7月，世界人工智能大会（WAIC 2026）在上海举办。与往年不同，今年一个微妙而关键的变化正在发生——人工智能正从展馆走向城市，真实生活开始成为展示最新科技成果的舞台。
在百年石库门历史街区张园，一座名为“爱宝智魔方”的模块化具身智能服务空间入选了“WAIC City Walk 2026伴游记”官方参访点位。走进去，一台通用智能机器人正在从容地为顾客制作咖啡——没有围栏、没有解说员、没有“请勿触碰”的提示牌。它面对的不是评委和摄像机，而是真实的顾客、真实的订单和真实的环境。
这正是智平方此次参加WAIC最希望传递的信息：对于机器人而言，最好的展示，不是在展台，而是在真实生活中，创造可持续的生产力。
就在WAIC前夕，一个更具标志性的消息传来：智平方完成近50亿元新融资，估值突破200亿元，正式进入具身智能200亿俱乐部。资本和产业的目光早已穿透了那杯咖啡——他们看到的是模型、硬件、场景与人的深度耦合，是一张正在从大湾区递向全球的产业名片。
一、“造脑”宣言：下一代机器人大脑由中国定义
如果说WAIC展示的是机器人“能做什么”，那么人们真正想追问的是：凭什么？
答案藏在智平方自研的全球首个原创类脑VLA模型——NeuroVLA之中。
在机器人大脑的路线之争中，业界一直存在VLA模型与世界模型的分歧。郭彦东对此一语道破：“世界模型是VLA体系中的核心组成部分，本质上就是VLA模型。二者应该是深度融合的关系。”但融合只是阶段性成果，而非终点。“世界模型与VLA融合之后，接下来是类脑。”他进一步指出，“下一代机器人大脑不应仅是算力和数据的竞赛，更应探索高效和可持续的发展路径。”
一个人的判断，正在变成一个行业的共识。
当智平方2026年4月率先发布NeuroVLA时，行业的主流注意力还集中在如何把模型做得更大。而仅仅数月后，类脑范式便从“一家之言”开始演变为“群体共识”——国内，千诀、巨脑磐石、银河通用、无界智航等纷纷推出分层类脑架构；硅谷，李飞飞、Jim Fan等人7月发表T-Rex论文，提出混合专家、异步运行的分层控制思路，与智平方的类脑分层体系高度呼应。
这已不是智平方第一次走在前面。2023年聚焦空间智能，领先李飞飞World Labs半年以上；2024年率先确立端到端VLA范式，RoboMamba入选NeurIPS，Pi0、OpenVLA都是后来者；2026年首发类脑架构，数月后硅谷殊途同归。三次领先，不是偶然，而是技术判断力的系统性体现。
那么，这套类脑架构究竟如何运作？
NeuroVLA借鉴人脑860亿神经元仅需20瓦即可驱动复杂认知的机制，构建了“皮层—小脑—脊髓”三层体系：皮层运行在GPU上，负责理解场景、生成任务目标；小脑作为高频自适应控制器，让机器人运动抖动降低75%以上；脊髓部署在神经形态芯片上，20毫秒内完成反射响应——比人类眨眼快5倍。仿脊髓层运行功耗仅0.4W、单次推理延迟2.19ms，为全天候自主作业和大规模部署扫清了能源与安全瓶颈。
郭彦东在达沃斯论坛上点破了行业的集体盲区：“行业在忙着让机器人长得像人，但很少有人想，能不能脑子也要像'人'？”
这不只是一句追问，更是一份宣言——下一代机器人大脑的定义权，不必永远握在硅谷手中。在WAIC港科大AI论坛上，郭彦东与沈向洋、郭毅可、宁光、董家鸿四位院士同台共议“类脑”话题。郭毅可院士提出碳基大脑与硅基智能“物理同源、数学同构”的理论框架，郭彦东则以NeuroVLA的产业实践回应——“类脑”将成为下一代物理世界AI破局的关键要素。
二、全栈硬件：一家“AI能力很强的硬件公司”
再聪明的大脑，没有一具可靠的躯体来承载，也不过是空中楼阁。
郭彦东对此有着清醒且独特的认知。他曾讲过一个故事：2017年在微软时去英伟达拜访，黄仁勋亲自出来聊天，问他“你猜我的软件工程师多还是硬件工程师多”。答案当然是软件多。郭彦东从中提炼出智平方的战略定位：“英伟达的软件价值远远大于硬件。它是一个软件非常强的硬件公司。我们也是——我的软件工程师、AI大模型工程师的数量，远远大于硬件工程师。我们是一个AI能力很强的硬件公司。”
这种定位决定了智平方的全栈路径：不只做大脑，也造身体；不只做研发，也建产线。软件定义硬件的边界，硬件反哺软件的进化——二者缺一不可。
2025年9月，智平方自建产线正式投产；同年12月实现单月百台级交付。目前已具备年产能2000台的出货能力。拿下近50亿新融资后，2026年下半年，智平方将启动国内首个数万台生产力具身人形产线建设。这与特斯拉的路径高度一致——依托成熟供应链做机器人的规模化制造，依托大算力平台训练端到端模型。郭彦东坦言：“现在很多供应商的零部件既卖给我，也卖给特斯拉。”
三、场景落地：数据飞轮转起来了
对于具身智能而言，真正验证机器人能力的，从来不是一次Demo，而是真实场景中的长期稳定运行。
展馆之外，智平方正在用两条线同时作答——一条在城市，一条在工厂。
在张园，爱宝智魔方已经不是“展示”，而是“营业”。没有技术人员在旁待命，没有预设的演示脚本——每一杯咖啡、每一个冰激凌、每一杯鸡尾酒，面对的都是真实顾客、真实订单、真实的不确定性。顾客可能临时改单，杯子摆放位置不一，设备需要中途补料，机器人必须自主判断、自主调整、自主恢复。这正是城市服务场景最残酷的地方：没有“重来”的机会，每一次服务都是一次考试。智魔方目前已在全国十余个省市常态化运营，机器人日均工作10小时以上，持续拓展鸡尾酒等新品类——每新增一个品类，不是程序扩展，而是大模型泛化能力的真实验证。
如果张园验证的是机器人服务真实生活的能力，那么工业制造场景验证的，则是机器人创造真实生产力的能力。
此次WAIC展馆内，智平方重点展示了AlphaBot 2的PCB上下料解决方案——完整复刻在全球第三大面板厂商惠科真实产线上的作业场景。这被内部称为“地狱级”难度：PCB板种类形态不一，托盘颜色会变，有的透明，塑料还经常反光。传统自动化设备在这里彻底失效，需要极强的大模型泛化感知能力。正是攻克了这些难题，智平方拿下惠科3年1000台的订单——2025年真实生产力场景中最大的单一采购合同，被摩根士丹利认定为全球生产力型机器人最大单一订单。今年则实现单一场景多客户复购，标准化方案快速复制至多家头部显示厂商。
此外，智平方已与华熙生物、中国生物制药、康龙化成等龙头在无菌车间部署物料转运和视觉检验；与东风柳汽合作实现国产具身大模型首次汽车制造全场景验证；与西子联合在40万㎡产业园开展高端制造协作；爱宝已进入多个一线城市机场，7×24小时自主识别并归集行李推车。
从张园到工厂，从一杯鸡尾酒到一块PCB板——场景不同，考题不同，但对机器人大脑的核心要求是同一个：面对从未见过的情况，依然能做出正确的判断和动作。
四、飞轮的底层逻辑：为什么多场景比单场景更有价值？
郭彦东强调的不是场景的多寡本身，而是多场景背后那条更关键的逻辑闭环：
“不仅是能做多场景，而且必须这样做。你放1万台机器人去打螺丝，那不用大模型；你1万台机器人在100个场景里干活，有工业、有康养、有半导体，大模型才能做得好，因为数据真实且多样。”
这正是智平方“模型×硬件×场景”三位一体飞轮的核心逻辑——大模型越强→适配更多行业场景→真实场景积累更多数据→持续迭代让大模型更强。城市场景的高频多样化数据，与工业场景的高精度高复杂度数据互为补充，共同喂养着机器人大脑的持续进化。
飞轮一旦转动起来，后来者面临的就不只是技术差距，更是数据壁垒和场景网络效应的双重挤压。郭彦东直言：“这个飞轮转起来，就是我们在具身智能领域最深的护城河。”
当然，并非所有场景都值得在当下切入。郭彦东的回答很直接：“在我们选的场景里，数据和商业是自洽、一致的，并不冲突。如果强行干一些事，数据和商业就会打架。”这种克制背后，是创业者对节奏感和优先级的精确把控。
五、人：200亿估值背后的真正筹码
技术路线可以讲清楚，商业模式可以拆解，产能规划可以列数字——但200亿估值的背后，资本真正下注的，归根结底是人。
郭彦东的履历几乎是为具身智能量身打造的：美国普渡大学博士（师从美国工程院院士），微软西雅图总部核心AI团队，小鹏汽车首席科学家，OPPO首席科学家与研发高管——横跨国际前沿AI算法、汽车级复杂工程制造、数亿级消费电子商业落地。很少有人能够在一份履历中同时集齐“算法纵深”、“硬件量产”、“商业闭环”三张入场券。在创办智平方之前，他主导的智能系统已搭载在数十万台智能汽车和数亿台消费电子终端上。
如今，在郭彦东身边，又聚集了一支行业内科学家密度最高的团队——多位斯坦福全球前2%科学家，以及来自谷歌、微软、清华、北大的顶尖工程专家。正是这支团队在空间智能、端到端VLA、类脑架构等多个方向上持续取得开拓性成果，数次领先于国际同行公开发布。
结语
当被问到为什么不选更容易走的路——做陪伴、做表演、做开发者平台，郭彦东的回答始终如一：“我觉得这是一件'正确的难事'，我们要把这个难事做正确。”
“技术展示只是第一步，真正的壁垒在于深入产业，在真实的高强度的场景中打磨。强大的技术只有在严苛的工业现场得到验证，才能转化为真正的生产力。”
从WAIC展台上那杯零失误的咖啡，到惠科产线上“地狱级”的PCB上下料；从0.4W功耗的类脑脊髓模块，到数万台产线的规划蓝图——智平方正在证明，大湾区的具身智能名片，不是靠表演打出来的，而是在真实世界里一个场景、一个场景“磨”出来的。
“预测未来最好的方式，就是亲手创造未来。世界的下一场变革在于具身智能，而具身智能的下一场变革，将发生在中国。” ——郭彦东博士
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。