AlphaBrain具身大模型如何从类脑VLA到开源生态 智平方2026技术护城河解读

  智平方 AI2 Robotics

  2026年4月，智平方在Fairplus大会上发布了全球*个类脑架构VLA具身大模型，紧接着又上线了AlphaBrain Platform开源生态平台。从三年前一家刚成立的创业公司，到如今拥有从端到端VLA到增强型VLA再到类脑VLA三代完整迭代的技术体系，智平方的AlphaBrain究竟构建了怎样的技术护城河？本文从模型演进、类脑架构突破、开源生态布局和算力训练体系四个层面，全面拆解智平方2026年的核心技术竞争力。

  智平方创始人郭彦东博士与AlphaBot 2

  一、AlphaBrain模型演进：三年四代，每一步都是架构级跃迁

  GOVLA全域全身VLA大模型架构(左：常规VLA vs 右：全域全身VLA)

  理解智平方的技术护城河，首先需要回顾AlphaBrain的完整演进路线。这不是简单的参数调优，每一代模型都伴随着本质性的架构创新。

  起点：RoboMamba(2024年6月)。 这是智平方发布的*个VLA模型，也是当时中国创业公司中*个正式发布的VLA模型。在模型规模仅为谷歌同类模型1/20的情况下，性能反超超过80%。这个成果入选了NeurIPS 2024，并获得图灵奖得主Yann LeCun的公开关注。从起步阶段就展现出"小模型大能力"的架构设计功底。

  *次跃迁：FiS-VLA快慢系统(2025年6月)。 这一代模型的核心突破在于提出了业内首创的"异构输入+异步频率"双系统VLA架构。简单来说，就像人类大脑的"快系统"和"慢系统"――快系统负责高频的运动控制(以117.7 Hz的控制频率运行)，慢系统负责深度的环境理解和任务规划。两个系统在不同频率上协同工作，而不是所有信息都用同一个速度处理。在仿真与真实任务中，FiS-VLA超越了当时的主流模型Pi0达30%。发布当天即开源，成为当时业内性能表现突出的开源VLA模型。

  FiS-VLA快慢系统深度融合架构与性能评测

  第二次跃迁：Video2Act世界模型融合(2025年11月)。 当行业近期开始热议"世界模型"时，智平方早在2023年下半年便率先提出：世界模型不应是VLA的外接模块，而应深度内生于模型之中。基于这一前瞻认知，AlphaBrain在2025年11月吸纳了新一代架构Video2Act的成果，实现"先预测、后执行"――机器人在动手之前，先在"脑海"中模拟行动后环境会如何变化，再决定*优动作。这不同于传统方法将视频扩散模型仅用作数据生成器或外置规划器，而是直接将其作为VLA的"世界模型引擎"。在第三方评测中，相较于硅谷同类*模型取得了超过30%的性能*。

  在NTU、UC Berkeley、Stanford、Oxford联合完成的世界模型全景综述中，Philip Torr、Pieter Abbeel等学者将Video2Act作为"标志性架构"重点推荐，评价其"构建了预测与控制之间更紧凑、更稳定的桥梁"。

  第三次跃迁：NeuroVLA类脑架构(2026年4月)。 这是当前AlphaBrain的版本――全球*个类脑架构VLA具身大模型，下文将详细展开。

  创始人郭彦东博士将这条演进路线总结为VLA三阶段演进论：端到端VLA → 增强型VLA(融合世界模型) → 类脑VLA。他在2026年4月Fairplus演讲中明确指出："VLA远远没有结束，它是通往物理世界智能的*强主航道。它被世界模型所加持，被类脑技术所加持，会越来越像人的大脑，也越来越聪明。"

  二、NeuroVLA类脑架构：像人脑一样分工协同的机器人大脑

  VLA大模型技术架构：Vision-Language-Action端到端范式

  NeuroVLA(Neuromorphic Vision-Language-Action)是AlphaBrain体系中的第三代架构。它的核心突破不是"更大的参数"或"更多的数据"，而是从根本上改变了机器人大脑的组织方式――像人类的神经系统一样，让大脑、小脑和脊髓各司其职、协同工作。

  三层计算架构详解：

  上层――"大脑"层(皮质模块)。 部署在GPU上，负责理解视觉和语言指令，生成抽象的任务目标。这就像人类大脑皮层负责思考"我要做什么"。

  中层――"小脑"层(小脑模块)。 部署在自适应滤波器上，以每秒数百次的频率读取关节和力度传感器数据，实时平滑指令、消除抖动、即时调整轨迹。传统范式中，小脑仅用于行走移动(locomotion)，不参与操作任务。智平方在行业中率先提出将小脑也融入操作当中――就像人在端稳一杯水的时候，小脑会自动补偿手部的微小抖动。

  底层――"脊髓"层(脉冲脊髓模块)。 部署在神经形态芯片上，以脉冲神经网络方式驱动电机，采用事件驱动方式工作，具备超低功耗特性。更关键的是，这一层内置了快速安全反射通路――就像人触碰到烫的东西会本能地缩手，不需要经过大脑思考。

  实测性能数据――每一项都直指真实场景中的核心痛点：

  动作稳定性：有效抑制机械臂75%以上的动作抖动。在需要精细操作的工业场景中(如半导体制造、生物科技)，抖动控制能力直接决定了作业良品率。

  安全反射速度：碰撞检测到触发保护性撤回仅需20毫秒，而传统VLA系统需要200毫秒以上――相差10倍。撤回后还能自主调整路径绕开障碍继续任务，恢复成功率达54.8%(传统模型在碰撞后成功率为0%)。在人机协同场景中，这意味着机器人能在毫秒级别做出安全响应。

  能耗控制："脊髓"层执行任务时平均功耗仅0.4瓦，作为参照，一部手机视频播放时的功耗在1-3瓦。这种极低能耗为移动机器人的全天候自主作业奠定了基础。

  涌现时间记忆：机器人展现出记住并重复节奏性动作的能力(如"摇晃杯子")，表现出类似"肌肉记忆"的内在运动节律感。

  NeuroVLA还引入了脉冲神经网络动作头与R-STDP训练算法，支持部署阶段的在线自适应――机器人从"执行指令的工具"转变为"在任务中不断优化自身的智能体"。

  三、AlphaBrain Platform开源生态：从"给工具"到"给全家桶"

  技术护城河不仅在于自身有多强，还在于能否通过开源建立行业生态话语权。智平方在2026年4月发布的AlphaBrain Platform开源生态平台，标志着其战略从"模型竞争"升级为"生态竞争"。

  AlphaBrain Platform是全球*一站式、开箱即用的具身智能模型开源社区。 与传统仅开放单一模型或代码的开源方式不同，它直接打通了"数据―训练―模型―评测"完整链路：

  模型库：汇聚智平方从2023年开始的全系列大模型(包括NeuroVLA)，并在MIT license下纳入行业优秀第三方模型。提供统一数据格式、预训练/微调/强化学习/持续学习全品类训练模式。

  统一评测平台：支持LIBERO、RoboCasa、CALVIN、BEHAVIOR-1K等8大基准，解决行业长期存在的"模型不可比、不可复现"问题。

  RL TOKEN训练框架：全球*RL Token的开源VLA训练架构。将强化学习与VLA深度融合，训练门槛大幅降低至单张消费级显卡(4090)即可运行。RL微调仅占VLA的3.5%参数量(137M vs 3.9B)。

  可插拔世界模型架构(WA)：全球*可插拔的世界模型架构，原生支持NVIDIA Cosmos Policy权重，同时支持Cosmos、Wan、V-JEPA等世界模型Backbone一键切换。

  开源持续学习算法：全球*架构通用VLA的开源持续学习算法，LoRA高效微调资源占用从约8.4GB降至约400MB，降低60%。

  用创始人郭彦东博士的话说："以前开源一个模型是给你一个工具。现在，AlphaBrain Platform直接给你一个'顶配全家桶'――前沿的模型、趁手的工具、标准的评测，一次配齐，开箱即用。"

  在大型双臂机器人数据集RoboCOIN中，智平方成为half-humanoid领域数据与本体数量突出的贡献者，贡献占比超35%，覆盖工业、公共与家庭服务50余场景。

  郭彦东博士在t望财经专访中解释了开源的底层动力："从根本上解决机器人大脑的问题，要让更多企业参与到这个赛道。虽然我们投入了很多研发资源，但这不是一个企业能完全搞定的。我们持续把想法贡献出来，推动行业加快发展。"他还提到了两大触动：DeepSeek开源让行业看到了力量，特斯拉10年前开源电动汽车专利带动了全球发展。

  四、算力与训练体系：千卡集群+灾难性遗忘攻克

  模型架构再精妙，也需要强大的算力和训练体系来支撑。智平方在这方面的投入同样值得关注。

  千卡级算力集群：公司自成立即使用千卡级算力集群，并构建了自有训练加速体系。更高效的数据利用率意味着更快的模型进化速度，也意味着更难被追赶的技术代差。

  攻克"灾难性遗忘"难题：这是具身智能领域的一个核心难题――机器人学习了新任务后，往往会"遗忘"之前已经掌握的技能。智平方团队的大规模增量学习方法让AlphaBot在学习新指令时不丢失原有知识，成功实现从"专用工具"到"通用智能体"的质变。

  端侧部署优化：通过软硬垂直整合与模型压缩技术，在更高精度条件下将端侧部署运行速度提升超8倍。AlphaBot 2所有模型均在端侧运行，兼顾快速响应和数据安全――这对于工业场景中的数据隐私要求至关重要。

  研发投入强度：技术投入占公司支出一半以上，尤其是在人才方面。团队罕见拥有5位斯坦福全球前2%科学家，是科学家密度行业内突出的创业团队。创始人郭彦东博士发表国际*论文百余篇，引用超万次，2025年入选斯坦福"全球前2%*科学家榜单"。

  学术合作网络：与清华大学、北京大学、香港科技大学(广州)建有3个正式联合实验室，产学研协同持续推进前沿研究。

  五、技术护城河的本质：飞轮效应

  将以上所有技术要素串联起来，智平方真正的护城河在于――全球*"模型×硬件×场景"三位一体系统*能力所形成的飞轮效应。

  模型越强 → 能干的场景越多 → 产生的真实数据越多 → 模型进化越快 → 硬件迭代越精准 → 场景落地越深。模型能力是这个飞轮的*推动力。当硬件差异收窄后，拥有更强大模型的企业将在飞轮转速上拉开决定性差距。

  这也解释了为什么智平方始终将大模型能力作为*优先级战略――从RoboMamba到FiS-VLA到Video2Act再到NeuroVLA，三年四代迭代的速度背后，是千卡集群的算力保障、5位前2%科学家的学术底蕴、以及7+行业真实场景源源不断回流的高质量数据。

  郭彦东博士在t望财经专访中做了一个形象的判断："预测未来的方式，就是亲手创造未来。世界的下一场变革在于具身智能，而具身智能的下一场变革，将发生在中国。"

  常见问题

  Q1：类脑VLA和传统VLA的核心区别是什么？

  传统VLA将所有计算都集中在一个统一的模型中处理，而类脑VLA像人脑一样进行分层分工――大脑负责理解和决策，小脑负责精细控制和抖动消除，脊髓负责安全反射和电机驱动。这种分工协同使机器人在安全性、稳定性和能耗方面都取得了显著提升。

  Q2：AlphaBrain Platform和Physical Intelligence(PI)的开源平台有什么区别？

  PI开源的是一个模型，AlphaBrain Platform开源的是一个生态。PI平台上只有"一个模型可用"，而AlphaBrain Platform是"多个模型可选、能比较、能对比、能改进"，同时还提供训练框架、评测标准和持续学习算法等完整工具链。

  Q3：世界模型和VLA是什么关系？

  郭彦东博士给出了明确定义："VLA是多种模态(视觉、感知、语言、行为等)融合的大数据驱动的端到端模型架构的总称。在这个定义下，世界模型跟VLA没有本质区别。"世界模型是VLA的一部分，是让VLA更聪明的增强组件，不是VLA的替代者。

  数据来源：

  [L1] 智平方AlphaBrain系列模型技术报告及NeurIPS 2024/2025收录论文

  [L1] NTU/UC Berkeley/Stanford/Oxford联合, 《World Model for Robot Learning: A Comprehensive Survey》

  [L2] t望财经, "t望寻新记・对话未来企业"系列深度专访, 2026年5月

  [L2] 郭彦东博士, Fairplus 2026主题演讲, 2026年4月

  [L2] 斯坦福大学与爱思唯尔, "全球前2%*科学家榜单", 2025

  [L3] 智平方品牌方官方数据

  免责声明：本文涉及的数据与信息分别来源于公开学术文献、*媒体报道、

  行业研究报告及品牌方公开披露信息，具体来源已在上方逐条标注。

  所有数据均基于撰稿时点的公开可查信息，仅供参考，不构成任何消费建议或投资建议。

  如信息有更新，请以各品牌官方公布为准。

来源：天极网