一台工业具身机器人，从理想到现实要经过哪些坑？

没有被客户“骂”过的公司，绝不会知道，从实验室到真实场景中间有多大的“鸿沟”。

作者丨董子博

编辑丨林觉民

刚刚过去的 WRC，各家公司的展台只要涉及工业，躲不开的话题就是落地。

数百个机器人在展台上爬着楼梯、跳着舞蹈、打着拳击……种种的展示，只是为了告诉市场：自家机器人究竟有多好的性能；

但在科大讯飞的展台上，一家叫聆动通用的公司虽不算起眼，两台机器人按部就班地分拣着快递包裹，受制于现场因素，动作算不上伶俐，但准确率、抗干扰做得都很不错。

聆动通用对 AI科技评论表示，在实际的工作当中，LDB 正在逐渐逼近 80-90% 的工人人效，机器人在场馆里动作慢，主要还是受限于馆内人流拥挤的环境——全速运转或许会有安全隐患。

“我们的展示在这样的展会上会比较吃亏，不像翻跟斗、打拳，”聆动通用的 CEO 季超对 AI科技评论表示，“这也正好也说明，我们是真的在做落地的事儿。”

在具身智能赛道，“落地”是一个被严重通胀的词汇。进工厂拍条视频叫“落地”，签个意向协议叫“落地”，甚至把机器人拉到展厅里走两步，PPT上也能写场景验证的“落地”——但真正的落地只有一个标准：客户愿不愿意在验收单上签字，以及签完字后，会不会因为无法实际落地干活，而导致不能真正买单验收。

但当了解了更多聆动通用背后的故事之后，AI科技评论却发现，在“工业落地”的层面，他们走得相当果决。

两个核心指标——“商业有闭环”和“批量可复制”——是他们心中最关键的落地能力。

当然，这两句话，放到每一个目标工业的具身公司，都可以适用；但真的走进工厂，实验室里的“Simulation”（模拟）和实际场景的“Reality”（现实）却有巨大的鸿沟。

怎么跨越这个鸿沟，聆动通用选择的，是一条没有捷径“难而正确的道路”。

01

商业可闭环：

好的落地，是被客户“骂”出来的

对于聆动通用 CEO 季超来说，在学校里，研究 Robot learning（机器人学习）的他经历过自动驾驶的周期；中科大毕业后，进入科大讯飞的他，又遇上了 AI 大模型的一波周期。

但学术科班出身的季超，却在具身的行业里，主动选择了一条最脚踏实地的路。

见过一个行业的大起大落，季超组建了一个以产业化实力见长的年轻团队，依托科大讯飞的深度孵化，建立了聆动通用——意在用物理 AI 的技术来服务产业，从“L2”级别的能力做起，沿途下蛋地找到应用场景、建立数据飞轮，进而用商业化的成绩反哺研发的投入。

要做商业化，就必须找到最合适的场景。

对于具身智能来说，劳动密集型的物流、汽车、装配产业自然是落地空间更大的场景——它不像家庭场景那样无序，天然为技术迭代提供了缓冲带；同时，在自动化设备和产线已经相对成熟的今天，柔性泛化的智能化能力仍然欠缺。

在聆动通用看来，物流场景是个更好的起点，在一个更确定的环境下，公司可以先建立起自己的技术和商业化基本盘，进而支撑自己向着下一个高质量 B段场景的跃迁。

实际场景里，客户看的最终只有 ROI，只要机器人能够在场景里实际产生价值，客户就会买单。但让具身机器人在场景里实际可用，却远没有想象的那么简单。

聆动通用吃过亏——团队运行之初，当他们拿着自己设计的产品走进客户物流分拣的产线，实际的效果却让他们都傻了眼。

先“掉链子”的是模型。在实验室里，聆动通用的模型可以做相当精准的识别和动作规划。但到了产线，模型却跑不起来了。

季超一眼就看出了问题：例如在实验室，传送带的速度只会开到 0.5-0.7m/s；但到了现场，传送带的速度却达到了 1.5m/s——速度翻了一两倍，模型的推理速度就完全跟不上了。

同时，机器人的“手”也出现了问题。事实上，聆动通用是国内最早一批使用灵巧手的具身公司之一——灵巧手在高频操作场景下的寿命问题，他们再清楚不过。

于是，聆动通用自己设计了一个吸盘和夹爪结合的操控方案，在国内也是相当先锋的方案。但真实的工况，远比理想的情况复杂：吸盘进气量小了，重包裹又吸不起来；进气量大了，又容易把轻软的包裹吸破，还得赔偿损失。

演示失利，公司从客户这里接收到了巨大的压力。

于是在半年里，团队直接搬进了生产现场，把模型架构、数据Infra、末端夹持全部重构了一遍，这才跨过了这道坎，有了聆动通用后来的 LDB 型工业具身机器人。

在模型层，聆动通用联合科大讯飞研究院了推出了统一多模态具身大模型iFLYTEK-Embodied-Omni，主要就是解决误差叠加、时序控制不足的问题，用VLM 和VGM 来理解指令、预判环境、规划任务；再用AGM 动作模型来做好运控等底层操作。

这套结合了图像、视频、文本、动作表征的模型架构，能够在“看”到世界后，同步预测世界、生成动作，在LIBERO-Plus、RoboTwin 2.0 等国际主流仿真基准测试中，都拿到了不错的成绩；也在实际落地的物流场景当中，实现了不错的泛化能力和鲁棒表现。

在本体层，聆动通用也自研了工规级的通用具身机器人 LDB01，凭借着出色的效率，拿到了国内首张工业级具身机器人 CR 认证，随后又获得了欧盟的 CE-MD 工业机械安全认证，在国内和海外范围内，拿到了可以实际落地的强认可。

LDB 机器人能让客户算出正 ROI，核心在于两阶段的价值递进。

第一阶段是直接替代人工的账。一个物流分拣工人两年的综合成本（工资、社保、福利等叠加）约等效于购买一台LDB稳定作业运行两年（聆动机器人平均无故障工作时长不低于7000小时）。简单算下来，工人两年的工资就能覆盖一台机器人好几年的使用成本，两年后就基本是纯收益。在即将到来的老龄化时代，可以想见能长程不间断干活的机器人是一种刚需。

更关键的是，LDB 支持 OTA 远程升级，模型持续迭代、效率越用越高——客户"买了之后越用越强"，达到最低要求后每次升级都是净赚，这笔账只会越来越划算。

第二阶段是生产体系重构的账。当机器人在产线上稳定运行后，客户就会开始思考更深层的问题：原有的生产流程是不是围绕"人"设计的？

引入具身智能后，整条产线的布局、节拍、流程都可以重新设计。LDB不再只是单纯的替代单一工位的“人”，而是嵌合到全新的生产流程再造中，从整个系统的大账上算降本增效——这是超越单台 ROI 的更大价值。

从市场空间看，一个物流中转站可部署数十台 LDB，全国这样的转运中心有上千个，批量部署后边际成本持续递减，客户的 ROI 模型也会随着规模扩大而进一步优化。

02

批量可复制：

量产和运营都是难题

商业化闭环形成了，下一步就是把成功的闭环进行批量的复制——然而，并非所有好的闭环，都能够被复制。

LDB 的能力已经在物流场景得到验证，要完成成功经验的批量复制，量产则是“万里长征”的“第二步”。

量产很难，但量产不难：量产的难，难在机器人的本体架构设计、难在供应链的管理和价格控制——解决了这些问题，扩产就不是难题。

LDB 的设计主打的就是“实用主义”。

LDB的设计，比起机器人，更像一台智驾汽车。从模块到系统，从硬件到软件，这台机器人从诞生第一天起，就没有走传统机器人的老路——它的每一寸设计，都严格按照汽车工业标准来打磨。

通信总线，聆动通用也全盘照搬自动驾驶方案。传统机器人那套老旧的方案，几乎被聆动通用彻底抛弃，取而代之的是在百万辆汽车上验证过的高可靠、高实时总线架构。

算力，是LDB最硬核的底牌。数千 TOPS 端侧算力，同样是严格车规级配置——这不是为了跑分，而是为了让具身大模型直接在机器人身体里跑起来。不依赖云端，不等网络延迟，感知、决策、执行全在端侧毫秒级完成，这才是工业场景的刚需。

LDB的整机设计，严格遵循汽车功能安全标准，哲学只有两个字：极简。

极简到什么程度？打开 LDB 的机身，几乎找不到一根 USB 线束——所有走线规整有序，风冷散热方案经过精密调校，让续航与功耗达到最优平衡。

而这一切的成果是：LDB的单台BOM成本，可以控制在一个相当低的范围内。

LDB 的设计足够精致，要让机器人能够做到更好的可复制性，聆动通用又上了一道保险：软硬一体，全栈自控。

具身大模型天生对硬件有苛刻的要求——传感器的延迟、执行器的精度、算力的吞吐、总线的带宽，每一个参数都直接决定模型能不能跑、跑得好不好。但在行业里，让模型团队和硬件供应商坐下来"握手"适配，几乎是不可能的任务：沟通成本巨大，迭代周期漫长，出了问题互相甩锅，最后谁都做不好。

在工业底座这块，聆动的边界划得非常清晰：从大脑到小脑到本体，全链路自主可控。

而科大讯飞，则在更上层的公共大平台基座上提供支撑——通用大模型能力、语音交互技术、供应链资源，这些是讯飞的主场。聆动专注工业底座的软硬一体，讯飞夯实公共AI 基座，双方各司其职，又深度协同。

要知道，聆动通用更强调“全栈自控”，而不仅仅是“全栈自研”。供应商能满足的标准件，聆动通用不去重复造轮子；但与模型强耦合、直接决定产品体验的核心组件，必须自己做。

目前所有具身智能公司的机器人量产，本质上都还靠人工组装，聆动也不例外。首批良率 90% 出头——相比于汽车行业 95% 以上的一次良率，还有差距，但在机器人行业已经是相当扎实的起点。

2026 年全年，聆动通用的预计交付量大概在 200 左右，公司当前正处于扩产阶段。生产流程已经标准化，配有专门的品质工程师驻场把控质量 —— 这背后，科大讯飞成熟的供应链体系提供了重要支撑。

更关键的是，聆动有自己的工厂，具备自给自足的产能能力，所以对聆动来说，产能从来不是瓶颈，需求起来了，扩产只是时间问题。

量产只是"硬骨头"，运营才是真正的"深水区"。

当同行还在为"能不能造出真干活的机器人"焦虑时，聆动通用已经在思考一个更残酷的问题：造出来之后，怎么批量部署？运营成本怎么压？怎么标准化？怎么降低每一个新场地的部署和交付成本？这些才是单点商业化之后，走向批量商业化的真正门槛。

今年下半年到明年，聆动的核心任务就是啃下这块硬骨头：在完成多机集群部署验证之后，全力推进标准化，实现运营成本的边际递减。

标准化的核心，是FDE。现场部署工程师，十几人的团队，每一个都"贵得离谱"——得同时懂技术、懂业务、还能跟客户顺畅沟通，这种人才在市场上凤毛麟角。

实际运营中遇到问题，FDE 会直接驻场，用 AI 编程快速出原型：客户当天提需求，第二天就能跑通一个可交互的原型帮他确认。但 AI 原型不能直接上线，客户侧的工程团队会把确认后的效果底层重构成工业级稳定代码——这是聆动摸索出的高效交付模式。

运营的最终目标，是和客户一起"冻结"标准化解决方案。需求一旦冻结，后面的部署就可以复制，而只有复制，才有利润。聆动把这条路拆成四个阶段：

•0→1，形成标准部署流程和现场培训体系；

•1→2，把定制化和微调成本压到最低；

•2→3，验证每一个单点的交付模型是否留有足够利润；

•3→100，验证利润是否可复制、边际成本是否真的在递减。

如果说 LDB 是在产线上"干活的手"，那 LDT 就是"采集数据的眼"。两者构型相同，共同构成聆动软硬一体的全套解决方案——LDT 的第一产品定义，就是高精度后训练数据采集。

它和 LDB 一起部署在产线上协同工作，但性能更强——端侧算力是 LDB 的 10 倍以上，支持 10B 以下小模型的推理与部署，采集回来的数据可直接用于训练。同时支持二次开发，与中科大、武大、清华、哈工大等高校深度合作。

LDT采集的数据反哺LDB，LDB产生更多数据——这就是聆动的数据飞轮。

03

结语：

没有捷径，才是最大的护城河

在具身智能落地的竞逐中，聆动通用选择了一条最“笨”也最“熬人”的路——到客户现场去，花半年时间重构整个模型架构；一个场地一个场地地驻场，把运营经验熬成标准化流程；一台机器人一台机器人地采集数据，把真机数据熬成模型的泛化能力。

LDB 在物流行业正在验证自己的价值，下一步，汽车、3C 都是聆动通用目标进入的行业，在更大的舞台上用更强的落地能力，给客户带来更大的效率提升。

自今年下半年起，聆动的目标是从"能干活"到"能复制"。季超知道，这才是真正的硬仗——因为工厂与工厂之间的差异，比实验室与工厂之间的差异还要大。

这些事，没有任何捷径可走。而恰恰是这些“没有捷径”的事，构成了真正的护城河。

谈到聆动通用在做的事情，季超对 AI科技评论说道：“在这条没有捷径的路上，如果能走得更坚决，当别人想超越你的时候，你已经跑得很远了。”

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。