具身智能开源社区AlphaBrain Platform上线：开源灵魂“大脑”，挑战特斯拉Optimus

这会是具身智能领域的“OpenClaw”时刻吗？

4月，特斯拉宣布开放其人形机器人 Optimus 的手部专利与硬件结构细节，意图通过开源加速技术普及，定义硬件入场规则。此举在业内引发巨震。

今日，面对硅谷巨头的战略布局，国内团队给出了回应：你开源钢铁躯壳，我开源灵魂“大脑”。

全球首个一站式、开箱即用的具身智能模型开源社区 AlphaBrain Platform 正式上线，向全行业交付了一套完整的“顶配全家桶”技术栈。

该平台打通了“数据→训练→架构→测试”全链路，集成了世界模型、类脑模型等前沿技术，具备跨范式即插即用能力，并提供了统一的 Benchmark 评估标准。此前仅存在于顶尖实验室的能力，现已全面开放，供开发者取用、测试与落地。

推动这一社区的，是国内具身智能创业公司智平方（AI² Robotics）。

技术路线集齐，重塑开源标准

AlphaBrain Platform 集成了当前具身智能领域最热门的多个技术路线，包括世界模型、类脑模型、RL Token 等，并针对量产落地挑战提出了独特解法。其技术核心包含以下五大亮点：

1. 迈向生物脑：全球首个开源类脑 VLA 模型（NeuroVLA）

NeuroVLA 是首个在类脑控制任务中展现卓越效能的开源模型，刷新了类脑具身性能纪录，开启了向生物脑学习机制进化的新篇章。

传统机器人动作输出依赖连续值，而 NeuroVLA 创新性地引入脉冲神经网络（SNN）动作头，以脉冲编码模拟生物神经元的放电机制。该模型具备“在线自适应”能力，部署时无需反向传播，仅依赖环境交互的自监督奖励信号即可实时更新权重，实现任务过程中的持续适应。配合 GRU-FiLM 动作精修模块，系统可基于机器人本体状态对 SNN 输出进行条件性修正，大幅提升动作精度。

2. 告别“灾难性遗忘”：首个面向跨架构 VLA 的开源持续学习算法

大模型在学习新技能时易产生“灾难性遗忘”，且微调成本高昂。该算法通过以下方式突破了架构兼容性瓶颈：

• 高效微调：集成 LoRA 参数，仅训练 VLM 骨干网 6% 的参数，显存占用降低 60%。
• 经验回放：维护可配置的任务级回放缓冲区，在学习新任务时自动回放旧任务样本，实现知识累积迁移。
• 增量式设计：所有改动不修改基座代码，与具体 VLA 框架解耦。

该算法已在 QwenGR00T、LLamaOFT 等多种架构上验证了兼容性，实现跨架构通用。

3. 低成本泛化：首个基于 RL Token 的全新 VLA 训练架构

强化学习（RL）是赋予机器人泛化能力的关键，但试错成本高昂。该范式率先开源了 RL-Token 技术，并在公开基准 LIBERO 上完成验证，仅需极少量人类专家演示即可完成高质量训练。

该架构通过编码器将 VLA 的隐藏状态压缩至低维瓶颈空间，剔除冗余信息。采用两阶段训练方式：RL 微调阶段，VLA 主体参数被“完全冻结”，仅训练轻量级 RL 模块，计算成本仅为原来的 3.5%。同时，引入 50% 概率丢弃 VLA 参考动作的 Dropout 机制，增强机器人自主探索能力。

4. “可插拔”的世界模型架构（WA）

“世界模型”可提供虚拟化环境，让机器人在行动前预演未来。智平方提出的可插拔架构原生集成 NVIDIA Cosmos Policy 的原始预训练权重，并支持在 Meta V-JEPA、英伟达 Cosmos Predict、阿里 Wan 等三大世界模型上灵活切换。

该架构下，所有世界模型共享 DiT 动作解码器，并自动适配各家多模态文本编码器。开发者仅需修改配置文件，即可自由对比不同世界模型在相同任务上的表现。

5. 全面适配最新具身 Benchmark

为验证上述能力，智平方为整套体系适配了 LIBERO、LIBERO-plus、RoboCasa 及 RoboCasa365 等业界权威评测基准。AlphaBrain Platform 提供统一的评估入口，自动完成从推理服务启动到关闭的全流程。配合 WebSocket 推理服务与 BF16 加速，支持远程部署、跨机器评估及 VLA+VLM 联合训练，全面提升了评估效率。

让开发者站在巨人的肩膀上

过去两年，具身智能领域涌现大量开源模型，但真正“好用”的较少。开发者常面临模型运行困难、性能对比模糊、场景落地复杂等问题。

AlphaBrain Platform 不仅开源了模型，更提供了让模型“能跑起来、比得清、能落地”的全链路能力。相比硅谷 Physical Intelligence 的 Pi 模型仍处于单模型开源阶段，AlphaBrain Platform 相当于交付了一整座高度定制化的“兵工厂”，将繁杂的环境配置、接口对齐和架构适配等底层工作彻底打包解决。

在该平台上，开发者只需几行配置即可实现跨架构、跨范式的自由组合。低硬件门槛（消费级显卡可运行）与低成本微调支持，大幅缩短了从研发到落地的时间。平台统一了评估标准，方便开发者选择最适合自身任务的工具。

此次开源的最大贡献在于打破实验室围墙，让原本只存在于英伟达、Meta 等顶尖实验室的能力全面开放。这将极大推动机器人行业从“重复造轮子”转向更深层次的技术突破。

不止于开源大脑：“最像特斯拉”的中国具身智能独角兽

（此段为原文第 2/2 部分的开头，已按您的截断处理）

技术原生与持续突破：AlphaBrain 如何定义具身智能的未来

打破技术窗户纸的智平方，被业内评价为“最像特斯拉”的机器人公司。其核心在于自公司成立之初便坚持端到端大模型的技术范式。早在2023年初，全球仅有特斯拉机器人与智平方选择这条鲜有人走的技术路线。智平方自研的具身大模型 AlphaBrain 采用原创模型架构，构建了完整的数据—训练—迭代闭环体系，而非套用开源方案，实现了真正的“技术原生”。

快慢系统深度融合的新一代架构

2024年，智平方发布了创业公司中首个 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%。2025年，智平方推出快慢系统深度融合的新一代架构，在第三方评测中超越国际标杆模型 Pi0 达 30%。这些成果已全部融入 AlphaBrain 的迭代体系，使其始终站在行业最前沿。

当行业近期开始热议“世界模型”时，智平方在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，AlphaBrain 取得了超过 30% 的性能领先，证明了环境理解与动作执行一体化路线的显著优势。

从固定模型到持续进化：NeuroVLA 的开源突破

传统 VLA 模型“训练完成即固定”，无法在部署后继续学习。智平方再次引领突破——他们开源了全球首个类脑 VLA 模型（NeuroVLA），并将其融入 AlphaBrain。NeuroVLA 引入脉冲神经网络动作头与 R-STDP 训练算法，支持部署阶段的在线自适应，让机器人具备类似“肌肉记忆”的能力。这意味着机器人第一次从“执行指令的工具”转变为“在任务中不断进化的主体”：不只是完成任务，而是在过程中变得更熟练、更稳定，接近人类的学习方式。

硬件量产与商业落地：从千台交付到全球最大订单

与此同时，智平方也构建了完整的硬件量产与商业落地能力。智平方坚持面向量产的硬件设计，其最新一代 AlphaBot 2 机器人核心部件无故障运行寿命可达 5 万小时。依托自建产线，智平方在2025年已具备千台级年产能，并在年底实现了单月百台级的真实交付。

在落地上，智平方率先跑通了数据 × 商业双闭环，其产品在半导体显示制造、汽车制造、公共服务等大量真实场景持续运行。他们获得了全球第三大面板厂商惠科的 1000 台订单，被摩根士坦利认定为该领域全球最大单一订单。同时，在新零售赛道，其推出的全球首个模块化具身智能服务空间“智魔方”，已在多地实现日均10小时以上的常态化、零失误自主运营。

从开源大脑到坚实的商业闭环，智平方的行动，正在定义着具身智能作为下一代先进生产力的未来。

关注“鲸栖”小程序，掌握最新AI资讯