早期項目 | 前地平線產品負責人死磕“拿放”動作，輪式機器人今年鎖定百臺出貨

作者丨歐雪

編輯丨袁斯來

在具身智能行業普遍沉迷雙足人形和仿真訓練的當下，有一家公司選擇了一條不太一樣的路徑：聚焦倉儲物流場景，用“輪式底盤+雙臂”死磕占人力成本60%的“拿放”動作。這是一家由中科南京軟件技術研究院孵化出來的具身智能企業——智往未來。

智往未來2025年11月成立于南京，創始人孫浚凱曾在地平線擔任智能座艙產品線總經理，推動百萬終端量產，具備從0到1的產品設計與量產經驗。公司早期以“具身智能課題組”在中科系旗下孵化兩年，2025年底獨立注冊。

具身智能在真實環境中的泛化難題，核心在于Sim2Real鴻溝。傳統離線強化學習依賴仿真數據，部署成功率低；在線強化學習精度高，但學習周期長，難以在SKU達百萬級的電商倉落地。

智往未來創新性地引入 Human-in-the-Loop 在線強化學習方法，將人工的即時糾偏能力與統一的強化學習目標深度融合，打通了從模仿學習到自主探索的關鍵路徑。基于該方法，僅需少量演示數據和短時間在線學習，即可顯著提升任務成功率，在樣本效率上相比傳統范式實現數量級提升。

公司初代智能機器人Armstrong已在國內頭部物流企業實地驗證，二代機型Armstrong Pro于2026年上半年面世，并成功入駐世界500強外資藥企倉庫作業。2026年，公司鎖定百臺出貨，按行業測算將占據近40%份額。

孫浚凱告訴硬氪，智往未來機器人可實現“快速進倉、無需改倉、一機多用”，倉庫“零改造成本”下完成上架、揀選、盤點等作業，客戶投資回報周期約2-3年。

未來3-5年，智往未來有清晰路線。孫浚凱透露，2026-2028年公司深耕倉儲物流，迭代物流場景基建模型；中長期將B端積累的泛化能力降維至零售及家庭服務賽道。

孫浚凱解釋：“倉儲里的商品——服飾、食品、美妝——超市和家庭里都有。拿包裹的能力可以幾乎直接遷移到家庭整理場景。我們認為機器人管家可以在家庭拿包裹、拆包裹，做好物品整理，所以我們認為倉儲物流是通向家庭的必經之路。

以下為硬氪與孫浚凱的對話節選：

硬氪：倉儲物流場景的“拿放”需求有多強？為什么不用人？

孫浚凱：某頭部物流企業已官宣8年內實現完全無人化倉。需求比我們原想的強烈得多。

倉儲最后一公里，即從料箱里拿東西放到訂單箱，這占人力成本60%以上，且SKU動輒幾十上百萬種，傳統自動化根本做不了絕對泛化。

大模型恰好擅長泛化，這是技術用到刀刃上的場景。人一年5-10萬成本，機器人只需2-3年就可以回本。頭部的剛需已經非常明確，下沉市場會隨成本下降逐步釋放。

硬氪：脫離仿真環境，怎么用最小數據量在真倉里轉起數據飛輪？

孫浚凱：關鍵在于一致性策略。我們將人工的即時糾偏能力與統一的強化學習目標深度融合，針對復雜場景只需做少量數據采集和微調。這樣數據有效利用率最高，用最少的數據做最大化的泛化。

硬氪：為什么不用雙足而用輪式？

孫浚凱：首先，B端落地最終是算賬的邏輯——替代了多少人，人效比是多少，投資回報周期多長。雙足機械結構更復雜，自由度更多，系統穩定性是指數級下降的；而且目前國內雙足總體出貨量不到萬臺，供應鏈沒法降本，成本壓不下來。

第二，全身20個自由度和60個自由度，系統出故障的概率完全不是一個量級。B端客戶對精度、效率、泛化和可靠性都有很高要求，現階段用雙足其實是“殺雞用牛刀”，故障率還高。

第三，雙足的小腦運控復雜度遠高于輪臂。行業目前基本已經收斂到升降或折疊的輪式構型。

當然，我認為終局一定是雙足加雙靈巧手。因為物理世界最通用的構型一定像人一樣，能兼容各種環境和工具，但前提是特斯拉、宇樹這類公司把量推到百萬臺級別，雙足成本降到幾萬塊錢。到那時，輪臂的供應鏈優勢就不明顯了。但現在，為時尚早。