2026 世界机器人大会在北京亦庄北人亦创国际会展中心正式启幕，300 余家机器人企业、2000 余件整机零部件展品集中亮相，人形特技、超大参数大模型成为展馆主流宣传标签。

同期举办的“AI大模型赋能机器人与具身智能产业新范式”分论坛上，一场关于行业底层路线的深度思辨，撕开了当前赛道“仿真好看、落地艰难”的行业泡沫。

合十思维创始人赵普登台做主题分享，演讲核心立论引用了钱学森1993年的一封书信原文。分享开篇展示了1993年4月28日钱学森致戴汝为院士的亲笔信件内容，以此作为整套类脑技术路线的理论根基。

钱老在信中明确提出核心判断：

“智能机器人之所以智能，可能就在于能干点复杂些的事；所以要紧的是适应并反应比较复杂的环境。机器人本身则是比较简单的，不是复杂巨系统，连简单巨系统都够不上，至多至多是个‘小型大系统’而已。AI进化主义派的论点有局限性。”

时隔三十三年，钱老这段话恰好戳破了当下具身智能行业最大的泡沫：堆砌算力只能完成标准化预设动作，仿人脑感知推理，方能应对现实世界里层出不穷的突发状况。

一、全行业路径锁定：堆算力的仿真狂欢，落地即翻车

仿真环境里机器人成功率能做到89.4%，一到真实场景就跌到12%左右。主流VLA大模型动辄百亿参数，推理延迟高、算力消耗大，单一场地部署成本达数十万元。换一个场景就要重新采集海量数据重新训练——一台机器人从出厂就被“焊死”在固定的任务轨道上。

行业的集体困境可以总结为一个链条：堆参数→堆算力→堆数据→堆成本→越堆越难落地。

这不是某个企业的问题，是整个技术路线的结构性问题。

当下赛道主流“进化主义”思路坚信：只要模型规模、算力、数据足够大，通用智能就会自然涌现。但物理世界充满随机杂物、动态人流、无标准突发状况，海量静态样本永远无法穷尽现实长尾场景。单纯依靠统计拟合的大模型，天然缺少自主推理能力——这正是钱老当年指出的核心局限。

与此同时，主流路线衍生出多重落地难题：推理延迟高、设备运维成本昂贵，决策黑箱无法预判风险，商用场景中频繁出现卡顿与误操作。人形机器人大多只能作为展厅表演道具，难以承接持续性重复性劳动。

二、反向技术选择：不拼算力规模，打造会推理的类脑通用大脑

在行业集体“卷规模”时，合十思维选择了一条完全不同的路。

赵普在论坛上分享了公司的核心技术路线：SNN脉冲神经网络+BTS行为树，仿人脑双脑协同架构。这套架构的关键不是“做得更大”，而是“想得更对”。

不堆参数，堆认知。 公司自研NDOS神经形态类脑架构，模拟人脑11大功能分区并行机制。总参数仅90亿，不到行业主流大模型的1%。

不堆算力，堆效率。 单张RTX 3090消费级显卡即可完成完整部署，日均算力成本不足10元。无需H100集群，无需百万级数据采购。

不绑定硬件，做“通用大脑”。 将感知、决策、运动控制三层架构彻底拆分，同一套Nexus AI大脑系统中枢可兼容人形、轮臂、四足机器狗等各类异构硬件。机器人作业途中可随时接收临时指令，瞬时中断当前工序、切换全新作业内容，无需跑完完整流程、无需重启设备、无需重新编写程序，高度适配商场、场馆多变的实时作业需求。

论坛现场，赵普用一句话概括了合十思维的选择：“我们不是在造一个更大力气的智能机器，我们专注打造‘更会思考’的通用大脑。”

三、SNN+BTS 双脑架构：从 “记忆标准答案” 到 “自主解题”

行业主流大模型的逻辑是：喂给它海量数据，让它记住尽可能多的“标准答案”。但真实世界的复杂在于——没有两个完全一样的场景，没有一个突发状况是“标准”的。

合十思维的双脑架构逻辑完全不同。

SNN（脉冲神经网络）是机器人的“感知感官”。 区别于传统AI全程满负荷运算，SNN仅在环境、画面、信号发生变化时启动脉冲计算，无变化则低功耗待机。反应更快、算力更低、功耗更小。

BTS（行为树系统）是机器人的“逻辑大脑”。 不靠死记数据，靠逻辑推理做事。拆解核心目标与判断逻辑，自主推理适配陌生场景——即便从未见过当前场景，也能自主应对。

赵普在现场举了一个例子：“传统AI看到一把椅子被占用，如果训练数据里没有‘被占用的椅子怎么办’，它就卡住了。我们的系统会自主判断：平整、可承重、高度适配——旁边那张桌子边缘、矮柜也可以坐。它不是在检索记忆，它是在推理。”

四、实景商用验证：技术优劣，交给真实场景打分

分论坛收尾，赵普公布了企业规模化落地成果，用真实运营数据佐证类脑路线的落地价值：

第四代HumanROS通用轮臂清洁机器人已落地北京海淀公园公厕、丰台商场、冰丝带国家速滑馆、新加坡樟宜机场等标杆场景。单台设备可承接70%以上公厕、园区重复性保洁工作，自主完成洁具刷洗、台面刮水、杂物捡拾全流程作业，实现7×24小时稳定商用运行。

2026年上半年，公司全业务签约总额突破7500万元，2025年全年营收达8000万元，形成“清洁刚需场景现金流反哺底层类脑研发”的正向循环——这使其区别于多数只停留在样机阶段的同行企业。

赵普在演讲结尾引用企业长期发展理念：“商用落地只是技术研发的副产物，打造具备自主感知、自主推理、自主迭代的类脑仿真大脑，才是我们的长期核心目标。”

这句话直指行业痛点：当下大量企业把重心放在展厅特效展示，却忽略了机器人走进真实环境、稳定替代人工的核心使命。本届世界机器人大会主题为“人机共生，产需共融”，而共生的基础，是机器能够应对万千突发现实，稳稳完成人类交付的各类繁杂工作。

五、行业反思：三十年前的判断，仍是今天的行业考题

论坛尾声，赵普再次回到钱学森1993年书信原文。钱老当年质疑单纯依靠数据迭代的“AI进化主义派”，认为智能的核心是适配复杂开放环境，而非堆砌硬件与数据。

三十余年过去，具身智能赛道迎来万亿市场规模——2026年行业规模预计突破1.09万亿元——但泡沫与落地割裂问题同步凸显。算力军备竞赛持续升温，却少有方案真正解决市政、文旅、物业的真实用工缺口。

当行业持续比拼模型参数与机器人特技动作时，合十思维的类脑反向路线提供了一个全新思路：通用机器人的评判标准，从来不是展厅里的流畅度，而是在杂乱、多变、无标准的真实场景里长期稳定干活的综合能力。

未来物理AI的竞争，终将从“算力、数据内卷”转向“感知、推理、落地能力”的长期比拼。而类脑仿生架构，或许是破解当下行业落地困局的核心解法。