文 | 钱钱
编辑 | 阿景
朱森华最近有点忙。
这位前华为云AI算法创新Lab主任，2025年10月刚离职，转身就创立了具身大脑公司“具脑磐石”。
短短三个月，团队已经扩张到50人，种子轮融资搞定，还和纽泰格这样的上市公司签了合作协议。
在2025年这个时间点下场做具身智能，确实需要点勇气。
毕竟前两年行业热度过高，不少公司烧光钱都没做出能用的产品。
但朱森华好像不太一样，他在华为那套“脑认知启发”的技术路线，据说能解决现在机器人“看着聪明实则笨拙”的问题。
从华为“博士军团”到创业“梦之队”
朱森华在华为那几年，干的都是硬骨头活。
作为AI算法创新Lab主任，他带着一群博士从零开始搭华为云脑平台，后来又成了智能机器人业务的开创者。
2023年HDC大会上那个能跟人互动的“具身工匠”原型，就是他团队搞出来的。
在大公司待久了，总会有些想法没法完全实现。
朱森华自己也说，华为的平台虽好，但具身智能这种前沿探索，还是需要更灵活的机制。
2025年整个行业开始冷静，反倒是沉下心做技术的好时机，这大概就是他离职的真正原因。
创业这事儿，团队比啥都重要。
朱森华拉来的人确实有点东西，有跟他在华为并肩作战的算法骨干，有神经科学背景的大学教授，甚至还有前特斯拉的机器人工程师。
这种跨学科组合，在具身智能领域可是个大优势。
融资方面也挺顺利，种子轮就拿到了知名VC的钱。
投资方看重的，估计不只是朱森华的华为背景，更是他那个“脑认知启发”的技术方向。
毕竟现在行业最缺的不是机器人硬件，而是能让机器真正理解环境的“大脑”。
脑认知启发，让机器人学会“思考”的新路径
现在做具身智能的，基本就两条路，要么靠深度学习堆数据，要么用强化学习让机器自己试错。
朱森华觉得这两种都有问题。
深度学习太吃数据，现实环境哪有那么多标注好的样本，强化学习试错成本太高，机器人摔几次就坏了。
他想走的是第三条路脑认知启发。
简单说，就是借鉴人脑的工作方式来设计算法。
比如人脑看到杯子，不是死记硬背它的像素特征，而是理解“可以用来喝水”这个抽象概念。
朱森华的团队就在做这样的算法改造。
这里面有几个关键点。
一是抽象概念学习，让机器能抓住事物本质，二是选择性注意力，像人一样聚焦重要信息，三是类人认知地图，让机器人在陌生环境也能找着北。
这些技术堆在一起，就能实现小样本学习，大大降低对数据的依赖。
这个思路其实跟杨立昆的“世界模型”、朱松纯的“小数据大任务”不谋而合。
学术界早就在说，AI要突破就得向人脑学习。
朱森华算是把这些理论落地的实践者，他团队甚至还用上了心理学里的“自由能最小原则”，听着就挺玄乎，但据说效果不错。
商业化落地，不做机器人，只做“大脑”
现在具身智能行业有点尴尬。
一方面大家期待很高，觉得机器人马上就能替代人工，另一方面市面上的产品大多是“半吊子”，复杂环境里根本没法用。
国内很多公司想一步到位做“完全替人”的机器人，结果死得很惨。
朱森华看得很清楚，直接做机器人本体太重了。
他的策略是“不做本体只做脑”，把核心算法做成标准化模块，卖给机器人厂商或者场景方。
这种轻资产模式，在行业调整期反而更容易活下来。
他们第一个试点选在日本便利店的夜班场景。
日本劳动力短缺是老问题，便利店夜班又辛苦，确实需要机器人帮忙。
具脑磐石的算法能让普通服务机器人变得更“聪明”，比如自己判断货架缺货，或者处理简单的顾客咨询。
当然挑战也不少。
实验室里好用的技术，到了真实场景往往掉链子。
那些没见过的“cornercase”，比如突然掉落的商品、顾客奇怪的提问，都可能让机器人卡壳。
数据结构也得跟着场景变，今天是便利店，明天是养老院，标注方式完全不同。
朱森华团队现在每天都在跟这些问题死磕。
他们在办公室搭了个模拟便利店，天天测试各种极端情况。
有工程师开玩笑说，现在闭着眼睛都能摸出哪个货架放着什么零食。
这种接地气的研发方式，或许正是技术落地的关键。
未来三五年，具身智能肯定会有大变化。
随着脑认知启发这类新技术的成熟，机器人可能真的能像人一样“思考”了。
但这需要更多跨学科人才，光懂AI不够，还得懂神经科学、心理学，甚至社会学。
朱森华的创业故事，其实也是整个行业的缩影。
从追求酷炫到回归实用，从大而全到小而美，具身智能正在走出泡沫期。
或许正是这样沉下心做技术的团队，才能真正推动这个领域向前走。
毕竟，让机器理解世界，本来就不是件容易的事。
