知跃创始人谈智脑路线：从数据驱动转向结构驱动

专题：2026世界机器人大会论坛

8月，在2026世界机器人大会（WRC）上，知跃空间智能推出了名为“知跃灵物（DeepSoma）”的新一代类脑仿真平台。

据官方介绍，这是一个专注于脑科学及类脑智能研究的全脑仿真底层平台，具备大脑、环境、身体三位一体的建模、训练、求解与仿真功能；发布的演示视频展示了知跃自建的“数字果蝇”，涵盖了从真实全脑连接重建，到自主感知、决策、运动、环境交互，以及跨本体迁移的完整过程。公司将其定位于服务于国家“十五五”规划前沿科技攻关的全脑仿真平台。

该公司秉持“源于真实大脑，探寻下一代智能源代码”的理念，主张AI应当从“数据驱动”转向“结构驱动”。在融资方面，知跃空间智能动作频频：2026年2月至7月连续完成5轮融资，团队表示9月还将完成最后一轮。

创始人钱琳瑞博士认为，当前依赖大数据和大算力的AI大模型已触达天花板：互联网数据趋于枯竭，单模态数据难以支撑AI真正融入物理世界；相比之下，人脑仅以约20瓦的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“逆向”路径：通过1:1复刻生物大脑，寻找一种不依赖大数据和大算力的下一代模型基石。

在WRC大会上，我们有幸与钱琳瑞博士深入交流，探讨知跃所走的“智脑”路线。以下是对话实录，内容经过适当删减与调整：

新浪科技：知跃主打“智脑”概念。能否先介绍一下，这款新产品的核心亮点是什么？以及为何要开发这样一个产品？

钱琳瑞：目前AI模型底座基本被大模型范式主导，但这条路已显瓶颈——互联网数据已耗尽。从模型本质看，它是纯数据驱动的，因此其智能上限是可见的。

另一个问题是数据模态。互联网时代的一维、二维图像及语义文本数据多为单模态。然而，AI要从虚拟屏幕走进真实物理空间，需要多模态数据。如何整合多模态数据并用AI模型构建？目前AI很难解决。许多团队尝试通过“潜空间”、“WAM”寻找特征空间对齐不同模态，但“大脑”本身具备多模态处理能力，因此我们也想借鉴大脑来寻找解决方案。

第三个问题是低功耗、低算力和自主学习能力在Physical AI时代愈发重要，这些也是大脑中可学习的“智能”。人类举一反三的能力，只需极少能量即可完成复杂任务，非常值得借鉴。

因此我们在思考：是否可以通过复刻生物大脑，探索一种非大数据驱动、非大算力驱动的下一代模型框架和底座。这才是我们真正想做的事业。

新浪科技：现在做具身机器人的企业众多，大小不一。我们的这套产品是否具有通用性，可以部署在任何机器人上？

钱琳瑞：都可以。我们做的是模型底座，在Physical AI时代，具身只是其中一部分。

在具身领域，我们进展迅速。2025年切入时，虽赶上具身浪潮，但许多机构认为我们的技术路线非共识，坚信“AI大模型+具身数据”必能训出好模型。然而，尽管有资本和大量数据支持，具身机器人产业化仍缓慢，大多卡在Sim2Real差距、交付周期和成本问题上。

回顾过去，我们坚信传统AI套路行不通。因此我们直接将生物模型应用于机器人：无论是单臂、双臂、轮式还是人形，让其在具体场景中实际运作，证明其价值。

新浪科技：我们也看到知跃已在多个领域落地，这些场景与技术方向有何关联？

钱琳瑞：选择场景时，主要考虑两方面。

第一是标杆效应。行业选择上我们未过度分散，在B端及近期推进的泛C端，各选一个场景突破即可。

第二是技术路线考量。当前机器人交付方式多样，因融资充足尚未形成纯商业化逻辑，有人不惜赔钱抢占市场。我们不愿陷入此内卷，因此考量：若无技术突破，砸钱也难成，这类项目不值得投入。

我们首个项目是水下深海机器人，水深数十米，无环境光，难度远超地面及高空机器人。

在大C端和大B端场景，我们锚定技术绝对优势（成本、性能），希望未来具备纯商业逻辑下的可复制性。

新浪科技：未来将推动哪些场景？

钱琳瑞：在Physical AI场景中，除具身外，我们还想推动生物场景——包括虚拟细胞、脑机接口，重点是提供模型。远期目标是数字永生。

新浪科技：短期和长期目标分别是什么？

钱琳瑞：1-3年维度，短期目标是完成接近人脑70%-80%的脊椎动物大脑。

5年左右，希望能复刻完整成年人大脑，部署于机器人或计算机中。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，还是复杂计算结构的产物？研究机器是否能谈论情绪、自我、体验，能否建立可检验、可证伪的科学判据，而非仅依赖直觉。

高阶和低阶智能是否都在脑连接结构中？大脑被复刻能否延缓衰老、形成新本我？真正的数字永生是我们未来的规划。

新浪声明：所有会议实录为现场速记整理，未经演讲者审阅，新浪网登载此文旨在传递更多信息，不代表赞同其观点或证实其描述。

责任编辑：梁斌

新浪财经声明：此消息转载自合作媒体，登载旨在传递更多信息，内容仅供参考，不构成投资建议。

郑重声明：1.根据《证券法》，禁止编造、传播虚假或误导性信息扰乱市场；2.用户在本社区发表资料仅代表个人观点，与本站无关，不构成投资建议。用户应独立判断并自行承担风险。