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。
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.