“具身智能的护城河，岂止是一个模型，抑或一台机器人。”2026年WAIC现场，普渡机器人具身智能产品线总经理吴翔道出此言，直指行业核心的纠结与憧憬。“它融合了技术、场景，更离不开数据与交互形成的持续闭环。”
AI挣脱数字束缚，机器人不再仅限于展台上的后空翻炫技。一个根本性问题浮现：是需为形态迥异的机器人逐一定制专属“大脑”，还是能构建通用智能底座，让不同“躯壳”共享同一套“智慧”？
“一脑多形”正是在产业抉择的关键节点，成为具身智能领域最受瞩目的技术路径。它探索通过统一的底层模型和软件架构，使形态多样的机器人得以共享一个“大脑”。
图片来源：普渡机器人
“一脑多形”是否为通往未来的坦途？抑或只是过于理想化的技术幻梦？
从“一机一脑”到“一脑多形”
“一机一脑”曾是机器人行业不言自明的范式。
清洁机器人力求路径最优算法；工业机械臂追求重复精度控制系统。彼此间经验难以互通，数据无法共享，算法亦不兼容。踏入新机器人领域，软件与算法近乎须从基础构建。
业内称之为“烟囱式开发”，各色烟囱独立矗立，联系稀疏。跨形态算法迁移，长期困扰行业效率提升。
但变革已然发生。
近日，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》。报告揭示，机器人产业从“一机一脑”迈向“一脑多形”。
报告指出，伴随机器人应用场景不断延伸，传统模式难满足跨场景复制与规模化部署。“一脑多形”通过统一智能底座连接多样化机器人本体，使不同设备能共享感知理解、任务规划、技能调用和数据闭环能力。未来，机器人产业将实现从单品交付到平台化、生态化、基础设施化的发展。
“一脑多形”并非无源之水，而是产业界在追求规模化落地的共识。吴翔阐释道：“通用具身智能，非用一个构型处理所有任务，而是建立通用智能底座，再根据任务选择合适机器人类型。”
这套逻辑核心是：通过统一底层模型和软件架构，让轮式配送机器人、足式人形机器人，乃至固定基座机械臂等，共享同一套“大脑”。这个大脑负责感知、理解、规划与决策，不同“身体”负责执行。智能能力在不同形态间复用，无需每换机体就重新训练。
它旨在解决行业三重困境：模型泛化能力弱，换场景易失效；高质量物理世界数据匮乏，真实交互数据采集难度和成本远超互联网数据；跨场景或机型时，算法与数据复用率低，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曾表示，具身智能大规模商业化，供给侧需三方协同：模型跨场景泛化能力、供应链稳定可靠、真实场景数据飞轮效应。李燕强调，泛化能力是关键，解决“同一产品跨场景通用性问题”，旨在实现范围经济。
行业正朝此方向迈进。《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22%。驱动这一增长的，是各行各业、各应用场景对机器人通用作业能力的需求——其中跨形态复用能力是核心要素。
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，推动机器人在工业、服务、特种等真实场景积累多形态真机数据，这些数据正是训练“通用大脑”的根基。
从“一机一脑”的孤立，到“一脑多形”的通用底座，方向日渐清晰。
谁在押注？
方向明确以后，具体路径成为关键。
普渡机器人是其中典型代表。这家以商用服务机器人起家的企业——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，累计出货超13万台。依据沙利文数据，其全球商用服务机器人收入与出货量均居首位，在中国服务机器人出海市场占有约44%份额。
基于先发优势，普渡开始思索更深层问题：能否将配送清洁场景的“移动智能”转化为跨形态复用能力？答案在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“看到”物体，亦能“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）目前已适配双足、四足、机械臂等多种机器人本体。
针对多本体适配难题，刘晋宇指出，可通过两大维度拆解：驱动结构维度（电驱、绳驱、液压等底层差异影响适配逻辑），运动形态维度（双足、四足、轮式运动模式各异）。
当前本体厂商众多，底层协议未统一，难以互通。刘晋宇认为，现阶段一套具身智能大脑无法实现全行业全品类本体适配。
这一行业现状下，具脑磐石确立聚焦策略，在四足、轮式、电驱、绳驱主流形态中锚定核心伙伴。团队在模型预训练阶段，针对同一场景采集不同机器人构型数据，通过多元化构型覆盖，锤炼模型跨本体泛化能力，而非盲目扩大适配边界。
梅卡曼德的核心判断是：不同任务场景催生不同机器人形态，未来形态不会趋同。但感知、理解、规划、执行等核心智能可持续积累，并迁移至不同机器人类型。
基于此，梅卡曼德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
统一技术体系下，梅卡曼德可将智能能力按需配置到不同机器人形态。当前其“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。
梅卡曼德未简单迁移大语言模型或视觉语言模型至机器人领域，而是基于真实任务，围绕物理世界构建通用智能底座。
类似案例尚多。越疆科技展示了“一脑多体”的另一种落地形式。这家协作机器人企业近期展示其“一脑多体”平台，以自研“空弈”大模型驱动机械臂、人形机器人等。
大晓机器人在WAIC期间展示“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，可适配多形态四足机器人，已在上海漕河泾园区安防巡检、滨江城市治理场景落地。
这些案例表明，“一脑多形”已成行业共识，但路径有所分歧。有的从数据飞轮出发，有的从类脑智能切入，有的从感知操作长板延伸。出发不同，但目标一致——让一个大脑掌控多种身体。
共识与挑战
方向明确，但落地尚远。从共识到现实，隔着几重关卡。
具脑磐石联合创始人&COO刘晋宇表示：“无限制跨本体适配代价高昂。上至关节，下至整机接口，异构成本远超预期。有限跨本体适配可行，但无限制适配商业上不现实。”
在他看来，近200家本体厂商、近400款产品，让模型全部适配不切实际，亦非必需。
数据是另一重关卡。大语言模型可借助互联网文本迅猛发展，但机器人“大脑”依赖高质量物理交互数据——每次真实环境运行、每次物理交互数据，均需硬件部署采集。更复杂的是，“移动”数据不等于“操作”数据。全行业面临共同难题：让机器人奔跑不难，使其像人类般操作，差距仍远。
技术挑战亦然。跨本体泛化仍是行业共性难题，从灵巧手单点操作到全身运动控制，技术瓶颈重重。
刘晋宇表示：“我们在朝此方向努力。觉得有希望，当然局部开箱通用，未达开箱即用，离理想状态尚远。但方向可行，非完全不可能，需周期推进。”
这也是行业普遍认知：挑战客观存在，但方向已定。2026年WAIC传递清晰信号：具身智能竞赛从比拼机器人运动能力的“体能赛”，转为比拼机器学习、自我进化的“脑力赛”。
真正的一脑多形，非一日之功，将在工厂、商超、家庭等场景分层涌现、持续演进。最终，那些能同时建好模型、管好数据、造好本体、并在真实世界持续跑通的玩家，方可能定义这场游戏的最终规则。