液态神经网络：让机器人在动态环境中“自主学习”
2026年7月23日，新加坡南洋理工大学（NTU）计算机科学与工程学院联合麻省理工学院（MIT）计算机科学与人工智能实验室（CSAIL）发布了液态神经网络（Liquid Neural Networks, LNN）的最新研究进展。该成果展示了LNN在机器人实时动态环境中的自适应能力：机器人在未知地形中行走时，无需预训练数据即可实时调整步态，其能耗仅为传统深度神经网络的30%，决策响应速度提升50%以上。
液态神经网络与传统的深度学习模型不同。传统的深度学习模型在训练后参数固定，而LNN采用一种“液态”连接机制，其神经元之间的连接权重会随着输入数据的变化而动态调整。这一特性使得LNN在数据量有限、环境动态变化的场景中表现出色。研究团队在实验中让机器人通过LNN控制器在沙地、碎石、斜坡等不同地形上自主行走，机器人仅用40秒就完成了自适应调整，而传统模型需要超过5000个训练样本才能达到类似效果。
该研究的联合负责人、新加坡南洋理工大学AI与机器人研究中心主任林宏宇教授表示：“液态神经网络将改变机器人从‘死记硬背’的AI模式转向‘即时学习’模式。这对于工业自动化、家庭服务以及灾难救援等无法预知所有场景的应用至关重要。”
技术细节：动态神经元与权重可塑性
液态神经网络的核心创新在于其神经元结构。传统深度网络使用固定的加权连接，而LNN的每个神经元包含一组微分方程，控制着输入信号的时间动力学。这使得网络能够在不同时间尺度上处理信息，类似于生物大脑中神经元的突触可塑性。研究团队利用一种名为“Causal Liquidity”的训练算法，使得网络在快速适应新环境的同时，不会遗忘此前学习到的关键知识。
林宏宇教授指出，LNN的参数量比同等级别的CNN或Transformer模型少一个数量级。例如，一个控制机器人运动的LNN仅需约86个神经元，而传统深度网络需要数千个。这一特性极大地降低了计算成本，使得LNN可以在边缘设备上实时运行，无需依赖云端算力。
目前，NTU团队已经开发了一个基于LNN的机器人操作系统（ROS）插件，开放给全球开发者使用。该插件支持主流机器人平台，如芬奇（Fischertechnik）、优必选（UBTECH）等。
行业应用：仓储、医疗与家庭服务率先受益
液态神经网络的特性使其在多个行业具有颠覆性潜力。在仓储物流领域，新加坡本地物流公司YCH Group已与NTU合作，在义顺仓库部署了基于LNN的自主搬运机器人。这些机器人在仓库布局频繁变动的情况下，无需重新编程即可适应新的货架位置和路径。据YCH集团首席技术官Jeffrey Tan透露，LNN机器人将拣货效率提高了35%，同时减少了80%的维护成本。
在医疗领域，新加坡中央医院正测试LNN控制的外骨骼机器人，帮助中风患者进行康复训练。这些机器人能根据患者的实时肌电信号和步态变化动态调整辅助力度。院方代表表示，早期试验显示患者恢复速度比传统程序式外骨骼快20%。
家庭服务机器人市场也迎来新变数。初创公司BotXite计划于2026年第四季度推出首款基于LNN的家用扫地机器人。该机器人能够“记住”家庭环境的变化，如新增加的家具或临时移动的物品，并根据地面脏污程度自主调整清洁策略。
2026下半年：液态神经网络商业化加速
随着LNN技术的成熟，2026年下半年预计将迎来产业化爆发。新加坡经济发展局（EDB）已将液态神经网络列为国家人工智能战略2.0的重点支持方向。EDB数字产业司司长陈伟明表示，液态神经网络是“真正意义上的节能AI”，有助于新加坡实现2030年AI算力碳中和目标。
资本市场也已敏锐察觉风向。2026年7月，新加坡本地风投机构Jungle Ventures领投了液态神经网络芯片初创公司BrainChip 5000万美元B轮融资。该公司开发的LNN专用芯片NPU（神经处理单元）采用存算一体架构，能效比达到NVIDIA A100 GPU的10倍。BrainChip计划在2026年底量产芯片，并已与多家机器人ODM厂商签订意向订单。
与此同时，开源社区也表现活跃。由NTU发起的“LiquidNet”开源项目在GitHub上已获得超过2万颗星，包含预训练模型、机器人控制示例以及迁移学习工具包。开发者可以在树莓派或Jetson Nano上运行LNN模型，极大地降低了实验门槛。
专家观点与风险提示
尽管前景广阔，液态神经网络仍面临挑战。MIT CSAIL研究员Susanne S.指出，LNN在应对极其复杂的高维视觉任务时，性能仍不及大规模Transformer模型。此外，其理论可解释性不足，可能导致在医疗等高风险领域应用受阻。
独立AI分析师、前新加坡国立大学研究员李明表示：“液态神经网络在机器人控制方面的优势是明确的，但它不是万能的。它更适合那些需要连续自适应、而非一次性模式识别的场景。对于投资者而言，应关注那些将LNN与具体应用场景紧密结合的公司，而非单点技术公司。”
综合来看，液态神经网络正从实验室走向产业应用，2026年下半年有望成为机器人智能控制的主流方案。对于新加坡及全球AI产业而言，这是一个深耕细分赛道、完善生态协同的绝佳机遇。
（狮城财经网 记者王哲 编译报道）
