赵普详解具身智能操作系统：从仿脑模型到物理AI突破
专题：第28届北京科博会——未来产业推介会
第28届北京科博会未来产业推介会将于2026年5月8日至9日在北京拉开帷幕，合十思维（北京）科技有限公司创始人赵普受邀出席并发表了主题演讲。
以下是赵普的演讲实录：
赵普：大家好，我是合十思维的创始人赵普。今天我想与大家分享我们团队正在推进的核心项目——功能性仿真架构与物理AI的结合。
我们团队由四位技术联创共同组成。我本人毕业于MIT的数据科学工程与管理计算科学专业，师从著名人类工程学家Max Tagmark教授，目前是MIT在读博士生。硬件运控算法由北航机器人专业排名第一的张炎东博士主导，我与朱老师及张超老师则专注于模型的开发与落地，致力于实现物理AI的延展。
自2023年成立以来，我们团队主要致力于解决三个核心难题。首先是基于现有的LLM、VLN和VLM等大模型，传统机器人算法往往缺乏思维意识，对物理世界的认知不足，且推理训练成本极高。这是因为传统AI在视觉训练上多依赖OpenCA等数据集，导致模型学习效率低下。
以认识“凳子”为例，人类小孩只需坐几把椅子就能掌握概念，而大模型往往需要数万张图片样本。这与自动驾驶的训练逻辑类似，数据量巨大且效率低下。
我长期深耕自动驾驶领域，发现人类智能具有极强的自适应能力。人类能将矿泉水瓶、台阶等物体视为“座椅”，但AI却难以理解。我们通过模拟人类视觉认知通路，结合DQN回报函数，构建了BTS+SNN架构。2017年我在《Nature》发表的论文曾探讨过这一思路，旨在通过模拟人脑工作流，让机器人理解物理世界。
过去训练自动驾驶模式需要大量人工标注数据，且场景泛化能力差（如在上海训练的车无法在北京开）。人类则能通过布罗卡区和韦尔尼克区等脑区快速理解语义。大模型虽然词汇量大，但缺乏语义理解，无法像人类通过表情或手势进行非语言沟通。我们利用SNN脉冲神经网络解析BTS，实现了从规则学习到自适应的过程。
我们采用功能性仿脑而非结构性仿脑。结构性仿脑难以复刻人脑860亿神经元的复杂连接。大脑中仅有部分神经元在工作，全部放电不切实际。我们与中科院自动化所合作，利用已研究透彻的246个功能分区，避免盲目训练。
我们避免将自动驾驶的“皇帝的新衣”模式套用到机器人上。通过微调11个模型，区分布罗卡区（语义）与韦尔尼克区（概念），以及负责运动编码的沟区和I区（小脑），并融入情感类DQN回报函数。
结合DeepUNet技术与SNN解析，我们实现了仅用少量高质量数据即可训练机器人的突破。机器人能像人类一样理解物体的“BTS”属性（如坚硬），无需外形训练。相比Transformer，BTS+SNN前项通路增加了反馈回路，赋予物理世界因果性和记忆。
实际执行任务时，我们仅需调用5个模型。这类似于“六根”对应“六尘”的感知机制。机器人通过大脑理解物体，转化为坐标信号，由小脑控制执行，形成完整的闭环。
公司成立3年来，模型已可在单张3090/4090显卡上运行（8B/30B参数）。2025年营收达8300万，今年一季度约3400万。人形机器人商业化仍具挑战。
视频展示了我们与海淀市政合作的复合机器人，已在公园卫生间投入使用。传统清洁机器人换场景需重新建图，而仿脑模型能通过因果逻辑强绑定设施（如冰箱），实现即插即用。
我们即将发布第三代全尺寸人形机器人。硬件上兼顾骨骼刚性与肌肉柔性，摒弃主流的“踝策略”，采用符合人体工程学的“髋策略”，通过核心力量控制运动，并自研了电机。
我们实验了腿部弹性力量与监督模型，并优化了前脚掌自由度。相比传统PLC工业机器人，仿脑神经网络让机器人先理解后驱动。特斯拉Optimus等虽运动好，但缺乏对物体的认知，导致分拣混乱。
机器人眼中的水只是点云，缺乏人类的直觉。我们通过认知后再控制机械臂，并利用失败成功数据进行自改进闭环训练。
像保洁阿姨一样，机器人也需要经验积累。我们不局限于VLN或世界模型，而是提出了一套新方法，计划今年在《Nature》发表论文。
合十思维的愿景是打造具身智能操作系统，为物理AI提供底层支持，立志成为物理AI领域的“微软”。我们在宇树G1上嵌入了仿脑模型，实现了非盲走训练和语言控制。
仿脑模型已获得多项专利。模型已向中国人工智能奠基人张钹汇报，公司为“国高新”和“专精特新”企业，计划今年开源模型，目前处于融资二轮阶段。
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。
责任编辑：梁斌 SF055
新浪财经声明：此消息系转载自合作媒体，新浪财经登载此文出于传递更多信息之目的，文章内容仅供参考，不构成投资建议。
郑重声明：1.根据《证券法》规定，禁止编造、传播虚假信息或者误导性信息，扰乱证券市场；2.用户在本社区发表的所有资料、言论等仅代表个人观点，与本网站立场无关，不对您构成任何投资建议。用户应基于自己的独立判断，自行决定证券投资并承担相应风险。
