2026世界人工智能大会期间，埃夫特&启智董事长游玮博士受邀出席上海马桥AI创新试验区主办的"具身智能产业生态论坛"，发表题为《工业具身落地路径探讨》的主旨演讲。游玮博士直指行业"重演示、轻落地"的盲区，紧扣工业核心痛点，给出了作为"实干派"的一系列具身智能产业发展的深刻洞察和预判。

这不仅是一次行业发声，更是依托埃夫特深厚积淀孵化的启智Openmind，针对"如何筑好通用技术底座"交出的阶段性答卷。

【量产不难，量销难——技能比产能重要】

游玮博士直言行业陷入"卷产能"误区："现在大家都在谈量产，其实量销更重要。量产不难，做出来容易；但目前还未实现真正意义上的量销，因为机器人不具备覆盖真实刚需场景的技能。"作为科创板工业机器人第一股，我们累计交付超10万台，深知工厂买单的从来不是"酷炫的Demo"，而是"在ROI、准确性、可靠性、节拍、并能和周边设备交互配合"的确定性。

我们以"技能冰山"定义认知：冰山之上是抓取、分拣等简单技能"；冰山之下才是工业刚需——多机交互、工艺强耦合及实时同步控制能力。比如制造场景下常见的喷涂、焊接、打磨等工艺 ，面对作业对象的变化，不仅仅要自主规划机器人的作业路径、速度等运动信息，而且要自主生成与运动信息强耦合的工艺参数，如喷涂雾化张角、流速流量、焊接电流、打磨中的主轴转速，进给量等，因此要在制造业场景落地，技能的内涵要复杂的多。

【技能本源在人——取人类之技，赋万机之能】

针对技能来源，游玮博士剖析了传统遥操作的局限："遥操作过滤了人类技能本源。人教徒弟需言传身教，讲诀窍、讲工艺逻辑。"为此，我们打造HALO人类技能全模态数据采集服，同步捕获视觉、力觉、触觉、语言等多维信号，叠加数十年沉淀的工艺文档与SOP。非任务类数据与失败数据构建了基模泛化广度，场景高频数据保障了技能可靠性。更重要的是，通过"人机动作迁移模型"，我们将人类技能蒸馏为通用表征，迁移至人形机器人、复合机器人及工业臂，破解了"数据孤岛"与"跨构型迁移"难题。

【混合和分层架构更为务实——机理模型为大模型兜底】

面对纯端到端数据驱动的浪潮，游玮博士给出清醒判断："单纯数据驱动控制末端作业难度大，最后一公里需可解释的数理方程为基础的机理模型兜底。"他提出的"不可能三角"理论指出：泛化能力、推理速度与工业级可靠性（99.99%，即"四个9"）三者难以兼得。因此，工业场景必然采用"数据驱动大模型+可解释机理Harness层"的混合架构：上层模型负责理解场景与生成技能，底层机理模型（如焊缝跟踪、喷涂参数控制）保障"四个9"的可靠性与安全边界。

作为链主企业，我们全栈自研的总线协议、控制内核及核心零部件，是Harness layer落地的硬件前提，也是我们承诺工业级可靠性的底气。

【打通工具链路——让技能开发更简单、更高效】

面向各垂类场景的技能的不断丰富是机器人大规模实现商业变现的基础，然而目前机器人的技能开发只有机器人厂家的工程师才能完成，且开发周期长，开发效率低，具有丰富场景知识的领域专家则很难介入和驾驭整个开发过程，为此启智正构建覆盖"采-存-治-训-推-用"全链路的工具链：从HumanGPT、大衍数据平台、到墨斗IDE和Openmind OS的通用技术底座。全方位降低门槛，让传统自动化集成商，甚至终端用户无需精通AI算法、机器人底层控制也可以快速部署，从源头消除底层重复研发。

目前，启智联合埃夫特、哈工大及近30家产学研用单位，旨在打通全流程标准规范，打造全行业共用底座。我们的路线图清晰：1.0阶段聚焦工业制造领域，以"四个9"可靠性验证底座，啃下硬骨头；2.0阶段向家庭服务延伸，以低门槛特性解决非结构化场景开发需求。

从国产首台点焊机器人，到孵化启智Openmind，我们坚守"智造智能机器人，解放人类生产力"的使命，不逐短期流量，而是通过标准化通用技术底座建设，携手全行业将具身智能从实验室推向规模化落地。