湖南
作者：苏打
编辑：tuya
出品：财经涂鸦（ID：caijingtuya）
公司情报专家《财经涂鸦》获悉，11月5日，菜鸟香港智慧港“AI及具身智能产业合作”发布现场，“具身智能产业化拐点：物流场景先行，全球机器人产业的竞合与出海”主题圆桌对话同步举行。
聆动通用创始人兼CEO季超、深诣机器人创始人兼CEO刘凯、梅卡曼德机器人创始人兼CEO邵天兰、昆腾动力创始人兼CEO李强、曦诺未来灵巧手系统负责人江鹏等共同参与讨论。
据菜鸟国际总裁熊伟透露，目前菜鸟已在快递、电商、快消、汽配等场景规模化试点短程、中程、长程三类典型任务，推动机器人从单点作业向复杂场景应用拓展。
季超对此进一步解释道，之所以分为短、中、长三类认为，因为“强化学习本质上是搜索的过程”。
如果直接拉到长程任务，会面临大量奖励稀疏的问题，因此先在短程任务上落地更加合理我们当时（在讯飞内部做模型预训练和后训练）就把任务分成短程马尔科夫决策和长程马尔科夫决策。其中短程马尔科夫决策一定是率先被解决掉的，这也符合技术的底层逻辑，因为其对于数据的要求相对没那么复杂。而涉及到长程，一定就涉及到记忆和上下文。”
公开资料显示，聆动通用成立于2026年7月，据季超介绍，其团队是科大讯飞孵化的具身智能公司，定位于具身智能生产力服务提供商
“物流是我们最大的板块，目前我们的方案正在国内头部物流公司进行全国推广。物流场景中，我们主要聚焦在转运中心和仓储。”
季超直言，大家都在等待具身智能的GPT时刻，但随着GPT6的发布，“其实我们等来的是GPT具身智能时刻。我认为这两个技术路线短期内还是有待辩证的。”
他同时认为，机器人未来一定是解决劳动力的问题。
“过去几年，我在仓库里待过很长时间，其中约有一年多时间用来剖析物流的底层架构。学习的本质是表征，物流领域底层的表征第一阶段是输送线、传送带的过程，即不同传送带之间的断点怎么解决。”
随着消费习惯的变化，过去是单品种、多批量，现在是多品种、小批量，这就带来多SKU的问题，过去的感知和决策很难解决
“当时我们想的是解决方法第一是输送线的模式，第二是传统机械臂，用传统工业视觉的方式来做，第三是在感知层面用到预训练的技术进一步提升泛化性，同时决策通过模仿学习和强化学习再做优化，提升轨迹上的优化性。”
这一推理背后，经济性非常重要。
“首先技术要被解决，技术上一定要验证可行；其次是三个指标，客户给到我们的指标很多，比如说容积率、掉件率、回流率、成功率、节拍，甚至某种程度上装车的垛型的形状，可能不同公司审美都不一样，所以会有一些定制化的东西在其中。”
季超认为，目前物流领域大家都在解决第二个问题。
“现在大家都在讲WVM，WVM最核心的问题是解决记忆问题。物流并不需要长时记忆，现在物流上用的技术，以及大家视频上看到的很多东西，都没有用很先进的VLM方式来做，都是用VLA的方式来做或者用模仿学习来做，还是解决短程的问题。”
在第三阶段，指标、账本和成功率将成为关键。
谈及产业化，季超认为，产业化的拐点是面向不一样的人群。
“其中分为两个维度，一个是需求，一个是技术。如果用坐标轴来表示的话，横坐标是时间轴，纵坐标可能是不同技术难度的场景需求。按照我们这几年和客户沟通下来，往前回放十几年这个需求一直都在。自动化是为了让工人更有尊严，智能化是为了让工人活得更好，人口趋势决定了机器替代的趋势；从时间维度看，需求是一条恒定的平线，突然一个涌现击穿需求后，某个场景就能落地。”
简言之，所谓产业拐点，需求一直存在，只是技术尚未被满足。
“但具身这一波是先实现了技术突破，基础设施没有补齐。所以这一两年大家疯狂在补基础设施，包括算力、工具链、数据等等Infra。这一轮补齐之后肯定会迎来爆发。”
谈及与菜鸟的合作，季超透露，更希望是面向具体的场景打造场景级的解决方案，让AI能力在全方案里进行渗透，推动整个场景的模式创新
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
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.
