機器人運營商AIROBO發起設立首家機器人通用模型公司ROBRAIN

從機器人運營平臺邁向機器人世界模型，AIROBO 正在布局下一代機器人基礎設施，全球機器人行業正在發生一次底層邏輯變化。

過去十年，機器人行業的核心競爭長期圍繞機器人本體展開。從激光雷達、機械結構，到運動控制、電機系統與機器人硬件性能，大部分企業依然沿著傳統制造業邏輯發展。誰能夠制造更穩定、更低成本、更高性能的機器人，誰就擁有更強競爭力。

但隨著機器人開始真正進入社區、商業、園區、地下空間以及城市公共場景，一個新的問題開始成為行業核心——未來海量機器人進入真實世界后，誰來訓練機器人的“大腦”？

近日，全球機器人運營平臺 AIROBO 正式宣布聯合發起設立機器人通用基礎模型公司 ROBRAIN，全面布局機器人世界模型（World Model）與具身智能基礎模型（Embodied Foundation Model）方向。ROBRAIN 將聯合中國頂尖大學、中國頂尖 AI 實驗室以及機器人算法團隊，共同建立機器人行業下一代 AI 基礎設施。

業內人士認為，這意味著 AIROBO 正在從“機器人運營平臺”進一步升級為“機器人世界模型基礎設施平臺”。

AIROBO 創始人、董事長，同時也是 ROBRAIN 創始人兼董事長先越表示：“過去互聯網時代最重要的是流量入口，而未來機器人時代最重要的是現實世界入口與真實世界數據。未來機器人行業真正的競爭核心，也不只是機器人本體，而是誰擁有最大的真實世界數據網絡，以及誰能夠建立機器人行業真正的世界模型能力。”

這一戰略背后，對應的是 AIROBO 對機器人行業未來發展路徑的判斷。

AIROBO 認為，未來機器人行業真正重要的，不只是機器人硬件，而是機器人對于現實世界的長期理解能力。因為機器人所面對的，并不是互聯網世界，而是“連續動態物理世界（Continuous Dynamic Physical World）”。

機器人不僅需要理解語言，更需要理解空間、時間、運動、環境變化以及人與真實物理空間之間的復雜交互關系。機器人真正需要學習的，不只是文本 Token，而是現實世界中的連續狀態變化關系（State Transition Relationship）。

例如，一個配送機器人每天需要持續處理人流變化、電梯狀態變化、門禁變化、地下車庫動態障礙、復雜公共空間中的路徑通行，以及機器人與人之間的實時交互行為。而一個清潔機器人，則需要實時理解空間覆蓋效率、動態環境變化、人群移動規律以及復雜環境中的任務優先級變化。

這些問題的本質，已經不再只是傳統導航問題，而是“世界建模問題（World Modeling Problem）”。

AIROBO 技術團隊認為，目前全球大量機器人系統，本質上仍然屬于規則驅動架構（Rule-based Architecture）。傳統機器人主要依賴 Perception（感知）、Localization（定位）、Mapping（建圖）、Planning（規劃）以及 Control（控制）等多個獨立模塊運行。這種體系在固定環境中穩定性較高，但在復雜開放環境中，容易出現誤差累積、動態環境失效以及泛化能力不足的問題。

而下一代機器人 AI 的核心，不再只是感知系統，而是建立統一的機器人世界模型（Unified Robot World Model）。

ROBRAIN 的設立，正是 AIROBO 在這一方向上的核心布局。

據了解，ROBRAIN 將重點建設機器人行業通用基礎模型（Robot Foundation Model）、空間智能系統（Spatial Intelligence System）以及真實世界數據基礎設施（Real-World Data Infrastructure），并逐步建立機器人行業統一的世界模型能力。

其中最關鍵的部分，是 AIROBO 已建立的大規模真實世界數據入口體系。

目前，AIROBO 已與大量中國頂級物業集團、商業綜合體以及社區體系展開深度合作，并擁有數十億平方米社區場景的數據采集與長期動態運行入口資源。這些空間正在持續形成機器人運行數據、動態空間數據、環境反饋數據以及真實任務行為數據。

業內人士指出，這類數據與傳統互聯網數據存在本質差異。機器人行業真正稀缺的，并不是靜態地圖，而是“動態空間數據（Dynamic Spatial Data）”。

例如社區高峰期人流變化、電梯運行狀態、地下車庫車輛流動、復雜公共空間中的動態障礙，以及機器人與人之間的長期協同行為。這些數據才真正決定機器人是否具備現實世界泛化能力（Real-World Generalization Capability）。

ROBRAIN 當前正在重點構建機器人行業四大核心數據體系，包括 Spatial Perception Data（空間感知數據）、Behavior Decision Data（行為決策數據）、Action & Control Data（動作控制數據）以及 Task Feedback & Reinforcement Learning Data（任務反饋與強化學習數據）。

其中，空間感知數據包括三維空間重建、SLAM 建圖、空間拓撲結構以及動態環境變化數據；行為決策數據包括導航、避障、路徑規劃、多機器人協同以及復雜環境中的自主策略數據；動作控制數據則包括機器人運動控制、復雜動作反饋以及真實環境中的控制穩定性數據；任務反饋數據則幫助模型形成長期強化學習（Reinforcement Learning）與持續自我優化能力。

ROBRAIN 技術團隊表示，公司未來將重點突破 Spatial Understanding Model（空間理解模型）、Dynamic Environment Prediction Model（動態環境預測模型）、Robot Policy Model（機器人行為策略模型）、Multi-Agent Coordination Model（多機器人協同模型）、Temporal Memory Model（時序記憶模型）以及 Reinforcement Learning System（強化學習系統）。

此外，ROBRAIN 還將建設大規模機器人仿真訓練環境（Simulation Environment），通過 Sim2Real（仿真到現實）體系，實現虛擬訓練與真實世界部署之間的數據遷移能力，從而提升機器人模型在復雜開放環境中的泛化能力與穩定性。

業內人士認為，AIROBO 發起設立 ROBRAIN，也意味著機器人行業開始正式從“機器人運營平臺時代”進入“機器人基礎模型時代”。

未來機器人行業真正重要的，可能不再只是機器人制造公司，而是掌握真實世界數據入口、動態空間建模能力以及機器人世界模型能力的 AI 基礎設施公司。

而 AIROBO，正在從機器人運營平臺，進一步向機器人時代的“世界模型基礎設施平臺”邁進。