杭叉集團首席科學家、浙江杭叉國自智能科技機器人有限公司CTO陶熠昆

當“具身智能”成為科技行業熱點，人形機器人演示頻繁刷屏，工業領域卻深陷“叫好不叫座”的困境—技術熱潮與規模化落地之間仍存在明顯鴻溝。作為物流裝備領軍企業，浙江杭叉國自智能科技機器人有限公司深耕行業數十年，在具身智能浪潮中堅守務實初心。近日，杭叉集團首席科學家、浙江杭叉國自智能科技機器人有限公司CTO陶熠昆接受本刊專訪，深度解析具身智能與傳統工業自動化的核心差異，直面落地瓶頸，分享“場景+數據+綜合能力”的突圍路徑，為行業提供了兼具戰略高度與實踐價值的發展藍圖。

破界與重構：具身智能的本質是數據驅動的范式革命

談及具身智能，行業常陷入“產品形態決定論”誤區，認為人形機器人即具身智能，AGV、叉車等傳統裝備與智能無關。對此，陶熠昆明確核心認知： “智能是一種方法，而非產品形態。真正的分水嶺，在于驅動邏輯的根本不同。”

傳統工業自動化設備，本質是“規則驅動的手工編碼產物”。以誕生近30年的叉車AGV為例，其市場滲透率僅2%，遠低于人工叉車。“這并非價格問題，而是其難以適應復雜工業環境。”陶熠昆解釋，當前叉車AGV更偏向自動化設備，需依賴大量預設規則運作，一旦遭遇未編碼的場景變化，便容易“癱瘓”。

具身智能的核心，則是“數據驅動的自主決策能力”。“智能的上限遠高于規則驅動模式，能讓設備像人一樣思考，適配復雜、柔性的工作場景。”陶熠昆強調，當叉車通過海量數據訓練獲得自主判斷能力，可應對不同堆放位置、規格的貨物及動態倉庫環境時，才能真正替代叉車工，實現復雜場景下的高效作業—這正是具身智能打破自動化產品天花板的關鍵。

這種從“規則驅動”到“數據驅動”的轉變，構成了機器人技術的“范式革命”。“傳統自動化是‘人定規則、設備執行’，能力邊界受限于人的認知；具身智能是‘數據訓模型、設備自主決策’，可通過數據積累持續進化，這種進化潛力正是范式革命的核心。”

現實與挑戰：工業落地的雙重瓶頸—可靠性與數據成本

盡管具身智能前景廣闊，陶熠昆仍坦言行業面臨現實瓶頸：“我們需辯證看待其發展，長期樂觀但短期必須直面障礙，保持定力與耐心。”

工業場景對設備的核心要求是“可靠性”，這是具身智能落地的第一道關卡。“工業生產容不得試錯，可靠性達不到99.9%就無法真正投入使用。”陶熠昆指出，當前以大語言模型相關技術為代表的具身智能方案，雖能聽懂指令、完成復雜動作，但可靠性僅90%-95%，這一差距在工業場景中形成了“不可跨越的鴻溝”。

數據成本過高是另一大障礙。陶熠昆以大語言模型為參照： “頂尖大語言模型的訓練數據達上千億級，而具身智能任務更復雜—需融合多模態感知、應對物理世界動態反饋，但其最優模型的訓練數據僅幾百萬級，二者相差十萬倍。”

數據采集的難度與成本更雪上加霜。“大語言模型可直接利用互聯網公開數據，但具身智能需要與工業場景高度匹配的真實運行數據。”陶熠昆介紹，不少企業通過數采中心采集數據，但這種方式成本高昂，且采集數據與現場真實數據差異較大， “實驗室的‘理想數據’，難以訓練出應對工業現場‘復雜變量’的模型”。他進一步分析，工業場景千差萬別，同一設備在不同企業、生產線的運行狀態各異，要收集足夠覆蓋這些變量的數據，成本難以想象。

差異化突圍：杭叉國自智能的三大核心護城河

面對機遇與瓶頸，杭叉國自智能憑借數十年積累，構建了獨特競爭優勢。陶熠昆將其總結為“算法、場景、數據”三角模型，并強調： “開源時代，算法差距最易彌補，真正的護城河是場景、數據與企業綜合能力。”

場景護城河：數十年行業認知的沉淀“場景體現企業對行業十年甚至數十年的認知，這種積累短期內無法復制。”陶熠昆表示，工業具身智能落地的關鍵，是選擇“合適的場景”—需具備真實客戶需求、封閉垂直、可復制的特征，且傳統方法無法解決，能推動“數據飛輪”運轉。

杭叉國自智能在物流領域深耕數十年，積累了海量客戶資源、渠道網絡與服務體系，形成場景選擇的先天優勢。“我們深諳物流行業的每一個細分場景，從倉庫布局、貨物規格到作業流程、操作習慣，這些深入骨髓的認知，讓我們能精準篩選具身智能落地的‘試驗田’。”

數據護城河：零成本獲取的真實工業數據

“數據是具身智能的基礎，多少數據就有多少智能。”陶熠昆表示。與其他企業高成本建設數采中心不同，杭叉國自智能擁有天然數據優勢。“我們已售出幾百萬臺人工叉車，這些設備在全國物流倉庫、生產車間日夜運行，每一次啟動、轉向、搬運，都是最真實的工業數據。”陶熠昆介紹，公司的 AGV及各類自動化物流設備也在持續運行，其搭載的傳感器與數據采集系統，能實時收集多維度作業數據。

“我們獲取這些數據的成本極低，甚至常為零成本。”他強調，這些數據的核心優勢是“真實性”—包含地面平整度、光線明暗、貨物偏心負載等復雜變量，這是實驗室數據無法模擬的。更重要的是，這些數據能形成“數據飛輪”正向循環：第一代產品運行產生新數據，優化模型后吸引更多客戶使用，進而產生更多數據，推動模型持續迭代。

綜合能力護城河：冰山之下的核心競爭力

陶熠昆用“冰山模型”形容具身智能產品落地邏輯：“露出水面的模型僅占10%，水下90%是企業綜合實力—涵蓋渠道推廣、產品設計、供應鏈整合、研發管理、資金實力、品牌影響力與服務網絡等。”

在他看來，這些“看不見的能力”更難被超越。“具身智能產品是軟硬件深度融合的復雜系統，需適配硬件平臺、考慮工業可靠性、控制成本、觸達客戶、解決售后問題，這些都需要長期積累與整合。”

分步演進：從具身技能到全場景智能的落地路徑

面對長期目標與短期瓶頸，杭叉國自智能制定了務實的分階段落地路徑。陶熠昆以自動駕駛為參照： “自動駕駛經15年積累從L2逐步演進至L4，具身智能落地也需遵循此邏輯，不可急于求成。”

他將具身智能落地分為三個階段：

L2階段為“自身感知+規則決策”。設備感知部分實現智能化，可自主識別環境、貨物、障礙物等信息，但決策與控制仍基于規則驅動。在陶熠昆看來，這是過渡階段，能讓設備具備基礎智能感知能力，積累初步數據，解決部分場景效率問題。

L3階段為“具身技能”階段，也是當前核心發力點。“我們不追求機器人‘無所不能’，而是‘精益求精’。”陶熠昆表示，具身技能即深耕垂直領域的單一或少數核心技能，比如“搬箱子”—無論箱子位置、規格、周邊環境如何，機器人都能精準可靠完成任務。“訓練垂直領域技能所需數據更少、落地更容易，且能切實解決工業剛需，讓數據飛輪運轉，為產業注入信心。”他直言，當前行業靠表演型機器人支撐的熱度難以持續，剛需產品才是產業發展的核心動力。

L4階段為“全場景智能”，機器人可自主應對各類復雜場景，完成多樣化任務，真正“像人一樣工作”。 陶熠昆強調： “這一階段可能還需5-10年，需海量數據積累、模型算法優化與硬件技術進步，但通過L2、L3階段的積累，我們能逐步逼近目標。”

面向未來，陶熠昆表示，杭叉國自智能將保持務實開放姿態， 以場景為根基、數據為驅動、綜合能力為支撐，推動具身智能從“實驗室”走向“生產線”，從“技術概念”變為“生產力工具”，為中國工業智能化轉型貢獻力量。

摘自《自動化博覽》2026年第一期暨《2026具身智能專刊》