“下一代机器人大脑不应只是算力和数据的竞赛。”

6月23日，具身智能机器人公司智平方创始人兼CEO郭彦东在夏季达沃斯论坛表示，下一代机器人大脑更需要探索更高效、更可持续的发展路径，类脑智能、小样本学习以及低功耗计算将成为重要发展方向。

郭彦东进一步指出，通用智能机器人正在快速增长，要让机器人像人类一样工作，需要设计一个类脑的大型基础模型，不需要消耗那么多电力。

他表示，端到端VLA技术并非故事的终点，如果人们一直使用相同的大型基础模型技术，会消耗太多电力。如果想开发一个像ChatGPT那样强大的模型，全世界可能需要10倍的数据或10倍的电力。“显然我们没有那么多电力，也没有那么多数据”。

由此，智平方此前推出了类脑具身智能系统NeuroVLA，不同于传统大模型持续依赖海量数据和算力投入，NeuroVLA借鉴人脑工作机制，让机器人具备记忆、学习和自主进化能力，可以通过更少的数据完成学习与决策。

郭彦东进一步介绍称：“你不一定需要将数据上传到云端，大脑才能学习。它更像人类大脑。人类大脑不需要把数据上传到某个中央大脑才能学习，你自己就能学习。所以这个大脑可以自主学习，并具有某种本能，使其操作速度远快于典型的大型基础模型，后者需要运行大量的token。因此，你可以在设备端运行这个模型，而不是在云端。”

同时，郭彦东表示，机器人还需要一个非常强健的身体。

他指出，中国机器人产业在制造和应用层面的独特优势。中国拥有全球最完善的智能手机与新能源汽车产业链，机器人所需的大量核心零部件均可与成熟供应链形成协同效应，智平方已于去年建成规模化机器人产线，具备了千台级量产能力。

可以看到的是，随着机器人量产能力爬坡，场景落地愈发受到重视。日前，工信部与国资委便启动了2026年度人形机器人与具身智能实景实训专项行动，推动人形机器人与具身智能产品在真实生产生活环境中常态化部署应用，加速实现规模化发展。

在现场交流环节，郭彦东还分享了对于机器人规模化落地的进一步思考。

他认为，当前机器人面临工业、公共服务以及未来家庭场景之间长期存在的应用鸿沟，家庭环境更适合数据收集，却不一定适合商业。解决这一问题的关键，在于统一硬件与统一模型。无论机器人工作于工厂还是公共场所，都应该采用统一硬件平台，并由同一个基础模型驱动。同时，不同场景产生的数据持续回流至同一个机器人大脑。工业场景提升机器人精度与稳定性，公共服务场景增强交互与泛化能力，两类能力相互促进，并最终为未来家庭应用奠定基础。

郭彦东强调，机器人产业的发展必须建立在真实应用基础之上。场景带来数据，数据推动模型进化，更强的模型又进入更多场景，最终形成持续迭代的数据飞轮。“因为技术好，所以落地多；因为落地多，所以技术好”，这种技术与场景相互促进的发展模式，正成为中国机器人企业快速成长的重要动力。