专题：2026 世界机器人大会论坛

8 月，在 2026 世界机器人大会（WRC）期间，知跃空间智能正式首发新一代类脑仿真平台 " 知跃灵物（DeepSoma）"。

按照官方介绍，这是一款面向脑科学与类脑智能研究的全脑仿真基础平台，提供大脑（Brain）、环境（Environment）、身体（Body）一体化建模、训练、求解与仿真能力；平台发布视频以知跃自主构建的 " 数字果蝇 " 为展示对象，呈现了从真实全脑连接重建，到自主感知、决策、运动、环境交互，再到跨本体迁移的全过程。公司将其定位为面向国家 " 十五五 " 前沿科技攻关方向的全脑仿真基础平台。

这家以 " 从真实大脑出发，寻找下一代智能的源代码 " 为理念的公司，主张 AI 从 " 数据驱动 " 走向 " 结构驱动 "。在资本端，知跃空间智能同样动作密集：2026 年 2 月至 7 月连续完成 5 轮融资，团队称 9 月还将收官一轮。

在公司创始人钱琳瑞看来，当前以大数据、大算力驱动的 AI 大模型已经逼近瓶颈：互联网数据被 " 喂完 "，单模态数据难以支撑 AI 真正走进物理世界；而人脑以约 20 瓦的低功耗，就能完成复杂的感知、决策与执行。因此，知跃选择了一条 " 反着来 " 的路径：从 1：1 复刻生物大脑出发，寻找非大数据、非大算力驱动的下一代模型底座。

在 WRC 大会上，我们也与钱琳瑞博士见了一面，详细聊了关于知跃所走的这条 " 智脑 " 路线。以下为对话内容，有部分删改和调整：

新浪科技：知跃对外主打的是 " 智脑 " 这个概念。能不能先介绍一下，这次新品主要亮点在哪里？以及为什么突然想要做这样一个产品？

钱琳瑞：现在 AI 的模型底座，基本上都被大模型范式主导，而这条路目前已经看到了它的瓶颈——互联网数据已经全部用完了。从模型本身来说，它是纯数据驱动的，所以它的智能上限是可以看到的。

另外一个问题是数据模态。互联网时代所使用的一维、二维图像数据，以及语义文本数据，基本上都是单模态的。但 AI 要从大屏幕真正走到真实的物理空间里，它需要的是多模态的数据。多模态数据该怎么整合、该怎么用 AI 模型去搭建？其实 AI 现在也很难解决。所以现在很多团队在用类似 " 潜空间 "、"WAM"，希望寻找一个特征空间，把各种不同模态的特征在新的空间中对齐，其实 " 大脑 " 本身就具备多模态的处理能力，所以我们也想借鉴大脑来找到解决的方法。

第三个问题是低功耗、低算力、自主学习能力在 Physical AI 时代也变得更加重要，这些也是从大脑中可以直接学习的 " 智能 "。我们人类举一反三、举一反百的能力，完成复杂任务只需要 " 一个馒头 " 的能量，是非常值得借鉴的。

所以我们在考量：是不是可以通过复刻一个生物大脑，去探索下一个时代非大数据驱动、非大算力驱动的、一种新的模型框架和模型底座。这是我们真正想做的事情。

新浪科技：现在做具身机器人的厂商很多，大的小的都有。咱们这套产品是不是有共通性，可以放在任何一台机器人上？

钱琳瑞：都可以。我们做的是模型底座，在 Physical AI 整个时代里面，具身其实只是一个板块。

具身这一块，我们其实跑得非常快。2025 年做这件事的时候，赶上了具身的大浪潮，但当时很多机构认为我们走的技术路线非共识，认为 "AI 大模型加上具身的数据，一定可以训出一个好的模型 "。但整个 2025 年到现在，借助资本和大量具身数据的力量，具身机器人仍然产业化落地缓慢，大部分都卡在了 Sim2Real 的 gap，以及交付周期、交付成本的问题上。

回过头看，我们很坚定地认为，传统 AI 那条套路是搞不定的。所以我们在做的事，就是直接把生物模型放到机器人上：各种不同形态的，无论是单臂、双臂、轮式、人形，让它在具体场景里真的干活，你能看出来这个东西是有价值的。

新浪科技：我们也看到，知跃在很多领域已经落地了，这些场景与我们的技术方向之间是什么关系。

钱琳瑞：我们在选场景的时候，实际是两个大的考虑。

第一是标杆作用。在行业选择上，我们没有选那么碎，在 B 端，包括我们最近在推进的泛 C 端，各有一个场景突破下去就行。

第二是技术路线的考虑。现在的机器人交付方式有很多，因为大家融了很多钱，它还不是一个纯商业化的逻辑：有人为了占住市场，不惜赔钱在做。我们不愿意卷在这个路线里面，所以在做的时候会考虑：这个东西不是你砸钱就能做的，只要没有新的技术突破，这事肯定做不了的可能我们自己会认为更值得去投入。

我们第一个在水下做的深海机器人，水下几十米深，连环境光都没有。所以这个难度，比地面、比高空各种形态的机器人高很多。

在大 C 端和大 B 端这种场景里，我们主要锚定的，是以我们的技术占绝对优势的：包括成本、包括性能的优势。我们希望它未来具备纯商业逻辑下的可复制性。

新浪科技：未来还会推动什么样的场景？

钱琳瑞：在整个 Physical AI 的场景里，除了具身场景外，我们还想要推动的，是生物的场景—包括虚拟细胞，脑机，但重点还是为这些行业提供模型。还有更远期的目标，数字永生。

新浪科技：如果从短期目标和长期目标来看，分别想达到一个什么样的程度？

钱琳瑞：从 1-3 年维度，我们短期是希望完成接近人脑 70% — 80% 的一个脊椎动物的大脑。

然后在 5 年左右，我们希望能复刻一个完整成年人的大脑，然后把它搬到机器人上、搬到计算机里，在数字大脑中研究意识是生物大脑、身体和环境共同作用的产物，还是也可能产生于某种复杂的计算结构？研究一个机器是否能够谈论自己的情绪、自我和体验，我们能否为意识建立可以检验、可以证伪，而不仅仅依赖直觉的科学判据？

我们所有关于高阶的智能和低阶的智能，是否全部都在脑的连接结构里面？如果大脑被复刻，是否可以延缓大脑衰老、形成新的本我等。所以真正的数字永生，是我们未来几年要做的规划。

新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。