2026年，在WAIC的舞台上，普渡机器人具身智能产品线总经理吴翔的发言引人深思。他将具身智能的护城河形象地描述为技术、应用场景以及数据与交互组成的持续闭环，精准地捕捉了行业的核心关切与憧憬。
AI已不再局限于数字世界的沉浸，机器人表演后空翻的技术展示逐渐淡出焦点。一个重要的问题由此浮现：我们需要为形态各异的机器人独立训练专属的智能核心，还是能设计出一个通用的智能基础，使得不同形态的“身体”共享同一套“智慧”系统？
“一脑多形”正是在这样的产业抉择点上，成为具身智能技术领域最受瞩目的方向之一。它探索通过统一的底层模型和软件架构，实现不同形态机器人共享同一个智能核心。
图片来源：普渡机器人
但“一脑多形”是否真是通往未来的必经之路，抑或是一个过于理想的乌托邦构想？
从“一机一脑”迈向“一脑多形”
过去，“一机一脑”是机器人行业不言自明的发展模式。
扫地机器人配备专用的路径优化算法；工业机械臂则拥有专属的重复精度控制系统。这些机器人之间，经验难以传输，数据无法共享，算法亦不兼容。每探索一种新的机器人形态，软件和算法几乎都要从零构建。
行业内将这种模式称为“烟囱式开发”，形象地比喻为无数独立烟囱拔地而起，彼此间缺乏有效连接。跨形态的算法迁移，一直是行业面临的效率难题。
然而，变革正在悄然发生。
近期，国际知名的咨询机构弗若斯特沙利文（Frost & Sullivan）发布了《2025年全球具身智能与商用服务机器人独立市场研究报告》。报告明确指出，机器人产业正经历从“一机一脑”到“一脑多形”的转变。
报告分析，随着机器人应用场景的持续扩展，传统模式已难以满足跨场景复制的规模化需求。“一脑多形”通过构建统一智能底座，连接多样化的机器人本体，使不同机器人能够共享感知理解、任务规划、技能调用和数据闭环能力。展望未来，机器人产业将从单品交付转向平台化、生态化以及基础设施化的新发展阶段。
“一脑多形”并非全新的概念，而是产业界在寻求规模化应用中的共识。正如吴翔所阐述：“通用具身智能的核心不在单一形态的解决方案，而在于构建通用的智能底座，再根据具体任务选用合适的机器人类型。”
这套逻辑的关键在于：通过建设统一的底层模型和软件架构，让轮式配送机器人、足式人形机器人，乃至固定基座的机械臂等不同形态的机器人，共享同一个智能核心。这个大脑负责感知、理解、规划与决策，而不同的“身体”负责具体执行。智能能力在不同形态间得以复用，无需为每种机型重新训练。
它旨在解决行业长期存在的三大问题：模型泛化能力欠缺，场景变换时容易失效；高质量物理世界数据稀缺，真实交互数据的采集难度和成本远超网络数据；算法和数据的复用率低，每进入新场景或更换新机型，大量工作需重头开始。
国务院发展研究中心产业经济研究部副部长李燕在访谈中指出，具身智能实现大规模商业化，供给侧需在三个方面协同发力：模型需具备跨场景的泛化能力、供应链需成熟可靠、需在真实场景中形成数据飞轮效应。其中，泛化能力被置于首位，其目的是解决“同一产品在不同场景的通用性问题，以实现范围经济”。
行业正朝着这个方向迈进。《中国具身智能产业发展报告（2026）》预测，到2026年，中国具身智能市场规模预计将达1.09万亿元，年均复合增长率超过22%。这一增长主要得益于跨行业、跨场景对机器人通用作业能力的需求——而跨形态复用能力正是其中的关键要素。
工信部、国资委联合启动的人形机器人与具身智能实景实训专项行动，正推动机器人在工业、服务、特种等真实场景中积累多形态真机数据，这些数据恰是训练“通用大脑”的基础。
从“一机一脑”的独立孤岛，到“一脑多形”的通用底座，发展方向日渐清晰。
谁在布局？
方向明确之后，如何实现成为关键议题。
普渡机器人是其中的先行者。这家以商用服务机器人起家的企业，其配送、清洁、工业四条产品线覆盖16个行业，业务遍布85个国家和地区，累计出货量超13万台。据沙利文数据，它在全球商用服务机器人收入和出货量上位居前列，在中国服务机器人出海市场占有约44%的份额。
凭借先发优势，普渡机器人开始思考更深层次的问题：能否将配送和清洁场景中积累的“移动智能”，转化为可跨形态复用的能力？其答案在于Physical Agent三层架构。
图片来源：普渡机器人
本体层——专用机器人处理高频标准化任务；类人形机器人进入复杂工业和商业环境；人形机器人探索通用化的人机协作场景，三层形态共享同一套智能底座。
系统层——PuduAgent OS，作为通用具身智能体平台，负责任务理解、规划决策、经验积累和安全运行，吴翔将其类比为“物理世界的安卓与iOS生态”。
技能层——自研具身基座模型PuduFM，内置物理直觉模型，基于普渡自有的全球最大机器人物理交互数据集训练，注重对物理空间的真实理解和模拟，机器人不仅需“看到”物体，更要“理解”其重力、摩擦力、运动惯性。
三层协同，使机器人在真实场景中完成“感知—理解—规划—执行—反馈”的完整闭环。
具脑磐石定位为具身智能大脑服务商，其认知世界模型（Cognitive World Model）目前已能适配双足、四足、机械臂等多种机器人本体。
针对多本体适配的行业难题，联合创始人&COO刘晋宇分析，该问题可从两大维度拆解：一是驱动结构维度，电驱、绳驱、液压等底层驱动部件的结构差异，会直接影响模型的适配逻辑；二是运动形态维度，双足、四足、轮式底盘的运动模式各不相同。
当前机器人本体厂商数量众多，行业底层协议尚未统一，难以互通。因此，在刘晋宇看来，现阶段一套具身智能大脑无法实现全行业的全品类本体适配。
基于这一行业现状，具脑磐石确立了精准聚焦的适配策略，在各类机器人形态中锚定核心合作伙伴，覆盖四足、轮式、电驱、绳驱等主流形态和构型。团队在模型预训练阶段，会针对相同场景采集不同机器人构型的数据，通过多元化构型覆盖，锤炼模型的跨本体泛化能力，而非无限制拓展合作本体品类、盲目扩大适配边界。
梅卡曼德的核心观点是：不同任务和场景将催生不同形态的机器人，未来机器人形态不会趋于统一。但感知、理解、规划和执行等核心智能能力可以持续积累，并迁移至不同类型的机器人。
因此，梅卡曼德围绕“一脑多形”构建通用具身智能眼脑手技术体系，以具身智能大模型和仿生分层机器人大脑为核心，融合工业级3D视觉、运动规划、机器人控制与末端执行能力，形成“感知—理解—规划—执行—反馈”的完整闭环。
图片来源：梅卡曼德
依托统一的技术体系，梅卡曼德可以将这些智能能力按需部署到不同机器人形态上。目前，其“眼脑手”已支持人形机器人、工业机器人、移动机器人、协作机器人等多种构型。
梅卡曼德没有选择将通用大语言模型或视觉语言模型简单移植到机器人领域，而是从机器人真实任务出发，围绕环境感知、任务理解、自主规划、运动执行等能力，构建面向物理世界的通用智能底座。
类似案例不胜枚举。越疆科技展示了“一脑多体”的另一种实现路径。这家以协作机器人起家的企业，近期在研讨会上展示了其“一脑多体”平台，用自研的“空弈”大模型驱动机械臂、人形机器人等不同形态。
大晓机器人在WAIC期间展示了“晓途”四足全域作业方案，由具身超级大脑模组A1与智能管控平台构成，可灵活适配多形态四足机器人本体，已在漕河泾园区安防巡检、上海滨江城市治理等场景验证。
这些案例表明，“一脑多形”已成为行业共识，但实现路径有所不同。有的从数据飞轮出发，有的从类脑智能切入，有的从感知和操作的长处延伸。尽管出发点各异，但均指向同一目标——由一个大脑驱动多种身体。
共识与挑战并存
方向清晰，但具体落地仍面临距离。
具脑磐石联合创始人&COO刘晋宇在近期演讲中直言：“无限制的跨本体适配成本确实高昂。从关节到整机接口，异构成本远超预期。有限的跨本体适配可行，但无限制适配在商业上不现实。”
在他看来，市场上近200家本体厂商、近400款产品，使一个模型完全适配既不现实，也没必要。
数据是另一道难关。大语言模型可借助互联网文本快速成长，但机器人的“大脑”需要高质量的物理交互数据——每一次真实环境运行、每一次物理交互的数据，皆需硬件部署支持采集。更复杂的是，“移动”数据和“操作”数据并非同一概念。整个行业都面临难题：让机器人行走尚可，欲使其像人一样胜任工作，差距仍很明显。
技术本身亦充满挑战。跨本体泛化仍是行业共同难题，从灵巧手的单点操作到全身运动控制，大量技术问题尚待解决。
刘晋宇表示：“我们也在朝这个方向努力，认为还是有机会的，当然它是局部的开箱通用，尚未达到开箱即用，距离大家期望的还有差距，但这是一个可行方向，至少能看到前景，它并非完全不可能实现，但要经历过程，我们在尝试用技术能力逐步推进。”
行业普遍认为，挑战虽存，方向已明。2026年的WAIC传递出一个明确信息：具身智能的竞争正从比拼机器人体能的“体能赛”，转变为比拼谁能让机器人持续学习、自我进化的“脑力赛”。
真正的一脑多形，不会一蹴而就，而是在不同场景中逐步涌现、持续演进。最终，那些能同步建设好模型、管理好数据、制造好本体，并在真实世界中有效运行的企业，才可能定下这场竞赛的规则。
