專題：2026世界機器人大會論壇

　　8月，在2026世界機器人大會（WRC）期間，知躍空間智能正式首發新一代類腦仿真平台「知躍靈物（DeepSoma）」。

　　按照官方介紹，這是一款面向腦科學與類腦智能研究的全腦仿真基礎平台，提供大腦（Brain）、環境（Environment）、身體（Body）一體化建模、訓練、求解與仿真能力；平台發布視頻以知躍自主構建的「數字果蠅」為展示對象，呈現了從真實全腦連接重建，到自主感知、決策、運動、環境交互，再到跨本體遷移的全過程。公司將其定位為面向國家「十五五」前沿科技攻關方向的全腦仿真基礎平台。

　　這家以「從真實大腦出發，尋找下一代智能的源代碼」為理念的公司，主張AI從「數據驅動」走向「結構驅動」。在資本端，知躍空間智能同樣動作密集：2026年2月至7月連續完成5輪孖展，團隊稱9月還將收官一輪。

　　在公司創始人錢琳瑞看來，當前以大數據、大算力驅動的AI大模型已經逼近瓶頸：互聯網數據被「喂完」，單模態數據難以支撐AI真正走進物理世界；而人腦以約20瓦的低功耗，就能完成複雜的感知、決策與執行。因此，知躍選擇了一條「反着來」的路徑：從1：1復刻生物大腦出發，尋找非大數據、非大算力驅動的下一代模型底座。

　　在WRC大會上，我們也與錢琳瑞博士見了一面，詳細聊了關於知躍所走的這條「智腦」路線。以下為對話內容，有部分刪改和調整：

　　新浪科技：知躍對外主打的是「智腦」這個概念。能不能先介紹一下，這次新品主要亮點在哪裏？以及為什麼突然想要做這樣一個產品？

　　錢琳瑞：現在AI的模型底座，基本上都被大模型範式主導，而這條路目前已經看到了它的瓶頸——互聯網數據已經全部用完了。從模型本身來說，它是純數據驅動的，所以它的智能上限是可以看到的。

　　另外一個問題是數據模態。互聯網時代所使用的一維、二維圖像數據，以及語義文本數據，基本上都是單模態的。但AI要從大螢幕真正走到真實的物理空間裏，它需要的是多模態的數據。多模態數據該怎麼整合、該怎麼用AI模型去搭建？其實AI現在也很難解決。所以現在很多團隊在用類似「潛空間」、「WAM」，希望尋找一個特徵空間，把各種不同模態的特徵在新的空間中對齊，其實「大腦」本身就具備多模態的處理能力，所以我們也想借鑑大腦來找到解決的方法。

　　第三個問題是低功耗、低算力、自主學習能力在Physical AI 時代也變得更加重要，這些也是從大腦中可以直接學習的「智能」。我們人類舉一反三、舉一反百的能力，完成複雜任務只需要「一個饅頭」的能量，是非常值得借鑑的。

　　所以我們在考量：是不是可以通過復刻一個生物大腦，去探索下一個時代非大數據驅動、非大算力驅動的、一種新的模型框架和模型底座。這是我們真正想做的事情。

　　新浪科技：現在做具身機器人的廠商很多，大的小的都有。咱們這套產品是不是有共通性，可以放在任何一台機器人上？

　　錢琳瑞：都可以。我們做的是模型底座，在Physical AI整個時代裏面，具身其實只是一個板塊。

　　具身這一塊，我們其實跑得非常快。2025年做這件事的時候，趕上了具身的大浪潮，但當時很多機構認為我們走的技術路線非共識，認為「AI大模型加上具身的數據，一定可以訓出一個好的模型」。但整個2025年到現在，藉助資本和大量具身數據的力量，具身機器人仍然產業化落地緩慢，大部分都卡在了Sim2Real的gap，以及交付周期、交付成本的問題上。

　　回過頭看，我們很堅定地認為，傳統AI那條套路是搞不定的。所以我們在做的事，就是直接把生物模型放到機器人上：各種不同形態的，無論是單臂、雙臂、輪式、人形，讓它在具體場景裏真的幹活，你能看出來這個東西是有價值的。

　　新浪科技：我們也看到，知躍在很多領域已經落地了，這些場景與我們的技術方向之間是什麼關係。

　　錢琳瑞：我們在選場景的時候，實際是兩個大的考慮。

　　第一是標杆作用。在行業選擇上，我們沒有選那麼碎，在B端，包括我們最近在推進的泛C端，各有一個場景突破下去就行。

　　第二是技術路線的考慮。現在的機器人交付方式有很多，因為大家融了很多錢，它還不是一個純商業化的邏輯：有人為了佔住市場，不惜賠錢在做。我們不願意卷在這個路線裏面，所以在做的時候會考慮：這個東西不是你砸錢就能做的，只要沒有新的技術突破，這事肯定做不了的可能我們自己會認為更值得去投入。

　　我們第一個在水下做的深海機器人，水下幾十米深，連環境光都沒有。所以這個難度，比地面、比高空各種形態的機器人高很多。

　　在大C端和大B端這種場景裏，我們主要錨定的，是以我們的技術佔絕對優勢的：包括成本、包括性能的優勢。我們希望它未來具備純商業邏輯下的可複製性。

　　新浪科技：未來還會推動什麼樣的場景？

　　錢琳瑞：在整個Physical AI的場景裏，除了具身場景外，我們還想要推動的，是生物的場景—包括虛擬細胞，腦機，但重點還是為這些行業提供模型。還有更遠期的目標，數字永生。

　　新浪科技：如果從短期目標和長期目標來看，分別想達到一個什麼樣的程度？

　　錢琳瑞：從1-3年維度，我們短期是希望完成接近人腦70%—80%的一個脊椎動物的大腦。

　　然後在5年左右，我們希望能復刻一個完整成年人的大腦，然後把它搬到機器人上、搬到計算機裏，在數字大腦中研究意識是生物大腦、身體和環境共同作用的產物，還是也可能產生於某種複雜的計算結構？研究一個機器是否能夠談論自己的情緒、自我和體驗，我們能否為意識建立可以檢驗、可以證僞，而不僅僅依賴直覺的科學判據？

　　我們所有關於高階的智能和低階的智能，是否全部都在腦的連接結構裏面？如果大腦被複刻，是否可以延緩大腦衰老、形成新的本我等。所以真正的數字永生，是我們未來幾年要做的規劃。

　　新浪聲明：所有會議實錄均為現場速記整理，未經演講者審閱，新浪網登載此文出於傳遞更多信息之目的，並不意味着讚同其觀點或證實其描述。