特斯拉开源机器人的“手”之后，这家深圳企业开源了机器人的“大脑”

深圳新闻网2026年4月23日讯（记者 刘惠敏）今年4月，特斯拉公开了5项围绕Optimus 第三代灵巧手的核心硬件专利，推动机器人“身体”的标准化。几乎同一时间，深圳具身智能企业智平方联合港科大（广州）熊辉团队，发布了一站式具身智能模型开源社区——AlphaBrain Platform。

AlphaBrain Platform截图。

与硬件开放不同，这一平台直接面向机器人的“大脑”，开放了一整套让机器人理解世界、做出决策并持续进化的体系。如果说特斯拉在回答“机器人如何被制造”的问题，那么这家深圳企业正在试图回答的是：机器人如何变得真正聪明。

开源模型不少，但“好用”的不多

过去几年，具身智能领域涌现了大量开源模型和论文，但开发者普遍面临一个现实问题，那就是开源模型能跑通，真正“好用”的很少。不同项目之间数据格式不统一、接口不兼容、评测标准缺失等等问题，导致开发者大量时间消耗在重复的工程搭建上。开发者想做真正的创新，往往要从数据处理开始，一路搭建训练流程、对接不同模型、手动完成评测验证。

AlphaBrain Platform尝试解决这一问题，将“数据—训练—模型—评测”整条链路打通，一次性开源了当前具身智能领域最前沿的三条技术路线。

三大“全球首创”技术路线集中开源

·全球首个开源类脑VLA模型（NeuroVLA）

传统VLA模型训练完成后即固定，无法在部署后继续学习。智平方首次在类脑控制任务上达到前沿水平，开源了NeuroVLA，一种可以在真实环境中持续适应的类脑系统。NeuroVLA引入脉冲神经网络动作头与R-STDP训练算法，支持机器人在真实环境中持续适应。

这类类脑模型也被公认为VLA（Vision-Language-Action）的未来方向，让机器人可以在执行任务的过程中不断进化，接近人类的学习方式，推动具身智能向生物脑学习机制迈进。

类脑模型NeuroVLA。

·全球首个基于RL Token的开源VLA训练架构

该架构将大模型的通用认知与强化学习的特定场景优化能力相结合，形成了一种既能理解复杂意图，又能通过与环境交互持续精进执行策略的智能体架构，从而让大模型真正成为能在工厂、家庭、仓库等具体场景中完成实际物理任务的自主系统。智平方提出的优化方案使VLA主体在微调过程中完全冻结，训练参数从3.9B降至约137M，仅占VLA训练参数的3.5%，大幅降低训练计算成本的同时，避免了传统方法中“灾难性遗忘”的问题。

这意味着模型可以像人类一样在已有经验基础上精进，而不是反复推翻重来。这种“稳定进化”的路径，为通用具身智能提供了真正可持续的训练方式。

·世界首个可插拔世界模型架构（WA）

世界模型是当前最火的“想象力引擎”——让机器人在行动前预演未来，做出更优决策。然而，世界模型的研究长期停留在论文阶段，不同模型之间难以对比、难以集成。

平台原生集成了NVIDIA Cosmos Policy等世界基础模型，支持Cosmos、Wan、V-JEPA三大世界模型一键切换。开发者可以在同一任务中直接对比不同世界模型的表现，让机器人能够在行动前预演多种可能路径。

除了上述三大技术路线，AlphaBrain Platform还提供了首个面向跨架构 VLA 的开源持续学习算法。

从开放能力到构建生态

过去，具身智能的竞争主要集中在“模型能力谁更强”。但随着技术演进，这种竞争正在快速演变为“谁能构建更强的生态”。模型可以被追赶，而生态一旦形成，就会产生持续的积累与放大效应。

AlphaBrain Platform还提供了统一的评测标准，覆盖LIBERO、RoboCasa、CALVIN等8个主流Benchmark。开发者可以自由组合不同架构和训练范式，跨领域的尝试只需修改几行配置。AlphaBrain Platform不仅开放能力，还主动构建整个行业的“基础设施”，定义了能力如何被使用、如何被比较、如何被持续优化。

如果说特斯拉通过开源硬件推动机器人“身体”的标准化，那么AlphaBrain Platform则在尝试为机器人“智能”建立开放的开发基础。前者解决“如何制造”，后者决定“如何进化”。前者推动产业的起点，后者决定产业的上限。当最前沿的能力向开发者开放，创新门槛被降低，技术进步的速度也可能随之改变。当越来越多公司能够造出机器人之后，谁能让机器人更快学习、更好理解世界、更稳定地完成任务，谁就能在未来占据主导位置。

（本文图片由受访单位提供）