智平方郭彦东：类脑架构将成为下一代机器人大脑的重要演进方向

深圳新闻网2026年6月15日讯（记者 刘惠敏）近日，在北京智源大会现场，围绕具身智能的技术路线之争再次成为行业焦点。过去一年，随着机器人产业快速升温，一个问题持续引发讨论：机器人究竟应该走VLA路线，还是世界模型路线？

这一问题之所以重要，是因为它直接决定了下一代机器人的技术架构与进化方向。VLA路线强调直接从视觉和语言生成动作，追求高效执行；而不少世界模型路线研究者认为，机器人首先需要建立对物理世界的理解能力，才能进一步产生可靠行为。

对此，智平方创始人兼CEO郭彦东在大会现场对这一行业争论抛出明确答案：世界模型不是VLA的竞争路线，而是VLA体系中的核心组成部分；而在世界模型与VLA融合之后，类脑架构将成为下一代机器人大脑的重要演进方向。

这一判断背后，也对应着智平方过去三年持续高压强的技术布局——从端到端VLA，到融合世界模型，再到最新发布的类脑大模型NeuroVLA，一条清晰的机器人大脑进化路线正在成型。

郭彦东指出，从生命演化的视角看，行动能力并非孤立产生，生命首先需要感知环境、理解环境，然后才会产生行动。因此，世界模型与VLA并非竞争路线，而是天然统一的整体——世界模型负责理解世界，VLA负责作用于世界。他强调，当前被广泛讨论的“世界模型”并非由物理规律驱动，而是靠海量数据训练出来的预测模型。

“数据足够多，模型就知道水杯越过桌面会下落、手机屏幕用力敲可能会碎——这不是物理规律的总结，而是大数据学习的结果。”基于这一判断，郭彦东重新定义了VLA：VLA是多模态融合的大数据驱动端到端模型架构的总称，在这个定义下，世界模型与VLA没有本质区别，更不是替代关系。如果不将世界模型融入VLA，很多复杂任务根本无法完成，例如泡茶需要先拿茶包再倒水，这依赖语言模型的推理认知；而世界模型擅长短程物理预测，如水杯靠近桌边可能掉落。只有两者合并，机器人才兼具长程任务规划与短程物理预测能力。

基于这一理念，2025年11月，智平方联合北京大学率先推出融合世界模型的新一代架构Video2Act，首次实现“先预测、后执行”的机器人模型范式，使世界模型真正成为机器人行动系统的一部分。在第三方评测中，Video2Act相较硅谷同类标杆模型取得超过30%的性能领先。2026年，由英国皇家两院院士、强化学习奠基者Pieter Abbeel等全球顶尖学者联合完成的世界模型权威综述中，Video2Act被作为“世界模型+VLA融合路线”的代表性成果重点引用，标志着技术争论正被新范式取代。

而在世界模型与VLA融合之后，郭彦东进一步指出下一代方向：类脑架构。

郭彦东在大会分享中这样说道：“大家做人形机器人，天天想着如何长得像人，但没有人想如何让脑子更像人。”现有VLA架构中，机器人虽具备较强理解能力，但面对真实世界的复杂环境，普遍存在响应慢、动作抖动、能耗高等问题。原因在于，大多数机器人仍然依赖一个统一的大模型同时处理感知、推理与控制。但在人脑中，皮层负责思考，小脑负责协调运动，脊髓负责本能反射，不同系统在不同时间尺度上协同运作。

为此，智平方最新发布了类脑具身智能系统NeuroVLA，借鉴人脑皮层—小脑—脊髓三级机制，构建了全球首个三级类脑架构：皮层负责语义理解与任务规划，小脑负责高频运动协调与动态修正，脊髓负责毫秒级运动执行与安全反射。这一设计让机器人首次具备了类似生物系统的层级智能能力，从架构层面提升机器人在真实物理世界中的稳定性、实时性与能效。实验结果显示，NeuroVLA能够将机器人运动抖动降低75%以上，在碰撞发生后20毫秒内完成反射响应，同时显著降低系统功耗。

从端到端VLA，到融合世界模型的Video2Act，再到类脑NeuroVLA，郭彦东在智源大会上勾勒出一条清晰的机器人大脑进化路线。从“会推理”走向“会本能反应”，未来的机器人或将越来越接近真正的人类智能。

（本文图片由受访单位提供）