"具身智能的核心竞争力，绝非单指某个模型或机器人本身。" 2026年世界人工智能大会期间，普渡机器人具身智能产品线总经理吴翔的这番话，点明了行业目前面对的关键困惑与热切期盼。AI已经挣脱了数字世界的束缚，机器人的应用不再局限于展会上的后空翻表演。一个根本性的疑问开始浮现：面对各式各样的机器人，我们需要为每一款开发专属的"大脑"，还是能够打造一个通用智能底座，让不同的"身体"共用同一套"智慧"？
"一脑多形"正是在这样的产业十字路口，成为具身智能领域最受瞩目的技术路线。它试图通过统一的底层模型和软件架构，促成不同形态的机器人共享同一个"大脑"。
图片来源：普渡机器人
然而"一脑多形"究竟是通往未来的康庄大道，还是一个过于理想化的技术乌托邦？
从"一机一脑"到"一脑多形"
"一机一脑"曾是机器人领域不言自明的常态。
一台扫地机器人，配备一套专门优化路径的算法；一台工业机械臂，运行一套只为重复精度而生的控制系统。它们之间，经验难以传递，数据无法互通，算法亦不兼容。每进入一种新的机器人类型，软件与算法几乎都要重新开始。
业内称之为"烟囱式开发"，一根根烟囱拔地而起，彼此间却鲜有联系。跨形态的算法迁移，曾是行业长期面临的效率难题。
但变化正在悄然发生。
近日，国际权威咨询机构弗若斯特沙利文（Frost & Sullivan）发布《2025年全球具身智能与商用服务机器人独立市场研究报告》。报告显示，机器人产业正逐步从"一机一脑"转向"一脑多形"。
报告提到，随着机器人应用场景不断拓展，传统模式已难以满足跨场景复制和规模化部署的需要。"一脑多形"通过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。未来，机器人产业将从单品交付迈向平台化、生态化和基础设施化发展。
"一脑多形"并非凭空创造的概念，而是产业界在探索规模化落地时形成的共识。正如吴翔所言："通用具身智能，不是单一构型解决所有任务，而是建立通用智能底座，再根据任务选择不同类型的机器人。"
这套逻辑的内核在于：通过建立统一的底层模型与软件架构，让不同形态的机器人——无论轮式配送、足式人形、还是固定基座机械臂，都能共享同一套"大脑"。这个大脑负责感知、理解、规划与决策，不同的"身体"负责执行。智能能力在各形态间得以复用，不必每换一种机型都重新训练。
它旨在破解行业长期存在的三重困境：模型泛化能力有限，换个场景就容易失效；高质量物理世界数据匮乏，真实交互数据的采集难度和成本远超互联网数据；每进入一个新场景或换一种新机型，算法和数据的复用率都极低，大量工作需推倒重来。
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建议，具身智能大规模商业化落地，供给侧需三方协同：模型具备跨场景泛化能力、供应链成熟稳定可靠、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，这是解决"同一产品不同场景通用性问题，目标是实现范围经济"。
行业正朝着这一方向迈进。据《中国具身智能产业发展报告（2026）》测算，2026年中国具身智能市场规模预计达到1.09万亿元，年均复合增长率超22%。驱动这一增长的，是多行业、多场景对机器人通用作业能力的需求——其中跨形态复用能力正是关键所在。
工信部、国资委联合发起的人形机器人与具身智能实景实训专项行动，也正在促使机器人在工业、服务、特种等真实场景中积累多形态真机数据，这些数据恰好是训练"通用大脑"的必要基础。
从"一机一脑"的壁垒，到"一脑多形"的通用底座，方向逐渐清晰。
谁在布局？
方向虽已明朗，路径选择成为关键。
普渡机器人是其中典范。该公司以商用服务机器人起家——配送、清洁、工业四条产品线覆盖16个行业，业务遍及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稳居首位，在中国服务机器人出口市场占有率约44%。
基于先发优势，普渡开始思考更深层次的问题：能否将配送和清洁场景中的"移动智能"变为跨形态复用能力？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，人形机器人探索更通用的人机协作场景，三层形态共享同一套智能底座。
系统层——PuduAgent OS，一个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"物理世界的安卓和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，强调对物理空间的真实理解，机器人不仅要"看到"物体，还要"理解"它的重力、摩擦力、运动惯性。
三层协同，使机器人在真实场景中实现"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）目前已可适配双足、四足、机械臂等多种形态的机器人本体。
针对多本体适配难题，刘晋宇分析，这一问题可从两大核心维度入手：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。
现阶段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，刘晋宇认为，一套具身智能大脑无法完全实现全行业的全品类本体适配。
基于行业现状，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分别锁定核心合作伙伴，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，会针对同一场景采集不同机器人构型的数据，通过多元化构型覆盖，强化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。
梅卡曼德的核心判断是：不同任务和场景会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，结合工业级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配置到不同机器人形态上。目前，其"眼脑手"已可支持人形机器人、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迁移到机器人领域，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。
此类案例为数不少。越疆科技展示了"一脑多体"的另一种落地路径。这家以协作机器人见长的企业，在近期研讨会上展示了其"一脑多体"平台，用自研的"空弈"大模型驱动机械臂、人形机器人等多种形态。
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部署。
这些案例揭示,"一脑多形"已成为行业共识，实现路径却有所差异。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。尽管出发点不尽相同，但都指向同一方向——以一套大脑驾驭多种身体。
共识与现实
方向已然清晰，落地仍有多重挑战。
具脑磐石联合创始人&COO刘晋宇近期在演讲中坦率指出："无限制的跨本体适配，成本实在太高。上到关节，下到整机接口，异构的成本比想象中要高得多。有限的跨本体适配是可行的，但无限适配在商业层面不现实。"在他看来，市场上近200家本体厂商、近400款产品，让一个模型全部适配，既不现实，也没必要。
数据是一道难关。大语言模型可以借助爬取互联网文本快速成长，但机器人的"脑子"需要的是高质量的物理交互数据——每一程真实环境下的运行、每一次物理交互的数据，都得依靠硬件部署才能获取。更复杂的是,"移动"数据和"操作"数据并非一物。整个行业都面临同样的难题：让机器人跑起来相对容易，让它像人一样干活，还差得很远。
技术本身也有挑战。跨本体泛化仍是行业共性难题，从灵巧手的单点操作到全身运动控制，还有大量技术课题待攻克。
刘晋宇表示："我们也在往这个方向努力，觉得还是有机会的，当然它是局部的开箱通用，尚未达到开箱即用，很难达到大家期望的那种，但这是一个努力方向，至少能看见这是一个可行方向，它并非完全不可能实现，但它确实要时间，我们在尝试用技术能力推进这方面。"
这也是行业从业者的普遍看法：挑战确实存在，但方向已然明确。2026年的WAIC传递出一个明确信号：具身智能的竞赛，已从比拼机器人能做几个后空翻的"体能赛"，进入了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"，不会在某一天突然出现，而是在工厂、商超、家庭等不同场景中逐步浮现、持续发展。最终，那些能同时建好模型、管好数据、造好本体，并在真实世界里持续跑通的参与者，才可能决定这场游戏的最终规则。
