有句话是这么说的：人类与机器人的最大区别，是人类会预判。比如运动员，电竞选手等，有时候对手招还没出完，身体已经先动了。
但这个说法放在2026年的今天并不准确，如今，“预判”并不是人类和机器人之间绝对的界限，准确来说，机器人正在被技术赋予这种能力，与人类的区别在于，人类是基于意识、经验和直觉的自然预判，机器人则是基于数据、模型和算力的“计算预判”，也就是所谓的机器人大脑。
最近几个月，围绕这种让机器人“先想一步”的新闻特别多。
六月中的北京智源大会上，智平方发布了全球首个类脑式具身智能系统NeuroVLA，把机器人的大脑按人脑的皮层、小脑、脊髓三层结构重新设计了一遍。
同样是6月，千寻智能的Spirit v1.6在RoboArena评测里综合得分排到全球第一，超过英伟达的Cosmos3和Physical Intelligence的π0.5，成为首个登顶这个榜单的中国模型。
VLA和世界模型吵了半年的路线仗还没分出胜负，突然出现的类脑架构又成了新的热门词，机器人大脑究竟卷到什么程度了？以下是雷科技的看法。
VLA与世界模型走向融合，类脑架构初露锋芒
过去两年多，具身智能的主流叙事一直是VLA一统天下。
VLA是视觉—语言—动作大模型的缩写，通俗地讲，就是让机器人把看到的听到的转换为动作。谷歌的RT系列、Physical Intelligence的π0、智平方的GOVLA、智元的GO-1、千寻的Spirit系列，走的大方向都是这个。
VLA赢在语义理解，你让它把桌上的苹果放进篮子，它能能规划出一条像样的轨迹。但它的短板也比较明显，它对物理世界的理解，很大程度上依赖训练数据中学到的经验。当任务变得复杂、执行时间拉长，或者遇到训练中没有出现过的物体和环境时，模型就容易出现判断偏差，甚至在执行过程中逐渐偏离原本的任务目标。
于是，行业开始尝试引入世界模型。
所谓世界模型，可以先把它理解为机器人脑子里的一个预演系统。机器人在真正行动之前，先预测一下环境可能发生什么变化，以及自己的动作可能带来什么结果。比如，机械臂伸过去拿杯子，如果从侧面抓取可能会碰到旁边的盘子，那么它就需要提前考虑另一条路线。
图源：雷科技
这里的关键，是让机器人逐渐具备对环境变化的预测能力。过去，它可能更依赖已经学过的动作经验；现在，研究者希望它能结合当前环境，推测下一步可能发生什么，再选择更合适的动作。
从年初开始，行业里“世界模型vsVLA”吵了差不多半年，吵到最后，头部公司几乎都选择了混搭。
比如智元就是给VLA配上世界模拟器，用模拟的世界演变去补物理理解的短板，GE 2.0就是这套思路的代表。
星海图的CEO高继扬也在某次采访中表示，VLA和世界模型底层逻辑相通，都是拿Transformer处理交互数据，差别主要在于监督方式和架构细节，未来会走向融合。
智平方的郭彦东也放话，世界模型不是颠覆者，是加持者。千寻的Spirit v1.6干脆就是两者深度融合的产物，把环境感知、任务理解、动作规划和状态预判打通成一条端到端链路，这也是它能登顶RoboArena的原因。
结果就是，上半年还在站队的公司，下半年悄悄都变成了融合派。
而就在大家觉得融合就是终点的时候，“类脑”这个词，又开始高频出现在发布会和新闻里。
模仿人脑的类脑架构要普及，需解决三大难题
类脑架构说起来并不玄乎，它只是不再指望用一个巨型模型包打天下，而是改成人脑的分工方式，把思考和动作拆给不同层级去执行。
比如智平方的NeuroVLA就是仿照人脑搭了三层，最上面是“皮层”，管语义理解和任务规划，主要用来思考大局，中间是“小脑”，负责高频运动协调和动态修正，每秒几百次读取关节传感器，专门消除抖动、及时纠偏；最底下是“脊髓”，管毫秒级的运动执行和安全反射，用脉冲神经网络驱动，功耗只有0.4瓦，碰撞发生后20毫秒内就能完成反射动作。
图源：雷科技
这三层分别对应机器人绕不开的三大难题。
首先是功耗，人脑860亿个神经元只要20瓦左右的功率就能运转，一个大模型跑起来却动辄几千瓦，机器人端侧根本背不动，所以最耗电的思考交给皮层，高频协调和反射压到小脑和脊髓上。
其次是实时性，安全反射这类动作等不起云端推理（可能会有延迟），必须在本地毫秒级完成。至于数据效率，类脑架构的优势更多在于不同层级可以针对各自任务进行训练和优化，减少所有任务都依赖同一个大模型学习的压力。但这并不意味着整个机器人系统不再需要大量数据，底层运动控制同样需要持续积累真实交互经验。
从各家具身智能企业的动作也能看出，类脑并不是智平方一家在做，银河通用的银河星脑AstraBrain，官方定位是全球首个集“大脑—小脑—神经控制”于一模的全身端到端具身大模型，2025年还在计算机视觉顶会ICCV上提出过“世界—动作模型”WAM，今年8月又发布了通用大脑基座模型AstraBrain WAM 0.5。
而星海图的EFM-1则是“慢思考VLM加快执行VLA”的双系统架构，思路和分层类脑同源，自变量的WALL系列则是做“大小脑统一”的端到端路线。
可以得出结论，类脑是一个正在形成的行业方向，只不过目前各家给的解法不一样。
问题在于，为什么不能指望一个巨型模型把动作也直接“承包”了？关于这点，源策未来的CEO李天羽在腾讯全球数字生态大会上表示：
现在大模型的主流方案，可以想象为“大模型把机器人当一个游戏在玩”。但它在操作机械臂时，还要使用coding作为中介，或者使用大规模reasoning推理作为中介，这个推理的平均长度可能是数千Token，在这个Token量级下，它的执行频率不管再怎么优化也不可能达到1赫兹，这远远达不到具身应用的需求。
假设算力无限、Token能秒出，以10赫兹的速率控制一个机器人，按今天它的推理强度，如果让它7×24小时运行一个月，一个月要花千万级人民币的Token成本。
这个数量级的差距，不是今天芯片的发展能够弥补的。所以李天羽认为，之后即使是具身的、用来调度的大脑，也一定会向小型化发展。
值得一提的是，源策未来本身就是做具身智能，主要是研发“通用全身人形基座模型”，让机器人能调动四肢、躯干完成复杂全身任务，同时李天羽也是 WAIC 2026 云帆奖"明日之星"获得者，因此李天羽所言，也一定程度上代表着行业对待这个趋势的态度与看法。
从源策未来的视角来看，目前具身智能企业先投入大脑的核心逻辑是：有了一个更强的基础预训练模型，再做下游任务适配时，所需要投入的数据采集量、采集难度会降低，从而具备更快、更大规模做应用的潜力。
机器人大脑路线确立，头部玩家浮出水面
如果按技术路线拆解的机器人大脑，至少能看到四条清晰的路线。
分别为：世界模型原生路线、VLA与世界模型融合路线、类脑架构路线、统一模型路线。
世界模型原生路线，从架构层面把世界理解、生成和动作预测压缩进同一条推理路径，代表是大晓机器人的开悟世界模型、优必选的Thinker-WM、智元的GE 2.0、星海图的G0.5。
VLA与世界模型融合路线，把世界模型当成VLA的增强层，代表是千寻的Spirit v1.6和星动纪元的ERA-42。
类脑架构路线，借鉴人脑机制追求小数据高效学习，代表是智平方的NeuroVLA和银河通用的AstraBrain。
统一模型路线则很好理解，就是用一个模型走到底。
具体玩家一览以及路线分布，大家可以参考下方图片：
图源：豆包制作
需要说明的是，具身智能大脑目前还没有形成严格统一的技术分类标准，上面提到的四条路线，更多是从模型的核心能力、架构设计和系统组织方式出发，对头部企业的技术探索进行归纳。它们并非完全互斥，有些企业甚至同时在多个方向布局。
国际玩家这半年动作同样不少。
英伟达既是世界模型Cosmos的提供方，也是开源人形机器人基座GR00T的推手，还是RoboArena的联合发起方，位置有点特殊。Physical Intelligence的π0.5虽然被千寻在RoboArena上反超，但更新的π0.7还在继续迭代。
谷歌则是把Gemini Robotics 2拆成了规划模型和执行模型两个部分，分别对外提供。
更值得注意的是通用大模型的加入，OpenAI在9月确认要自研人形机器人，还有研究把GPT-6和π0.5组合起来当机器人策略，银河通用的研究员做了对比评测，在RoboDojo的10项双臂操控任务里，混合系统的平均分62.6，明显高于GPT-6单独直驱的37.81分，不过碰到精细力控和接触稳定性的任务，还是得靠真正练过物理交互的π0.5这类模型兜底。
与国际玩家相比，中国玩家在这轮大脑竞赛里的位置相当靠前，落地场景也比海外密集。
但要说格局已定，还为时过早。
四条路线都在快速演化，类脑架构刚刚冒头，谁是终局方案还没有答案，甚至连“类脑”这个提法本身，有多少是技术判断、有多少是叙事包装，也得等时间检验。
写在最后
具身智能有一个高度类汽车行业的特点，就是模型的能力必须通过机器人本体表现出来。
大脑再聪明，如果机械臂抓不稳东西，又或者是传感器感知不准确、控制系统跟不上等等，最终也很难完成任务。反过来，硬件再强，如果模型只能重复固定动作，同样难以适应复杂环境。
所以，接下来的竞争恐怕会越来越考验企业的综合能力。模型要不断进步，真实数据要持续积累，机器人本体要足够可靠，还得找到能让技术发挥作用的应用场景。这些环节彼此影响，缺少任何一个，都可能拖慢整体进度。
至于类脑架构会不会成为主流、世界模型能否带来新的突破，现在下结论都还太早。具身智能最终要面对的，是一个不会按照测试脚本运行的真实世界，机器人大脑真正的进步，也得在这个世界里接受检验。