具身智能领域迎来重要融资进展，具脑磐石公司宣布完成亿元级新一轮融资。本轮融资由具备深厚类脑与具身产业背景的顶尖产业资本领投，老股东及多家知名基金复投跟投，多维资本担任独家财务顾问。与此同时，该公司下一轮融资也在同步推进交割。
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，重点推进认知世界模型（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。公司创始人朱森华被称为“华为具身大脑一号位”，他长期专注于AI与脑认知交叉研究，拥有中山大学计算机与AI研究背景，博士毕业于宾夕法尼亚大学认知神经科学专业，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。
在华为任职期间，朱森华担任华为云AI算法创新Lab主任，主导了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。他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，曾成功孵化多个产品事业部并实现全球规模商业落地。公司技术、供应链、运营团队核心成员来自清华、北大、复旦、中科院等科研院所，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、供应链及全球商业化落地工作，形成了覆盖前沿研究、模型研发到系统工程落地的完整闭环。
过去一年，具身智能赛道快速发展，行业焦点从“VLA”转向“世界模型”。李飞飞布局空间智能，Yann LeCun创立AMI Labs探索因果推理，英伟达、Google DeepMind等科技巨头加速布局物理仿真与真实交互技术。然而，关于世界模型的定义和技术路径，业界尚未形成统一认知。不同团队对其理解存在差异，导致讨论多停留在技术名词的组合层面。
朱森华认为，理解世界模型需回归其技术本源与核心诉求。他指出，世界模型的底层逻辑源于脑与认知科学的“心智模型（Mental Model）”，是脑科学与AI的前沿交叉体系。当前许多讨论未能触及技术本质，导致概念迭代迅速却缺乏实质性突破。具脑磐石选择从认知科学角度出发，认为具身智能正从“动作智能”向“认知智能”演进，下一阶段的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。
当前具身智能落地面临多重挑战：高质量真实数据获取困难，模型跨场景泛化能力不足，机器人缺乏长期记忆与持续学习能力，且数据采集和算力资源有限。相比之下，人类大脑无需海量数据和高能耗算力，却能在复杂环境中持续学习、感知、记忆、预测、规划与行动。这正是具脑磐石选择类脑智能路径的原因——提取大脑智能化的核心功能神经机制，转化为可计算的算法与架构，构建下一代具身智能大脑。
具脑磐石提出的类脑智能驱动认知世界模型，与Yann LeCun的JEPA（联合嵌入预测架构）路线同向，均基于主动推理认知科学理论，聚焦推理、规划与真实世界建模。JEPA的价值在于让AI在抽象表征空间中学习状态演化、推理未来趋势，更接近人类大脑认知真实世界的规律。但对于需在真实环境中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。
朱森华举例说明，人类过马路时无需精确计算车辆速度和距离，只需扫视周边环境即可安全通过，这体现了心智模型中的主动推理能力。具脑磐石的目标是将这种能力工程化，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、执行操作，并从环境反馈中持续学习修正行为。这意味着，适用于具身系统的世界模型需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，转化为可落地的算法模型与工程化系统架构。公司设定了四个核心技术目标：低数据需求、高泛化能力、终身学习、低功耗运行，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，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，并在国内外市场同步推进多个行业客户真实场景PoC（概念验证），将认知世界模型从算法框架推进到真实机器人系统。这种从算法到系统的推进方式，体现了具脑磐石对具身智能2.0的理解：让机器人具备接近人类大脑的认知能力——从少量经验中学习抽象规律，在复杂环境中持续感知和记忆，并在跨任务与泛场景中实现主动推理、稳定决策、持续行动。
朱森华进一步解释了具脑磐石的技术层级体系：世界模型可分为五个层级，从下往上依次为视觉真实（如李飞飞的空间智能）、物理真实（如Sora通过数据理解物理规律）、交互真实（如Google DeepMind和英伟达的智能体交互学习）、抽象学习（如JEPA的表征层面抽象学习）和主动推理（源于认知神经科学的低数据、高泛化、终身学习、低功耗路径）。这五个层级构成从基础设施到智能能力演化的体系，前三层解决数据获取和训练环境问题，后两层解决算法架构问题，可分头探索也可相互支撑。
针对类脑智能路线的核心瓶颈，朱森华认为既非算力不足也非理论未破译，而在于人才和体系。他指出，AI领域的许多核心概念源于脑科学，但脑科学尚未完全破译人类大脑时，AI已取得显著进展。当前真正缺乏的是同时具备脑科学与AI交叉背景的复合人才，以及一套系统性理论体系来指导发展方向。具脑磐石选择类脑智能路径，正是希望利用已有认知神经科学成果，指导算法架构和工程实现，提高技术发展效率。
在应用路线方面，具脑磐石提出了“一脑多机、一脑多形”策略。朱森华承认，当前尚无公司能用同一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。公司的短期策略是用类脑智能的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，长期目标是向行业生态伙伴开放通用具身大脑模型和场景应用生产力工具。他强调，多机协作本质是工程问题，用中央Agent大脑调度产线上形态、技能各异的机器人，是当前最高效可行的方案。具脑磐石也在用类脑智能机制改进Agent的感知、记忆、规划、反馈纠错等能力模块，这套可扩展的工程系统既是世界模型成熟前的桥梁，也是未来能力完备后的自然延伸。
