具身智能领域迎来一则重磅消息：具身智能大脑公司「具脑磐石」宣布完成新一轮亿元级融资。本轮融资由具有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和跟投，多维资本担任独家财务顾问。同时，新一轮融资也在同步推进交割。此次融资资金将主要用于核心技术研发、人才团队扩充以及全球化市场拓展，加速认知世界模型（Cognitive World Model）的研发、工程化落地与真实场景验证。
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“华为具身大脑一号位”朱森华创立并担任CEO。朱森华长期专注于AI与脑认知交叉研究，在学术领域成果丰硕，曾在中山大学从事计算机与AI研究，博士毕业于宾夕法尼亚大学认知神经科学专业，还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，他担任过华为云AI算法创新Lab主任，主导并负责AI脑科学云平台、盘古具身大模型、全球具身智能产业创新中心等项目，推动了世界模型与类脑智能融合路线的系统性验证，是华为具身智能大脑的开创者，兼具脑认知科学研究、类脑AI路线创新验证与具身智能产业落地的复合能力。
具脑磐石的联合创始人刘晋宇长期聚焦AI机器人技术产品化与商业化，曾成功从0到1孵化多个产品事业部并实现全球规模商业落地。公司多位技术、供应链、运营合伙人来自清华、北大、复旦、中科院等科研院所，且曾在华为、联想、旷视、极智嘉等公司参与AI算法、机器人系统、供应链及全球商业化落地工作，原生团队已覆盖前沿研究、模型研发到系统工程落地的完整闭环。
过去一年，具身智能赛道发展迅速，行业热词从“VLA”转变为“世界模型”。李飞飞押注空间智能，Yann LeCun创立AMI Labs探索因果推理，英伟达、Google DeepMind等科技巨头也加速布局物理仿真与真实交互技术。然而，对于世界模型的定义和路径，不同团队看法各异，一个基础问题尚未厘清：世界模型究竟是全新的学术理念、下一代AI的核心技术路线，还是仍在被市场反复验证的阶段性概念？
具脑磐石创始人朱森华认为，要弄清楚世界模型，需先回到问题本源，厘清其技术本源与核心诉求，明确它从何而来、要解决产业的什么根本问题。他指出，世界模型的底层逻辑根植于脑与认知科学的“心智模型（Mental Model）”，是当前脑科学与AI的前沿交叉体系。缺乏这套认知体系，大多讨论容易停留在技术名词的排列组合。这一判断影响了具脑磐石的技术路径选择。在团队看来，具身智能正从“动作智能”走向“认知智能”，下一阶段核心是让机器人具备类人的小样本抽象概念学习、多维环境感知、长期记忆和主动推理能力，并在真实世界中跨场景稳定行动。
但当前具身智能落地面临诸多瓶颈，如高质量真实数据难以规模化获取、模型跨场景泛化能力不足、机器人缺少长期记忆与持续学习能力等。而人类大脑无需海量示教数据和高能耗高算力，就能在复杂多变环境中持续完成学习、感知、记忆、预测、规划与行动。这正是具脑磐石选择类脑智能作为底层路径的原因，即提取大脑智能化的功能神经机制等核心能力，转化为可计算的算法与架构，构建下一代具身智能大脑。
具脑磐石从创立之初就提出类脑智能驱动的认知世界模型，与Yann LeCun提出的JEPA（Joint Embedding Predictive Architecture，联合嵌入预测架构）路线同向，基于共同的主动推理认知科学理论底座，聚焦推理、规划与真实世界建模。JEPA能让AI在抽象表征空间中学习状态如何演化、推理未来趋势，更接近人类大脑认知真实世界的底层规律。不过，对于需要进入真实环境执行任务的机器人而言，仅具备“表征—预测”能力不足以构成完整智能闭环。
朱森华举例，人过马路时无需精准测量车辆速度、距离、红绿灯时间，扫一眼周边就能安全通过，这就是心智模型中的主动推理。具脑磐石要做的认知世界模型，就是把这套能力工程化，让机器人不仅能预测世界变化，还能自主设定目标、规划行动、执行操作，并从环境反馈中持续学习修正行为。这意味着，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。
在实现路径上，具脑磐石将脑科学中的多舱室神经元、非线性注意力、多阶段记忆、稀疏计算与主动推理等机制，转化为可落地应用的算法模型与工程化系统架构，指向低数据、高泛化、终身学习、低功耗四个核心技术目标，以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约束。目前，公司已在具身感知交互、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同步推进多个行业客户真实场景PoC，将认知世界模型从算法框架推进到真实机器人系统。
在访谈中，朱森华还对世界模型的概念进行了详细阐述。他认为世界模型有五个层级，从下往上依次为：第一层视觉真实，以李飞飞主导的空间智能为代表，解决从2D到3D的环境真实问题；第二层物理真实，类似Sora通过堆数据理解物理规律，但可靠性存争议；第三层交互真实，以Google DeepMind、英伟达为代表，解决智能体在环境中的触碰、反馈等交互过程学习问题；第四层抽象学习，以Yann LeCun团队提出的JEPA为代表，在表征层面进行抽象学习，解决泛化性问题；第五层主动推理，源于认知神经科学的主动推断理论，追求低数据、高泛化、可终身学习、低功耗，人类大脑已证明这套路径可行。这五个层级构成从基础设施到智能能力演化的体系，前三层解决数据和训练环境问题，后两层解决算法架构问题，可分头探索也可相互支撑。
当被问到类脑智能路线的核心瓶颈时，朱森华表示，既不是算力问题，也不是理论未破译。AI领域的很多核心概念源自脑科学，脑科学每成熟一步，AI就能往前推一步。当前真正的瓶颈在于人才和体系，缺少同时具备脑科学与AI交叉背景的复合人才，也缺少一套系统性的理论体系来指导发展方向。大家依赖海量数据和算力试错，成本高、效率低。具脑磐石选择类脑智能，是用已有的认知神经科学成果指导算法架构和工程实现，让技术发展更稳更快。
朱森华还介绍了具脑磐石提出的“一脑多机、一脑多形”应用路线。他承认目前没有公司能用同一个模型适配所有形态的本体，跨构型本体的模型无法直接通用。公司的策略分三层：当前用类脑智能的Agent框架驱动多机协作；技术层面持续探索单一认知世界模型适配多种本体；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，长期目标是向具身行业生态伙伴开放通用具身大脑模型和面向场景应用的生产力工具。多机协作本质是工程问题，用中央Agent大脑调度、分解任务、协调动作是当下最高效可行的方案，且具脑磐石用类脑智能机制改进Agent的能力模块，它既是世界模型成熟前的工程化桥梁，也是未来能力完备后的自然延伸。
