社区

有鹿强调的“一脑多形”是不同身体共享一套理解物理世界的能力。

作者｜周悦

编辑｜栗子

一辆业主车辆拐进社区窄路，前方的巡扫机器人停了一下。

它没有僵在原地，也没有继续向前“拱”。几秒后，机器人开始倒车，把车尾收进路旁的一处空隙，给业主让出通道。

这个动作看起来简单，背后却不只是避障。机器人要判断来车准备往哪里走，再决定自己该不该退、退到哪里，同时还要避免堵住车辆和行人。

有鹿机器人创始人、CEO陈俊波将其称为寻找现场的“全局最优”。

陈俊波曾是达摩院机器人实验室负责人、达摩院小蛮驴公司总经理。2023年，他与前阿里巴巴机器人CEO谷祖林强强联手，共同创办有鹿机器人。

7月18日，有鹿机器人联合创始人谷祖林在2026世界人工智能大会（WAIC 2026）发布商用巡扫机器人AI130S。这是一款搭载了有鹿Master2000 GEN2通用具身智能大脑的商用巡扫机器人。

发布会现场，谷祖林还与中国电动车行业龙头、智能制造标杆企业绿源集团共同创始人、首席执行官胡继红正式发布战略合作。双方将在产品设计、研发、量产等环节开展深度协同，并共同围绕“建立真正可信赖的机器人服务体系”，推出覆盖机器人全生命周期的“具身智能5S服务包”——即部署、维修、养护、回收、升级，并搭配5年超长质保，形成“5+5”双重保障体系。依托绿源遍布全国的密集服务网络，确保有鹿的每一台设备在5公里半径内即可触达服务终端。 

1.从“能上路”到“能上岗”

在重庆一个居民小区，AI130巡扫机器人曾在路测时遇到了一堆辣椒。

如果是从树上掉落、散在路面上的辣椒，物业希望机器人把它扫干净，但如果是居民摆在门口晾晒的辣椒，机器人一旦收走，又会引来投诉。

扫，还是不扫？两种答案都可能错。

“垃圾是一个非常抽象的高层定义。”陈俊波说。纸屑和烟头通常应该被清理，地上的钱包却可能是废弃物，也可能是业主刚刚遗失的物品。物体的颜色和形状没有变，摆放方式、周边环境和人的意图变了，它的性质也随之改变。

户外巡扫的难点，往往不在“扫干净”。园区和社区面积更大，路面、人流、车辆和天气又在不断变化。机器人必须先找到需要处理的位置，再判断它是什么、该不该扫，以及用什么方式扫。

围绕这些现场问题，AI130S的进化落在五个关键词上：智能、安全、易用、品质和亲和力。

AI130S的智能，首先体现在接手过去由清洁工完成的判断。识别到水管和电线，它会抬起主刷或边刷，避免将其卷入；接近路沿时，会主动调整边刷，减少贴边区域的漏扫；树叶藏在刷盘够不到的位置，机器人会先把它吹出来；扬尘变大时增加喷水量，遇到降雨则停止作业并返航。

同一台机器人还要根据客户要求改变策略。有的项目要求路面接近一尘不染，有的园区面积很大，只需要优先处理水瓶、纸屑等显著垃圾，不能只执行一套固定程序。

做出选择之前，机器人还必须足够安全。社区道路上没有提前摆好的测试障碍。小朋友可能突然跑来，业主车辆会迎面驶入，路上还会临时出现水管、电线、沟坎和施工区域。

有鹿机器人联合创始人谷祖林提到，AI130S在居民小区作业时，小朋友看到它会主动靠近，甚至往车身上扑。“对机器人来讲，既欣慰，又有点灾难。”这要求它既能提前识别儿童，也能在极近距离内可靠地减速和制动。

AI130S采用激光雷达和视觉双重感知，以覆盖近距离障碍和需要语义判断的复杂对象，制动系统设置三重冗余，一套出现异常后，还有后续系统兜底。

进入日常巡扫工作后，易用成为下一道门槛。

过去，一些室外巡扫机器人进入新项目，要由工程师扫图、建图、划定禁行区。小区装修、道路施工或景观改造之后，地图还要重新修改。设备很容易因为维护过重而被闲置。

AI130S强调开箱即用。谷祖林介绍，设备最快可以上午开机、下午完成交付，第二天便开始承担正式作业指标。

根据AI130S产品手册，其清扫宽度达1350mm，清扫效率每小时达到4000m²，爬坡度达20%，算力支持254TOPS，适用于-10℃—45℃的环境。

日常使用中，HMI界面负责常用操作，主刷和边刷可以根据地面和作业状态主动调整高度。耗材接近使用周期后会提醒，设备还可以自行充电、加水和倒垃圾。电机、电芯、水泵、驱动与转向部件均有状态反馈，异常不必等到停机后再逐一排查。这些都是为了减轻客户的部署和维护成本。

真正走向规模交付，最终还要看品质。AI130S在有鹿内部被称为“四代机”，团队前后投入约一年半。相比上一代，它没有单纯追求增加功能，更多工作落在规模量产的工艺研发上。

原因在于，巡扫机器人进入真实场景后，需要保证长期、稳定运行，并且支持大规模交付。AI130S每天需要作业约10小时，工作强度接近一台出租车，对零件可靠性、一致性提出了更高要求。

但传统室外清洁设备的供应链，更多是按照百台月产能设计的。部分零件一天只能生产十余件，成型后还需要人工打磨，一些机械结构依赖老师傅逐台调试。这种生产方式很难支撑机器人规模化运行，任何零部件的不稳定，都可能变成停机、维修和售后成本。

为了解决量产，有鹿把整机又重新做了一遍，所有关键部件更换汽车零部件并引入央企战略合作，一起开发了顶尖的镁合金一体成型的磨具。结合绿源的产线，单月可以做到数千台。“我们把整个机器人的低压平台供应链带动了起来，这不仅影响了机器人产业，甚至传统人工扫地机的供应链都会被因此而改变”

品质解决的是机器能否长期工作，亲和力则决定它能否长期留在公共空间。整车造型、灯光提示、语音交互和对话方式，都影响人们能否理解和信任它。

谷祖林把这种要求概括为：“有乍交之欢，无久处之厌。”第一眼看上去足够友好，长期相处又不能频繁故障、堵路或者增加物业负担。

安全、易用、智能、品质和亲和力并不是五组孤立卖点，而是一台机器人从演示走向产品必须连续跨过的门槛。

至于它为什么能区分两堆辣椒，为什么知道应该抬刷、喷水或者倒车，则要回到背后的具身大脑Master2000 GEN2。

2.一颗“大脑”，怎样把决策变成行动

有鹿最初并没有打算造一台巡扫车。

他们先做出的是Master2000——一个带着把手、可以从设备上拆下来的“大脑”。谷祖林曾拎着它去敲传统制造企业的门，希望设备厂商把这颗大脑装进自己的产品，但市场并不理解和信任。只有模型，没有真实场景和数据，这颗大脑也很难证明其价值。

后来，团队买来一台德国的传统清扫车，拆掉原有控制系统，把Master2000装了上去。“你会看到一台特别粗糙的扫地机，上面插了一个特别精致的脑袋。”谷祖林说。

为了获得真实数据，也为了让客户看见这颗大脑的作用，有鹿开始补齐底盘、清扫机构和整车产品。AI130由此成为Master2000走向市场的第一条路径。

拆下这颗集成了传感器、算力和模型的软硬件模块，AI130依然是一个完整的产品，可由人来手动操作。

不过，可拆卸的“脑袋”也容易带来一种误解：所谓“一脑多形”，是不是把完全相同的一块硬件、同一套模型参数，直接插进扫地车、巡检机器人、叉车和人形机器人？

“那也做不到。”陈俊波说。

有鹿核心团队从2015年起从事机器人与人工智能研发，至今已有十余年积累。从达摩院小蛮驴项目到AI130S，模型结构已经发生多轮变化。“被继承过来的具体技术很少，真正继承下来的是怎么设计模型、怎么训练模型的know-how。”陈俊波说。

其中延续下来的一条主线，是把摄像头、激光雷达等多模态传感器获得的信息，编码成模型可以处理的时空表征，再结合任务生成动作。

语言模型预测的是下一个词，机器人输出的却是会改变现实世界的动作。一次转向、制动或者抬刷，会改变机器人下一秒看到的环境。具身模型不能只识别“眼前有什么”，还要判断物体在哪里、正在怎样运动，与当前任务有什么关系，以及采取某个动作后可能发生什么。

以路面上一条黑色细线为例。视觉捕捉其形状，激光雷达补充距离和空间关系；但仅靠几何信息，它可能是水管、电线、地缝，也可能只是一道阴影。模型还要结合上下文判断：附近是否站着保洁人员，细线是否连接其他设备。完成判断后，机器人才能决定抬刷、绕行还是继续作业。

从技术流程看，Master2000 GEN2首先把传感器信息编码成随时间变化的空间表征，再结合任务和语义理解形成候选策略，最后将选定动作交给底层控制系统执行。

陈俊波用“左脑、右脑和小脑”来解释这种分工。右脑负责高频的空间感知、轨迹预测和交互判断，遇到水管与阴影这类需要语义和常识的问题，再调用左脑进行推理，确定动作后，小脑负责转向、制动、抬刷等具体控制。

这种分工也出于现实的算力约束。大量空间判断必须在有限的车端算力下实时完成，只有遇到更复杂的问题，才调用计算开销更大的模型能力。

Master2000 GEN2进一步加入的，是对动作后果的推演。

陈俊波介绍，GEN2在训练中大量引入世界模型，并在此基础上加入强化学习式的策略优化。世界模型学习“当前状态—候选动作—下一状态”之间的关系，如果执行某个动作，下一时刻的环境可能变成什么样。

窄路会车时，继续向前可能与来车“顶牛”，停在原地仍会堵住通道，向后退进路边空隙则可能让双方通过。模型先预测不同动作的后果，再探索更合适的策略。大部分行为由模型生成，系统同时保留安全评估和兜底机制，一旦动作存在风险，安全策略和制动冗余会介入。

要让模型在陌生场景中作出判断，它还需要见过足够广的世界。陈俊波介绍，有鹿当前的基础模型使用数百万小时级数据训练。

数据覆盖从新加坡到哈尔滨、从杭州的平坦道路到重庆的连续坡道，也包括住宅、写字楼、商场、工厂、医院和高速服务区等不同环境。相比在固定场景里反复执行同一动作，有鹿更看重数据分布的广度和真实交互产生的长尾样本。

有鹿团队在Argoverse 2、KITTI、ScanNetV2以及Talk2car等全球权威榜单中击败英伟达、谷歌等国际巨头，夺得11项冠军。

在有鹿的定义里，“一脑”是共用的基础模型、数据体系和训练方法；“多形”则是让不同任务保留最适合自己的身体，再根据本体结构、动作空间和专业需求进行后训练。

有鹿强调的“一脑多形”是不同身体共享一套理解物理世界的能力。

清扫机器人要控制刷盘，叉车要操作货叉，轮加臂机器人要完成抓取。它们的动作不能共用，却不必各自从零学习什么是道路、行人、车辆和障碍物。所谓“通用”，不是免于适配，而是减少重复学习。

在陈俊波看来，实验室里让一套基础模型支持不同本体，只能证明技术可行。真正的“一脑多形”，还要跨过产品成熟和市场成熟，机器人的成功率、效率、稳定性和成本要达到客户要求，换到下一个项目，也不能继续依赖研发人员驻场解决问题。

这就是有鹿强调“量产级一脑多形”的原因。而AI130S所在的巡扫场景，离真实订单更近，客户需求更明确，作业效果也更容易衡量，是有鹿“一脑多形”的第一批样板。

3.创造更多拥有“大脑”的新物种

AI130打开市场后，局面发生了变化。

最早，谷祖林拎着上门也卖不出去的Master2000，开始被传统制造企业主动询问，能否把它装进自己的产品里。“一个卖不掉的东西，变成了抢手货。”谷祖林说。

市场态度的改变，不是因为制造企业突然愿意为一套模型付费，而是AI130先把“大脑”的能力变成了一台看得见、能交付，也有人愿意购买的产品。根据《新战略低速无人驾驶产业研究所》发布的年度报告，2025年，有鹿AI130成为中国室外清洁机器人的单品销冠。

对有鹿来说，机器人每进入一个小区和园区，都会遇到不同的道路、天气、人群和物业规则。这些真实数据回到基础模型，又成为下一款产品的起点。

谷祖林将数据、场景和商业视为同一件事。只有客户愿意付费解决的问题才是真场景，也只有这个场景的数据才值得投入成本训练，也只有持续的训练好这些数据才能持续的解决客户的更多问题。

AI130系列跑通之后，有鹿面临的问题不再只是“这颗大脑能不能控制另一种机器人”。更现实的问题是，下一台机器人要去给客户解决什么问题？

“机器人终极的形态，不应该是一个产品经理有能力设计出来的。”谷祖林说。

在他的理解里，机器人的形态会在需求中慢慢“进化出来”。社区先需要清洁，就先做清洁机器人；物业需要安保和巡查，再发展巡检能力；当任务需要搬运、抓取和开门时，机器人再增加机械臂。客户愿意为什么能力付费，就会影响产品往哪个方向进化。世界一直在变，碳基为了生存而进化，硅基同样是为了生存而进化。生命的形状没有终局。

沿着物业场景，有鹿选择巡更机器人作为“一脑多形”的下一次产品验证。

巡更与巡扫并不是同一种任务，但两类机器人面对的世界有大量重合。道路、坡道、车辆、行人和天气，不需要换一种任务就重新学习一遍。巡更机器人主要要补充的，是室内环境、异常人员和火灾隐患等专业数据。

按照陈俊波的估算，开发巡更机器人时，约80%的“智能条件”可以从已有基础模型中复用。有鹿第一款产品从研发到商业化用了约三年，巡更机器人从立项到推向市场，预计缩短至半年左右。

从三年到半年，更能说明“一脑多形”的价值。下一台机器人不必再从头认识道路、人、车和天气，可以把更多时间花在任务本身。

不过，产品演进也不等于不断给同一台巡扫车叠加功能。

陈俊波把机器人形态类比为不同生态位中的生物进化。人已经是高度通用的智能体，人类仍然发明了叉车、挖掘机和清扫车，因为在装卸、挖掘和清洁这些具体工作中，专业设备通常更有效率。

“在不同的生态位，会进化出最适合那个生态位和任务的身体。”他说。

清洁适合轮式底盘和刷盘，物流可能需要轮式底盘加机械臂，叉车需要货叉。人形机器人可以是其中一种，却不必成为所有任务的起点。有鹿并不排斥人形，只是更愿意先找到客户的需求，再为它选择成本、效率和可靠性更合适的身体。

机器人形态越多，有鹿也越不可能独自制造所有本体。

陈俊波经常用叉车举例。一台叉车的货叉怎样设计，整车如何生产，如何保证承重、寿命和作业效率，传统叉车企业已经积累了成熟经验。有鹿并不擅长这些工作。

有鹿擅长的是另一部分——叉车如何发现前方车辆，识别托盘的位置，判断货叉应该从哪里插入，并生成相应的动作。

传统企业掌握机械设计、制造、行业场景、渠道和售后，有鹿提供环境感知、任务理解、行为预测和动作决策。

陈俊波把这种关系称为“强强联合”。在巡检、物流等方向上，有鹿计划更多采用“大脑+专业合作伙伴”的方式，包括与行业企业组建合资公司，而不是重新学习如何制造每一种专业设备。

这也让有鹿的路线重新回到了最初的设想：由制造企业做好身体，有鹿提供大脑。

不同的是，当初的Master2000只是一颗很难向客户解释清楚的“大脑”；经过AI130的市场验证后，它开始成为一种可以被看见，也能够被复制的产品能力。

中国已经有大量成熟的清洁设备、叉车、农机和工程机械厂商。它们熟悉本体、供应链和客户，却未必具备让设备理解开放环境、根据任务自主决策并持续学习的能力。有鹿想补上的，正是这一层智能。

有鹿最终要证明的，是下一款产品能否更快进入市场，传统机器装上“大脑”以后，能否真正产生订单和客户价值。如果这条路径成立，具身智能进入产业的方式，或许不是一台万能机器人突然出现，反而是让已经存在的机器设备，在各自最擅长的场景里，一台台长出智能。

（封面图来源：有鹿机器人）