社区

2026世界机器人大会已经开幕。300余家企业、数千件展品扎堆亮相，机器人跑步、抓取、搬运早已不算新鲜。

但我更关心另一个问题：当机器人真正走进生活，它能不能听懂任务，能不能把一件事完整做完？

这也是明略科技这次参展值得看的地方。

在C217展位，明略科技与海康机器人展示了餐饮服务、工业物流和智能巡逻等场景。明略没有从制造机器人本体切入，而是把VLM、VLA、多模态感知和智能体协同能力，放进机器人的“大脑”。

换句话说，明略科技正在做一件很像“卖铲人”的生意：不押注某一种机器人形态，专门解决机器人进入真实商业场景之后，如何理解任务、规划动作、协同作业和持续进化。

这条线，现在可能还没有被市场充分看见。

整机卷破天，“大脑”的竞赛才刚开始

先看一组数字。中商产业研究院预计，2026年中国广义具身智能市场规模将突破1万亿元。IDC预测，2026年全球智能机器人硬件市场规模接近300亿美元。高工机器人产业研究所测算，2026年国内人形机器人出货量有望达到6.25万台。

万亿赛道，钱往哪里流？

过去两年，具身智能行业的硬件进步很快。

人形机器人已经可以完成行走、奔跑、抓取和搬运，电机、减速器、传感器以及运动控制系统也在持续成熟。但机器人能动起来，只解决了“身体”问题。进入真实商业环境，机器人还是不知道怎么“干活”。

举个简单例子。

餐厅工作人员说一句“把这张桌子收拾干净”，机器人需要判断什么是垃圾、什么要保留，餐盘放在哪里，桌面清理完成后由谁接手，垃圾倒完之后餐盘又该送回哪里。

这句话对人类很容易，对机器人却是一条包含环境识别、任务拆解、动作规划、异常处理和多机协同的长链路。

所以真正的瓶颈在“大脑”。

在现场，我发现整个场景是由轮式人形机器人、双臂机器人和洗地机协同完成。人形机器人先整理餐桌，同时保留非垃圾物品；随后呼叫双臂机器人接管餐盘，完成垃圾倾倒和餐盘归位；洗地机再独立完成地面清洁。

工业物流场景则由无人叉车、AMR、双臂机器人、人形机器人和四足机器人配合，完成取货、搬运、拆垛、拣选和巡检。

其实真正值得看的，并非现场摆了多少台机器人，而是这些设备开始围绕同一个业务目标分工协作。单机能力决定机器人能做什么，任务理解与系统调度决定它们能不能连续干活。

换句话说，明略科技做的是具身智能的操作系统级能力。不造“手”，但给“手”装“脑子”。

第一把铲子：模型和智能体的家底

从技术分工看，明略科技主要聚焦VLM、VLA、多模态感知、智能推理规划与多智能体协同，海康机器人则提供机器人本体、运动控制、传感器融合、系统集成和工程化支持。

这套组合的逻辑很清楚：硬件负责执行，明略负责让机器人理解业务。

VLM解决的是“看见了什么”。机器人需要识别餐盘、垃圾、桌面、行人以及不断变化的环境。

VLA解决的是“接下来怎么做”。看到餐盘之后，要生成可执行的抓取、移动和放置动作。

智能体负责把长任务拆开。收拾餐桌并非一个动作，而是一组有先后关系、需要不断判断结果的任务。

多智能体协同则进一步解决设备之间如何交接。轮式人形机器人完成桌面清理后，可以把下一环节交给双臂机器人，自己继续处理下一张桌子。

把这些能力连起来，机器人才能从“完成一个动作”升级为“交付一个结果”。

明略在模型上的家底，比多数人想的厚。自研GUI模型Mano，登顶过Mind2Web和OSWorld两个全球权威榜单；超图多模态大模型HMLLM的成果，拿过ACM Multimedia 2024最佳论文提名；6月末又开源了多智能体协作网络Octo，里面设计了Solo、Roundtable、Critic六种协作模式，让一群智能体分工、互查、留痕；最近连端侧语音识别模型OctoASR也放上了GitHub。公司手里攥着2400多项技术专利，两度拿下吴文俊人工智能科学技术奖。

GUI智能体的成绩不能直接证明机器人业务已经成熟，但至少说明，明略具备模型研发、任务规划和智能体工程部署的基础。更值得注意的是，公司对AI劳动力的理解已经跨出软件世界：数字世界里有智能体，物理世界里有机器人，两者都可以成为组织中的智能劳动力。

明略想做的，是把人、数字智能体和机器人接入同一张组织网络。它们共享业务上下文和组织记忆，能够围绕同一个目标分工、协同与交接。餐厅里的服务员、负责排班和调度的数字智能体，以及完成清台、回收和洗地的机器人，未来可能在同一套系统里协作。

支撑这张网络的，是模型、软件和系统集成能力。沿着VLA路线，明略已经形成从多模态感知理解、任务推理规划到动作决策执行的完整能力栈。机器人先看懂环境，再理解目标、拆解步骤，最后把规划转化为动作，正好对应前文餐饮场景里的长链路任务。

这里还有一层容易被忽略的技术同构。具身智能反复讨论的数据飞轮、长程任务和异常处理，同样是明略在Agentic AI落地中长期面对的问题。过去，公司让软件世界的Agent学会看、思考和调用工具；现在，这套能力开始延伸到物理世界，让机器人以组织成员的身份参与业务协作。

这正是“卖铲人”逻辑成立的第一层基础。

第二把铲子：线下真实场景的数据

具身智能行业有个公开的秘密：模型不缺算法，缺的是物理世界的真实数据。实验室里录一万次抓杯子，顶不上真实餐厅里一个月的油渍、碰撞和突发状况。

而明略科技在这件事上有天然优势。

它在企业数据智能和商业场景服务领域积累近20年。135家财富世界500强客户、约2100家品牌客户、超24万家企业用户，覆盖零售、消费品、汽车、3C等行业。这些客户的线下门店、餐饮场景、零售终端，每天都在产生海量的真实场景数据——消费者怎么进店、怎么点餐、服务员怎么收拾桌子、怎么补货。

这些数据不是实验室里仿真出来的，是真金白银的商业场景里跑出来的。

明略科技与百胜中国合资成立的明胜品智，专门做连锁餐饮零售的数字化。这次WRC上展示的餐饮清洁场景，从餐桌清理到餐盘回收到地面洗地，全流程无人化闭环——这套能力不是凭空想出来的，是真实餐饮场景里磨出来的。

天风证券6月的首覆报告里有个说法我很认同：明略多年攒下的多模态数据，有望跑通“数据沉淀、模型迭代、业务增长、数据再沉淀”的正循环。机器人每在餐厅多干一天活，数据就厚一分，模型就聪明一分。这个飞轮一旦转起来，后来者很难追。

从技术展示到商业模式，还差哪几步？

“卖铲人”最终也是一门生意。

明略未来可能形成三层收入来源：底层是模型、智能体平台和调度系统；中间是联合硬件厂商交付场景解决方案；更上层则是持续的模型更新、任务配置、设备运营和效果优化服务。

其中，餐饮场景与明略原有业务基础的距离更近。

公司已经服务餐饮和零售客户，理解门店管理流程，也拥有软件系统和交付团队。机器人方案若进入这些客户，获客和场景适配的起点都会更高。工业场景可以证明技术的扩展边界，餐饮则更适合观察商业入口。

接下来真正需要验证的，是WRC上的演示能否走出展台。

第一步是付费试点，客户愿不愿意为方案买单；第二步是多门店复制，同一套系统能否适配不同环境；第三步是形成持续收入，软件、模型和运营服务能否随着机器人装机量一起增长。

只要这三步逐渐打通，明略参与具身智能的方式就会变得清晰：公司无需包办每一种机器人本体，却可以把更多硬件接入自己的场景智能和调度体系。

半年报，可能会给出第一组答案

再回到财务层面。

2025年，明略科技实现收入14.26亿元，同比增长3.2%；其中数据智能业务收入12.60亿元，营运智能收入5.42亿元，占总收入的38%。公司新推出的Agentic Services实现收入1.00亿元，占总收入约7%；毛利率由51.6%提升至55.4%，经调整净利润达到4204万元。

这组数据说明，明略的AI商业化已经开始进入收入结构。尤其值得注意的是，2025年公司超过30%的新增大客户来自Agentic Services，意味着智能体服务已经具备独立获客能力。

因此，接下来的半年报，我会重点观察四件事。

第一，Agentic Services收入能否继续增长，占总收入的比例是否提高。

第二，营运智能业务能否保持扩张，为具身智能提供稳定的客户和场景底座。

第三，AI工具带来的效率改善能否继续体现在毛利率和经调整利润中。

第四，公司是否披露机器人相关的付费试点、商业订单或客户落地进展。

具身智能业务还在早期，半年报未必会单独列出机器人收入。相比短期贡献了多少钱，更重要的是两个信号能否同时出现：Agentic Services收入占比继续提升，机器人方案开始进入真实付费场景。

我个人怎么看

市场过去习惯把明略科技放在营销智能、数据服务或者企业软件的框架里观察，这套理解并没有错，只是可能少算了一层。

明略积累的VLA、多模态感知和智能体能力，可以让机器人理解并执行任务；运营智能业务沉淀的线下场景、客户关系和业务流程，则为这些技术提供了落地入口。

技术底座与场景底座同时具备，正是明略成为具身智能“卖铲人”的核心逻辑。

当然，WRC展示证明的是技术路径和协同能力，商业价值还要由订单、收入和规模复制完成验证。接下来需要看的，也不是机器人在展台上完成了一次多漂亮的演示，而是这套能力能否进入餐厅、形成付费项目，并最终反映在明略的收入结构里。

半年报会给出第一组答案。

如果Agentic Services继续扩大，机器人项目又开始从演示走向交付，市场或许需要重新认识明略科技：它手里握着的，可能不仅是一套企业智能体平台，还有一张通向物理世界的门票。

$明略科技-W(02718)$

@爱发红包的虎妞