NEURA Robotics 與奧地利 NXAI 合作打造類人型記憶系統

NEURA Robotics 與奧地利深科技公司 NXAI 正利用 NXAI 的 xLSTM 架構,為 NEURA 的 Neuron AI 基礎模型建構工作記憶與情節記憶層,旨在彌合人形機器人示範與實際部署之間的可靠性差距。

martti
2分鐘閱讀Posted: 2026年10月21日
NEURA Robotics 與奧地利 NXAI 合作打造類人型記憶系統

大多數能夠看見、觸摸和說話的機器人,至今仍無法記住事情。一個在週一正確插上連接器的類人型機器人,到了週二便無法回憶起自己已經學會了這項技巧。 正是為了彌合感知與記憶之間的這道鴻溝,NEURA Robotics 與 NXAI 決定攜手合作。兩家公司於 2026 年 10 月 20 日在德國梅青根宣布建立合作夥伴關係,旨在為物理人工智慧打造一套共享記憶體架構,將 NEURA 的機器人技術堆疊與 NXAI 的循環神經網路設計—— xLSTM。

這項合作為 NEURA 的 Neuron AI 基礎模型增添了兩種新型記憶:一種是工作記憶,用於追蹤任務的當下狀態,例如零件是否已插入、門是否開啟,或是按鈕是否已被按下;另一種是情節記憶,讓機器人能夠運用過去處理類似情況的經驗。 這兩種類型的記憶體均運行於「Neuron AI」之中——這是 NEURA 現已採用的一種多模態模型,用於將 3D 視覺、觸覺與力矩感測、音訊、機器人狀態及語言融合為單一動作流,並在機器人本地端而非雲端進行處理。

NXAI 是這對組合中較新的名稱。該公司是一家總部位於奧地利林茨的深科技研究機構,其核心技術是 xLSTM——這是長短期記憶(LSTM)網路的擴展版本,由其創辦人 塞普·霍赫賴特(Sepp Hochreiter)於1990年代共同發明,並於2024年重新推出,旨在與當前主導大型語言模型的變壓器架構一較高下。 霍赫雷特同時擔任林茨約翰內斯·開普勒大學機器學習研究所及 ELLIS 單位的主任,他基於一項具體主張建構了 NXAI 的商業案例: xLSTM 在處理長序列時,其狀態的維持與更新成本低於變壓器架構,這對於需要追蹤數分鐘甚至數小時的上下文(而非單次前向傳播)的應用至關重要。該公司的另一款產品——名為 TiRex 的時間序列預測模型——亦基於相同的架構建構。

物理人工智慧中的「健忘症」問題

視覺-語言-動作

模型——這是教導機器人執行新任務的主流方法——通常是為了將世界的「當下快照」映射到特定動作,而非在整個工作班次中持續追蹤狀態變化。 這種設計選擇對於單步驟揀選或定點示範尚可成立,但一旦任務涉及序列與歷史背景,便會立即失效:例如多階段組裝工作、會以細微變化重複進行的廠區導覽,或是機器人需要知道一小時前檢查過什麼的維護巡查。 若缺乏記憶功能,上述每種情境都會被視為全新情況,導致模型要麼默默失敗,要麼需要人類重新建立情境脈絡。

這正是 NEURA 創辦人兼執行長大衛·雷格(David Reger)在宣布合作夥伴關係時提出的商業論點。「真正能協助日常生活與工業的機器人,必須具備記憶能力,」他表示,並將記憶定位為不僅是研究上的奇思妙想,更是區分「僅能表演小把戲的機器人」與「能勝任工作的機器人」之間那塊缺失的拼圖。 霍克雷特(Hochreiter)從架構角度出發,得出了相同的結論:他主張,記憶與累積的經驗正是讓系統能夠可靠地解決多步驟任務的關鍵,而 xLSTM 在長序列中維持狀態的效率,正是使其能在機器人上而非資料中心叢集上實際運行的關鍵。

當機器人開始「記分」時,會發生什麼變化

工作記憶與情境記憶之間的區別並非表面文章;它區分了兩種不同的商業問題。工作記憶關乎正確完成單一任務:一臺知道緊固件已擰緊的機器人不會再次擰緊它,而一臺知道門已打開的機器人也不會去推門。 情節記憶則在於透過反覆執行類似任務來提升速度與可靠性,它會參考機器人先前處理類似情況的儲存紀錄,而非每次都從頭開始推論。兩者結合起來,能讓已部署的機器人具備更接近「輪班」的運作模式

記憶:對其在流程中所處位置以及哪些步驟已成功執行的感知。

兩家公司均未公布該整合系統的基準測試數據,在 NEURA 或 NXAI 正式發布數據前,不應對此作出任何假設;目前已獲證實的僅有架構與設計意圖,而非任務成功率的實際提升。這項警示至關重要,因為業界素有將功能完善的示範系統視為可部署能力的慣例,此現象已有充分文獻記載。 示範與可部署系統之間的區別,正是「記憶」功能旨在縮小的那道鴻溝;而評估此類主張的買家,應在詢問底層模型之前,先要求提供任務層級的可靠性數據。

開放平台,數據原地保留

整合樞紐是「Neuraverse」——NEURA 用於在其機器人產品線中分發 AI 能力的生態系統。根據合作協議,NXAI 基於 xLSTM 的模型將成為該平台上的第二種選項,與 Neuron AI 本身並列;有意使用該模型的企業可透過 Neuraverse 工具鏈進行微調, 在 NEURA 的實體訓練環境(內部稱為 NEURA Gyms)中進行測試,並部署於 NEURA 五款機器人機型中最適合該任務的機型上,包括第三代與第四代 4NE-1 人形機器人、一款輪式機型,以及兩款雙手操作平台。 NEURA 設計此合作模式時,確保採用該記憶系統的企業能保留對自身流程知識的控制權,可自行決定是否分享所產生的數據與技能,而非預設將其交由平台管理。

這項資料控制條款既是技術層面的考量,也是商業層面的訊號。 NEURA 在過去一年中致力於構建全棧策略,而非單一產品策略,將自家的硬體和基礎模型與外部專家結合:與高通(Qualcomm)合作開發用於裝置端運算的晶片、與達索系統(Dassault Systèmes)合作開發虛擬孿生管道,以及現在與 NXAI 合作開發的記憶體層。將客戶資料保留在客戶的

「控制權」正是工業買家——尤其是汽車或精密製造業的買家——願意讓第三方模型接觸其生產數據的首要前提。

為何是德國和奧地利?為何是現在?

這份公告中最引人注目的論點,同時也是最容易驗證的:機器人在真實工廠或家庭中的實用性,取決於其記憶的內容,而不僅僅是其感知到的資訊。 NEURA 已透過與舍弗勒(Schaeffler)和博世(Bosch)的數據合作夥伴關係,建構了其 Neuron AI 訓練管道,這為其開闢了一條通往真實工業部署數據的途徑,而非僅限於模擬;而在該管道之上疊加記憶體架構,是對「可靠性——而非額外的感測器或自由度——才是當前類人型機器人部署的瓶頸」這一觀點的賭注。

對 NXAI 而言,這筆交易是將 xLSTM 的效率主張從研究論文中帶入現實世界的契機,能在具備實際運算能力與延遲預算的硬體上進行驗證。 對 NEURA 而言,這是一項對沖策略,避免必須獨自構建技術堆疊的每一層——尤其在當前歐洲政策制定者與企業買家日益質疑:這片大陸的實體人工智慧龍頭能否運用歐洲元件組建具競爭力的完整技術堆疊,而非從美國或中國進口基礎模型。 這種論述能否經得起部署數據的檢驗,將取決於 NEURA 的工業客戶在實際運作時的回饋——當搭載新記憶體系統的機器人真正走下展示舞台,進入生產現場,並在整班次運作中無需反覆被告知那些它們早已知曉的資訊時,其表現將如何。

採購團隊應實際探詢的關鍵

對於評估此類公告的自動化採購方而言,真正有用的問題比新聞稿所涵蓋的範圍更為狹窄。首要問題是時程:NEURA 和 NXAI 僅闡述了架構與平台插槽,卻未說明整合系統在特定機器人世代上的出貨日期,因此採購團隊應詢問具備記憶體功能的版本何時會

Neuron AI 目前處於「已準備好進行試點」的階段,而非假設其已具備部署條件。第二點是範圍:工作記憶與情節記憶旨在解決任務內與任務間的語境遺失問題,而非那些仍阻礙多數人形機器人部署的獨立問題,例如操作靈巧度、電池續航力或安全認證。 買家若將此公告與競爭對手的類人型機器人路線圖進行比較——無論是來自正擴大出貨量的中國平台製造商,還是專注於靈巧操作的美國競爭對手——都應將其視為疊加在現有技術堆疊上的可靠性特徵,而非更換供應商的獨立理由。

第三個問題涉及資料治理,而這正是 NEURA 在聲明中竭力預先解答的重點。 允許來自奧地利人工智慧實驗室的外部模型在工廠的實體人工智慧技術堆疊中運行,會引發與十年前雲端機器視覺相同的疑慮:誰能查看這些資料,以及在模型重新訓練後,資料將如何處理。 NEURA 的回答——即客戶仍掌握自身製程知識的主導權,並可自行決定是否分享數據與技術能力——這既是銷售話術,也是技術事實;而這正是謹慎的買家在任何試點開始前,應在合約條款中極力要求驗證的關鍵條款,因為平台的預設設定與其行銷話術並不總是相符。

本分析綜合了圍繞此項公告的公司聲明及公開技術文件。本文僅供一般資訊參考,並不構成投資、法律或專業建議。