WAIC 2026：智平方的類腦答案，寫在城市里

出品｜網易科技《態度》欄目

作者｜崔玉賢

7月，全球人工智能領域最具影響力的年度盛會——世界人工智能大會（WAIC 2026）在上海舉辦。

但今年的WAIC，有一個微妙而關鍵的變化正在發生——人工智能正從展館走向城市，真實生活開始成為展示最新科技成果的舞臺。

在百年石庫門歷史街區張園，一座名為“愛寶智魔方”的模塊化具身智能服務空間，入選了“WAIC City Walk 2026伴游記”官方參訪點位。走進去，你會看到一臺名為“愛寶”的通用智能機器人正在從容地為顧客制作咖啡——沒有圍欄、沒有解說員、沒有“請勿觸碰”的提示牌。它面對的不是評委和攝像機，而是真實的顧客、真實的訂和真實的環境。

這正是智平方此次參加WAIC最希望傳遞的信息：對于機器人而言，最好的展示，不是在展臺，而是在真實生活中，創造可持續的生產力。

對于普通消費者而言，它是一家能夠制作飲品的機器人店；對于整個行業而言，它意味著機器人正從展臺展示邁向真實運營。

事實上，“愛寶智魔方”已在北京朝陽公園、深圳人才公園、上海張園等全國十余個省市的門店實現常態化運營。機器人店員日均工作10小時以上，零失誤自主完成數百杯咖啡、冰激凌、抹茶等飲品制作，如今進一步拓展至雞尾酒等新品類——這意味著機器人的泛化能力越來越強，能夠勝任越來越豐富的商業服務場景。

機器人是否真正成熟，不是看它能否完成一次精彩的Demo，而是看它能否長期、穩定地面對真實環境持續工作。如今，城市正在成為機器人最好的展館，而真實生活已成為檢驗機器人能力的第一現場。

就在不久前，一個更具標志性的消息傳來：智平方完成近50億元新融資，估值突破200億元，正式進入具身智能200億俱樂部。

資本和產業的目光早已穿透了那杯咖啡——他們看到的是模型、硬件、場景與人的深度耦合，是一張正在從大灣區遞向全球的產業名片。

智平方的“造腦”宣言：下一代機器人大腦由中國定義

如果說WAIC展臺展示的是愛寶“能做什么”，那么人們真正想追問的是：憑什么？

答案藏在智平方自研的全球首個原創類腦VLA模型——NeuroVLA之中。

在機器人大腦的路線之爭中，業界一直存在VLA模型與世界模型的分歧。郭彥東對此一語道破：“世界模型是VLA體系中的核心組成部分，本質上就是VLA模型。二者應該是深度融合的關系。”

但融合只是階段性成果，而非終點。“世界模型與VLA融合之后，接下來是類腦。”他進一步指出，“下一代機器人大腦不應僅是算力和數據的競賽，更應探索高效和可持續的發展路徑。”

一個人的判斷，正在變成一個行業的共識。

當智平方2026年4月率先發布NeuroVLA時，行業的主流注意力還集中在如何把模型做得更大。而僅僅數月后，類腦范式便從“一家之言”開始演變為“群體共識”——國內，千訣、巨腦磐石、銀河通用、無界智航等紛紛推出分層類腦架構；硅谷，李飛飛、Jim Fan等人7月發表T-Rex論文，提出混合專家、異步運行的分層控制思路，向生物神經系統分層協同機制靠攏，與智平方的類腦分層體系高度呼應。

事實上，這已不是智平方第一次走在前面。2023年聚焦空間智能，領先李飛飛World Labs半年以上；2024年率先確立端到端VLA范式，RoboMamba入選NeurIPS，Pi0、OpenVLA都是后來者；2026年首發類腦架構，數月后硅谷殊途同歸。三次領先，不是偶然，而是技術判斷力的系統性體現。

那么，這套類腦架構究竟如何運作？

NeuroVLA借鑒人腦860億神經元僅需20瓦即可驅動復雜認知的機制，構建了“皮層—小腦—脊髓”三層體系：

“大腦”（皮層）：運行在GPU上，負責理解場景、生成任務目標；

“小腦”：高頻自適應控制器，讓機器人運動抖動降低75%以上；

“脊髓”：部署在神經形態芯片上，20毫秒內完成反射響應——比人類眨眼快5倍。

仿脊髓層運行功耗僅0.4W、單次推理延遲2.19ms，為全天候自主作業和大規模部署掃清了能源與安全瓶頸。

智平方創始人兼CEO郭彥東在達沃斯論壇上點破了行業的集體盲區：“行業在忙著讓機器人長得像人，但很少有人想，能不能腦子也要像'人'？”

這不只是一句追問，更是一份宣言——下一代機器人大腦的定義權，不必永遠握在硅谷手中。

在WAIC 2026舉辦的香港科技大學·國際AI產業創新生態論壇上，郭彥東更是與沈向洋、郭毅可、寧光、董家鴻等多位院士同臺共議“類腦”話題，并提出，“類腦”將成為下一代物理世界AI破局的關鍵要素。

他表示：未來，要真正解決具身大模型面臨的訓練效率、算力和能耗等核心挑戰，應借鑒人腦高效、低功耗的工作機制，發展類腦架構。

類腦模型 NeuroVLA，顯著降低模型訓練能耗，并支持機器人在端側實現“邊干邊學”，在真實環境中持續學習、具備記憶能力，以更加高效、可持續的方式推動具身智能發展。

從空間智能到端到端VLA，再到類腦架構，智平方正在用一次又一次的“先手棋”證明：中國企業不僅能造出世界級的機器人大腦，更有能力定義它的范式。

當同行們紛紛開始回答“類腦”這個問題時，智平方已經把答案部署在了真實產線上、融入了城市的日常中。

全棧硬件能力：一家“AI能力很強的硬件公司”

當然，再聰明的大腦，沒有一具可靠的軀體來承載，也不過是空中樓閣。機器人要真正干活，硬件設計和量產體系同樣是不可逾越的門檻——而這恰恰是許多算法背景創業者最容易輕視的環節。

郭彥東對此有著清醒且獨特的認知。他曾講過一個故事：“2017年黃仁勛還沒這么受追捧的時候，我在微軟，去英偉達拜訪，他自己出來跟我聊天，很幽默，說：'你從微軟來，你們是軟件公司，你猜我的軟件工程師多還是硬件工程師多？'"

答案當然是軟件多。郭彥東從這個小故事中提煉出智平方的戰略定位：“英偉達的軟件價值遠遠大于硬件。它是一個軟件非常強的硬件公司。我們也是——我的軟件工程師、AI大模型工程師的數量，遠遠大于硬件工程師。我們是一個AI能力很強的硬件公司?！?/p>

這種定位決定了智平方的全棧路徑：不只做大腦，也造身體；不只做研發，也建產線。軟件定義硬件的邊界，硬件反哺軟件的進化——二者缺一不可。

2025年9月，智平方自建產線正式投產；同年12月實現單月百臺級交付。目前已具備年產能2000臺的出貨能力。拿下近50億新融資后，2026年下半年，智平方將啟動國內首個數萬臺生產力具身人形產線建設。

這與特斯拉的路徑高度一致——依托成熟供應鏈做機器人的規?；圃欤劳写笏懔ζ脚_訓練端到端模型。郭彥東坦言：“現在很多供應商的零部件既賣給我，也賣給特斯拉。”

從千臺到萬臺，聽起來只是數字的跳躍，但背后是供應鏈管理、質量一致性、交付節奏、售后體系的系統性躍升。

場景落地：數據飛輪轉起來了

對于具身智能而言，真正驗證機器人能力的，從來不是一次Demo，而是真實場景中的長期穩定運行。

展館之外，智平方正在用兩條線同時作答——一條在城市，一條在工廠。

在張園，愛寶智魔方已經不是“展示”，而是“營業”。沒有技術人員在旁待命，沒有預設的演示腳本——每一杯咖啡、每一個冰激凌、每一杯雞尾酒，面對的都是真實顧客、真實訂單、真實的不確定性。顧客可能臨時改單，杯子擺放位置不一，設備需要中途補料，機器人必須自主判斷、自主調整、自主恢復。

這正是城市服務場景最殘酷的地方：沒有“重來”的機會，每一次服務都是一次考試。智魔方目前已在全國十余個省市常態化運營，機器人日均工作10小時以上，自主完成數百杯飲品制作，并持續拓展雞尾酒等新品類——每新增一個品類，意味著適應新設備、新流程、新物料，這不是程序擴展，而是大模型泛化能力的真實驗證。

如果張園驗證的是機器人服務真實生活的能力，那么工業制造場景驗證的，則是機器人創造真實生產力的能力。

此次WAIC展館內，智平方重點展示了AlphaBot 2的PCB上下料解決方案——完整復刻在全球第三大面板廠商惠科真實產線上的作業場景?！按蠹铱赡苡X得這就是簡單的抓取搬運，但實際上這個場景對機器人的要求是'地獄級'的?！敝瞧椒絾T工現場解釋，“PCB板種類形態不一，托盤顏色會變，有的透明，塑料還經常反光。傳統自動化設備在這里徹底失效，因為它需要極強的大模型泛化感知能力，要能'看懂'不同形態的物料和變化的載具。"

正是攻克了這些難題，智平方拿下惠科3年1000臺的訂單——2025年真實生產力場景中最大的單一采購合同。今年則實現單一場景多客戶復購，標準化方案快速復制至多家頭部顯示廠商。此外，智平方已與華熙生物在無菌車間部署物料轉運和視覺檢驗，愛寶也已進入多個一線城市機場，7×24小時自主識別并歸集行李推車。

從張園到工廠，從一杯雞尾酒到一塊PCB板——場景不同，考題不同，但對機器人大腦的核心要求是同一個：面對從未見過的情況，依然能做出正確的判斷和動作。城市場景的高頻多樣化數據，與工業場景的高精度高復雜度數據互為補充，共同喂養著機器人大腦的持續進化——這正是智平方“模型×硬件×場景”三位一體飛輪的核心邏輯。

機器人的真正成熟，從來不是在某一個場景里做到極致，而是在越來越多的真實場景中，持續證明自己“能干活、干得好、一直干”。

但郭彥東強調的不是場景的多寡本身，而是多場景背后那條更關鍵的邏輯閉環：

"不僅是能做多場景，而且必須這樣做。現在機器人最大的變量是大模型。大模型怎么做好？除了有好的硬件、充足的算力，最核心的是持續從真實場景得到數據的閉環和迭代。你放1萬臺機器人去打螺絲，那不用大模型；你1萬臺機器人在100個場景里干活，有工業、有康養、有半導體，大模型才能做得好，因為數據真實且多樣。"

這正是智平方反復強調的“數據飛輪”——大模型越強→適配更多行業場景→真實場景積累更多數據→持續迭代讓大模型更強。飛輪一旦轉動起來，后來者面臨的就不只是技術差距，更是數據壁壘和場景網絡效應的雙重擠壓。

“這個飛輪轉起來，就是我們在具身智能領域最深的護城河。”

當然，并非所有場景都值得在當下切入。有人質疑，這些場景的數據價值和商業回報能否自洽。郭彥東的回答很直接：“在我們選的場景里，數據和商業是自洽、一致的，并不沖突。如果強行干一些事，數據和商業就會打架。比如強行讓機器人現在就進家庭干活，每次進家庭虧損的代價遠遠大于數據帶來的價值?！?/p>

這種克制背后，是創業者對節奏感和優先級的精確把控。

超級產品經理與科學家天團

技術路線可以講清楚，商業模式可以拆解，產能規劃可以列數字——但200億估值的背后，資本真正下注的，歸根結底是人。

郭彥東的履歷幾乎是為具身智能量身打造的：美國普渡大學博士（師從美國工程院院士），微軟西雅圖總部核心AI團隊，小鵬汽車首席科學家，OPPO首席科學家與研發高管——橫跨國際前沿AI算法、汽車級復雜工程制造、數億級消費電子商業落地。很少有人能夠在一份履歷中同時集齊“算法縱深”、“硬件量產”、“商業閉環”三張入場券。

在創辦智平方之前，他主導的智能系統已搭載在數十萬臺智能汽車和數億臺消費電子終端上。如今，在郭彥東身邊，又聚集了一支行業內科學家密度最高的團隊——多位斯坦福全球前2%科學家，以及來自谷歌、微軟、清華、北大的頂尖工程專家。

正是這支團隊在空間智能、端到端VLA、類腦架構等多個方向上持續取得開拓性成果，數次領先于國際同行公開發布。

結語：當被問到為什么不選更容易走的路——做陪伴、做表演、做開發者平臺，郭彥東的回答始終如一：“我覺得這是一件'正確的難事'，我們要把這個難事做正確。”

“技術展示只是第一步，真正的壁壘在于深入產業，在真實的高強度的場景中打磨。強大的技術只有在嚴苛的工業現場得到驗證，才能轉化為真正的生產力?！?/p>

從WAIC展臺上那杯零失誤的咖啡，到惠科產線上“地獄級”的PCB上下料；從0.4W功耗的類腦脊髓模塊，到數萬臺產線的規劃藍圖——智平方正在證明，大灣區的具身智能名片，不是靠表演打出來的，而是在真實世界里一個場景、一個場景“磨”出來的。