人形机器人大脑与小脑的技术路线之争——从VLA、世界模型到类脑架构的路径分化与收敛
2026年，人形机器人产业站在一个微妙的技术路口。
身体已经到位了——全球出货量突破4万台，核心零部件国产化率超过70%，关节模组、灵巧手、传感器等硬件供应链日趋成熟。但身体越成熟，一个更尖锐的问题就越发凸显：大脑在哪里？
2026年上半年，近440亿元资金涌入国内具身智能赛道，超过一半的钱涌向了“大脑派”公司，而机器人本体厂商拿到的钱不到20%。超过一半的融资流向了VLA模型、世界模型、数据基础设施和端侧芯片。这组数字说明了一个事实：行业已经形成共识——走得稳和想得明白之间，横亘着一道天堑。
但“大脑应该长什么样”，行业内部却经历了整整一年的路线之争。
一、两条路线，一场分歧
过去一年，具身智能行业对机器人大脑的技术路径存在根本性分歧。
一派倾向于“世界模型优先”——先建立对物理世界的理解，让机器人学会预测“如果我做了这个动作，世界会变成什么样”。另一派主张“VLA直接”——直接从视觉和语言生成动作，端到端输出，不需要中间的世界模型。
世界模型的逻辑是：机器人需要理解物理世界的运行规律，重力、摩擦、碰撞、形变，才能做出正确的决策。世界模型本质上是靠海量数据训练出的空间基础模型，负责4D预测。
VLA的逻辑是：既然大语言模型可以端到端地生成文字，为什么机器人的动作不能端到端地生成？将视觉观测、语言指令和动作全部离散化为Token，像GPT一样逐个输出。
两条路线各有拥趸，争论持续了整整一年。
转折发生在2026年6月的智源大会上。智平方创始人兼CEO郭彦东给出了一个终结性的判断：世界模型不是VLA的竞争路线，而是其核心组成部分。世界模型与VLA并非对立关系——语言模型擅长处理“先拿茶包再倒水”的长程任务规划，世界模型则负责预测水杯靠近桌边可能掉落的短程物理状态。
在世界模型与VLA融合之后，类脑架构成为下一代机器人大脑的演进方向。行业经历了“世界模型vs VLA”路线之争后加速收敛，类脑架构被确立为共识方向。
二、类脑架构：从大脑到皮层—小脑—脊髓的三级跃迁
类脑架构之所以成为共识，是因为它解决了VLA和世界模型都没有回答的一个问题：大脑内部应该怎么分工？
传统VLA模型是一个“黑箱”——输入视觉和语言，输出动作。但机器人需要的不是“一个万能模型”，而是一套分工明确、各司其职的智能体系。
2026年，全球第一个类脑架构VLA具身大模型NeuroVLA正式发布。它仿生人脑结构，采取三级架构：
皮层承担深度推理与任务规划，回答“做什么”——理解复杂指令、拆解长程任务、制定执行计划。
小脑保障动作灵巧性与稳定性，回答“怎么做”——协调全身关节运动、维持平衡、调整步态。
脊髓支持本能级极速反应，回答“快反”——遇到障碍物时20毫秒内触发反射性撤回动作。
实测数据显示，这一架构使机器人动作抖动下降75%以上。碰撞后20毫秒安全反射，急动度峰值降低80.2%，脊髓层功耗仅0.4瓦。智平方的NeuroVLA被学界认证为全球唯一同时具备主动感知、故障自恢复与时序记忆三大类生物运动能力的具身智能系统。
三层分工的逻辑极为清晰：皮层负责“慢思考”——深度推理和长程规划；小脑负责“快协调”——全身运动控制和实时调整；脊髓负责“极速反应”——本能级的避险反射。这种分层不是人为设计，而是对人脑的逆向工程。
三、小脑的GPT时刻
在大脑层路线之争逐步收敛的同时，小脑层迎来了自己的“GPT时刻”。
2026年6月19日，银河通用正式推出全球首个面向人形机器人的通用小脑基础模型AstraBrain-WBC 0.5。这是全球首个达到GPT-1量级的人形机器人全身实时运动控制大模型。
模型的数字令人印象深刻：8040万参数，基于2万小时真实人类动作数据训练，构建了行业规模最大的人形机器人运动语料库。它首次引入GPT风格的因果Transformer架构，将全身运动控制转化为连续动作序列的预测任务。
更重要的是，它首次验证了运动控制领域的Scaling Law。随着训练数据量从200万帧提升至20亿帧，模型在零样本条件下的动作轨迹追踪成功率由83.26%显著提升至92.58%。零样本泛化全新动作的成功率从传统MLP架构的76.89%跃升至92.58%，推理延迟仅0.39毫秒。
这意味着什么？意味着机器人运动控制不再需要针对每个动作单独训练一个控制器。教会机器人走路、跑步、跳舞、翻身，不再需要三个不同的控制器，而是一个模型处理所有动作。一个模型学会了走路，它就能零样本地学会跳舞，就像GPT学会了英语，就能零样本地翻译法语。
地平线紧随其后，开源了HoloMotion-1，这是面向人形机器人全身控制的4亿参数级机器人小脑大模型，在端侧实现约300FPS的实时推理。多个玩家正在同时冲刺小脑赛道。
四、大脑的大一统
在大脑层，2026年的另一个标志性事件是“大一统模型”的出现。
2026年8月20日，北京人形机器人创新中心发布大一统模型Pelican-Unify，推动技术路线从模块化迈向端到端。所谓端到端，并非简单地把多个模块拼接在一起，而是实现共享表示、相互增强、协同进化——文字、图片、视频、动作编码等多维度输入被统一对齐到共享表征空间，进行统一推理并完成规划，最后端到端地生成视频和动作。
Pelican-Unify集成VLM视觉理解、Action Model动作操控、WFM世界模型三重能力，打通了理解、推理、预演、执行全智能闭环。它让机器人从“看懂世界”走向“预演未来、精准执行”。测评数据显示，Pelican-VL 2.0具身业务评测表现大幅领先GPT-5.5。
成都人形机器人创新中心则发布了另一个维度的突破——全球首个复杂语言指令集全自主超长视野机器人任务执行系统。该系统统一了VLA、世界模型、VA、VTA、VTLA等多种架构，将机器人的大脑分为三个协同工作层次：任务决策层、技能与执行监督层、规划与控制层，分别对应“做什么”“怎么做”等核心问题。
众擎机器人则发布了一套仿人脑的五层体系架构EngineAI Awaken，构建贯通物理本体、小脑运控、大脑认知的完整具身智能系统。众擎首次提出“分层异构多频”控制哲学——不同智能层级各司其职，以差异化频率协同运行。
五、大小脑协同：从各走各路到同一个闭环
大脑和小脑的技术突破，正在从两个方向同时重塑人形机器人的能力边界。但真正的突破，发生在大小脑协同的时刻。
银河通用自研的“银河星脑”端到端具身智能基座大模型，以“大脑—小脑—神经控制”端到端闭环架构，将多模态感知理解、长程任务规划与实时动作执行深度融合。在大脑层面，发布了全球首个通用大脑基座模型AstraBrain WAM 0.5，其核心技术路线“世界-动作模型”全球首次实现了虚实共融、人机混合等多源数据的统一有效利用，统一了VLA与世界模型两大技术路径。在小脑层面，发布了全球首个达到GPT-1量级的AstraBrain-WBC 0.5。大脑与小脑的深度协同，正是人形机器人实现自主打网球这一复杂全身智能控制的技术基础。
人形机器人与具身智能标准体系（2026版）也明确确立了“大脑”与“小脑”双架构，要求协同响应时间不超过200毫秒。标准体系的这一规定，标志着大小脑双架构已成为行业共识的技术范式。
六、技术路线的产业意义
2026年，具身智能产业经历了范式分化之后的验证期。路线的争论已经结束，但真正的考验才刚刚开始——竞争的焦点从“选哪条路”转向“谁在路上跑出了真实的交付数据”。
类脑VLA代表自下而上的分层控制范式，仿真合成数据代表数据策略上的替代路径，端到端代表模型架构上的统一化尝试。但路线本身不决定商业化的成败，真正拉开差距的，是三个问题：技术是否进入了客户的真实生产环节？数据是否来自可盈利的场景？客户是否愿意复购？
智平方的NeuroVLA已进入半导体显示、生物医药、汽车制造等领域，已经投入生产，是工厂的生产环节，不是测试阶段。惠科3年1000台订单被摩根士丹利认定为全球生产力型机器人最大单一订单。银河通用的银河太空舱在全国20余城落地超100台。千寻智能的Moz1人形机器人在宁德时代产线实现全年零故障连续运行。
从VLA到世界模型，从类脑架构到端到端大一统，从皮层-小脑-脊髓三级体系到大脑-小脑-神经控制闭环——2026年的人形机器人技术路线之争，正在从“谁是对的”走向“谁跑得更快”。
人形机器人的下半场，比的不是谁提出了更优雅的技术路线，而是谁能把技术路线变成真实产线上持续运行的交付数据。
