當具身智能遇到“大腦”瓶頸，一家國家隊公司決定拆掉圍墻共筑基石｜甲子光年

以實干破局，打造中國具身智能自主通用底座。

作者｜云凡

編輯｜栗子

2月28日，一場名為“啟智涌現”的機器人通用技術底座開發者大會如期舉行。這不僅是一次硬核技術的系統發布，更像是一場針對具身智能行業集體焦慮的正面破局。

在近幾年的科技頭條里，機器人幾乎成了全能的代名詞：它們在春晚舞臺上整齊劃一地起舞，在馬拉松賽道上奔跑，在商場展廳完成后空翻或是耍雜技。這些被精心設計、反復調優的視覺表演，給外界營造出一種智能機器人的繁榮感。

然而，當視覺濾鏡褪去，產業界不得不直面一個尷尬的現實：一旦機器人進入非結構化、充滿不確定性的真實作業環境時，往往會表現得無所適從。它們難以應對隨機性的挑戰，于是，我們在新聞里或工廠角落，經常能看到機器人突然踉蹌摔倒、或者因抓取失敗而導致物件滑落的無奈畫面。

對于當前機器人的產業現狀，業內有個形象的比喻：小腦過于發達，大腦卻略顯遲鈍。這已成為大家心照不宣的共識。運動控制算法（小腦）的飛速演進，已經足以支持機器人完成復雜的肢體動作；但任務理解與自主決策能力（大腦）的發展卻步履維艱。

更危險的暗礁隱藏在水面之下。

我國核心硬件的自主化率雖然在快速攀升，但支撐機器人思考與進化的核心軟件平臺，依然高度依賴國外的ROS（機器人操作系統）或英偉達的Isaac Sim等生態。這構成了隨時可能引發“卡脖子”風險的命門。

在這種強烈的產業落差中，由中國工業機器人鏈主企業埃夫特聯合多方孵化的「啟智機器人」，選擇了一條極其陡峭的攀登路線：啟智并未將研發重心停留在硬件軀殼的內卷上，其核心愿景指向了更底層的“智能機器人通用技術底座”，要做產業的“奠基者”。

這家帶有濃厚“國家隊”基因的新銳企業，試圖系統性地解決當前行業軟硬件耦合深、開發效率低、技能無法復用等根本矛盾。2026年初的這場發布會，正是這套底座能力交出的首份實干成績單。

啟智機器人，這家坐落在安徽蕪湖的公司，正在為中國機器人打響一場跨越“演示時代”、走向真實生產力的實干保衛戰，試圖讓機器人真正融入千行百業。

1.撕掉“不大不強”標簽的底層重構

回溯啟智的誕生軌跡，這本身就是中國機器人產業一次帶有極強預見性的底層重構。

客觀審視當前的機器人行業，盡管熱度極高，但按國際機器人聯合會（IFR）相關報告估算，全球市場規模僅約600億到800億美元；而據中國電子學會等機構統計，中國市場真實口徑不足1000億元人民幣。與汽車、手機等數萬億規模的支柱產業相比，整個行業依然貼著“不大不強”的標簽。

道理很簡單，產業不大的核心癥結在于滲透率低，而滲透率低的原因在于機器人還“并不好用”，缺乏通用的開發生態。

作為啟智的母公司，埃夫特在工業機器人領域是公認的“鏈主”企業。其16大系列、80款機器人產品矩陣中，大負載機型能扛起500公斤重物并保持±0.1mm的定位精度。同時，埃夫特在橋梁船舶智能焊接，高端家具智能噴涂、汽車零部件拋光等高價值工藝上積淀了海量的制造經驗。

只是，在智能化浪潮席卷全球的今天，硬件與工藝固然重要，但軟實力同樣成為決定未來的關鍵。2017年，研發團隊敏銳察覺到了這一點，開始探索基于云端的工藝技能架構，為后續智能機器人通用技術底座埋下伏筆。

2024年，啟智機器人正式獨立。

在產業分工中，埃夫特繼續精研高價值工藝與硬件軀干；啟智則專注于打造面向未來的智能機器人通用技術底座，全面接管操作系統、開發工具、數據平臺等深層軟件生態的構建，構成可復用的大腦側能力。

這樣的分工帶有鮮明的國家隊底氣與擔當。

要知道，啟智機器人是由埃夫特聯合國家先進制造產業投資基金等發起設立，為國資控股企業，并在Pre?A輪融資中再次獲得國家級基金領投，是典型的國家隊加持的硬科技企業。公司承載著構建自主可控機器人軟件生態的國家意志。

作為牽頭方，埃夫特啟智聯合了包括哈工大、清華、上交、浙大、中科院沈自所，中科院自動化所等國內機器人和具身智能領域頭部高校，以及埃斯頓、新松、遨博，極智嘉，奇瑞，富士康等國內頭部機器人主機廠及生態伙伴，在國家級重大科技攻關項目的加持下進行聯合研發和協同攻關。啟智的定位極為清晰：不做機器人本體去搶奪市場，專門為行業提供“智能化升級”的武器。

也就是說，啟智不涉足終端領域知識，不做具體車型焊接等工藝，而是專注提供焊縫跟蹤、避障規劃、柔順抓取等原子級技能。

對于主機廠而言，自研一套智能底座投入巨大且周期漫長，容易陷入重復造輪子的內耗。啟智通過開源接口與深度兼容，與伙伴共建產業基礎設施。

這種軟硬分離、專業協同的模式，讓中國機器人的“大腦”扎根于自主可控的技術地基，也推動行業從封閉的“諾基亞時代”邁向開放的“安卓時代”：前者軟硬件深度綁定、生態割裂；后者平臺開放、分層解耦、軟硬分離，協同共創、技能可復用，助力產業走向規模化、標準化、生態化。

2.從數據到技能，啟智如何構建具身智能的“全自動工廠”？

如果說底層技術的重構是夯實地基，那么如何高效生產機器人“技能”，則決定了技術的普及速度。

在2月28日的開發者大會上，啟智機器人通過一場“商超理貨”實景演練，向外界完整展露了其打磨多時的“核心武器庫”：大衍數據平臺、墨斗IDE與Openmind OS。這三大模塊緊密咬合，構成了一套高速運轉的“技能進化引擎”。

驅動這套引擎的內核，源于啟智對底層技術路線的獨到判斷。

面對當前行業嚴重的“大腦萎縮”的痛點，啟智沒有盲目跟風市面上主流的“大語言模型+傳統控制”路線，而是堅定地重兵投入HumanGPT原生世界模型。

語言大模型雖然“會說”，但由于缺乏物理常識，直接嫁接極易產生物理幻覺。相比之下，HumanGPT則從第一性原理出發，將4D時空結構與物理動力學規律內化。它能預判動作對周圍場景的影響，并在抓取、搬運等強交互任務中保持極高的物理一致性。

有了這種具身智能不可或缺的“物理直覺”，整個技能引擎的運轉邏輯便豁然開朗。

引擎的源頭，是大衍數據平臺與HumanGPT構筑的“技能煉丹爐”。

為什么有時候，我們在展會上看到一些機器人還是顯得“笨笨的”？動作僵硬，反應遲鈍，就像沒開竅的孩子。這種“笨”的本質，是因為缺乏高質量、多維度的真實數據。

大衍數據平臺顛覆了低效的數據采集邏輯，承擔起繁重的數據清洗、自動標注與多模態對齊工作，專門負責提煉人類的隱性經驗。

想象一下，一位擁有20年經驗的老焊工，穿上啟智的技能采集服，他手腕每一次的微妙轉動、視線的聚焦點、腳步的進退——這些只可意會不可言傳的“老手藝”，被完整捕捉并轉化為數字信號喂給HumanGPT。

與此同時，模型將這些隱性知識濃縮、標準化，最終煉成一個個可復制、可遷移的“原子技能包”，比如“高精度弧焊v2.0”或“易碎品抓取v1.0”。

據悉，目前該平臺已經沉淀數十項核心原子技能，并推出“快速模式”與“專業模式”，讓技能的沉淀周期從過去的按月計算加速到按天甚至按小時。

引擎的調度端，是墨斗IDE與Vibe Coding組成的“應用指揮部”。

擁有了豐富的技能儲備后，如何讓千行百業的用戶輕松調用它們？

啟智用墨斗IDE與Vibe Coding搭建起零門檻的應用指揮部，讓機器人開發告別代碼壁壘。也就是說，Vibe Coding作為AI輔助編程范式，實現了“對話即開發” 的一鍵生成。

在商超理貨演示中，一名毫無編程基礎的店長只需用最自然的語言下達指令：“去冷鏈區取A品牌飲料，補充到B貨架空位”。

話音剛落，系統內部的多智能體架構（Multi-Agent）便迅速將模糊語義解構成清晰的執行：識別機器人角色、目標對象、操作動作，隨后自動從仿真環境中拉取物理屬性（比如坐標、尺寸、承重），精準調用“自主導航”、“視覺識別”、“柔性抓取”等原子技能。

整個過程中，店長沒有編寫一行代碼，在短短幾分鐘內，一個具備前端界面的“智能理貨APP”就搭建好了。這讓場景專家直接跨越了技術壁壘，化身為應用開發的主導者。

引擎的執行終端，是Openmind OS打造的“實時神經系統”。

畢竟，軟件層寫得再好，如果機器人在物理世界一走步就摔跤，一切都是零。Openmind OS正是兜底這“最后一厘米”問題的保障底座。

它的核心職能，是確保“大腦”的指令在下發給不同構型的機器人（無論是人形R2V2還是復合機器人W2）時，動作不走樣、實時不卡頓。它解決了最底層的硬件接口標準化問題，屏蔽了不同電機、不同傳感器的差異。

比如，在商超實景演示中，當總指揮部發出指令，Openmind OS立即進入毫秒級調度：它一邊調度復合機器人平穩駛向冷鏈區，規劃最優路徑并實時避讓行人；一邊協調人形機器人的雙臂準備接替后續的開箱和上架動作。

這一系列流暢的多機協同，全靠Openmind OS在底層進行任務級與動作級的精準控場。同時，它對ROS等現有生態的友好兼容，也大大降低了開發者的遷移門檻。

至此，三大工具鏈在商超理貨場景中完成了無縫的實干閉環：大衍平臺賦能機器人基礎操作能力，墨斗IDE讓店長用自然語言編排任務流，Openmind OS則在底層統一發號施令，全流程自主完成、一氣呵成。

在硬核的技術攻堅之外，啟智也在重塑機器人的產品哲學。大會上亮相的yobot家族——R2V1、W2、R2V2，分別被賦予了“少年、媽媽、爸爸”的人格化標簽。這種設計理念跳出了傳統工業機器人的“唯效率論”，轉向“科技感與溫度感并重”。

在醫院承擔導診任務的W2，憑借具有親和力的流式語音與精準語義理解，為患者帶去如沐春風的交互體驗；在商超負責高強度作業的R2V2，則展現穩定可靠的實干底色。通過在B端與G端公共服務場景中反復驗證、沉淀人機信任關系，啟智正在為機器人最終走入千家萬戶、成為人類的“家人”鋪設一條堅實的道路。

從數據提煉到技能調用，再到物理世界的執行，啟智正以“ABC+X”（AI+大數據+云+機器人）的立體架構，將具身智能復雜的流程轉化為一條高效的“全自動工廠”。

當技能可以像APP一樣被快速創建、調用、迭代和分發，那個機器人全面融入人類生產與生活的奇點時刻，正在被無限拉近。

3.未來：如何用新的商業模式來構建生態飛輪？

在跨越技術原型的驗證階段后，商業化落地必然成為檢驗具身智能的核心命題。

啟智判斷，2026年到2027年，將是全球機器人產業從量變邁向質變的臨界點。之所以錨定這個節點，是因為屆時具身智能原生世界模型實現物理世界自主推理、自主決策，打破機器人依賴預設程序的局限。

當機器人不再只是機械地跳舞，而是能穩定地在倉庫理貨、在醫院導診時，行業的涌現臨界點就真正到來了。

當然，要想接住這一爆發點，啟智在打磨自身的同時，更在以前瞻性的商業邏輯構建一套自我進化的“生態飛輪”。

這個飛輪的軸心，是對高質量數據獲取模式的顛覆。

當前行業最大的痛點之一，是數據采集長期停留在“人適應機器人”的低效模式。傳統遙操作不僅流程繁瑣，更會扭曲人類專家原本的作業邏輯，導致數據 “形似而神不似”，難以支撐機器人走向通用智能。

為此，啟智推進了人類全模態技能采集服系統，將采集邏輯從“捕捉機器人動作” 轉向“還原人類專家技能”，在自然作業狀態下同步捕捉視覺、意圖、軌跡、力覺與觸覺信息，再通過跨具身遷移與標準化預處理，把老師傅的手藝、店長的流程、醫護的規范，轉化為機器人可直接學習的“黃金數據”。

與此同時，為了讓數據來源可持續、規模化，啟智給出了一套產業界極具想象力的解決方案——機器人未來社區 + 設備租賃 + 數據回購。

在蕪湖落地的機器人未來社區，囊括家庭、商超、醫療、工業等全場景真實環境。通過與職業院校合作，啟智向實訓師生租賃標準化采集設備，讓數據采集自然嵌入日常教學與作業流程。

緊隨其后，大衍平臺對數據進行智能質量評估，并實行“優質優價”的數據回購。這種模式既完美解決了數據隱私與合規問題，又讓龐大的產業人口成為了具身智能最可靠的“訓練師”，為模型輸送源源不斷的養料。

在商業化落地層面，啟智用RaaS（Robot as a Service，機器人即服務）模式，徹底打開行業規模化落地的最后一道閘門。

長期以來，噴涂、焊接等高價值工業場景，以及商超、康養等服務場景，都面臨中小微企業“買不起機器人、更用不好機器人”的困境。啟智將重資產投入轉為輕量化運營支出，提供按需租賃、按使用計費、技能訂閱等靈活方式，把使用門檻降到最低。

更關鍵的是，這套模式并非簡單的“以租代售”。機器人在真實場景持續作業的過程，也是高質量工藝數據、交互數據、場景數據持續回流的過程，數據反哺底座與模型，模型再提升機器人通用性與可靠性，形成“場景落地—數據積累—能力進化—更廣泛落地”的正向循環。

簡單來說，啟智打的這張牌是：以服務換數據，以數據強生態，讓商業價值與技術進化彼此咬合、不可分割。

在啟智的生態版圖中，開發者群體被視為最活躍的根系。

啟智的生態合作極其務實，堅守“不做概念合作，只做場景共建”。針對清華、中科大等頂尖高校，啟智全面開放底層工具與算力，聯合攻關前瞻技術；面對華為、富士康等產業龍頭，則采用POC驗證加規模化復制的模式，深度嵌入真實工業場景。

同時，通過“開發者扶持計劃”，啟智正在為萬千應用型開發者提供全套裝備，鼓勵他們在非結構化環境下開發出千姿百態的應用，共同構建起具身智能的繁榮生態。

4.寫在最后

如果只用一個關鍵詞來定義啟智的2026年，那毫無疑問會是“實干”。

在這個充滿喧囂與泡沫的賽道里，啟智給外界傳遞的印象是：不希望成為一棵孤傲的大樹，而是要成為一片土壤，將所有的技術積累與生態布局，扎根在真實的場景、真實的營收與真實的價值上。

在具身智能的這場長跑中，誰能率先構建起讓千行百業低門檻入場的底層生態，誰就有機會定義未來的規則。

2026年，當第一批真正能在非結構化環境下“實干”的機器人規模化上崗時，我們或許會回過頭發現，這一刻的“底座建設”是關鍵的破題之策。

（本文封面圖及文中圖片來源：啟智機器人）