多模态具身通用机器人： 重构传统制造业的“破局点”

在人工智能从虚拟世界走向物理世界的关键转折期，具身智能正成为驱动第四次工业革命的核心力量。
4月8日，在2026第三届人形机器人产业发展大会上，安徽聆动通用机器人科技有限公司（简称“聆动通用”）联合创始人、市场VP周甲甲以《多模态具身通用机器人在传统制造业领域的创新探索》为题，系统阐述了具身智能的技术演进、产业价值、落地标准与核心难点，为传统制造业智能化转型指明了清晰路径。

周甲甲认为，当虚拟世界的大模型能力已经远超人类，AI必然要走向物理世界，而具身智能就是连接数字大脑与实体场景的颠覆性技术集群。他回顾行业发展脉络提到，2022年大模型技术在国内普及，2023年行业进入模型竞赛，2024年虚拟智能趋于成熟，产业重心转向物理载体落地。具身智能并非单一技术突破，而是融合大模型、多模态感知、运动控制与自主学习的系统性创新，承载着AI赋能实体经济的核心使命。

对于制造业转型，周甲甲明确提出具身智能落地的核心标准：第一是现有范式下生产力效率指数级提升；第二是明确趋势下现有模式体系坍塌过程中的生产力体系的重构。这一判断直击行业痛点。比如在聆动通用聚焦的物流赛道，“我们在和客户沟通的过程中发现，大家最关心的核心问题其实集中在几个关键点上，其中非常重要的一点，就是设备综合效率。”

周甲甲解释道，物流行业的业务有非常明显的高峰期和低谷期，但无论业务量如何波动，人力配置是相对固定的。用传统自动化设备去改造产线，其实难度非常大 —— 毕竟90%的时间里，产线都处于低谷或非峰值的运行状态，传统刚性设备很难动态适配这种波动。尤其是一些需要净化改造的特殊场景，到最后还是要投入大量人力来辅助作业，自动化的价值很难完全发挥。

周甲甲认为，过去的市场本质上是计划经济逻辑，生产以大批量、标准化为主，传统的流通模式、产线架构和工业经济体系，都能很好地适配这种模式。但现在市场已经完全进入了市场经济时代，不管是汽车产业链还是各类消费品，需求都转向了多品种、小批量的定制化模式。面对这样的需求变化，就必须有具备泛化能力的设备来解决问题，而具身智能正好在这个时间点，完美契合了市场的核心需求。

从技术方面来看，具身智能、世界模型、数据生成技术协同发展。聆动通用在技术发展的过程中，将相关技术体系分为了两大类别：预训练、后训练。    

周甲甲用通俗比喻拆解二者的核心逻辑，简单来说，预训练就像是机器人的“九年义务教育”，核心是帮它打好基础，习得通识认知与基础能力；而后训练通过仿真数据、真实作业数据微调，则相当于“职业技能培训”，让机器人精准掌握精密操作、动态响应等专业技能，解决实操问题。

可见，数据是具身智能的核心燃料。周甲甲在演讲中强调行业普遍忽视的关键问题：数据采集不能由普通标注人员完成，必须由算法研究员主导，从模型端反向定义数据标准，这才是高质量数据的源头。他将数据体系划分为互联网基座数据、仿真数据与真实作业数据三层：底层数据夯实通用智能，仿真数据降低训练成本，真实数据保障作业精度。当前行业多数企业“先做硬件再适配算法”，导致数据与模型脱节，而模型反向驱动设备，才能从根本上提升智能训练效率与落地效果。

对于行业未来，周甲甲给出明确预判：2035年，“制造即智能”的时代将全面来临，企业走入智能化下半场，全面推动企业实现高效、高质量、可持续的生产模式。

作为科大讯飞旗下深耕具身智能的企业，聆动通用始终以技术落地为核心。他强调，具身智能的真正价值不在技术本身，而在应用层面的商业闭环，只有形成真实收入与可持续循环，才能推动产业成熟。未来，具身智能体将成为具备自主决策能力的“生成伙伴”。

来源：荣格-《智能制造纵横》

原创声明：
本站所有原创内容未经允许，禁止任何网站、微信公众号等平台等机构转载、摘抄，否则荣格工业传媒保留追责权利。任何此前未经允许，已经转载本站原创文章的平台，请立即删除相关文章。