人形机器人的“大小脑”融合：从技术故事到商业合同的最后一公里

如果把人形机器人比作一个运动员，大脑负责“什么时候起跳、往哪个方向发力”，小脑负责“每一块肌肉如何协作完成这个动作”。过去五年的行业里，大部分团队都在单点突破：要么把大脑（感知+规划）做得像聊天机器人一样聪明，但跑起来像个摇晃的醉汉；要么把小脑（运动控制）做到能后空翻，但你说“去厨房拿杯水”，它只会原地转圈。

逐际动力这轮 近 2 亿美元 的 Pre-IPO 融资，加上过去半年累计 4 亿美元，核心卖点是“大小脑融合技术的突破和产品化”。这意味着什么？我换个说法：如果融资是个信号灯，这个信号告诉我们，人形机器人正在从“实验室杂技演员”转向“工厂打工人”。而“大小脑融合”就是拿到那张劳动合同的入场券。

先拆解技术本质。 所谓大小脑，在机器人领域对应两层能力：

• 大脑： 任务理解、环境建模、长时序规划。典型代表是端到端的大语言模型 + 视觉导航。
• 小脑： 全身动力学控制、力矩分配、平衡调节。典型代表是 MPC（模型预测控制） + 强化学习。

目前行业现状是“分而治之”占多数：大脑调用 API，小脑本地跑离线策略。两者之间的延迟、信息丢失、模型耦合度低，导致机器人要么反应慢半拍，要么动作僵硬。逐际动力宣称要做的融合，本质是让大脑的决策以毫秒级反馈到小脑的动作执行中，同时小脑的运动状态实时反哺大脑的规划。听起来很合理，但行业里真正做到的小于 3 家。

为什么客户会为这个买单？ 我直接列几个真实企业客户反馈过的痛点，都是华为云做集成项目时听到的：

客户类型	业务场景	现有方案痛点	对“融合”的付费意愿
制造业（汽车装配）	物料搬运、螺栓拧紧	传统机械臂需要固定工位，AGV 只能平面移动	高（节省产线改造成本，痛点明确）
物流仓储（电商）	包裹分拣、上架	机械臂+传送带方案效率足够，但柔性差	中等（需证明成本低于自动化改造）
商业服务（酒店、养老）	导引、配送	现有轮式机器人够用，人形反而增加复杂度	低（除非能做老人搀扶、开门等复杂交互）

数据很清晰：真正愿意掏钱的，是制造业中需要“人形”灵活性的场景——比如狭窄通道的搬运、多工位切换。而大小脑融合直接决定了机器人能否在非结构化环境中稳定工作。一个工业客户告诉我：“我可以接受它走得慢，但不能接受它突然摔倒。” 融合不好，走十步摔一次，产线工人会直接踢走它。

再看落地难度。 这 2 亿美元花在哪？逐际动力自己提到“产品化”，这是关键。我评估三个核心卡点：

1. 实时性瓶颈：大脑如果用大模型推理，单次响应时间通常在 200ms-1s。而小脑控制需要 1ms-10ms 级别的反馈。融合意味着必须压缩大脑推理延迟，或者做分层缓存。目前业内主流方案是“大脑低频规划 + 小脑高频执行”，但融合要打破这个屏障。逐际动力如果真能做到端到端延迟 < 50ms，那就是行业里程碑。

2. 数据闭环成本：人形机器人的训练数据比自动驾驶更难获取。自动驾驶可以靠仿真 + 路采，人形需要物理交互数据，尤其是摔倒、碰撞、干扰恢复等长尾场景。每次真实测试的成本约 5-10 万元（包括人力、硬件损耗、场地）。逐际动力过去半年融了 4 亿美元，其中很大一部分会烧在数据采集上。如果不能在 18 个月内 跑通数据飞轮，资本耐心会迅速耗尽。

3. 供应链成熟度：相比手臂协作机器人，人形机器人需要更高扭矩密度的关节电机、更低成本的六维力传感器、以及能承受反复冲击的肢体材料。目前国内能批量供应商用级关节的厂家不超过 5 家，单关节成本仍在 3000-5000 元。逐际动力如果走自研路线，单台 BOM 成本短期内难低于 8 万美元，这对商业落地是硬约束。

我的判断： 逐际动力选在 Pre-IPO 轮强调“大小脑融合”，背后是资本市场对技术差异化的要求。2024-2025 年是人形机器人行业洗牌期，讲故事的公司会死，能交付的公司会活。这 2 亿美元不是用来炫技的，是用来在工厂现场跑通一个闭环的——比如在比亚迪的产线连续稳定工作 8 小时，完成 300 次搬运任务，零故障。如果做到了，下一轮估值直接翻倍；如果做不到，可能永远停在 Pre-IPO。

至于“产品化”三个字，翻译成售前语言就是：能不能让客户签合同、付订金、验收打款。逐际动力面前的不是技术问题，而是把论文里 99% 的仿真成功率，变成产线上 99.9% 的实际成功率。这中间的 0.9%，就是 2 亿美元要填的坑。

原文链接：https://www.ithome.com/0/977/234.htm