<mark id="oztn4"></mark>
0
作者丨李 希
編輯丨董子博
進(jìn)入2026年下半年，越來越多企業(yè)開始思考，具身智能如何才能更快落地？業(yè)內(nèi)逐漸形成的共識在于，具身智能的競爭，不再是單一模型能力的比拼，而是進(jìn)入系統(tǒng)工程能力與產(chǎn)業(yè)基礎(chǔ)設(shè)施的核心角逐。
這一共識形成的背景在于，一方面，機(jī)器人硬件正在快速成熟。機(jī)械結(jié)構(gòu)、關(guān)節(jié)模組、傳感器、控制系統(tǒng)等核心硬件持續(xù)迭代。但另一方面，機(jī)器人擁有了越來越強(qiáng)的身體，卻依然缺少真正工作的能力。
一臺機(jī)器人可以識別物體，可以理解語言指令，也可以完成實驗環(huán)境中的復(fù)雜動作，但當(dāng)它進(jìn)入真實產(chǎn)業(yè)場景，面對不斷變化的環(huán)境和任務(wù)時，真正困難的問題變成了它是否知道如何完成任務(wù)？它是否能夠根據(jù)環(huán)境變化調(diào)整策略？它是否能夠?qū)⒁淮纬晒?jīng)驗，轉(zhuǎn)化為可復(fù)用、可遷移的技能和能力？答案依然是否定的。
雖然大模型解決了機(jī)器人“理解世界”的認(rèn)知難題，但機(jī)器人要真正進(jìn)入世界、更快融入場景，本質(zhì)上還需要一套能夠支撐技能生成、真實驗證和高效部署的基礎(chǔ)設(shè)施。這正在成為機(jī)器人產(chǎn)業(yè)下一階段競爭的新焦點。
近期，鹿明機(jī)器人推出具身智能開發(fā)與驗證平臺Lumos Station Lite，并提出“產(chǎn)業(yè)具身”理念，試圖讓具身智能更容易從“理解任務(wù)”走向“完成任務(wù)”，打通模型能力到真機(jī)落地的關(guān)鍵鏈路，有望推動具身智能在產(chǎn)業(yè)場景規(guī)模化落地。
01
“產(chǎn)業(yè)具身”的提出背景，與人工智能的發(fā)展歷程有著相似之處。人工智能發(fā)展的早期，人們逐漸意識到，一個強(qiáng)大的模型本身并不足以直接創(chuàng)造產(chǎn)業(yè)價值。從算法突破到商業(yè)落地，真正推動AI進(jìn)入現(xiàn)實世界的，是圍繞模型構(gòu)建的數(shù)據(jù)體系、算力體系、工具鏈和應(yīng)用生態(tài)。以GPT、DeepSeek等大模型為代表的新一輪AI浪潮，也進(jìn)一步證明了這一點：模型能力只是起點，完整的產(chǎn)業(yè)基礎(chǔ)設(shè)施才是推動智能規(guī)模化應(yīng)用的關(guān)鍵。
具身智能正在場景需求的驅(qū)動下，正進(jìn)入從“能力展示”走向“產(chǎn)業(yè)應(yīng)用”的關(guān)鍵階段。機(jī)器人真正進(jìn)入現(xiàn)實世界后，面對的不再是實驗室中定義好的任務(wù)，而是充滿變化和不確定性的真實環(huán)境。
在倉庫中，物料位置可能隨時變化；在生產(chǎn)線上，工件狀態(tài)和作業(yè)流程可能不斷調(diào)整；在家庭環(huán)境中，用戶需求也難以提前窮舉。面對這些復(fù)雜場景，機(jī)器人不能只依賴預(yù)先編排的程序，而需要具備從真實環(huán)境中獲取信息、學(xué)習(xí)經(jīng)驗，并持續(xù)進(jìn)化的能力。
這意味著，具身智能天然是一項系統(tǒng)工程。它需要感知系統(tǒng)理解環(huán)境，需要模型系統(tǒng)完成任務(wù)推理，需要控制系統(tǒng)將決策轉(zhuǎn)化為動作，需要機(jī)器人本體完成物理執(zhí)行，還需要反饋機(jī)制不斷優(yōu)化能力。其中任何一個環(huán)節(jié)不足，都會限制整體智能水平。
強(qiáng)大的模型可以賦予機(jī)器人認(rèn)知能力，而一套穩(wěn)定、閉環(huán)的系統(tǒng)基礎(chǔ)設(shè)施，能讓智能真正落地、持續(xù)迭代、規(guī)模化復(fù)用。這也是鹿明提出“產(chǎn)業(yè)具身”理念的核心底層邏輯——跳出單點技術(shù)迭代，以全鏈路系統(tǒng)能力破解產(chǎn)業(yè)落地瓶頸。
AI科技評論發(fā)現(xiàn)，“產(chǎn)業(yè)具身”理念圍繞真實產(chǎn)業(yè)需求，將技能能力、AI模型、機(jī)器人系統(tǒng)和產(chǎn)業(yè)場景真正連接了起來，并借由Lumos Station Lite這款面向教學(xué)與科研場景的桌面級平臺，將重心落在了另一個維度：從模型部署、真實執(zhí)行到量化評測的一體化技能驗證能力。
02
隨著產(chǎn)業(yè)應(yīng)用持續(xù)深化，機(jī)器人行業(yè)的需求已然發(fā)生根本性轉(zhuǎn)變：市場不再單單追求“擁有一臺機(jī)器人設(shè)備”，而是渴求“擁有可落地、可復(fù)用、可迭代技能的機(jī)器人”。在鹿明的產(chǎn)業(yè)布局中，可驗證、可沉淀、可調(diào)用的機(jī)器人技能，正是連接AI模型與真實產(chǎn)業(yè)場景的核心關(guān)鍵。
因為現(xiàn)實世界中的任務(wù)，很少是簡單動作。例如，一個機(jī)器人完成柔性物體整理，看似只是抓取和擺放，但背后涉及物體狀態(tài)判斷、動作規(guī)劃、力度控制、空間關(guān)系理解以及異常處理。因此，整套綜合能力的沉淀，才是具備產(chǎn)業(yè)價值的機(jī)器人技能。
鹿明認(rèn)為，具身智能的發(fā)展不能只依靠模型規(guī)模提升，而需要圍繞真實產(chǎn)業(yè)任務(wù)，將場景需求、技能能力、模型能力和機(jī)器人系統(tǒng)結(jié)合起來，讓機(jī)器人具備面向產(chǎn)業(yè)應(yīng)用的執(zhí)行能力。這是具身智能區(qū)別于傳統(tǒng)人工智能的重要地方。在數(shù)字世界中，模型輸出答案即可完成任務(wù)。但機(jī)器人面對現(xiàn)實世界時，答案只是開始。
例如，一個模型能夠理解“整理桌面”的含義，但真正執(zhí)行時，機(jī)器人需要判斷哪些物品需要移動，哪些物品需要避讓，不同物體應(yīng)該采用什么方式抓取，以及當(dāng)環(huán)境變化時如何調(diào)整動作。
這個過程，本質(zhì)上就是技能。技能并不是簡單的一段動作程序，而是一種面向任務(wù)的綜合能力。它包含對目標(biāo)的理解，對環(huán)境的判斷，對動作的規(guī)劃，以及對異常情況的處理。換句話說，模型告訴機(jī)器人應(yīng)該做什么，技能系統(tǒng)幫助機(jī)器人知道如何完成。這也是當(dāng)前具身智能產(chǎn)業(yè)的重要缺口。
過去，機(jī)器人能力大量依賴工程師針對具體場景進(jìn)行編程。但隨著機(jī)器人進(jìn)入開放環(huán)境，這種方式越來越難以支撐規(guī)模化應(yīng)用。企業(yè)不可能針對每一個任務(wù)重新開發(fā)一套程序，也不可能讓每一臺機(jī)器人都從零開始學(xué)習(xí)。
圍繞這一方向，鹿明試圖構(gòu)建覆蓋技能理解、技能訓(xùn)練、真機(jī)驗證和規(guī)模化部署的產(chǎn)業(yè)具身基礎(chǔ)設(shè)施體系。其中，核心并不是簡單積累大量操作記錄，而是將機(jī)器人真機(jī)作業(yè)軌跡、任務(wù)執(zhí)行經(jīng)驗，抽象為標(biāo)準(zhǔn)化、可復(fù)用、可迭代的通用技能資產(chǎn)，讓機(jī)器人能力不再依賴單點編程，而是實現(xiàn)自主進(jìn)化、持續(xù)升級。
這意味著，硬件決定機(jī)器人能夠完成什么動作，模型決定機(jī)器人如何理解任務(wù)，而技能體系決定機(jī)器人能否真正進(jìn)入產(chǎn)業(yè)。未來，機(jī)器人價值的重要衡量標(biāo)準(zhǔn)是這些機(jī)器人能夠調(diào)用多少經(jīng)過驗證的能力。
03
理解了技能在當(dāng)前產(chǎn)業(yè)發(fā)展的意義，接下來仍需考慮機(jī)器人持續(xù)、穩(wěn)定、大規(guī)模地完成任務(wù)。鹿明發(fā)現(xiàn)，這中間需要一層新的基礎(chǔ)設(shè)施，使其順利連接模型和機(jī)器人，也連接研發(fā)和產(chǎn)業(yè)。
一方面，機(jī)器人需要一個環(huán)境，讓技能能夠被開發(fā)、驗證和優(yōu)化。另一方面，機(jī)器人能力需要一個系統(tǒng)，讓經(jīng)過驗證的技能能夠被管理、調(diào)用和部署。
這正是鹿明布局Lumos Station Lite的核心邏輯。
過去，一個算法團(tuán)隊若想驗證模型在真實機(jī)器人上的表現(xiàn)，需要同時協(xié)調(diào)機(jī)械臂、傳感設(shè)備、控制系統(tǒng)和測試場地，硬件聯(lián)調(diào)、接口適配、算法研發(fā)與真機(jī)執(zhí)行之間存在一道高墻。Lumos Station Lite要解決的，正是這個“最后一公里”問題。
在硬件架構(gòu)上，Lumos Station Lite采用雙臂協(xié)同設(shè)計，搭載兩臺Lumos Touch R1六自由度機(jī)械臂，能夠支持物品遞送、精準(zhǔn)擺放、柔性物體整理以及多步驟任務(wù)執(zhí)行等復(fù)雜技能驗證，更貼近產(chǎn)業(yè)場景中的實際操作需求。在感知系統(tǒng)方面，平臺創(chuàng)新采用“2+2”多視角感知矩陣，由雙腕部相機(jī)和雙桌面固定相機(jī)構(gòu)成，將近距離操作視角與整體環(huán)境視角結(jié)合，為模型訓(xùn)練提供更加豐富、真實的數(shù)據(jù)基礎(chǔ)。
同時，Lumos Station Lite通過邊緣控制單元打通機(jī)械臂控制、SDK調(diào)用與模型部署流程，支持云端及端側(cè)推理，構(gòu)建“視覺感知—模型推理—任務(wù)規(guī)劃—機(jī)器人執(zhí)行”的完整閉環(huán)，讓算法真正進(jìn)入真實物理世界完成驗證。
更值得一提的是，作為鹿明產(chǎn)業(yè)具身智能基礎(chǔ)設(shè)施的重要組成，Lumos Station Lite面向教學(xué)與科研場景，提供從模型部署、真實執(zhí)行到量化評測的一體化技能驗證能力。它打通了模型能力與機(jī)器人執(zhí)行之間的關(guān)鍵鏈路，推動具身智能從實驗驗證走向真實應(yīng)用。
圖：Lumos Station Lite模型部署
從系統(tǒng)架構(gòu)來看，平臺的核心價值并不在于某幾個硬件參數(shù)，而在于它構(gòu)建了一套完整的技能開發(fā)與驗證閉環(huán)，全方位覆蓋“模型部署—真實執(zhí)行—量化評測”的全流程。在技能驗證環(huán)節(jié)，平臺圍繞任務(wù)完成率、連續(xù)成功率、執(zhí)行效率、異常恢復(fù)能力等維度進(jìn)行量化分析，讓機(jī)器人能力的評價標(biāo)準(zhǔn)從“一次驚艷的演示”轉(zhuǎn)向“可重復(fù)、可度量、可優(yōu)化的穩(wěn)定輸出”。
連接這一閉環(huán)的，是鹿明面向產(chǎn)業(yè)具身構(gòu)建的Lumos NexCore操作系統(tǒng)，覆蓋數(shù)據(jù)管線、模型評測、場景工具鏈等產(chǎn)業(yè)規(guī)模化落地所需的完整基礎(chǔ)設(shè)施。
此前，Lumos NexCore體系下的原生產(chǎn)業(yè)具身大腦Prime R0已登頂全球權(quán)威零樣本具身智能評測基準(zhǔn)MolmoSpaces，在單臂精細(xì)操作與雙臂協(xié)同操作的全任務(wù)評測中綜合成功率位列全球第一。目前，Prime R0已完成花藝精細(xì)操作、柔性織物規(guī)整、精密小件收納、雜亂物料密閉空間作業(yè)等多項真實工況驗證。
這些布局共同指向一個清晰的戰(zhàn)略方向：構(gòu)建從技能獲取、模型訓(xùn)練到部署驗證的完整系統(tǒng)能力，而非僅僅停留在單個產(chǎn)品層面。
04
Lumos Station Lite選擇在2026年7月這一節(jié)點發(fā)布，并非偶然。2026年，教育部已新增具身智能本科專業(yè)。鹿明選擇教學(xué)與科研場景作為切入點，意在通過賦能人才培養(yǎng)和基礎(chǔ)研究，構(gòu)建從技術(shù)源頭到產(chǎn)業(yè)應(yīng)用的生態(tài)閉環(huán)。
與此同時，公司今年5月連續(xù)完成A1及A2輪融資，累計融資近10億元，由三菱電機(jī)領(lǐng)投。產(chǎn)業(yè)資本的進(jìn)入，往往意味著一個賽道從技術(shù)探索走向規(guī)模化落地的拐點已經(jīng)到來。
場景落地層面，鹿明已與京東集團(tuán)、中遠(yuǎn)海運(yùn)、德馬科技、廣運(yùn)集團(tuán)等產(chǎn)業(yè)伙伴建立深度合作，圍繞智能制造、物流等多個領(lǐng)域推進(jìn)場景共創(chuàng)。從聯(lián)合研發(fā)到項目落地，從產(chǎn)品驗證到持續(xù)迭代，這一模式正在推動“真實需求驅(qū)動技術(shù)迭代、技術(shù)能力反哺產(chǎn)業(yè)升級”的正向循環(huán)。
這些信號共同指向一個結(jié)論：具身智能正在從分散的技術(shù)突破，轉(zhuǎn)向全鏈條協(xié)同發(fā)展的產(chǎn)業(yè)階段。而全鏈條協(xié)同的關(guān)鍵，正是那個連接模型、算法與機(jī)器人執(zhí)行的“中間層”，即鹿明所定義的“技能基礎(chǔ)設(shè)施”。
05
結(jié)語：以系統(tǒng)基礎(chǔ)設(shè)施，
定義機(jī)器人產(chǎn)業(yè)下半場競爭
不可否認(rèn)，具身智能正在進(jìn)入從技術(shù)突破走向商業(yè)價值創(chuàng)造的關(guān)鍵階段。未來，決定機(jī)器人產(chǎn)業(yè)價值的核心問題，不再只是機(jī)器人能完成多少任務(wù)，而是機(jī)器人能否持續(xù)學(xué)習(xí)，并將一次次實踐經(jīng)驗沉淀為可復(fù)用、可復(fù)制的技能。
如果說模型是機(jī)器人的“大腦”，數(shù)據(jù)是持續(xù)進(jìn)化的“養(yǎng)分”，那么支撐這一切運(yùn)行的系統(tǒng)基礎(chǔ)設(shè)施，才是真正決定產(chǎn)業(yè)競爭力的關(guān)鍵。
未來十年，機(jī)器人行業(yè)的分水嶺，或許不再是誰擁有更多、更強(qiáng)的機(jī)器人硬件，而是誰能夠構(gòu)建一套連接數(shù)據(jù)獲取、模型訓(xùn)練、技能生成與能力部署的完整智能基礎(chǔ)設(shè)施體系。
因為當(dāng)機(jī)器人開始真正理解任務(wù)、學(xué)習(xí)經(jīng)驗并不斷進(jìn)化，產(chǎn)業(yè)競爭的核心也將從單一產(chǎn)品制造，走向智能能力的持續(xù)創(chuàng)造。而這，也將打開具身智能更廣闊的產(chǎn)業(yè)未來。
