华为云具身机器人大拿朱森华离职创业，揭秘脑认知技术如何重塑AI大脑 | AINEWS

type

status

date

slug

summary

引言：具身智能的新变局

在人工智能的演进历程中，具身智能（Embodied AI）被视为通往通用人工智能（AGI）的关键阶梯。近期，华为云AI算法创新Lab主任、智能机器人业务开创者朱森华离职创业，成立“具脑磐石”并完成数千万元种子轮融资的消息，引发了行业广泛关注。作为曾主导研发华为首代盘古具身大模型的领军人物，朱森华的选择不仅代表了个人的职业转型，更揭示了当前AI技术范式正在发生的一场深刻变革：从单纯依赖大数据、大算力的深度学习，向借鉴人脑机制的“脑认知启发”回归。

深度学习的瓶颈与“炼丹”困局

当前，以OpenAI为代表的联结主义深度学习范式（DNN）虽然在自然语言处理领域取得了巨大成功，但在具身智能领域却面临严峻挑战。朱森华指出，现有的技术方案本质上仍是“有多少人工，就有多少智能”。

高数据依赖：机器人学习一个简单的动作往往需要海量的数据采集，缺乏举一反三的能力。

高功耗与低泛化性：相比于人脑仅25瓦的低功耗，现有的AI模型需要消耗惊人的电力，且在面对未见过的环境（Corner Case）时表现脆弱。

缺乏理论指导：深度学习常被戏称为“炼丹”，工程师们通过不断尝试网络结构和参数来寻找最优解，缺乏系统性的科学理论支撑。

正如图灵奖得主杨立昆（Yann Lecun）所言，现有的LLM架构可能是通往AGI的“死胡同”。行业亟需一种能像人类一样学习、构建内部“世界模型”的新路径。

脑认知启发：给机器人装上“类人脑”

朱森华创立的“具脑磐石”选择了一条独特的路径——Neural AI（脑认知启发范式）。这一范式不再盲目追求计算量的堆砌，而是试图模拟人脑的运行机制。

抽象概念学习：人脑不需要见过所有的杯子才能学会喝水。通过引入“抽象概念表征Encoder”，机器人可以实现从小样本中学习，数据需求量有望降低90%。

选择性注意力机制：计算机处理图像时往往对每个像素点平均用力，而人脑则能动态聚焦关键信息。借鉴这一机制，可以大幅降低机器人的计算功耗。

类人认知地图：利用“栅格和位置细胞模拟”，机器人无需提前预置环境地图，即可在陌生开放空间实现自由探索，部署效率提升显著。

这种“外挂”式的改造，旨在让现有的VLA（视觉-语言-动作）模型从“五六岁的孩子”进化为具备逻辑抽象能力的智慧实体。

商业落地：解决“事实性劳动力短缺”

技术最终需要回归商业本质。朱森华认为，具身智能目前最大的矛盾在于“半吊子”的能力与过高期望之间的鸿沟。在国内，“机器人完全替人”的性价比在短期内难以打动客户。

因此，“具脑磐石”将首站选在了亚太发达地区（如日本）。这些地区面临严重的“事实性劳动力短缺”，例如便利店的夜班岗。在这些场景下，客户并不要求机器人具备100%的人类能力，只要能完成50%-70%的理货、巡店等基础工作，就能产生巨大的商业价值。这种“在应用中进化”的策略，为具身智能的规模化落地提供了现实路径。

结论与展望：走向技术范式的更迭

从华为云的“博士军团”统帅到具身大脑的创业先锋，朱森华的转身映射出AI产业对“智能本质”的重新思考。虽然深度学习目前仍是主流，但随着脑科学研究的深入和类脑转化技术的成熟，预计在未来3-5年内，脑启发的技术范式将逐步更迭现有的工程模式。

对于关注AI资讯的开发者和投资者而言，具身智能的下半场竞争将不再仅仅是算力的比拼，更是对人类大脑这一“最强具身大脑”理解深度的较量。正如朱森华所言，我们没有理由不以人脑为蓝本进行技术迭代。这场关于“大脑改造”的创业长征，才刚刚拉开序幕。

想要了解更多关于人工智能、大模型及AGI的最新动态，欢迎持续关注AI门户。