“具身智能真正的护城河，并非局限于某个模型或机器人，而是构建于技术、应用场景以及数据与交互的持续闭环之中。”2026年 WAIC 展会现场，普渡机器人具身智能产品线总经理吴翔的这番话，精准地道出了当前行业最核心的焦虑与热切期盼。
AI 已然挣脱数字空间的束缚，机器人不再仅满足于展台上的后空翻表演。一个根本性的疑问随之浮现：我们是否需要为每一款形态各异的机器人单独定制专属“大脑”呢？抑或是，能够打造一个通用的智能底座，让不同的“身体”共享同一套“智慧”？
“一脑多形”，正是在这样的产业岔路口脱颖而出，成为具身智能领域最受瞩目的技术方向之一。它试图依托统一的底层模型和软件架构，让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”这条路，真的是通往未来的坦途吗？抑或仅仅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”曾几何时是机器人行业不言自明的常态。
一台扫地机器人，配备专门优化路径的算法；一台工业机械臂，拥有专注重复精度控制的系统。它们之间，经验难以流转，数据难以互通，算法亦不兼容。每涉入一种新的机器人形态，软件与算法几乎要从头再来。
业内将此模式称为“烟囱式开发”，一座座烟囱拔地而起，却鲜有彼此连通。跨形态的算法迁移，成为了行业长期存在的效率瓶颈。
但变化已然发生。
近期，权威国际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》。报告披露，机器人产业正从“一机一脑”向“一脑多形”转型升级。
报告指出，随着机器人应用场景不断拓展，传统模式已难满足跨场景复制与规模化部署要求。“一脑多形”通过统一智能底座连接多样化机器人本体，让不同机器人能够共享感知理解、任务规划、技能调用及数据闭环能力。未来，机器人产业将迈向平台化、生态化和基础设施化发展。
“一脑多形”并非凭空诞生的概念，而是产业界在寻求规模化应用时的共识。正如吴翔所言：“通用具身智能，并非用一个构型解决所有任务，而是构建一个通用的智能底座，再根据任务需求去调度不同类型的机器人。”
这套逻辑的核心在于：通过建立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，抑或固定基座的机械臂等，共享同一个“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。智能能力在不同形态间复用，无需为每种机型重新训练。
它旨在解决行业长期存在的三重困境：模型泛化能力不足，换个场景就易失效；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更换一种新机型，算法和数据的复用率极低，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提到，具身智能大规模商业化落地，供给侧需三方面协同，即模型具备跨场景泛化能力、供应链成熟稳定可靠、真实场景中形成数据飞轮效应。其中，泛化能力被置于首位，它旨在解决“同一产品在不同场景通用性的问题，实现范围经济”。
行业正朝着这个方向迈进。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1.09万亿元，年均复合增长率超过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——跨形态复用能力正是其中的关键一环。
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，旨在推动机器人在工业、服务、特种等真实场景中积累多形态真机数据，这些数据正是训练“通用大脑”的必要条件。
从“一机一脑”的孤岛，到“一脑多形”的通用底座，方向正日益明朗。
谁能押注其中？
方向虽明，如何前行成了解决的关键。
普渡机器人是其中最具代表性的企业之一。这是一家以商用服务机器人发家的公司——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。依据沙利文数据，它在全球商用服务机器人收入和出货量上均位居第一，在中国服务机器人出海市场占有约44%的份额。
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里积累的“移动智能”，转化为可跨形态复用的能力？答案是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，吴翔将其比作“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达成“感知—理解—规划—执行—反馈”的完整闭环。
具脑磐石自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。
针对多本体适配的行业难题，刘晋宇指出，该问题可从两大核心维度拆解：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。
立足这一行业现状，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，锤炼模型的跨本体泛化能力，而非无限制扩张合作本体品类、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走向统一。但感知、理解、规划和执行等核心智能能力可以持续积累，并复制、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。
梅卡曼德并未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。
此类案例不胜枚举。越疆科技则展示了“一脑多体”的另一种落地方式。这家以协作机器人见长的公司，近期在研讨会上展示了其“一脑多体”平台，由自研的“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部署。
这些案例表明，“一脑多形”已成为行业共识，但路径有所差异。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板向外延伸。出发点各异，但指向同一目标——让一个大脑驾驭多种身体。
共识已立，挑战犹存
方向明确，具体落地还有多远？从共识到现实，中间尚有重重阻碍。
具脑磐石联合创始人&COO刘晋宇近期在演讲中坦言：“无限制的跨本体适配，成本确实高昂。上到关节，下到整机接口，异构的成本远超预期。有限的跨本体适配是可行的，但无限制适配在商业层面难以实现。”他认为，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。
数据是一道坎。大语言模型可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——每次在真实环境下的运行、每次物理交互的数据，都得依靠硬件部署才能采集。更复杂的是，“移动”数据和“操作”数据并非同一回事。整个行业都面临同样的困境：让机器人跑起来尚易，让它像人一样干活，还差得很远。
技术本身也存难度。跨本体泛化仍是行业共性挑战，从灵巧手的单点操作到全身运动控制，还有大量技术难题待解。
刘晋宇表示：“我们也在朝着这个方向努力，觉得是有机会的，当然它是局部的开箱通用，还没达到开箱即用，很难达到大家期望的那种，但这是一个努力的方向，至少我们能看到这是一个可行的方向，它并非完全不可能实现的，但它确实需要时间，我们在尝试以技术能力往过推进。”
这也是行业从业者的普遍认知：挑战客观存在，但方向已然清晰。2026 年的 WAIC传递了一个明确信号：具身智能的竞赛，已从比拼机器人能做几个俯卧撑的“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，不会在某一时刻突然出现，而是在工厂、商超、家庭等不同场景中逐步涌现、持续进化。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玩家，才可能定义这场游戏的最终规则。
