如DeepMind和英伟达的研究；第四层的抽象学习，以Yann LeCun的JEPA为代表；第五层则是主动推理，源于认知神经科学，目标是低数据、高泛化、可终身学习、低功耗，这一体系已被人类大脑验证可行。

具脑磐石技术视野里的“World Model”技术层级体系（图源/企业）

这五个层级并非并行或独立的流派，而是一个从基础设施到智能能力的演化体系。前三层旨在解决如何更高效地获取数据和训练环境的问题，而后两层则关注如何优化学习和推理的算法架构。它们可以各自推进，也可以相互支撑——基础设施更完善，上层工作更高效；即便基础设施尚未成熟，也不影响上层算法的验证。

硬氪：类脑智能路线的核心瓶颈是什么？是算力还是理论未破译？

朱森华：都不是。实际上，AI中许多核心概念都源于脑科学，包括神经元、神经网络、注意力机制和世界模型等。脑科学每前进一步，AI便向前迈进一步。但值得注意的是，在脑科学尚未完全破译人类大脑之前，AI依然能够达到今天的高度。因此，瓶颈并不在于理论尚未成熟，也不在于算力不足。

真正的瓶颈在于人才与理论体系。当前，既懂脑科学又具备AI经验的复合人才稀缺，同时缺乏系统性理论指导，导致大家在默认框架下依赖大量数据与算力不断试错。从一个实验室到另一个实验室的‘堆叠式’发展，成本高昂且效率低下。因此，我们需要一套清晰的理论体系，引导行业向战略方向集中发力。这也是具脑磐石选择类脑智能路线的原因，不是等待理论完全成熟，而是在已有神经科学成果的基础上，直接指导算法架构和工程实现，推动技术更稳健、更快速地发展。

硬氪：具脑磐石提出了“一脑多机、一脑多形”的应用策略，如何理解其背后的逻辑？

朱森华：必须承认，当前尚无一家公司能用同一个模型适配所有形态的本体。跨构型本体无法直接通用，这是阶段性的现实限制。因此，我们的策略分为三层：第一，当前阶段使用类脑智能的Agent框架驱动多机协作；第二，技术层面持续探索单一认知世界模型适配多种本体；第三，在硬件生态上与乐聚、星尘智能、智动力等多家本体厂商深度合作。我们的长期目标是向具身行业生态伙伴开放通用具身大脑模型及场景应用生产力工具。

之所以采用这种设计，是因为目前世界模型的泛化能力尚不足以实现“一个模型驱动所有”。多机协作本质上是工程问题，产线上的多个机器人可以具有不同的形态和技能，用一个中央Agent大脑进行调度与任务分解，是当前最高效、最实际的方案。值得强调的是，具脑磐石也在利用类脑智能机制，优化Agent的感知、记忆、规划和反馈纠错等模块。它是一种可扩展的工程系统，不仅可以作为世界模型成熟前的桥梁，也是未来全面能力的自然延伸。