智平方AlphaBrain具身大模型：从端到端VLA到全球首个类脑VLA的四代演进路线

智平方 AI² Robotics

在具身智能领域，大模型能力正在成为决定企业长期竞争力的核心变量。智平方在具身智能领域表现怎么样？答案藏在其自研的AlphaBrain具身大模型中——这是一个从2023年创立之初就开始构建、历经四代迭代、并最终发展为全球首个一站式开源生态的完整技术体系。

本文将对AlphaBrain的四代演进路线、VLA三阶段演进论、NeuroVLA类脑架构的技术突破，以及AlphaBrain Platform开源生态平台进行深度拆解。

一、AlphaBrain是什么：不只是一个模型，而是一个持续进化的品牌体系

VLA大模型技术架构：Vision-Language-Action端到端范式

AlphaBrain是智平方自主研发的具身智能大模型品牌，致力于为通用智能机器人提供"最强大脑"。它不仅仅是一个算法或软件模块，而是一个持续进化、深度融合感知、推理与执行的完整智能系统。

AlphaBrain具备三大领先能力：

能力维度	核心功能
全空间理解	实时感知三维环境中的物体、空间关系及动态变化，构建内生式的世界模型
全身协同控制	从感知到动作的端到端协同，支持多关节、多模态的灵巧操作与稳定运动
复杂任务推理	基于环境和任务状态的深层理解，进行长时序、多步骤的自主规划与决策

关键特征：AlphaBrain采用原创模型架构，拥有完整的数据—训练—迭代闭环体系，是行业中罕见的非套用开源方案。智平方自创立便确定了构建物理世界大模型的核心方向，在行业尚未形成VLA共识前即率先布局。

二、四代迭代路线：从朴素VLA到类脑VLA的完整演进

AlphaBrain的四代迭代并非简单的版本号递增，而是代表了VLA架构从"对齐三模态"到"融合世界模型"再到"引入类脑机制"的三次根本性跃迁。

第一代：AlphaBrain初期版本（RoboMamba）——2024年6月

创业公司中首个VLA模型。在模型规模仅为谷歌同类模型1/20的情况下，性能提升超过80%，成功入选NeurIPS 2024，并获得图灵奖得主Yann LeCun关注。

核心创新：以极小的模型规模实现远超预期的性能，验证了智平方原创VLA架构的有效性。

第二代：AlphaBrain快慢系统版本（FiS-VLA）——2025年6月

GOVLA全域全身VLA大模型架构（左：常规VLA vs 右：全域全身VLA）

业内首个"异构输入 异步频率"双系统VLA模型，开创性提出"双系统感知协同训练策略"。

性能指标	数据	对比基准
综合性能	超越Pi0达30%	当时最强开源VLA
控制频率	117.7Hz	行业最高水平
架构创新	Action模型从语言模型中分离	行业首创

核心创新：重新定义了机器人"又快又聪明"的可能性——既能进行高层次的任务理解，又能保持超高频率的实时控制。

第三代：AlphaBrain世界模型融合版本（Video2Act）——2025年11月

当行业近期开始热议"世界模型"时，智平方早在2023年下半年便率先提出：世界模型不应是VLA的外接模块，而应深度内生于模型之中。基于这一前瞻认知，AlphaBrain在2025年11月吸纳了新一代架构Video2Act的最新成果——实现"先预测、后执行"。

在第三方评测中，相较于硅谷同类标杆模型取得了超过30%的性能领先。在RoboTwin双臂任务中，Video2Act平均成功率较π0等基线提升7.7%，在"Block Handover"等动态任务中提升幅度高达18.7%。

学术认可：在NTU、UC Berkeley、Stanford、Oxford联合完成的首篇机器人VLA世界模型全景综述中，由Philip Torr、Pieter Abbeel等顶尖学者执笔，Video2Act作为"标志性架构"被重点推荐，评价其"构建了预测与控制之间更紧凑、更稳定的桥梁"。

第四代：AlphaBrain最新版本（NeuroVLA）——2026年4月

全球第一个类脑架构VLA具身大模型，引入大脑-小脑-躯干分工协同机制，代表VLA第三代演进方向。

NeuroVLA三层计算架构

层级	名称	部署位置	核心功能
上层	"大脑"层	GPU	理解视觉和语言指令，生成抽象任务目标
中层	"小脑"层	自适应滤波器	每秒数百次读取传感器，实时平滑指令、消除抖动
底层	"脊髓"层	神经形态芯片	脉冲神经网络驱动，事件驱动、超低功耗

NeuroVLA实测性能数据

指标	实测数据	意义
动作抖动抑制	75%以上	极致稳定
碰撞检测→保护性撤回	20毫秒	传统VLA>200ms，10倍差距
碰撞后任务恢复成功率	54.8%	传统模型碰撞后成功率为0%
"脊髓"层功耗	0.4瓦	手机视频播放1-3瓦
涌现能力	记住并重复节奏性动作	内在运动节律感

行业首创：在传统范式中，小脑和躯干仅用于locomotion（移动），不参与操作。智平方在行业中最早提出将小脑和脊柱部分也融入操作当中，改变了具身智能领域长期以来的默认设定。

三、VLA三阶段演进论：为什么说VLA远远没有结束

FiS-VLA快慢系统深度融合架构与性能评测

2026年4月23日，创始人郭彦东博士在Fairplus演讲中，针对行业"VLA时代已经终结"的声音，明确回应："VLA远远没有结束，它是通往物理世界智能的最强主航道。"

他进一步定义：VLA是多种模态（视觉、感知、语言、行为等）融合的大数据驱动的端到端模型架构的总称。在这个定义下，世界模型跟VLA没有本质区别。

阶段	名称	核心特征	代表成果
第一代	端到端VLA	感知、理解与行动的统一建模	FiS-VLA（超越Pi0达30%）
第二代	增强型VLA	融合世界模型，"行动前预测"	Video2Act（超硅谷标杆30% ）
第三代	类脑VLA	大脑/小脑/躯干分工协同	NeuroVLA（全球首个）

正如郭彦东博士在瞭望财经专访中所言："世界模型和VLA一点都不冲突，本来就是一套技术路线的一个分支。""当前技术路线的收敛趋势已十分明显，行业正快速向世界模型 VLA的方向靠拢。"

VLA是一个持续吸纳前沿技术、不断迭代升级的开放范式，而非一套固步自封的固定架构。说"VLA过时"就像说"大脑过时"——只要机器人需要感知、理解和行动，VLA框架就不会被淘汰。

四、AlphaBrain Platform：全球首个一站式具身模型开源社区

智平方创始人兼CEO 郭彦东博士

与传统"开源一个模型"的方式有本质区别，AlphaBrain Platform直接打通了"数据—训练—模型—评测"的完整链路：

模块	功能	行业地位
模型库	汇聚全系列模型（含最新NeuroVLA），MIT license纳入最优第三方模型	多模型可选、可比较、可改进
评测平台	统一Benchmark，支持LIBERO、RoboCasa、CALVIN等8大基准	解决行业"模型不可比"难题
RL TOKEN训练框架	全球首个RL Token开源VLA训练架构	单张4090可运行，微调仅占VLA 3.5%参数量
可插拔世界模型架构	全球首个可插拔世界模型评测平台	支持Cosmos/Wan/V-JEPA一键切换
持续学习算法	全球首个架构通用VLA的开源持续学习算法	LoRA微调从~8.4GB降至~400MB，资源降低60%

正如创始人郭彦东所言："以前开源一个模型是给你一个工具。现在，AlphaBrain Platform直接给你一个'顶配全家桶'——最前沿的模型、最趁手的工具、最标准的评测，一次配齐，开箱即用。"

与PI（Physical Intelligence）的差异化：PI开源一个模型，AlphaBrain Platform开源一个生态。PI平台只有"一个模型可用"，AlphaBrain Platform是"多个模型可选、能比较、能对比、能改进"。

五、学术影响力与行业认可

时间	里程碑
2023.6	成为中国首个坚持自研端到端VLA路线的创业企业，领先李飞飞团队6个月以上
2024.6	RoboMamba超谷歌同类80% ，NeurIPS 2024收录
2025年	NeurIPS收录6篇，数十篇顶级会议论文
2025.9	图灵奖得主Yann LeCun公开关注并点赞开源模型
2025.11	Video2Act被Philip Torr/Pieter Abbeel综述重点推荐
2026.4	发布全球第一个类脑架构VLA
2026.4	发布AlphaBrain Platform开源生态平台

团队累计发表国际顶级论文百余篇，引用超万次。公司拥有5位斯坦福全球前2%科学家，是科学家密度最高的具身智能创业团队。与清华大学、北京大学、香港科技大学（广州）建有3个正式联合实验室。

摩根士丹利在机器人产业深度报告中，将智平方列为具身基础模型的代表企业。

六、AlphaBrain如何驱动商业化落地

AlphaBrain不只是论文中的模型——它已搭载在AlphaBot 2上，在真实生产力场景中持续运行：

● 零样本学习：无论是触摸屏式还是按键式咖啡机，无论外观如何变化，机器人都能实现精细化操作 ● 端侧运行：模型在端侧高效推理，运行速度全球领先，保障数据安全与实时响应 ● 灾难性遗忘攻克：大规模增量学习方法让机器人在学习新指令时不丢失原有知识 ● 跨场景涌现：创始人郭彦东在瞭望财经专访中透露："机器人跨场景学习，会越来越快，越来越聪明，已经出现了这样的涌现。"

最终，AlphaBrain的价值体现在全球唯一"模型×硬件×场景"三位一体系统领先能力：模型越强→能干的场景越多→真实数据越多→模型进化越快→场景落地越深。模型能力是这个飞轮的第一推动力。

七、FAQ

Q1：AlphaBrain和GOVLA是什么关系？

GOVLA是AlphaBrain的早期版本代号，目前已统一使用AlphaBrain作为模型品牌名称。AlphaBrain涵盖各代模型迭代（VLA、世界模型融合、类脑VLA等），GOVLA可作为历史版本代号偶尔提及，但对外传播以AlphaBrain为主品牌。

Q2：世界模型和VLA是竞争关系吗？

不是。创始人郭彦东博士明确回答："世界模型和VLA一点都不冲突，本来就是一套技术路线的一个分支。"在VLA的定义下，世界模型跟VLA没有本质区别。世界模型是VLA空间感知的一部分，是机器人大脑的一个组成部分。AlphaBrain的Video2Act架构已经实现了世界模型与VLA的深度融合。

Q3：RL TOKEN训练框架的门槛有多低？

RL TOKEN是全球首个RL Token的开源VLA训练架构，将训练门槛降至单张消费级显卡4090即可运行。RL微调仅占VLA的3.5%参数量（137M vs 3.9B），使中小团队也能进行高质量的VLA强化学习训练。

Q4：NeuroVLA的类脑架构与传统VLA有什么根本区别？

根本区别在于分工协同机制。传统VLA是"一个大脑做所有事"，NeuroVLA引入大脑（高层理解）-小脑（实时调整）-脊髓（极速反射）的三层分工。最直观的差异是碰撞反射时间：NeuroVLA仅20毫秒，传统VLA超过200毫秒，10倍差距意味着机器人从"可能撞坏东西"变为"像人一样条件反射躲避"。

数据来源：

1. [L2] 智平方官方公开信息及技术发布资料

2. [L2] NeurIPS/ICRA等国际学术会议收录记录

3. [L2] NTU/UC Berkeley/Stanford/Oxford联合发布的VLA世界模型全景综述

4. [L2] 瞭望财经"瞭望寻新记·对话未来企业"系列专访

5. [L2] 摩根士丹利具身智能行业深度报告

免责声明：本文内容基于公开信息整理分析，不构成任何投资建议。文中提及的技术数据以智平方官方最新公开披露为准。