杭叉集团首席科学家、浙江杭叉国自智能科技机器人有限公司CTO陶熠昆

当“具身智能”成为科技行业热点，人形机器人演示频繁刷屏，工业领域却深陷“叫好不叫座”的困境—技术热潮与规模化落地之间仍存在明显鸿沟。作为物流装备领军企业，浙江杭叉国自智能科技机器人有限公司深耕行业数十年，在具身智能浪潮中坚守务实初心。近日，杭叉集团首席科学家、浙江杭叉国自智能科技机器人有限公司CTO陶熠昆接受本刊专访，深度解析具身智能与传统工业自动化的核心差异，直面落地瓶颈，分享“场景+数据+综合能力”的突围路径，为行业提供了兼具战略高度与实践价值的发展蓝图。

破界与重构：具身智能的本质是数据驱动的范式革命

谈及具身智能，行业常陷入“产品形态决定论”误区，认为人形机器人即具身智能，AGV、叉车等传统装备与智能无关。对此，陶熠昆明确核心认知： “智能是一种方法，而非产品形态。真正的分水岭，在于驱动逻辑的根本不同。”

传统工业自动化设备，本质是“规则驱动的手工编码产物”。以诞生近30年的叉车AGV为例，其市场渗透率仅2%，远低于人工叉车。“这并非价格问题，而是其难以适应复杂工业环境。”陶熠昆解释，当前叉车AGV更偏向自动化设备，需依赖大量预设规则运作，一旦遭遇未编码的场景变化，便容易“瘫痪”。

具身智能的核心，则是“数据驱动的自主决策能力”。“智能的上限远高于规则驱动模式，能让设备像人一样思考，适配复杂、柔性的工作场景。”陶熠昆强调，当叉车通过海量数据训练获得自主判断能力，可应对不同堆放位置、规格的货物及动态仓库环境时，才能真正替代叉车工，实现复杂场景下的高效作业—这正是具身智能打破自动化产品天花板的关键。

这种从“规则驱动”到“数据驱动”的转变，构成了机器人技术的“范式革命”。“传统自动化是‘人定规则、设备执行’，能力边界受限于人的认知；具身智能是‘数据训模型、设备自主决策’，可通过数据积累持续进化，这种进化潜力正是范式革命的核心。”

现实与挑战：工业落地的双重瓶颈—可靠性与数据成本

尽管具身智能前景广阔，陶熠昆仍坦言行业面临现实瓶颈：“我们需辩证看待其发展，长期乐观但短期必须直面障碍，保持定力与耐心。”

工业场景对设备的核心要求是“可靠性”，这是具身智能落地的第一道关卡。“工业生产容不得试错，可靠性达不到99.9%就无法真正投入使用。”陶熠昆指出，当前以大语言模型相关技术为代表的具身智能方案，虽能听懂指令、完成复杂动作，但可靠性仅90%-95%，这一差距在工业场景中形成了“不可跨越的鸿沟”。

数据成本过高是另一大障碍。陶熠昆以大语言模型为参照： “顶尖大语言模型的训练数据达上千亿级，而具身智能任务更复杂—需融合多模态感知、应对物理世界动态反馈，但其最优模型的训练数据仅几百万级，二者相差十万倍。”

数据采集的难度与成本更雪上加霜。“大语言模型可直接利用互联网公开数据，但具身智能需要与工业场景高度匹配的真实运行数据。”陶熠昆介绍，不少企业通过数采中心采集数据，但这种方式成本高昂，且采集数据与现场真实数据差异较大， “实验室的‘理想数据’，难以训练出应对工业现场‘复杂变量’的模型”。他进一步分析，工业场景千差万别，同一设备在不同企业、生产线的运行状态各异，要收集足够覆盖这些变量的数据，成本难以想象。

差异化突围：杭叉国自智能的三大核心护城河

面对机遇与瓶颈，杭叉国自智能凭借数十年积累，构建了独特竞争优势。陶熠昆将其总结为“算法、场景、数据”三角模型，并强调： “开源时代，算法差距最易弥补，真正的护城河是场景、数据与企业综合能力。”

场景护城河：数十年行业认知的沉淀“场景体现企业对行业十年甚至数十年的认知，这种积累短期内无法复制。”陶熠昆表示，工业具身智能落地的关键，是选择“合适的场景”—需具备真实客户需求、封闭垂直、可复制的特征，且传统方法无法解决，能推动“数据飞轮”运转。

杭叉国自智能在物流领域深耕数十年，积累了海量客户资源、渠道网络与服务体系，形成场景选择的先天优势。“我们深谙物流行业的每一个细分场景，从仓库布局、货物规格到作业流程、操作习惯，这些深入骨髓的认知，让我们能精准筛选具身智能落地的‘试验田’。”

数据护城河：零成本获取的真实工业数据

“数据是具身智能的基础，多少数据就有多少智能。”陶熠昆表示。与其他企业高成本建设数采中心不同，杭叉国自智能拥有天然数据优势。“我们已售出几百万台人工叉车，这些设备在全国物流仓库、生产车间日夜运行，每一次启动、转向、搬运，都是最真实的工业数据。”陶熠昆介绍，公司的 AGV及各类自动化物流设备也在持续运行，其搭载的传感器与数据采集系统，能实时收集多维度作业数据。

“我们获取这些数据的成本极低，甚至常为零成本。”他强调，这些数据的核心优势是“真实性”—包含地面平整度、光线明暗、货物偏心负载等复杂变量，这是实验室数据无法模拟的。更重要的是，这些数据能形成“数据飞轮”正向循环：第一代产品运行产生新数据，优化模型后吸引更多客户使用，进而产生更多数据，推动模型持续迭代。

综合能力护城河：冰山之下的核心竞争力

陶熠昆用“冰山模型”形容具身智能产品落地逻辑：“露出水面的模型仅占10%，水下90%是企业综合实力—涵盖渠道推广、产品设计、供应链整合、研发管理、资金实力、品牌影响力与服务网络等。”

在他看来，这些“看不见的能力”更难被超越。“具身智能产品是软硬件深度融合的复杂系统，需适配硬件平台、考虑工业可靠性、控制成本、触达客户、解决售后问题，这些都需要长期积累与整合。”

分步演进：从具身技能到全场景智能的落地路径

面对长期目标与短期瓶颈，杭叉国自智能制定了务实的分阶段落地路径。陶熠昆以自动驾驶为参照： “自动驾驶经15年积累从L2逐步演进至L4，具身智能落地也需遵循此逻辑，不可急于求成。”

他将具身智能落地分为三个阶段：

L2阶段为“自身感知+规则决策”。设备感知部分实现智能化，可自主识别环境、货物、障碍物等信息，但决策与控制仍基于规则驱动。在陶熠昆看来，这是过渡阶段，能让设备具备基础智能感知能力，积累初步数据，解决部分场景效率问题。

L3阶段为“具身技能”阶段，也是当前核心发力点。“我们不追求机器人‘无所不能’，而是‘精益求精’。”陶熠昆表示，具身技能即深耕垂直领域的单一或少数核心技能，比如“搬箱子”—无论箱子位置、规格、周边环境如何，机器人都能精准可靠完成任务。“训练垂直领域技能所需数据更少、落地更容易，且能切实解决工业刚需，让数据飞轮运转，为产业注入信心。”他直言，当前行业靠表演型机器人支撑的热度难以持续，刚需产品才是产业发展的核心动力。

L4阶段为“全场景智能”，机器人可自主应对各类复杂场景，完成多样化任务，真正“像人一样工作”。 陶熠昆强调： “这一阶段可能还需5-10年，需海量数据积累、模型算法优化与硬件技术进步，但通过L2、L3阶段的积累，我们能逐步逼近目标。”

面向未来，陶熠昆表示，杭叉国自智能将保持务实开放姿态， 以场景为根基、数据为驱动、综合能力为支撑，推动具身智能从“实验室”走向“生产线”，从“技术概念”变为“生产力工具”，为中国工业智能化转型贡献力量。

摘自《自动化博览》2026年第一期暨《2026具身智能专刊》