NEURA Robotics 認為，大腦——而非身體——才是真正的機器人產品

一個模型、五種機器人機身，以及超越相機鏡頭的四種感官：這就是 NEURA Robotics 於 2026 年 10 月 14 日在德國梅青根（Metzingen）發表時所提出的規格，當時該公司推出了名為 Neuron AI 的多模態基礎模型，並稱其為「實體世界的大腦」。 基於 NEURA 所稱的「感知-語言-行動」（PLA）架構， Neuron AI 將 3D 視覺、觸覺與力學數據、音訊、機器人狀態及語言融合為單一共享且時間同步的表徵，並新增記憶功能，使機器人能夠追蹤已無法看見的物體，並回憶自身先前行動所產生的效果。 NEURA 成立於 2019 年，總部位於梅青根，自稱是一家全球性的「實體人工智慧」公司，致力於開發認知機器人，並建構大規模運作所需的軟體與數據基礎設施。

對自動化採購方而言，這項公告的重要性不在於產品揭曉，而在於它標誌著機器人領域的資本與工程資源目前正集中於何處。 NEURA 並非僅僅推出速度更快的機械臂或更便宜的人形機器人。該公司主張，真正值得擁有、訓練並作為平台銷售的資產，是運行於硬體之上的模型，而非硬體本身。 這項賭注使 NEURA 直接與美國、中國及歐洲日益擴大的企業陣營並駕齊驅，這些企業正競相打造通用型實體人工智慧大腦——即讓不同機器人機體能夠感知、推理與行動的認知層。 無論是如 NEURA 所主張，由機器人製造商自行建構該層，還是向模型專家另行購得並運行於買方現有的任何硬體上，這都是此次發布會為每個正在評估多年期自動化合約的採購團隊所提出的戰略性問題。

超越相機視域的感測賭注

Neuron AI 的核心技術主張，在於押注「僅憑視覺並不足以作為物理智能的完整基礎」。相機雖能記錄幾何形狀、顏色與位置，但

它們無法偵測任何關於接觸、力道或聲音的資訊，而 NEURA 的論點是，相當一部分的工業任務正是在這項缺口上失敗的。 該公司舉出的具體範例包括：確認鎖具是否確實已解鎖、抓取機器人相機目前無法看見的物體，以及根據焊接過程發出的聲音來判斷焊縫品質，而非透過事後的視覺檢查。 這些在工廠中都不是邊緣案例。它們正是製造與物流工作的日常樣貌，而這正是純視覺機器人模型一旦離開精心策劃的示範環境後，往往會陷入困境之處。 Neuron AI 的解決方案是將 3D 視覺、觸覺與力學數據、音訊、機器人狀態及語言，整合為單一共享且時間對齊的表徵，而非將每個感測器視為需在後端進行整合的獨立輸入。 隨後，NEURA 疊加了一層記憶功能——該功能是透過調整模型架構並在專為測試此功能設計的資料集上進行訓練而建構而成——因此系統能在整個任務序列中（而不僅限於單一幀內）維持物體恆常性與因果關係的認知。 簡而言之，對於沒有機器人學背景的買家來說：大多數機器人「視覺」系統判斷任務的方式，就像是有人透過窗戶觀察任務，同時關閉聲音，且對三十秒前發生的事情毫無記憶。 Neuron AI 建立在這樣的前提上：加入觸覺、聽覺和記憶功能能彌合這項差距，就像人類工作者不僅依靠視覺，更仰賴觸覺和聽覺來判斷螺栓是否已鎖緊或門閂是否已扣上。

訓練資料才是護城河，而非晶片或機殼

Neuron AI 基於三種截然不同的資料來源進行訓練，而這種組合所揭示的 NEURA 策略，與其架構本身同樣具有深意。來自真實世界的機器人資料源自該公司所謂的「NEURA Gyms」——這是一套實體訓練基礎設施，其中不同形態的機器人執行任務，並同步產生視覺、觸覺、力感、音訊及

動作數據。經模擬增強的數據來自 NEURA 的「數據增強器」及模擬堆疊，透過模擬任務與環境的各種變體，擴展這些真實世界數據。 人類示範數據則來自穿著配備感測器的數據服的人員，將人體動作直接擷取至訓練流程中。NEURA 還與舍弗勒（Schaeffler）和博世（Bosch）建立了數據合作夥伴關係，這兩家公司均被明確列為「數據合作夥伴」而非「客戶」，使模型得以接觸德國工業聞名的嚴苛且專業化的製造環境。 其戰略邏輯在於端到端的垂直整合：由單一企業提供機器人、感測器、訓練場地、模擬技術堆疊，以及將這些元素串聯起來的基礎模型。 這與買方向第三方基礎模型專家取得模型授權，並將其部署在無關製造商的硬體上的商業模式截然不同——而這正是 Physical Intelligence 等公司正在追求的路線，該公司將於 2026 年 10 月向開發者開放其專屬的機器人模型應用程式介面（API）測試版。 NEURA 的賣點在於，將硬體、感測與「大腦」整合於同一屋簷下，能縮短機器人在實地遭遇的情境與下個模型版本能從中學習到的內容之間的反饋迴路。 買家應權衡的取捨同樣直截了當：垂直整合雖能帶來更快的迭代速度與單一責任歸屬點，但也意味著在機體與驅動它的「大腦」兩方面，都必須依賴單一供應商的產品路線圖、資料處理方式及定價策略。

一個大腦、五種機體，以及背後支撐的車隊經濟效益

NEURA 表示，Neuron AI 可運行於五種不同的 NEURA 機器人機體上，每種機體都配備了不同的夾爪或手部裝置。這個細節在商業上至關重要，因為它最清楚地顯示了該公司實際在銷售什麼。僅能在單一機器人機體上運作的基礎模型，只是一種產品功能；而一個基礎模型若能

該技術能適用於五種機械結構各異的實現形式——從不同的夾爪幾何結構到不同的手部設計——其性質更接近於作業系統，而作業系統的定價與銷售方式，與單一機器有所不同。 正是這項通用性主張，使得在機器人車隊規模上的部署方案顯得合情合理。 客戶會針對自身任務對 Neuron AI 進行微調，並透過 NEURA 的「Neuraverse」平台將所產生的技能部署至整個機器人車隊——該公司將此平台稱為位於單一機器之上方的生態系統層。由於尚未披露任何具體客戶名稱或定價資訊，因此該微調與部署模式的商業條款仍有待觀察。 但這項結構性主張——即買家只需教導一項技能一次，即可將其推送至許多物理配置各異的機器人——正是過去兩年來定義人形機器人產業可信度問題的核心所在：演示表現與實際部署之間的落差： 在舞台上展示某項能力是一回事，但要讓這項能力在沒有攝影團隊在場的情況下，於工廠車間內執行重複性工作的機器人機隊中，持續數月仍能穩定可靠地運作，則是另一回事。

採購團隊實際上應深入探究的關鍵

NEURA 的這項公告，出現在一個競爭激烈且聲勢日增的市場中。 Physical Intelligence 於 2026 年 10 月為其專屬的機器人基礎模型開放了 API 測試版。Google DeepMind 則推出了 Gemini Robotics 2，作為一款全身類人型機器人控制模型。中國自動駕駛公司 WeRide 則推出了 WITT，並稱其為「物理 AI 認知基礎模型」。 日立與 Agile Robots 已宣布推出聯合工業物理 AI 技術堆疊，而 Robotiq 則開源了一套專為夾爪設計的物理 AI 軟體層。這些舉措各自針對貫穿整個產業的「垂直整合」與「最佳化解決方案」之爭，給出了不同的答案：究竟該由哪種通用型「大腦」來

機器人應如何運作、誰應擁有它，以及哪些感測模式最為重要。NEURA 這種以擁有機器人硬體本身為基礎、具備全感官與記憶功能的方案，雖是眾多可信方案中的一種競爭優勢，但並非毫無爭議的領先地位。 對於面臨此領域的買家而言，殘酷的現實是：這些相互競爭的「大腦」主張——包括 NEURA 的在內——都不應僅憑上市當日的宣傳話術或展示影片來評估。 業界近期自身的历史——人形機器人曾在舞台上展示流暢的任務執行，但隨後獨立報導卻揭露幕後實為遙控操作、預先編排的序列或大量剪輯——正是買家如今預設對示範影片持懷疑態度的原因。 相關的盡職調查問題，比「它是否有大腦」更具體且更務實：在未經編排、能代表買家自身流程（而非經過精心策劃的場景）的實際情境中，經量測的任務成功率是多少？ 當照明條件、零件變異或遮擋情況偏離訓練分佈時，表現會如何下降？NEURA 所提出的「技能習得時間」（Time-to-Skill）——用以衡量機器人學習並可靠執行新任務的速度——在類似買家實際作業的任務中，實際上需要多少小時或幾週才能達成，而非僅是抽象的宣稱？ 最關鍵的是，是否有第三方或客戶驗證的證據，證明其具備持續的機隊級可靠性——而非僅僅是單一機器人完成單一序列一次，無論表現多麼令人印象深刻？

以上這些都不是否定 Neuron AI 技術前提的理由。 將觸覺、聽覺與記憶融合進感知系統，是針對純視覺模型真實限制的合理解決方案；而 NEURA 所列舉的具體失效模式——例如確認鎖具是否開啟、抓取肉眼無法看見的物體、透過聲音判斷焊縫——確實是基於攝影機的系統經常會忽略的真實工業問題。 此處的警示範圍較為狹窄：基礎模型的雄心壯志與其實際部署的可靠性是兩回事，而該產業的過往紀錄

這讓買方有充分理由在將前者視為已定論之前，堅持要求提供後者的證據。

NEURA 現已為自己安排了一項測試

NEURA 已選定一個具體且公開的場合，以具體闡明其論點。在 2026 年 10 月 20 日至 22 日於 Station-Berlin 3 號展廳舉行的 NVIDIA GTC 柏林大會上， 3031號展位，該公司計劃在工業界與投資者觀眾面前，以現場實況形式展示 Neuron AI 在其類人型機器人上的運行。這些觀眾早已看過太多經過精心安排的機器人影片，深知該關注哪些關鍵細節。NEURA 創辦人暨執行長大衛·雷格（David Reger）直白地闡述了這項雄心壯志： 「智能機器人需要一顆大腦，能夠整合其感官資訊並記住發生過的事情。」幾天之內，這句話要麼將在柏林的展場上，面對 Neuron AI 專為說服的目標買家群體，以肉眼可見的方式得到驗證；要麼就無法實現。

本分析綜合了 NEURA Robotics 於 2026 年 10 月 14 日發布的新聞稿及公開聲明，資料截至本文所述發佈日期。

本文僅供一般資訊參考之用，並不構成投資、採購、法律或工程方面的建議。數據反映上述來源截至所述資訊截止日之狀況，並可能在未經通知的情況下有所變更。