过去两年，具身智能行业有一个越来越清晰的共识：机器人想变得更聪明，离不开更多数据、更大的模型和更强的算力。

这套逻辑并不难理解，语言大模型已经证明了 Scaling 的威力。数据规模扩大、参数量增加、训练算力提升，模型能力不断涌现。

于是，当这套方法被搬到机器人身上，一个顺理成章的推论就是：只要机器人拥有足够多的真实世界数据，它最终也能学会足够多的事情。

问题在于，机器人面对的世界，和语言模型并不完全一样。

互联网文本相对稳定，而物理世界每天都在变化：客厅里的家具会被挪动，仓库里的货物不断进出，商场的人流、光照和障碍物也随时变化。

更重要的是，机器人面对的往往不是一个见过就会的短任务，而是一连串连续发生的事情。

它需要记住刚才看到了什么，判断接下来可能发生什么，再决定自己应该往哪里走、拿什么、怎么做。

这就带来了一个越来越现实的问题：当机器人走向开放环境，继续堆数据，会不会是一场没有终点的军备竞赛？

数据越多，采集和训练成本越高；场景越复杂，对数据覆盖和环境适配的要求也越高。

对于相对固定的工业场景，这套逻辑或许还能成立，但如果机器人要进入家庭、养老、商场等每天都在变化的环境，为每一个新场景准备足够多的数据，商业账显然越来越难算。

所以，具身智能真正需要解决的，也许不只是让机器人学更多，而是能不能让机器人学会利用自己已经经历过的事情？

这也是具脑磐石这次发布全球首代类脑认知世界模型 Cog-WM 1.0 试图回答的问题。

它没有把重点放在再增加多少训练数据上，而是从人类智能的另一面寻找答案：记忆、预测，以及基于预测不断修正对世界的理解。

1、机器人真正缺的，是长记性

想象一个很简单的场景：机器人第一次进入一个陌生房间，被要求找到一盆植物。

人类完成这件事并不困难。

我们不会先把房间完整扫描一遍，而是边走边看：这里有一张桌子，那里有一扇门，刚刚经过的地方有什么；如果植物暂时没出现在视野里，我们会根据已经看到的空间关系判断下一步应该往哪里找。

过一会儿，如果有人问植物旁边有什么，我们还能回忆起附近可能有一个垃圾桶。

看起来只是找一盆植物，背后却是一条完整的能力链：看见世界→形成记忆→根据记忆预测→主动探索→做出行动→用新的观察更新记忆。

这恰恰是认知世界模型想解决的问题。

过去机器人解决导航问题，一种常见方式是 SLAM（即时定位与地图构建）：先把环境建成地图，再在地图上定位自己，最后规划路径。

这套方法成熟、可靠，但也意味着机器人需要先获得环境地图。对于相对固定的工厂、仓库，它很有价值；但如果面对不断变化的开放环境，地图维护本身就会成为持续成本。

另一类学习型导航则试图让机器人直接从视觉和数据中学习行动策略，不再依赖预先建立的地图。

但这里又出现另一个问题：机器人看到了世界，却未必真正记住了世界。

具脑磐石 Cog-WM 1.0 试图走的，是第三条路。不要求机器人提前拿到完整的 3D 地图，而是让它在探索过程中在线建立自己的时空记忆。

简单来说，传统导航更像是在读地图，Cog-WM 想做的是让机器人自己长记性。

这里的记性不是把摄像头看到的所有画面都存下来。

Cog-WM 1.0 借鉴人脑认知地图的思路，采用 Graph-Voxel（图-体素）形式的全局时空记忆：一部分记录空间之间如何连接，另一部分记录这个空间里出现过什么。

这样，机器人记住的不只是我看过一盆植物，还包括这盆植物出现在哪里、它和其他物体有什么空间关系。

但光有记忆还不够。植物不在眼前时，机器人还得知道下一步往哪走。

因此，Cog-WM 1.0 将 JEPA 引入这套框架，不再预测下一帧像素会变成什么，而是在抽象隐空间里预测：如果采取某个行动，接下来可能进入什么状态、看到什么空间。

机器人可以在行动前对不同方向进行想象，再结合目标位置和路径代价，选择更值得探索的方向。

此外，系统还引入了「惊异」（Surprise）驱动的记忆更新机制。

通俗来说，并不是所有新观察都需要被同等对待，系统会更关注那些与原有预测不一致、值得更新认知的信息。

这对应了人脑预测编码的一类思想：已经知道的东西不需要反复投入同等资源，真正值得关注的往往是那些出乎预期的变化。

顺下来看，Cog-WM 1.0 的核心逻辑就比较清晰了：

记忆告诉机器人过去发生过什么，预测帮助它判断下一步可能发生什么，新的行动又不断产生新的记忆。

这也是类脑在这里真正的含义。它并不是把神经元直接搬进机器人，而是从认知神经科学中寻找可以被计算化的机制，再把这些机制转化成算法。

2、数据只有约十分之一，Cog-WM 到底交出了什么答卷？

一条新的技术路线，最终还是要回到实验结果。

在 HM3D-ObjectNav 公开具身导航基准上，Cog-WM Nav 1.0 与认知地图导航方法 BSC-Nav 进行了对比。

在相同的评测子集和协议下，Cog-WM Nav 1.0 的导航成功率（SR）从 BSC-Nav 的 78.50% 提升到 86.89%，相对提升 10.69%；路径效率指标 SPL 则从 47.70 提升到 48.35。

两个指标放在一起看，比单看提升了 10% 更有意义。

SR 衡量机器人能不能找到目标并完成任务，SPL 则进一步考虑路径效率。

这次实验中，SR 的提升明显高于 SPL，说明 Cog-WM 当前更突出的优势，是让机器人更容易找到目标、完成任务，而不是单纯把所有成功路径都变短。

而真正值得关注的，是背后的数据规模。

Cog-WM 1.0 使用了 145 个场景、577 条轨迹，约 15.4 小时的导航任务数据，模型参数量约 1B。

其导航任务数据量约为对标方法的十分之一，却取得了相近甚至更好的公开基准表现。

但这里有一个必须说清楚的限定，15.4 小时指的是导航任务数据，并不包含视觉编码器的预训练数据。

因此，更准确的理解不是 15.4 小时解决了具身智能的数据问题，而是在导航任务这一特定领域，实验结果显示，通过改变模型对信息的组织和预测方式，有可能显著降低任务数据需求。

这其实是一个重要、但仍需要克制的结论。

因为数据效率高，并不意味着数据问题已经被解决。真正有价值的是，它提供了另一种可能。

机器人能力的提升，未必只能靠不断增加数据，也可以通过更好的算法机制，让每一份数据发挥更大的作用。

而这套机制并不只停留在导航。

在操作任务上，Cog-WM Manip 1.0 同样引入多时间尺度预测和价值引导的经验学习。

对于连续操作来说，当前动作会直接影响下一步状态，因此模型不仅要判断现在怎么做，还需要理解动作对后续任务的影响。

在统一复现协议下，Cog-WM Manip 1.0 在三个主流操作基准上的成功率分别达到：

• LIBERO：98.2%，高于 π0.5 的 96.9%；
• LIBERO-Plus：84.6%，略高于 π0.5 的 84.5%；
• RoboTwin 2.0 Hard：43.2%，高于 π0.5 的 37.2%，相对提升 16.2%。

其中，RoboTwin 2.0 Hard 是难度较高的操作基准之一，也是三组数据中差距最明显的一项。

消融实验里，在 LIBERO-Plus 上，纯策略成功率为 80.0%；加入局部预测后提升至 81.6%；加入多时域预测后达到 82.0%；完整方法最终达到 84.6%。

也就是说，性能并不是依靠某一个算法模块突然跳起来，而是随着预测机制逐步加入而提升。

这也从侧面证明了具脑磐石的成体系机制设计的可验证性。

更进一步来看，这套能力已经开始从仿真走向真实机器人。

目前，Cog-WM 已在四足机器人上完成部署，并应用于巡检、巡逻场景的客户现场；同时也在多款轮式人形机器人本体上完成验证和适配。

在真实环境演示中，机器人可以在没有预先构建 2D 或 3D 地图的情况下探索陌生室内空间，并把过程中看到的目标与对应空间节点关联起来。

比如，它先看到一盆植物，之后再次接收到找到之前那盆植物的任务。这一次，它不是重新搜索整个房间，而是从时空记忆中检索此前留下的信息，再根据空间关系规划路径。

当进一步询问植物旁边有什么时，它还能回答出附近的黑色垃圾桶。

这个细节其实很重要。

因为它意味着机器人记住的不是一个孤立目标，而是目标、位置以及目标周围环境之间的关系。

3、第二条路线的产业坐标，以及还没走完的路

把 Cog-WM 放回整个行业来看，它真正有意思的地方，并不在于类脑路线是不是要取代 VLA。

因为这个答案大概率是否定的。

今天主流 VLA 路线仍然有很强的工程价值。对于明确、相对稳定的任务，大规模数据预训练已经展现出很强的能力。

问题在于，当机器人从标准化场景走向开放世界，任务从短程动作变成长程连续行为，行业需要解决的问题也在发生变化。

机器人不仅要知道现在该做什么，还要知道：我以前经历过什么？这个环境发生了什么变化？如果我这么做，接下来可能发生什么？

这些问题，都指向认知能力。

因此，类脑路线真正值得关注的地方，是试图给现在的已有能力补上一层——让机器人拥有更内生的记忆、预测和经验利用机制。

从这个角度看，低数据、高泛化最终对应的其实是一笔产业账。

如果机器人换一个场景就要重新采集数据、训练模型、调参数，那么它就很难从项目制交付走向规模化产品。

如果机器人能够把过去场景中形成的一部分认知结构复用到新的环境，那么训练成本可能下降；如果能够更好地适应陌生环境，部署成本也可能下降；如果还能从长期运行中的成功和失败里持续获得经验，后续维护成本也可能发生变化。

所以，所谓低数据，最终并不只是一个算法指标。

它真正想改变的是机器人从训练、部署到运维的成本结构。

当然，今天还不能因为 Cog-WM 1.0 的结果，就宣布这条路线已经跑通。

首先，导航和操作目前仍然是分别验证的。虽然两者采用了相近的类脑机制框架，但当前并不是一个已经完全共享权重的统一模型，导航中的时空记忆也还没有完全融入操作系统。

这意味着距离真正意义上的走过去-看见它-记住它-拿起来-完成后续任务的长程闭环，还有距离。

其次，低数据的证据目前主要集中在导航任务。15.4 小时的数据规模确实很有吸引力，但要证明类脑机制能够普遍降低具身智能的数据依赖，还需要在更多任务和环境中重复验证。

最后，商业化也仍处在早期。四足巡检、巡逻等真实场景部署，说明技术已经开始接受真实环境检验，但从单点验证走向大规模、可复制的商业交付，依然需要时间。

而这可能也是类脑路线最值得观察的地方。

真正决定一条技术路线能不能成立的，从来不是喊喊口号就行，而是机器人装上这套大脑之后，能不能在真实环境里稳定工作，能不能少做一些重复训练，能不能适应更多陌生场景，最终能不能让客户愿意持续付费。

具脑磐石把这套思路概括成沿途下蛋。随着能力逐步成熟，先进入真实场景，再用真实场景产生的数据和反馈继续推动研发。

这其实也是类脑路线必须接受的现实检验。

如果说过去几年具身智能回答的是机器人能不能做更多事情，那么下一阶段的问题可能会变成：

机器人能不能记住自己做过什么，并把这些经历真正变成下一次行动的依据？

如果答案是肯定的，那么具身智能的 Scaling 也许就不只有更多数据、更大模型、更强算力这一条路。

数据依然重要，但数据不再是唯一的答案。

而具脑磐石 Cog-WM 1.0 真正值得关注的意义，也不是宣布类脑路线赢了，而是给这个行业增加了一个值得认真验证的选项：

当机器人开始拥有记忆、预测和经验，具身智能或许才真正开始从学习动作走向理解世界。