把“老师傅”的手艺装进机器人：启智通用技术底座的逻辑｜甲子光年

干活的能力比机器人本身更重要。

作者｜张麟

编辑｜栗子

2026年的WAIC大会，几乎变成了一场机器人盛会。具身智能参展企业从去年的80多家猛增至200多家，现场真机超过300台，人工智能正在从虚拟世界走向物理世界。

从产业逻辑看，具身智能的首要驱动力一直是生产场景的“机器换人”，其次才是商超和家庭。这一顺序没变，但问题在于，即便是目标明确的工厂，对目前的机器人来说也太过复杂——多设备交互、生产逻辑理解，远不是通过简单抓握能力就能解决的。

埃夫特&启智董事长游玮博士在WAIC“具身智能产业生态论坛”上直言：“现在大家都在谈量产，其实量销更重要。量产不难，做出来容易；但目前还未实现真正意义上的量销，因为机器人不具备覆盖真实刚需场景的技能。”

作为科创板工业机器人第一股，埃夫特累计交付超10万台工业机器人。当长期深耕工厂的一线经验遇上具身智能的落地困境时，其子公司启智选择了一条与大多数公司不同的路径——不拼单机动作多流畅，而是搭建一套让所有机器人“学会在工厂干活”的通用技术底座。

1.工业需求，远不止抓苹果

具身智能的落地困局，不是客户不想用，而是用不上。

人形机器人硬件本体已基本可用，宇树、优必选、银河通用的产品都能稳定行走、站立、抓取，虽然在续航和灵巧手寿命上仍有短板，但简单任务已经能够胜任。

但为什么市场仍在不停追问机器人究竟能干什么？为什么拥有抓握、搬运能力的机器人至今没能真正进厂？

这个问题的答案是多方面的，首先，机器人的“大脑”远未成熟：大模型推理能力与实时性要求的矛盾突出，技术路径也未收敛——“大小脑”分离、VLA+其他、世界模型三条路线并行，业内尚无共识。

数据问题更是雪上加霜，规模缺口巨大、采集成本高、质量参差不齐。这些问题的直观体现，就是机器人的泛化性依然很差，其可能能够稳定抓起来一个桌面上的苹果100次，但如果突然换成货架上的香蕉，机器人可能就一次也抓不起来。

其次，也是更重要的一点是，工业场景的复杂程度比很多人想象的要严重得多。

比如制造场景下常见的喷涂、焊接、打磨等工艺，面对作业对象的变化，机器人不仅仅要自主规划机作业路径、速度等运动信息，而且要自主生成与运动信息强耦合的工艺参数，如喷涂雾化张角、流速流量、焊接电流、打磨中的主轴转速，进给量等。

WAIC大会启智站台

工业生产环境下的机器人不是吉祥物，面对的也不再是把桌子上的苹果拿起来，而是ROI、准确性、可靠性、节拍、并能和周边设备交互配合的确定性。

游玮博士表示：“冰山之上是抓取、分拣等简单技能，冰山之下才是工业刚需——多机交互、工艺强耦合及实时同步控制能力。”

总的来说，具身智能的能力和工业场景需求之间存在巨大的应用鸿沟。而这一巨大的空白市场，才是具身智能真正应该攻下的主战场。

2.从人类技能到机器技能

本届WAIC上，多数企业仍在卷硬件、拼单点，启智却拿出了一套完全不同的答案：一个让所有机器人“学会在工厂干活”的通用技术底座。

通用技术底座是一套全栈工具链体系，包含具身智能大模型和自主操作系统，旨在解决数据问题、任务泛化问题、多设备协同问题。更重要的是，无论是工业机械臂、人形机器人还是服务机器人，都能接入同一平台开发、部署和进化。

在启智看来，通用技术底座能够“取人类之技，赋万机之能”，其作用逻辑很简单：先让机器人理解人类怎么干活，再让它学会自己干，最后把这件事做到工业级可靠。

怎么让机器人学会人类的动作？传统方法是遥操，但这种方式只能让机器人跟随人类的动作进行模仿，物体的重量、材质、位置关系等数据无法被学习复用，换句话说，这种方式让机器人学会的是一堆“死知识”。

启智的解决方案是：把人类真实操作“蒸馏”为机器人看得懂的数据，为此，启智打造了HALO人类技能全模态数据采集服，能够同步捕获人工作业过程中的视觉、姿态、力觉、触觉、语言等多维信号，这些数据被启智的大衍数据平台清洗、对齐、结构化，最终形成了可供机器人持续学习的数据。

HALO人类技能全模态数据采集服

一个经验丰富的工人的每一次转动手腕、移动视觉焦点、调整身体姿势，都能成为机器人理解为什么当任务目标改变后就要改变力度、路径和操作流程的“隐性知识”。

学习结果来自数据，也来自HumanGPT——一个“以人为中心的全身全模态操作世界模型”。 核心特点是构建包含时间维度的物理世界规律表征，HumanGPT能够在看到场景后结合任务需求和本体状态，判断接下来该做什么，并理解为何采取该动作。

有了数据和大模型，机器人就能学会该怎么干活，但独立的机器人个体依旧无法完成复杂的生产任务。

要让机器人干活，就需要人类下达指令。以前，机器人的工作内容和工作效能将取决于后台程序员的代码，但现在，启智的墨斗IDE可以让技术人员通过可视化的方式设计机器人的任务动作，其独特的是可视化低代码集成开发环境，能够让不精通底层代码的工艺工程师轻松完成机器人任务流程的定义。

最后一步，启智Openmind OS自研强实时内核，采用分层架构，实现底层实时运动控制与上层智能算法协同调度，保障指令高精度执行。未来一条产线部署成百上千个不同型号的机器人，Openmind OS都能统一调度，确保指令精度和流畅性。

至此，启智的通用技术底座完成了闭环：大衍数据平台提供数据，HumanGPT大模型赋予机器人完成任务的能力，墨斗IDE让工程师能够轻松设计机器人动作，Openmind OS完成最后的调度和指挥。

同时，利用通用技术底座，人类的学习、操作、合作等独特的技能，也将真正被赋予到机器人身上。

3.“通用”的意义

启智的通用技术底座并非只针对人形机器人而打造，无论是人形机器人、复合机器人还是工业机械臂、自主移动机器人，都能够通过这套通用技术底座完成相应的具身智能化融合。

例如通过“人机动作迁移模型”，启智能够将HumanGPT蒸馏出的通用技能表征，迁移至人形机器人、复合机器人及工业臂，破解了“数据孤岛”与“跨构型迁移”的难题。

有了这套迁移模型，面对一颗螺栓，人形机器人和工业机械臂都知道该如何拧紧，这就是“通用”的意义。

启智通用技术底座让机器人拥有搬运、锁附能力

此外，传统工厂如果想让机器人或工业机械臂完成任务，需要根据任务目标和自动化设备种类单独编程，且一般只能由机器人厂家工程师才能完成，开发周期长、效率低、成本高，具有场景知识的领域专家很难介入。

启智通用技术底座能够让终端用户无需精通AI算法也能快速对不同的机器人型号、种类进行程序部署，大大提高了生产效率。通用技术底座的通用性，甚至扩展到了使用者层面。

在此次WAIC现场，启智的展台一侧，通过启智通用技术底座训练的喷涂机器人能够识别观众随手拼搭的异形积木，并立即启动无预演喷涂。曾经让工厂头疼的小批量生产重新编程的痛点，在不知不觉中被解决。

通用技术底座让机械臂实现柔性喷涂

这套底座的价值不在于任何一个单点技术，而在于它打通了“人类技能→机器人技能”的完整闭环，让全行业无需重复投入底层研发。目前，启智依托国家重大专项牵引，联合埃夫特、哈工大及近30家产学研用单位，共建统一接口、数据与应用标准，旨在打通全流程标准规范，打造全行业共用底座。

而这套通用技术底座的背后，是埃夫特覆盖4000余家工厂形成的工艺数据库，搭载通用技术底座的智能机器人已在多家制造企业产线完成累计超5000小时的稳定工况验证。

WAIC期间，启智相关负责人透露“下月还将推出复合机器人新品”。此前，启智已与犀准机器人签署战略合作协议，推动通用技术底座进入PCB垂直场景的工程化验证阶段。对启智而言，这是一次“应用—数据—算法优化”正向循环的启动。

4.生态的未来

游玮博士有一个比喻：希望未来机器人产业能像手机产业一样开放，让更多开发者在上面开发应用程序，去满足终端客户各种场景的需求。

当具身智能生态足够繁荣，通用技术底座成为机器人领域的通用系统的时候，大量具身智能设备都能在此基础上得到应用，所谓的机器人落地场景，也必然将从工业扩展到社会、家庭。

当行业还在争论“人形机器人能不能跑能跳”时，启智在思考“怎么让所有机器人都能进厂干活”。但启智不止于此，通用技术底座的定义不仅包括工业机器人通用，还包括全社会场景通用。

从国产首台点焊机器人到智能机器人通用技术底座，从埃夫特到启智，技术发展的路线从来不是追逐风口，而是解决问题，并建立生态，长远来看，这是一条最具产业价值的路线。

（封面图及文中图片来源： 启智 ）