特斯拉開源機器人的“手”之后，這家深圳企業開源了機器人的“大腦”

深圳新聞網2026年4月23日訊（記者 劉惠敏）今年4月，特斯拉公開了5項圍繞Optimus 第三代靈巧手的核心硬件專利，推動機器人“身體”的標準化。幾乎同一時間，深圳具身智能企業智平方聯合港科大（廣州）熊輝團隊，發布了一站式具身智能模型開源社區——AlphaBrain Platform。

AlphaBrain Platform截圖。

與硬件開放不同，這一平臺直接面向機器人的“大腦”，開放了一整套讓機器人理解世界、做出決策并持續進化的體系。如果說特斯拉在回答“機器人如何被制造”的問題，那么這家深圳企業正在試圖回答的是：機器人如何變得真正聰明。

開源模型不少，但“好用”的不多

過去幾年，具身智能領域涌現了大量開源模型和論文，但開發者普遍面臨一個現實問題，那就是開源模型能跑通，真正“好用”的很少。不同項目之間數據格式不統一、接口不兼容、評測標準缺失等等問題，導致開發者大量時間消耗在重復的工程搭建上。開發者想做真正的創新，往往要從數據處理開始，一路搭建訓練流程、對接不同模型、手動完成評測驗證。

AlphaBrain Platform嘗試解決這一問題，將“數據—訓練—模型—評測”整條鏈路打通，一次性開源了當前具身智能領域最前沿的三條技術路線。

三大“全球首創”技術路線集中開源

·全球首個開源類腦VLA模型（NeuroVLA）

傳統VLA模型訓練完成后即固定，無法在部署后繼續學習。智平方首次在類腦控制任務上達到前沿水平，開源了NeuroVLA，一種可以在真實環境中持續適應的類腦系統。NeuroVLA引入脈沖神經網絡動作頭與R-STDP訓練算法，支持機器人在真實環境中持續適應。

這類類腦模型也被公認為VLA（Vision-Language-Action）的未來方向，讓機器人可以在執行任務的過程中不斷進化，接近人類的學習方式，推動具身智能向生物腦學習機制邁進。

類腦模型NeuroVLA。

·全球首個基于RL Token的開源VLA訓練架構

該架構將大模型的通用認知與強化學習的特定場景優化能力相結合，形成了一種既能理解復雜意圖，又能通過與環境交互持續精進執行策略的智能體架構，從而讓大模型真正成為能在工廠、家庭、倉庫等具體場景中完成實際物理任務的自主系統。智平方提出的優化方案使VLA主體在微調過程中完全凍結，訓練參數從3.9B降至約137M，僅占VLA訓練參數的3.5%，大幅降低訓練計算成本的同時，避免了傳統方法中“災難性遺忘”的問題。

這意味著模型可以像人類一樣在已有經驗基礎上精進，而不是反復推翻重來。這種“穩定進化”的路徑，為通用具身智能提供了真正可持續的訓練方式。

·世界首個可插拔世界模型架構（WA）

世界模型是當前最火的“想象力引擎”——讓機器人在行動前預演未來，做出更優決策。然而，世界模型的研究長期停留在論文階段，不同模型之間難以對比、難以集成。

平臺原生集成了NVIDIA Cosmos Policy等世界基礎模型，支持Cosmos、Wan、V-JEPA三大世界模型一鍵切換。開發者可以在同一任務中直接對比不同世界模型的表現，讓機器人能夠在行動前預演多種可能路徑。

除了上述三大技術路線，AlphaBrain Platform還提供了首個面向跨架構 VLA 的開源持續學習算法。

從開放能力到構建生態

過去，具身智能的競爭主要集中在“模型能力誰更強”。但隨著技術演進，這種競爭正在快速演變為“誰能構建更強的生態”。模型可以被追趕，而生態一旦形成，就會產生持續的積累與放大效應。

AlphaBrain Platform還提供了統一的評測標準，覆蓋LIBERO、RoboCasa、CALVIN等8個主流Benchmark。開發者可以自由組合不同架構和訓練范式，跨領域的嘗試只需修改幾行配置。AlphaBrain Platform不僅開放能力，還主動構建整個行業的“基礎設施”，定義了能力如何被使用、如何被比較、如何被持續優化。

如果說特斯拉通過開源硬件推動機器人“身體”的標準化，那么AlphaBrain Platform則在嘗試為機器人“智能”建立開放的開發基礎。前者解決“如何制造”，后者決定“如何進化”。前者推動產業的起點，后者決定產業的上限。當最前沿的能力向開發者開放，創新門檻被降低，技術進步的速度也可能隨之改變。當越來越多公司能夠造出機器人之后，誰能讓機器人更快學習、更好理解世界、更穩定地完成任務，誰就能在未來占據主導位置。

（本文圖片由受訪單位提供）