在腦神經科學領域深耕多年的朱森華，近日以創業者身份重新進入公眾視野。這位前華為云AI算法創新Lab主任，在完成華為云腦與類腦AI云平臺、智能機器人業務及首個具身大模型孵化后，于2025年10月創立具身大腦公司“具腦磐石”。公司成立兩個月內即完成數千萬元種子輪融資，投資方包括樂聚機器人、上海道禾長期投資等機構，核心團隊匯聚了來自華為、聯想等企業的資深技術專家。
區別于主流的端到端深度學習路徑，朱森華選擇以腦認知啟發（Neural AI）范式重構具身智能技術架構。其團隊通過模擬人腦的抽象概念學習、選擇性注意力等機制，開發出可減少數據依賴的算法模塊。在實驗室測試中，該方案使機器人操作技能的數據需求降低90%，移動部署效率提升40%，初步驗證了小樣本學習與開放環境探索的可行性。這種技術路線與圖靈獎得主楊立昆倡導的世界模型架構存在理論共鳴，后者曾公開指出當前大語言模型架構難以通往通用人工智能。
商業落地層面，具腦磐石采取“出海優先”策略，首站鎖定亞太地區商服與工業場景。朱森華分析稱，日本等發達國家面臨的勞動力短缺問題，為具身機器人創造了真實需求。以便利店行業為例，7-11因員工老齡化已縮減部分門店的夜間運營時長，而具備基礎理貨、巡店能力的機器人可填補人力缺口。目前已有海外客戶明確表示，愿意為達到人類60%-70%工作能力的機器人支付費用，這種“漸進式替代”模式顯著降低了商業化門檻。
在技術實現路徑上，團隊將人腦認知機制轉化為可計算的算法模塊。例如通過抽象概念表征編碼器，引導模型從具體數據中提取核心特征，替代傳統基于海量token的學習方式；在移動能力構建中，借鑒柵格細胞與位置細胞的神經機制，開發出無需預置地圖的自主導航系統。朱森華強調，這種“腦外掛”策略并非完全摒棄現有VLA架構，而是在1-3年內通過認知神經機制優化其性能，最終實現技術范式的漸進式迭代。
面對產業化挑戰，朱森華坦言實驗室成果向實際場景遷移時遭遇大量邊緣案例（corner case）。例如在反光玻璃環境或設備磨損場景下，原本穩定的算法模型可能出現性能斷崖式下降。為此團隊正構建動態適應系統，通過實時環境感知與在線學習機制提升魯棒性。這種“臟活累活"的攻堅態度，源于其對技術落地規律的深刻認知——商業化不是技術愿景的簡單延伸，而是需要構建完整的技術-場景適配體系。
在產業分工層面，具腦磐石明確聚焦大腦技術研發，暫不涉足機器人本體制造。朱森華認為，當前具身智能領域軟硬件強綁定的交付模式，本質是技術泛化能力不足的妥協方案。隨著腦啟發算法成熟，"一腦多機"的通用大腦將成為可能，屆時硬件形態將回歸標準化配件角色。這種判斷基于其團隊在華為期間的技術積累：他們曾實現同一具身模型適配機械臂、移動機器人等不同載體，驗證了技術解耦的可行性。
