具身智能规模化落地的解法，鹿明摸索出来了

鹿明发布NexCore，要把具身落地的全套系统打通。

    作者丨向   欣

    编辑丨董子博

                                                                                                       

今年具身智能行业的热度，用「烈火烹油」来形容毫不为过。融资一笔接一笔，模型榜单隔三差五刷新。但如果剥开这些热闹去看一个最朴素的指标：有多少机器人在产线上持续运行？答案屈指可数。

不少产业方透露，大量所谓的「落地」，还停留在友情合作的 POC 阶段，视频拍得漂亮，产线上是另一回事。机器人进得了厂，却站不住脚。

这是一个值得深思的悖论：技术进步的速度肉眼可见，但距离真实生产力输出的鸿沟似乎并没有缩短。今年各家本体的硬件参数越来越接近，同质化趋势已经显现。接下来真正的竞争，在于能否找到愿意买单的场景客户，而怎样的能力让客户买单，正是整个行业必须回答的核心命题。

要回答这个命题，需要拆解三个层次的问题：什么样的机器人才能进入产业？机器人如何持续获得适应产业变化的技能？这些技能如何被规模化复制？

这三个问题，恰好对应着具身智能落地的三重困境：进入场景难、技能进化难、规模化铺开难。鹿明摸索出的这套解法，落在一个叫 NexCore 的平台上。

01

机器人进场景，需要职业技能

行业热衷于发机器人跳舞、起身、搬运的视频，但产线上的任务和视频里的表演完全是两回事。

最典型的例子是 Figure AI。外界看到的是「参与生产 3 万辆 BMW X3」的战绩，一片叫好。但业内人士透露，实际情况是 Figure 机器人在产线上的抓取-放置成功率非常低，还不到 50%。

视频中展现的工作场景也是为机器人量身定制的。工件被整齐挂在特制料架上，省去了在真实料框中随机抓取的复杂度。这谈不上真正的落地，是为机器人定制的舞台。

Figure 折射出具身行业的一个普遍现状：为了融资宣传，许多公司投入大量精力做 demo，技术实力不容否认，但真正用于产线落地的精力被稀释了。大量“落地”项目，做的还是相对单一且标准化的任务，高价值的柔性任务非常难完成。

demo 与落地之间的鸿沟，根源之一在于场景不够真实。而真实场景最大的难点，在于高度碎片化。不同产业需要的能力截然不同：

• 工业制造关注精准操作、稳定性和复杂任务适应；

• 科研教育关注快速训练和实验验证；

• 商业、文娱服务关注交互和场景适应。

即便在同一个产业内，也有多个场景、多道工序，需求各不相同。没有一家公司能靠一套通用本体和能力覆盖所有场景。

行业似乎过早把「通用」当成了目标。大家都希望一套方案适用于所有场景，但产业需求本身就是高度异构的。李飞飞曾指出，扎堆人形机器人未必是具身智能正确的落地路线，人类躯体结构只是适配人体环境，机器人并不需要复刻人的外形。

例如，在工业场景中，很多环境是为重型设备设计的，地面平坦、通道宽敞，带轮子的机器人可能比双足更合适。

在场景落地开发商陈鸿看来，目前行业大量的「通用本体」也造成了一种溢价，没有针对场景需求降本，本体价格就非常昂贵，经过算法调试、现场部署等环节，到了产业端价格已涨到八九十万，而工厂能接受的价格最多三四十万。

鹿明机器人创始人兼 CEO 喻超也认为，不要用机器人表演定义产业进步，先找到真实场景需求，再反向定义机器人能力。

同样，由于场景中各种工作任务的高度多样化，也不存在一套固定技能适用于所有机器人，最终仍需定向开发。类比人类到了新岗位也要学习、适应。

未来机器人需要的，是符合场景需求的本体，加上一套类似「职业技能」的能力体系。

因此，越来越多企业开始把关注点转向构建可复用的技能体系，提出「原子技能」概念。

鹿明则站在更大的视角上，提出「产业具身」的概念，指的是围绕真实产业需求，将场景、数据、模型和执行系统深度结合，形成一套让机器人持续获得和进化技能的基础设施。

在这套理念下，鹿明推出了← 返回资讯流