朱森华，从宾大认知神经科学博士到华为具身大脑一号位，再到创业成立具脑磐石，选择了一条与VLA截然不同的类脑世界模型路线。 作者：吴彤 编辑：林海峰
2025年10月，朱森华做了一个创业的决定。
作为华为类脑AI平台和具身大脑的负责人，他离开了这家中国最具资源禀赋的科技公司，选择了一条最小众的路径：类脑认知世界模型。他创办了具脑磐石，要做的是给机器人一个“像人一样思考”的大脑。
在这两年的具身智能热潮里，这听起来既性感又危险。
性感，是因为“世界模型”和“类脑智能”是当下最前沿的技术标签；危险，是因为这条路在处于学术转化阶段，从IBM的TrueNorth到Intel的Loihi，再到欧洲数十年六亿欧元的“人脑计划”，至今没有诞生一个可规模商业化的产品。
朱森华的学术路径在AI创业者中极为少见：中山大学工学和金融学双学位，宾夕法尼亚大学认知神经科学博士，中科院生物物理所脑神经科学博士后。在绝大多数AI从业者直接从算法和工程入手世界模型时，他过往履历决定他走的是条非共识路线——先花了近十年研究人类大脑本身。
正是计算机科学和认知神经科学的背景让他看到，今天AI遇到的核心瓶颈——比如泛化能力差、需要海量数据、缺乏对物理世界的理解——恰恰是大脑已经解决的问题。人脑25瓦低功耗、小数据抽象学习、终身学习，这些能力背后来源于人脑的功能神经机制，是可以用数学思维抽象出来、通过算法实现的。
“所以我切入世界模型，是从认知科学的底层逻辑出发，寻找计算机科学对应的表达。”朱森华解释，“世界模型本质上就是心智模型在算法层面的映射，而杨立昆的JEPA已经把这条路走通了——它的理论基石、工程术语、loss设计，全都能追溯到1943年的Mental Model（心智模型）、自由能原则和主动推理（Active Inference）框架。”
这个判断指向一个更深层的争议：以深度学习为核心的具身智能的下一次突破，究竟来自更大规模的数据和算力，还是来自对大脑智能机制的根本性理解？
朱森华对当前AI发展有一个比喻：“全民炼丹式试错，来源于缺乏系统性理论指导。”
在他看来，深度学习过去十年的成功建立在对生物神经网络“放下执念”的基础上，不再纠结于神经元是否真实，而是把神经网络当作通用函数逼近器。但这条纯数学工程路线正在接近天花板：高功耗、高数据依赖、低迁移性、灾难性遗忘。因此，行业需要第二波“放下”——放下对“堆数据+堆算力”的工程执念，重新向大脑的功能与机制原理（注意机制、记忆机制、抽象概念、主动推理等）学习，但不是回到生物结构模拟的老路。
这也是理解具脑磐石的起点。
这家公司走的是与VLA截然不同的技术路线，底层技术是类脑智能，目标是构建认知世界模型，让机器人具备低数据、高泛化、终身学习、低功耗的类人脑能力，实现具身世界的“一脑多机、一脑多形”。而通过算法训练架构、模型范式变革等底层机理创新以提升模型能力的技术路线，则与杨立昆2022年提出的JEPA（联合嵌入预测架构）方向趋同。
杨立昆的JEPA主张AI不应在像素或语言表层生成世界，而应在抽象表征空间中学习和预测——不是逐帧预测“杯子会掉下去”的画面，而是像人类一样学习“引力让物体往下掉”这一抽象规律。具脑磐石是国内少有的系统化推动JEPA落地的公司。
不过，放在当前的时代背景下——世界模型乃至具身智能的技术范式尚未收敛的窗口期，任何一种技术路线都处于它的“奥德赛时期”，即，探索、试错与漂泊。这种境遇下，VLA有VLA的道理，类脑有类脑的坚持，这个行业远未到用结果说话的时候，所有的争论本质上都还是信仰的抵押。
近期，左林右狸与具脑磐石CEO朱森华进行了一场长谈，内容关于世界模型的溯源、关于算法范式革命的判断、关于用初创公司而非大厂做这件事的选择、关于团队在技术范式之困中的个性选择。
以下为对谈内容，并做了不改变原意的编辑。
01、堆数据是底线工程，算法范式才是上限
左林右狸：您过去经历丰富，从中山大学到宾大再到中科院，现在创业做类脑世界模型。为什么您认为人脑这么重要？人脑和类脑世界模型，是什么关系？
朱森华：关于人脑和具身智能的关系，如果割裂来看，就是今天行业面临的最大问题——很多人不认为人脑、具身智能大脑和世界模型三者有关联，但其中其实有清晰的逻辑。
具身智能的核心技术就两件事：能干的本体和聪明的大脑。本体向人对齐，造人形机器人；大脑的目标就是造一个像人一样聪明的大脑。而今天最强的具身智能体就是我们人类，所以无论从目标还是路径，都应当向人脑对标。
但这里关键问题是：学习大脑的方式是什么？
我认为不需要逐像素、逐个神经元地复制大脑——那样做的最好案例是生个娃以复刻人脑发育的生物物理机制。而在AI学科来看，真正要做的是抽提大脑优秀的功能神经机制及构建相应的智能能力，比如小数据学习、高效泛化迁移、终身学习、25瓦低功耗完成智能。大脑实现这些能力背后的功能神经机制，正是我们要从中获得算法突破的关键。
举个人类学习的例子，想造一个像鸟一样会飞的东西，该学的是空气动力学机理，而不是刻板地设计像小鸟扇翅膀一样的机械结构。再看大语言模型，背后的注意力机制（Attention is all you need）就来自人类认知神经机制的朴素启发，它是对“读文字时由近到远”这种朴素观察的权重建模。如果去综述AI发展70年的历程，所有人都会清晰看见人脑和AI之间的紧密关联。
但问题出现了，为什么又出现了一个新词：世界模型。
我们看客观事实：世界模型这个词最早出现在1990年，尤根（Jürgen Schmidhuber，LSTM之父）的博士论文，他是LSTM的发明者。而真正启发今天具身智能领域世界模型工作的，是2022年杨立昆（Yann LeCun）的JEPA-Based World Model那篇文章。
左林右狸：您怎么看待目前世界模型领域的各种定义和流派，比如李飞飞提出的空间智能，以及其他人在仿真器、模拟器、物理规律建模等方面的工作？
朱森华：关于世界模型的定义和流派，确实存在很多不同的理解和做法。我们近期也会发布一份技术和产业报告，试图对世界模型进行正本清源，阐述我们的观点。
我认为，真正奠定世界模型根基的工作就是上述两个：1990年尤根首次定义世界模型这个词，另一个是2022年杨立昆的JEPA-Based World Model工作。而这两个工作的根本对标对象，其实是1943年认知科学中提出的“心智模型”（Mental Model）。
心智模型（Mental Model）要解释的是：人为什么这么聪明？人的智能能力怎么建模？
比如我们过马路，只需要眼睛扫一下路口状态，不需要通过雷达测量车速、密度等物理指标，大脑就能基于有限的动态环境信息驱动身体安全过马路。这就是我们想让机器人具备的能力——感知并理解环境，掌握背后的因果规律，最后驱动自身完成任务。
所以世界模型的根源在于认知科学、在于人脑，它其实是心智模型在计算机科学中的对应表达。这个链条是：具身智能的底层原理是想效仿人脑，人脑的建模方式之一是心智模型，而世界模型就是用计算机科学的语言表达去实现类脑能力。
再看李飞飞的工作。她前段时间发表了一篇类似澄清世界模型的文章（https://hub-assets-cache.baai.ac.cn/view/55240），从模拟器、仿真器、渲染器几个维度放在一起分辨。但我认为这仍然只是站在计算机科学视角看到了表象的分类。领域内对李飞飞老师主张的Spatial Intelligence工作的本质是有清晰认知的，简单来说是从一张图片生成一个3D环境的视觉真实渲染和重建的问题，解决的是创造一个“看起来像”的环境，并不直接产生智能——它并不能驱动一个机器人本体去过马路。
当然，这个工作本身很重要！只不过说它是一个渲染器没问题，但它不是世界模型这个词的真正的内核。我觉得这主要是在为世界模型的“智能产生”创造了一个环境。
另外还有人在做物理规律的理解和建模，除了“看起来像”，还要“物理规律像”，比如抛一个物体会怎么运动。这些流派各有侧重，但在我看来，如果脱离了驱动智能体在真实环境中感知、认知、决策、执行这条主线，就很难称得上是世界模型的核心内涵。
左林右狸：您提到从数据中抽提智能能力，现在有两在流派，第一流派是沿用大语言模型的Scaling Law，堆砌数据来实现，您怎么看这条路径？
朱森华：今天整个领域都在做从数据里抽提智能能力这件事，从大语言模型开始就证明了这条路能走通——堆数据、堆算力、建大参数网络，数据驱动地抽提能力，最终涌现出翻译、写代码、生成内容等能力。这条路径的成功基石是三点：算力、数据和算法。
目前看，算力基础设施已经有了，英伟达、昇腾为代表；算法架构上，Decoder-only的Transformer已经没有本质区别了。所以数据流派就是继续沿着大语言模型的scaling law，通过堆砌海量数据来实现智能，只是训练技巧上有差异，比如先喂什么数据、后喂什么数据，做各种Tricky的训练策略。
大语言模型走通了，成功的核心在于三点：算力、数据、算法。算力和算法架构已经基本固定，那么剩下的关键就是数据。回到具身智能来说，有大模型做参照，能不能沿用同样的路子？
大家希望把文本领域的数据驱动的成功经验复制到物理世界，用海量数据堆出能够适应物理环境的智能大脑。但问题在于，堆砌文本数据的成功得益于人类二十年互联网应用的发展，而具身智能要堆的物理世界的交互数据、机器人运动数据是稀缺且昂贵的，这条路径在具身智能上能否复制，就看能否解决根本性的数据瓶颈。
左林右狸：那是否意味着只要堆够数据，具身智能就能追平大语言模型？
朱森华：算力相同，算法范式相同——都是多模态Transformer，唯一缺的就是数据。所以今天整个领域——特别是做VLA的人——干的事情就一件事：能不能通过堆数据的方式，在VLA上复刻大语言模型的能力。
但是这个逻辑有一个根本问题。回到大语言模型成功的历史，它有三要素：算力、数据、算法。今天你用ChatGPT出来之前的小模型时代的LSTM或RNN，放在同样的算力和数据上，能堆出Transformer Decoder-only的能力吗？
显然不能。否则大家就用RNN，一张4090就能跑了，而不需要搞核电站来支持海量算力基础设施。所以一个基本事实是：即使有了数据和算力，决定这堆数据价值上限的东西是算法范式。算法不突破，能力是有天花板的。
所以今天无论叫WAM还是VLA的具身智能流派，做的事情无非是更便宜、更高效地堆数据，试图沿用大语言模型的范式，从机器人数据里抽提技能。但这里有个前提性问题：大语言模型的发展证明了这个范式有底线（bottom line），纯靠堆数据不代表它能通往100分的智能，当下可见的AI最多处于80分的能力。
而且具身智能稀缺的是物理世界的交互数据，一则它不像文本数据可以从互联网近乎无限地便宜获取，也不存在语言一般的高度语法规则化约束；二则就算我们堆出了足够的数据，当前模型范式能逼近的能力也只是当下AI的80分的能力上限。如果在算法范式没有根本突破的情况下，只是堆数据，能否真正跨越通往AGI的20分的差距，甚至达到更高水平，这是需要打问号的。
我认为数据只是必要条件，不是充分条件，算法范式的创新才是决定上限的关键。
左林右狸：您提到杨立昆的JEPA对LLM范式的挑战，认为用大语言模型的方式训练开放世界中的智能体走不通。JEPA和LLM的本质区别在哪里？
朱森华：今天整个具身智能领域，几乎所有做法都是为了更便宜、更高效地堆数据——Sim2Real仿真、3D生成物理真实与视觉真实的环境、UMI采集、第一人称视角的Ego采集，全都是数据工程。而算法范式没有根本改变，只是在VLA上面小修小补。
但这里有个根本问题：堆数据的终局只会是高度同质，最后生产同质化的算法模型。
文本数据的信息密度很高，高度结构化，有语法规则，相对一致。而开放世界里的物理交互过程，做同一件事在不同时间、不同环境状态会有无数种路径，无数种答案，没有绝对最优，信息密度很低，背景知识也很低。当年适合文本的RNN和适合图像的CNN最终被Transformer统一，但今天的动态视频、动态轨迹数据，是否仍然适合Transformer一统天下？这是个问号，至少到今天还没能证明。
杨立昆的JEPA正是看到了这个问题。他挑战的不是大语言模型有没有用，而是说想逼近更高的智能，今天LLM的训练方式和底层逻辑是有问题的。
JEPA和LLM的本质区别在于：LLM训练时，你给我一个输入和一个标注，我对比输入表征和标注之间的绝对值差异，算loss，反向传播。但杨立昆认为，比较绝对值的差异很不可靠，违背了人类理解物理世界的底层认知逻辑。
举个例子：我现在让你看一个有把的杯子，转过来换个视角没把了，人类会认为它不是同一个杯子吗？当然不会，只是视角不同。但大模型会。今天的大模型，在绝对值上有巨大区别时，就会认为这不是同一个杯子——除非你用海量数据把杯子的360度都喂给它看过。
人为什么能做到？我没有给你数据，现场随机拿个各种构型的杯子，你一眼就认出来了。因为人通过心智模型（Mental Model），对杯子的抽象概念形成一个分布——有把、没把、带字、不带字、亮一点、暗一点，这些具体的显性属性都被过滤掉了，只要逼近这个分布，它就是同一个杯子。
杨立昆说，能不能像人一样，用抽象概念学习的方式来习得技能？所以JEPA不再比较绝对值，而是比较输入的隐空间表征和预测的隐空间表征之间的分布差异，这样训练出来的模型更有泛化性，更鲁棒。
这就是JEPA的逻辑。现在我们回过头来看，刚才一开始就说过了，JEPA本身的理论基石对标的是1943年的心智模型。
为什么说它对标心智模型？我们来看一下JEPA所有的算法工程范式的技术用语。搞JEPA的人告诉你，我比较的是分布，分布的建模是一种能量密度，它用了energy based model来做这个建模。这个energy based model在认知神经科学里面，在心智模型主动推理的框架里面叫做自由能，free energy principle。计算机科学叫free energy based model，在认知神经科学里面叫free energy principle。
有了这个分布的定义，我怎么比较这两个分布的差异？杨立昆提出的指标，类似于loss function的指标，叫discomfort，对应的认知神经科学的用词叫惊异，surprise。
所以我们去看JEPA的实现逻辑，理论支撑是来源于认知神经科学的自由能原则（FEP），基于主动推理框架、心智模型给他的启发，是对FEP的借鉴和数学表达。这就是JEPA的由来。
在我看来，今天所有人在效仿的、真正逼近的、真正在思考的事情——从数据里面更高效抽取智能能力的架构设计——真正清晰定义了自己定位的，只有杨立昆。其他人都只是在从各个维度上蹭世界模型的概念，导致世界人民都不知道真正的世界模型是什么。
02 只懂一翼的人，不知道瓶颈在哪
左林右狸：那么您是怎么从过去的脑科学领域，这是在生命科学的大范畴里。现在您切入到世界模型，它似乎是和AI、硬件领域相关。您是跨专业吗？
朱森华：这是一个误解。很多人觉得脑科学、认知科学属于生命科学，跟现在的AI、世界模型离得很远。但你知道中国的脑科学大部分放在哪个院系吗？
你可能会惊讶，大部分放在了心理系。心理系下面下属的是认知神经科学、认知科学，研究人的认知是怎么过程的。认知下面有认知神经科学，专门搞分子、介观、宏微观的事情，也有临床的其他东西。
我们来看中国的脑计划，叫“一体两翼”。这基本上囊括了认知科学、脑科学、神经科学之间的所有内涵。
一体就像飞机主体一样，研究的是大脑的结构和功能本身——搞清楚大脑为什么这么高效，它的特性究竟是怎样的表征。研究大脑的手段有三个维度：
宏观层面，在医院拍核磁共振、CT、超声，看大脑的结构和功能表现；
微观层面，用电子显微镜观测一个个细胞长啥样、轴突怎么长；
中间还有介观层面，研究细胞与细胞之间的连接、神经突触的走向。
这三个层面来整体研究大脑的功能、机制和结构。我在博士期间做的就是研究大脑本身。我的博士论文研究睡眠剥夺——人熬夜、睡眠剥夺会对认知水平产生影响，比如风险能力、警觉水平的变化。结论就是别熬夜，熬夜是不可逆的脑损伤。这是研究大脑本身、认知水平本身。
一体两翼的两翼，第一翼往临床跑。
了解了大脑，发现了熬夜会脑损伤，那怎么治它？人衰老了，活到足够久一定会得老年痴呆，那是脑袋里的tau蛋白决定的。怎么清理tau蛋白？研发药物，研发经颅磁刺激，这是临床应用。包括脑机接口也在这个范畴，尤其是侵入式脑机接口，解决偏瘫患者怎么动起来的问题，能否用电刺激深部核团让他动起来、与环境交互。
第二翼就很清晰：大脑那么聪明，了解了它的结构和功能，怎么建模它？能不能造出一个像它一样的智能体？
这就是我们现在做的事情。你今天看到的大语言模型、神经网络、神经元这些概念，所有起源都来自于此。
深度学习的基本框架叫神经网络，基本构成是神经元和神经网络的连接。第一个神经元的发现是1943年，跟心智模型提出的理论同一年。有了神经元之后，建立了第一个模型——MP模型，由一位数学家和一位心理学家（也是认知科学家）共同建立。再接着，神经元之间怎么连接，建立了神经网络，第一层感知记忆相关的过程，这就是整个神经网络七八十年的发展。
所以你问我的履历过程，我从一体开始——先了解大脑，不懂大脑就没有资格谈两翼。这也是今天大部分人对世界模型解释不清楚的原因之一。大部分人只有计算机科学背景，只懂一翼。认知神经科学的专家、心理学家建立了一系列模型，放到计算机科学里去用。而计算机领域的工程师们只看到了当前可用的AI模型，但当这些AI建模的瓶颈出现时，完全没有一体的理论来源支撑的工程师们就不知道下一步往哪走了。所以，我们在过去的70年里看到的AI的每一次能力跃升，背后都有认知神经科学家的跨学科创新推动。后续AI能力的突破，也不会例外。
左林右狸：您提到现在高校AI课程存在一个问题——学生觉得讲神经网络起源、信号处理这些“老东西”没用，只要学会深度学习训练就能年薪百万。您怎么看待堆数据和算法范式变革之间的关系？
朱森华：回到高校教育的问题。从技能获取的角度没错，但问题在于，当深度学习出现缺陷——高功耗、高数据依赖、低迁移性、难终身学习——需要变革的时候，大多数人就黔驴技穷了。
他们只知道在工程视角做改进，比如DeepSeek让大语言模型算得更便宜、更优雅，但这只是在既有框架下把模型做得更高效、更优雅、更便宜，但它并没有突破大语言模型的能力上限。
而杨立昆的JEPA走的是另一条路。他不是在思考“怎么让大语言模型算得更便宜”，而是在思考“怎么让它的能力从80分变成100分”——突破能力上限逼近AGI。这就是算法范式变革的方向。
但我要强调的是，堆数据和算法范式变革并不冲突。构建视觉真实、物理真实、交互真实的数据环境，对全人类都是有好处的，这没有错。但怎样更好地利用数据、设计有更高上限的算法，那才是未来。我们不能因为做算法上限的突破就贬低数据工程的重要性，两者是并行的——数据是必要条件，算法范式是决定上限的关键。只是今天大多数人的精力花在堆数据上，而以终为始真正该思考的是：在算法范式上，我们还能走多远。
左林右狸：您提到“计算神经科学”是连接脑科学和计算机科学的关键桥梁。这个学科现在已经成为强大的交叉学科了吗？像您这样背景的人，是否越来越多地转向计算神经科学去做世界模型？
朱森华：是的，这个趋势非常明显，而且越来越多。在中国科技20230技术愿景驱动下，2021年启动的“一体两翼”脑计划是“10年500亿”的国家项目，直接推动了这件事。在这个计划驱动下，形成了上海的“南脑”和北京的“北脑”——也就是上海脑与类脑研究中心和北京脑与类脑研究中心、两个城市都形成了庞大的类脑产业集群。
我们现在正在密切合作的，有一个是上海的全国唯一的“上海类脑智能未来产业集聚区”，由上海市科委直管，正在系统性地推进脑与类脑的技术转化。这说明从国家到地方，都在重视并推动脑科学和AI的融合。
人才结构上，我们的需求又分三个层次：
第一层是做计算机科学、深度学习的工程师；第二层是计算神经科学的人——既懂大脑，又能把大脑的思想转化成算法模型；第三层是数学家，进一步优化算法。
目前第二层的人才非常稀缺，但需求在迅速增长。像我这样从认知神经科学出发，再掌握计算机科学算法范式，能够完成两者无缝衔接的人，正在成为一个重要的方向。我相信随着脑计划的推进和产业集聚区的落地，这个交叉领域会越来越成气候。
左林右狸：您与类脑机构合作，是以多少年为目标去做这件事？感觉天花板非常高。
朱森华：你的感知很准确。正因为这件事天花板非常高，所以我们选择出来创业。我们认为做类脑智能的算法创新、类脑的具身智能，是值得投入一辈子的事情。但投入一辈子不意味着不能不断地完成沿途下蛋的商业变现，我们很清醒。
关键在于“底线”。今天基于人脑启发的AI技术，已经有了60分、70分的水平，及格了。假定所有技术都不突破，它也能在局部应用中找到产业化的机会，是可用的工具。我们的目标是让能力从80分逼近100分，但这个过程中，不是非得跳到100分才能做产业转化。从80分变成85分，就能在某个领域加速产业化；在泛化性、低数据、低功耗、终身学习等能力上前进一步，就会带来商业增益和技术竞争力的提升。
所以我们的逻辑是：每天往前迈一步、每成熟一部分，就在一部分节点上完成“沿途下蛋”的商业转化。
类脑智能这个方向有清晰的技术生命力，不会随资本市场热冷波动。中国脑计划10年500亿也在逼近这个目标，难度有高低，但战略方向是绝对正确的。我们的坚持就是：技术底座每提升一点，就转化一点，降低研发成本，提升技术适应性，最终在长期积累中实现从量变到质变。
03 盘古具身大模型首代发布者
左林右狸：您在华为时具体做什么工作？那时的工作和现在创业的相似性很大，当时的产出达到了什么程度？
朱森华：我在华为云负责AI算法创新实验室，这个实验室成立开始便承载两个使命。
第一个使命是探索AI的下一跳在哪。
从2020年小模型时代开始，我们就清楚今天的神经网络是有瓶颈的。脑与类脑始终是实验室的基础技术底座和重要创新方向。从2020年开始，我们就把北脑的陈霖院士和南脑的蒲慕明院士先后请到华为，系统性开展了跟全国范围内的脑与类脑专家的研讨和协同。同时，这个实验室也孵化了华为第一代盘古具身大模型，我也是盘古具身大模型的首代研发负责人。
第二个使命是：这些技术创新到底放到什么赛道、赋能什么产业，能对华为产生最大商业价值？
我们论证了一年，在2021年决定在全华为开创并立项“智能机器人大脑”项目——当时还不叫具身智能，名字很朴素。为什么选这个赛道？两个原因。
第一，2021年机器人是个1000亿的市场，但也是1000 个1亿的市场，极度碎片化。每个领域要的机器人形态都不一样——工业机器人、轮式的、单臂的、双臂的。这些机器人需要一个统一平台来管理和升级，云能连接万物，所以我们做了Cloud Robot平台，用云解决连接问题。
第二，这些机器人都不太能适应环境，都是专用工具。能不能让它更聪明，主动适应环境？这就是今天具身智能的目标——像人一样快速适应各种环境。它需要全方位的AI：从文本指令交互，到多模态感知，再到决策、规划、执行。
我们把这个“聪明”定义为四个核心能力：具身交互、具身移动、具身操作、还有决策规划。这些逻辑和今天我们创业做的具脑磐石，一脉相承。
左林右狸：您在华为时定义的具身智能四大能力业务目标是什么？当时您是怎么从算法领域切入到机器人产业的？
朱森华：当时我们围绕具身智能定义了四大业务目标，或者说四大服务能力目标：
第一是具身交互，让机器更自然、更精准地理解人的意图、情绪和指令；
第二是具身移动，让机器人在开放世界里像人一样自由移动，不需要预先建图；
第三是具身操作，比如叠杯子、抓取物体这类围绕物理世界的精细操作；
第四是具身协作，因为任何任务都不可能靠单个机器人完成，需要上下游协同、多机配合。这四大能力就是华为云AI算法创新实验室从头到尾围绕具身智能的完整目标。
这里有我和联创的一个小故事。2021年我开始做具身智能机器人的时候，我真的是门外汉——我是搞AI算法的，完全不懂机器人。所以我们掏出真金白银请了多个老师（包括当时是高工机器人研究所的所长的卢瀚宸，具脑磐石的联创之一）带着我，用两年时间跑遍了中国所有的机器人产业链，从关键零部件到灵巧手，再到双足、四足、机械臂、集成商、客户，全产业链实地交流调研走了一遍。
这些老师们，带我完成了机器人行业从算法到硬件的认知补齐。这件事在华为估计也前无古人、后无来者了。
所以我的路径是：先懂大脑，再懂算法，再亲自跑产业链，最后把认知科学、AI算法和机器人产业三条线捏在一起。
左林右狸：您在华为时工作已经在上升期，探索性方向也摸清楚了，为什么在2025年下半年选择离开华为去创业？
朱森华：这个问题可以从两个视角看。第一，今天市场上各大厂都有很多人跳出来做具身智能创业，这不是偶然，大公司有大公司的问题，但更根本的是创业者要回答几个问题：
首先，你有没有清晰的技术主张，愿意把后半辈子的职业发展都压进去？这件事值不值得你投入？它是不是一个泡沫，资本一冷就干不下去了？我认为类脑智能、具身智能有足够长的技术生命力，这是战略方向正确的事。
其次，你对产业化方向是不是想得明白？
第三，你的团队配置能不能承载以上的技术和产业化愿景？
整体而言，在大厂和初创公司的差别很具体。大厂的好处是不用为钱担忧，只要立项就能干；创业的劣势是始终要为团队找资源、找粮草。但创业的优势是极其聚焦——你不需要频繁汇报、论证、为不切实际的商业目标反复折腾。出来之后，技术目标是什么、商业目标是什么、节奏是什么，都很清晰。你可以根据自己对产业和技术的认知，坚定专注地往前跑。这是初创公司最大的价值。
所以，我选择离开，不是因为大厂不好，而是因为我想把自己的判断、节奏和精力，完全投到我认定值得干一辈子的事情上。
04 初创公司能做的事，大厂不一定能干
左林右狸：具脑磐石成立一年了，这一年里有哪些关键进展？
朱森华：整体上我们是从创始团队开始，系统性地完成了几个维度的搭建：Infra架构、数据采集、模型训练和验证、多本体的适配和选型，同时国内外的商业化拓展也在同步推进。基本上是一上来就全体系铺开，从小到大发展到今天几十号人的规模。
如果要说关键节点，第一个是组织团队的建设——四梁八柱的人才体系搭建完成，这对公司来说是根基性的。
第二个节点是，我们很快会在9月月中，通过科技部与上海市联合主办的浦江创新论坛，联合主管政府部门和产业机构，发布我们的“认知世界模型1.0”。我们给自己的世界模型定位为Cognitive World Model（简称Cog-WM），对标的就是心智模型（Mental Model），这将是我们在技术和品牌上的一次里程碑式的正式亮相。
左林右狸：公司内部分工是怎样的？其中有多少人有认知科学背景，多少是计算机科学背景？您怎么去指导他们、让他们快速建立起认知科学的底层认知，去支撑后续版本迭代？
朱森华：内部大体分两拨：一拨做类脑前沿技术的预研和创新，另一拨做应用转化，这个结构和大部分AI公司差不多。
但人员背景上，像我这样兼具认知神经科学和计算机科学背景的人还是很稀缺的，否则大家就都能一起干了。目前大部分同事还是以计算机科学为主，只有少部分有认知神经科学背景，所以我们非常积极地通过产研合作来加强这部分人才获取。
在人才筛选和培养上，我们不会快速扩张，对人的筛选很严格。首先，我们看重跨学科学习和主动学习的能力——不一定是脑科学背景，但至少你跨过学科，对跨学科学习有启发。其次，我们不强求一个人马上变成脑科学专家，因为我从硕士开始学脑科学，到博士毕业才被老板说“你终于上道了”，这需要五六年时间。如果谁读两本书就自称专家，那也太对不起我的智商了。
所以我们的培养逻辑是：你不需要一下子懂大脑的所有，而是根据你想改进的方向，我们给你明确的培养路径，告诉你先学哪些脑科学理论、哪些工程实践，先从“知其然、用其然”开始，再到“知其所以然”，慢慢滚起来。我自己就是从计算机科学转向脑科学、再转向计算神经科学，走的就是这条路。现在市场上很多纯计算机科学的AI专家，已经在VLA、智驾等领域感觉到这条路走不通了，他们主动来找我们寻求突破，自驱力很高，吸收认知科学的能力就很快。我们愿意给这些有主动性的人时间。
左林右狸：公司选择在日本便利店做PoC，为什么选定这个场景？泛化性如何？
朱森华：从市场来看，选定日本有两个原因。第一，日本对机器人接受度很高、有天然的付费意愿；第二，人口老龄化严重，劳动力短缺，对机器人有真实需求、能形成有效的付费转化。从场景来说，便利店只是日本市场的一个侧影，是我们触达比较清晰的一个客户群体，但不是唯一的场景。
关于泛化性，关键要看我们做的是通用技能还是定制化工具。我们在便利店场景要完成人机交互、场地移动、不同物体抓取，这些都是通用的技术能力，只是环境相对结构化——它是铺装路面，产品门类相对清晰（有刚体、有软体）、门店结构布局统一，不是完全不可预测的开放世界。
在我看来，这是一个“有限封闭的开放场景”，会是我们进入家庭服务这种完全开放场景之前的上一跳，是有边界但能打底的前置场景，并不是一个特殊的corner case。
左林右狸：你们的客户是谁？商业模式是怎样的？有些公司本身就在做软硬件一体且自研大脑，你们怎么跟他们合作？
朱森华：我们的客户是如便利店这类有真实场景的终端用户。即使机器人还没达到人的替换效率，只要能解决可持续生产与服务的问题，客户就愿意买单。
商业模式上，我们虽然定位做大脑厂商，但终端客户要的是交钥匙解决方案，不会分开买大脑或本体。所以我们选择和适配的本体厂商合作——在重量、速度、节拍等指标上匹配场景需求，通过战略合作互为供应商，联合做商业拓展。
至于想软硬件一体、自研大脑的公司，那确实很难合作。但我认为目前什么都要干，很可能最后什么都干不好 —— 让具脑磐石攒一个本体，两个月就能看到，基本没门槛，但要做得很好、很稳定、适配不同场景或者工艺需求，那是另一回事。
现阶段，通用本体还有距离，做好一个细分赛道本身就不容易，更别说定义各种场景形态的本体需求。我们的策略是先做通用大脑，提升泛化性，实现是“一脑多机、一脑多形”，而不是把自己绑死在某个具体的硬件形态上。
今天的商业化还在练兵场景，刻意追求数字上的规模化，对整个产业来说都不现实。
左林右狸：您把世界模型分成五层，具脑磐石锚定在第四层和第五层，但越往上越难定义、越难评估、越难证伪。您怎么向客户、公众或投资人证明这并非玄学，而是能走向落地和量化的工程系统？今年2026年你们有立下具体目标吗？
朱森华：我们的五层结构很清晰——视觉真实、物理真实、交互真实是下面三层，第四层是以JEPA为核心的算法工程起点，这也是我们唯一认可的real world model，第五层是人类大脑的心智模型、主动推理模型。
我们从第四层逼近第五层，这本身有杨立昆在内的一系列类脑研究与转化成果证明可行性。你可以追问哪个团队能完成这件事，但谁都否认具脑磐石团队在这条赛道上、毫不谦虚的Top1的专业、履历和产业综合能力。市场上很多人今天说VLA、明天说世界模型、后天说物理AI，连技术方向都不坚持，甚至也根本说不清楚。
每个人最终都要为自己的认知买单，我要找的是同路人，组建足够强的专业团队，朝着主动推理和心智模型的方向跑进去。
至于今年的目标，我不主张立flag式的目标。技术的发展不是立个flag就一定能完成，那叫作秀。我们允许局部失败，只要在失败中验证我们朝着正确的战略方向前进了一步，那就是价值。我们选择在9月份发布认知世界模型（Cog-WM），是因为刚好到这个节点东西做出来了，而不是刻意为了某个时间点。技术创新不能靠规划硬推，要尊重实际进展。
左林右狸：您在之前的采访中提到过“1~3年基于VLA做工程实践优化，3~5年完成类脑范式更迭”，是怎么考虑的？VLA只是个过渡？
朱森华：那个划分是早期对接资本和市场时的表述，是一个动态调整的想法。我这里说的VLA，特指LLM-based的算法范式。今天做个思维实验，即便AI技术不再进步，LLM-based的VLA仍然在很多场景下是可用的工具，它不是元宇宙那种一旦底层不行就归零的东西。VLA有底线——虽然泛化性、迁移性、终身学习、低功耗都不足，但只要采集到足够数据集，就能在特定场景下完成任务，不需要人定义规则。所以我们不否认VLA，它也是人类在AI领域共同的智慧结晶。
我们的探索也是两条腿走路。一方面，我们站在Transformer的基础上往前走，JEPA本身的训练也是建立在Transformer之上的；另一方面，有一票团队做类脑算法创新，持续针对Transformer的缺点进行改进、同时探索跳出Transformer的新架构机会。我们预计3年左右，积累的多个创新点就可能获得系统性突破，完成一次跃升。长期来看，JEPA会是我们的底线和起点，但远不是重点，更成体系的类脑范式创新会持续推动AI技术的向上突破。
左林右狸：现在国内有类似具脑磐石这样同样定位的公司吗？还是只存在于学术界？
朱森华：其实市场上已经有不少所谓主张类脑的公司了，从几亿到百亿估值的都有。有不少是有相应脑与类脑背景的人在做创业，这本身是个很欣喜的事情，也是正在发生的事情。我没有把这些公司看作竞争对手，而是脑与类脑创新的生态伙伴和同行者。当然，也存在一些滥竽充数、包装概念的现象。
左林右狸：您刚才提到和一些高校教授有合作，主要是哪些教授？现在正在合作的有谁？
朱森华：我们合作的包括我的师门——中科院脑与认知科学国家重点实验室，还有北大、清华、北航、复旦、以及深圳先进研究院的教授。在面向类脑智能方向不同维度、不同方向上，我们会开展不同的技术合作。
左林右狸：这些合作主要是以具脑磐石公司去发起的吗？主要有哪些项目？
朱森华：当然是以公司发起的。具体方向包括：怎么让机器更好地建立认知地图、更好地自由移动；像人脑的多舱室神经元怎么更高效地克服灾难性遗忘；怎么让机器更好地懂你的具身交互。这些都是我们在开展的技术合作方向。
左林右狸：我看到您和国内汽车产业有一些合作，比如纽泰格，这是一个什么样的合作？进度怎样？
朱森华：纽泰格是我们一个重要的产业合作方，他在汽车上下游产业的积累给我们带来了很多商业机会和合作探讨，目前我们正围绕他带来的场景需求做一些原型验证。
左林右狸：您现在每天花最多时间思考的一个技术问题是什么？
朱森华：这个问题很有趣。我们对自己要走的路不是懵的，我们从出来的第一天方向就很清楚，要解决的技术问题也很清晰。但我每天花最多时间想的，不是某个单一的技术细节，而是用什么样的手段和方法，快速促进这些技术的发展和突破。
因为我们要做的绝不是单点技术，而是系统性的类脑智能创新。所以更多时间花在怎么更快、更高效地和产业上下游、高校科研机构开展产学研合作，加速技术突破和产业化落地。这也是我们近期和上海脑与类脑产业集聚区合作、推动整个生态的原因。
左林右狸：在访谈尾声，再问一遍，为什么您选择以一家创业公司的组织形态去推动做类脑世界模型？ 公司形式给了您融资的便利，但也给您戴上了“必须商业化、必须出产品、必须给投资人回报”的紧箍咒。您有没有后悔过这个选择？或者说，你认为初创公司比大公司更容易做成这件事？
朱森华：其实刚才已经回答过。第一，初创公司可以更专注。杨立昆从Meta离开，就是因为和Meta的运营理念不一样。第二，我始终冲着一个宏大的目标往前走，但不是说没达到最终高度就不能商业化、不适合做初创公司。我能在沿途下蛋，逐步验证技术方向，同时完成变现。这已经是很难得的人生旅途了。
如果所有方向都确定了，那就更没初创公司什么事了。等到技术形态一旦成型，比如机器人本体形态确定了，大厂压强式、资源式的投入，是初创公司完全不可比拟的。这在近期的WRC的机器人比赛等场景我们也都能清晰地看到趋势。因此，恰恰是新技术还没成型的时候，初创企业最活跃，最有跑出来变成独角兽的机会。
左林右狸：可是初创公司需要找人、找钱，这两件事难度大吗？
朱森华：逻辑很清晰，哪个大公司不是从初创开始的？Anthropic是吗？ChatGPT是吗？都不是。王侯将相宁有种乎。
今天出来创业，就是为自己的认知和全身心的能力买单，大胆去干就好了。如果天天算今天大厂会不会逼我、明天友商会不会压我，那每天都活在担惊受怕里，这种人就不适合出来创业。
顺便分享一个事：具脑磐石团队从出来之前到现在，技术方向、战略方向从来没变过。但有些团队对自己的技术方向并不清晰，人云亦云，今天VLA、明天世界模型、后天JEPA，只会随着资本喜好随波逐流，越往后他们会越慌。
我们看着世界的风云变迁，很多人在玩文字游戏，但我们的内核一直都在往前发展，从来没变过。市场上有优秀的工作我们会吸收、借鉴、内化，但战略方向从来没变。这就是我们内心安稳强大的地方。
左林右狸：您说的干一辈子的事业，具脑磐石也会按照百年企业的目标去推进吗？
朱森华：不用想那么遥远，但我认为这个技术方向、这个产业是值得干一辈子的。前段时间我和张汝京（中芯国际创始人、中国半导体之父）做过面对面的交流，他整个分享就一个主题：择一事，终一生。他选择芯片这行当，干了一辈子，也只会干这一辈子。我当时发了一条朋友圈：无论是类脑的算法，还是类脑的芯片，都值得择一事终一生。
左林右狸：这确实是非常值得推进一生的工作。太多人把创业当成快速财富自由或身份转变的方式，但可贵的是像您这样踏实把事情做好的人。
朱森华：是的，一定会有的，所以中国才能有今天的成就，那不是一个人，是无数的个人建立起来的。今天我们站在这个时代背景下，先辈们给我们创造了民族自尊心充盈的生活状态。今天站在中美竞争、全球技术竞争的角度，为什么我们不能从跟随到并跑，再到引领和超越？在计算机科学、脑科学、类脑产业、量子计算、聚变，中国哪个差？为什么不能立大志、做大事？这就是我们想做的事情。
像我这样的学术和产业背景确实很稀缺，某种程度上投入创业有一点点使命的召唤。回头看，我学计算机科学的时候，哪知道会去学脑科学？学脑科学的时候，哪知道会在华为负责那么长时间的具身智能？今天刚好又变成时代风口上的产业。离开具身智能、离开类脑智能，还能不能有这样符合我所有历练的产业和技术？我觉得可能很难再有了。
这就是某种意义上的使命召唤，你就该干这事。
本文作者吴彤，微信号：lI__O0o
我们欢迎所有能为左林右狸提供新观点新角度新信息的群友，加入我们的实名制社群，与左林右狸一路同行。管理员微信号：leiphonelinli，备注公司-职位-称呼通过更快。
相关视频
热门跟贴