成立2个月融数千万，斯坦福博士要把人类海马体搬进机器人大脑

全球具身智能赛道上半年涌进935亿元，大多数钱流向了VLA和人形机器人。一家刚成立两个月的小公司，选择了完全不同的方向：用神经科学改造机器人大脑。

7月24日，伊辛智脑宣布完成数千万种子轮融资，由海愿资本领投，多家机构跟投。这家2026年在深圳成立的公司，正在做一件听起来有些科幻的事：把人类大脑的海马体记忆机制，搬进机器人的认知系统。

伊辛智脑的创始团队，是一群研究大脑的人。

创始人兼CEO韩亚潼，哈尔滨工程大学和斯坦福大学联合培养博士，师从斯坦福大学James R. Doty讲席教授Ivan Soltesz，专攻海马体建模。博士期间，他实现了全尺度小鼠海马体的数字化建模，用计算手段模拟生物大脑中的神经活动。之后，他又在中国科学技术大学和香港中文大学（深圳）做了两轮博士后研究，方向从纯神经科学逐渐转向具身智能。

现在，韩亚潼的身份是香港中文大学（深圳）未来智联网络研究院的研究科学家，同时承担着国自然重大项目"类脑平台建设"的课题负责人角色。他把在斯坦福学到的海马体建模能力，带到了深圳光明区的一间办公室里。

核心团队同样来自斯坦福、中国科学技术大学和香港中文大学（深圳），成员拥有机器人产品研发、控制软件、系统集成和产业落地经验。伊辛智脑还与港中深未来智联网络研究院合作建立了联合实验室，港中深助理教授李镇（中国科协青年人才托举工程入选者）也是团队的重要学术合作者。

这群人的共同点是：他们在研究大脑怎么工作这件事上，花了比大多数机器人创业者更长的时间。

⏰️与具身智能赛道的一线创业者、投资人深度交流，扫码报名9月GEIA GBA粤港澳大湾区具身智能与人形机器人创新周↓

伊辛智脑的核心产品是IS-Brain认知世界模型。

这套系统将感知、记忆、推理、规划、决策和行动反馈组织为一个持续运行的认知闭环。它的两个核心技术支柱是主动推理机制和海马体记忆架构。

简单理解，传统的VLA模型是"看到什么就做什么"的感知-动作映射。IS-Brain想做的是让机器人具备真正的认知能力：在环境中持续构建和更新自己的理解，记住过去经历过什么，基于记忆做推理和规划，而不是单纯依赖统计模式匹配。

三大核心能力构成了IS-Brain的技术框架。

持续学习与自我进化。机器人在执行任务的同时，不断更新对环境、任务和自身行为结果的理解。它不会因为换了个场景就丧失之前学到的能力，而是把新经验和旧知识整合在一起。

组合式推理与动态规划。不是机械地重复训练过的动作序列，而是根据当前情境灵活组合已有的知识和经验，动态规划执行方案。

多机器人协同与集体记忆。单个机器人学会的技能和遇到的异常，可以被所有机器人共享。在群体层面突破单一本体的能力限制，形成一个持续进化的机器人群体认知网络。

在硬件适配上，IS-Brain可以适配轮式、移动操作机器人等不同硬件平台，不绑定特定本体形态。

这条类脑认知路线和当前主流的VLA路线形成了有趣的差异。VLA在过去一年里成为具身智能领域最拥挤的赛道，大量公司用端到端的方式训练视觉-语言-动作模型。这条路线在工业场景中展现出不错的泛化能力，但在需要长期记忆和个性化适应的非结构化场景（比如家庭服务）中，仍然面临不小挑战。

伊辛智脑选择从神经科学出发，而不是从计算机视觉或大语言模型出发，试图用一种不同的方式解决机器人的认知问题。这条路目前还相对空白，竞争者不多，但技术验证的难度也更大。

技术再前沿，也需要找到能落地的场景。伊辛智脑已经锁定了三个方向。

第一个是与菲亚兰德合作推进别墅庭院场景的具身智能系统开发。菲亚兰德是中国最大的智能泳池设备商，年营收超10亿元，正在冲刺港股"泳池机器人第一股"，产品出口全球120多个国家，近年开始向庭院机器人方向拓展。两家公司围绕户外移动、庭院服务等开展验证，伊辛智脑提供认知大脑，菲亚兰德提供场景和硬件。这是一个典型的"大脑+场景"合作模式。

第二个方向是与七月初数字科技合作探索家庭陪伴与居家服务场景。机器人结合历史交互和用户习惯，提供个性化的服务体验。这需要长期记忆能力，也是海马体记忆架构的天然优势场景。

第三个方向是酒店服务场景，包括客房清洁和多机器人协助。

三个场景有一个共同特点：都需要机器人在一个相对固定的环境中长期运行，积累经验，学习适应。这正是类脑记忆架构最能发挥价值的地方。

本轮融资将用于IS-Brain核心系统研发、跨学科团队建设、产品工程化及端侧部署，并同步推进上述场景的测试验证与商业化落地。

2026年上半年，国内具身智能赛道融资总金额突破935亿元，同比增长5倍，融资事件322笔，同比增长137%。资本在疯狂涌入这个赛道。伊辛智脑选择的方向，不是最热闹的那条路。它没有做VLA，也没有做人形机器人整机，而是从神经科学的视角切入，试图解决机器人认知能力的底层问题。

这条路离大规模商业化还有距离，类脑认知世界模型的工程化难度不容低估。但它的团队可能是国内最理解"大脑怎么工作"的具身智能创业团队之一。在VLA和数据规模竞赛之外，这种从基础科学出发的探索，同样值得被关注。

具身智能的终局，可能不止一种解法。