社区

吴明辉：具身智能已到 ChatGPT时刻

在2026世界机器人大会现场，明略科技与海康机器人的联合展台聚焦商业服务，摆出了三个场景。

商业服务区里，轮式人形机器人与轮式双臂机器人协同作业，自主完成餐桌清理、餐盘回收和地面洗地的全流程服务。据公司披露，经过大规模训练，机器人可以自主分辨桌面物体，精准区分厨余垃圾与重要物品，清理过程中只移除垃圾，完整保留用户遗留的手机、钥匙和文件。工业物流区展示的是从高位取货、平面搬运、箱式流转到精细拣选的柔性拆零拣选全链路；智能巡逻区的机器人则演示了复杂环境中的自主巡逻、实时感知与异常识别。

明略科技创始人、CEO兼CTO吴明辉在大会主论坛的演讲里给出了公司的判断：机器人下半场的关键是大脑，而大脑可以分成两层。一层是每台机器人自己的个体大脑，负责感知环境、理解任务、规划动作和执行工作；另一层则是整个组织的大脑，负责让人、Agent和不同机器人在同一个系统里协同。

明略两层都要做，真正让它与本体厂商拉开区别的，是第二层。对一家过去主要活在软件和模型里的公司来说，这是它第一次正式站进物理世界。

不造机器人，明略站在哪里？

明略科技成立于2006年，2025年11月3日在港交所主板挂牌，发行价141港元，首日一度较发行价上涨逾110%，被称为「全球Agentic AI第一股」。据公开报道，公司2025年首次实现经调整利润为正，2026年6月1日被纳入港股通交易标的。

吴明辉本人是数学出身。他在群访中提到，人工智能的底层全部都是数学，每一个人工智能任务本质上都可以写成一个函数，也就是y=f(x)。语音转写的输入是一段声波、输出是文字，人脸识别的输入是图像、输出是识别出的人，大语言模型的输入是Prompt、输出是答案，背后都是函数映射。

从这样的技术底色出发，明略进入具身智能时选的位置也很明确。人形机器人产业链的上游是电机、减速器、传感器和芯片，中游负责整机本体制造，再往下是工业、商业和家庭等具体应用场景。明略没有切入核心零部件，也不自己制造整机，它选择的是本体之上的模型和系统层，再向下连接自己熟悉的商业场景。

这也是它与海康机器人合作的基础。吴明辉在WRC现场接受Alpha说等媒体采访时，描述了双方：海康机器人在工业领域，尤其是仓储物流领域有很强的积累，明略的优势则主要集中在VLA模型、企业数据和组织智能。明略过去已经在餐饮、零售等行业积累了一批客户和业务经验。

海康机器人本身已经有相当大的业务体量。据海康威视公告，其机器人业务2024年收入59.29亿元，2025年收入64.52亿元，同比增长8.82%；2026年3月31日，海康威视公告启动分拆控股子公司杭州海康机器人股份有限公司至深交所创业板上市的筹备工作。吴明辉在现场提到，海康机器人在工业和仓储物流领域应该属于全球前几名的企业，在中国也是规模非常大的机器人厂商。由于它目前还没有作为一家独立上市公司存在，外界过去很难单独看到这部分业务。

但明略真正看中的，还不只是海康已经造出来的这些机器人。吴明辉表示，与海康机器人深度合作是现阶段的最优解，公司更看重它根据场景定制硬件的能力，以及背后的成熟制造体系，包括良品率控制和品质管理。

原因也很现实。机器人如果未来要进入大量商业服务场景，甚至进一步进入家庭，产品质量会成为规模化之前必须解决的问题。吴明辉打了一个比方。手机已经是相对成熟的消费电子产品，仍然在良品率上遇到过很多问题。机器人的系统复杂度远高于手机，真正进入大规模制造以后，质量控制只会更难。

有了能够定制的硬件，机器人形态也可以跟着场景做取舍。展台上那台负责清理桌面的机器人，躯干基本是一根立柱，机械臂可以上下移动，自由度相对较少。它没有追求人形机器人在结构上的完整程度，换来的则是成本更低、稳定性更高。吴明辉解释，软件系统复杂一些，有时问题没有那么严重；制造业产品通常是结构越简单越容易稳定，成本也更容易控制。

这也是明略与通用本体路线之间的一处区别。他认为，宇树会更偏向追求机器人的通用能力，明略进入具体场景之后，会根据任务做更多取舍，选择当前最容易落地的形态，再依托海康机器人的硬件定制能力把产品做出来。

这种思路对明略来说其实并不陌生，它此前已经在数字世界里做过一轮类似的事情。明略推出的端侧模型Mano-P是一套GUI-VLA，控制的是电脑里的鼠标和键盘。VLA把视觉、语言和动作放进同一个模型，根据看到的环境和人的指令直接生成动作。到了机器人这里，底层逻辑依然相通，只是动作从屏幕里的点击和输入，变成了物理世界里的移动、抓取和操作。

两个世界面对的难题也不同。吴明辉在现场把这种差异拆得很细。数字世界的VLA主要面对二维空间，模型识别屏幕坐标之后，在相应位置完成点击和操作；机器人进入物理世界之后，面对的是三维空间，而且很多信息天然不可见。机器人要拧一个水管，可能看不到水管背面的结构；要拉开一个门锁，也可能看不到门后的空间。模型因此需要对看不见的位置进行推测，对物体结构和空间状态形成一定的「想象」。

数字世界同样有自己的复杂性。看到一个软件界面之后，模型首先要知道这个软件是做什么的。界面背后存在一套复杂的数字世界本体，也就是ontology。一个VLA如果只知道鼠标应该点在哪里，却不知道点击之后意味着什么，同样无法完成真正复杂的任务。无论操作股票软件、手机应用、Photoshop，还是使用剪辑软件制作广告片，模型都要同时理解任务、软件功能、当前界面和操作结果。

因此，在吴明辉看来，数字世界与物理世界各有难点。物理世界更难在三维空间和真实交互，数字世界则可能承担更复杂的任务理解。明略从一个世界走进另一个世界，真正复用的正是这一层能力：让模型看懂环境、理解任务，再决定下一步动作。

从个体大脑，到组织大脑

VLA首先解决的是一台机器人，或者一个智能体自己的大脑问题。按吴明辉的说法，明略更想把优势建立在另一层。

他在群访中把这一层称为「组织大脑」。未来一家大型企业里，人、数字世界的Agent和物理世界的机器人都会同时存在，并处于同一张协作网络中。明略要做的是把这张网络连接起来，同时参与其中每一台机器人的模型研发。

这个判断在公司内部已经存在很多年。据公司披露，早在2018年，明略就提出了HAO智能框架。H代表Human，也就是有肉身的人类；A代表Artificial Intelligence，既包括数字世界中的Agent，也包括物理世界里的机器人；O代表Organizational Intelligence，也就是组织智能。公司自研的人与AI Agent协作平台Octo，就是这套框架逐渐落地之后的产品。

吴明辉在主论坛上对Octo的定位说得很直接，它最终要形成的是一个组织级的人机协同大脑。这个系统未来既要连接数字世界里的Agent，也要连接物理世界中的智能体，包括具身智能设备和智能驾驶汽车。机器人之间、机器人与Agent之间、上一代IT系统与新一代人工智能系统之间，都可能通过开放协议接入同一个组织网络。

这件事真正的难点，在于协同。吴明辉在群访中说，一个组织里，人和人之间需要shared memory，也就是共享记忆，还需要在长期协作中形成集体智慧。未来Agent和机器人越来越多以后，同样需要知道别人做过什么、掌握了什么信息，以及自己的任务在整个组织里处于什么位置。

这也是「第二个大脑」真正要解决的问题。单个机器人的大脑负责把眼前的任务做完，组织大脑则负责让不同机器人、Agent和人知道彼此正在做什么，以及下一步应该怎样接力。

明略目前已经在数字组织里运行了一版这样的系统。据公开报道，Octo目前已在明略内部约1400名员工中部署，超过2900个AI Agent在实际工作流中运行；公司2026年5月又推出面向会议场景的AI Native硬件Octic，将实时语音识别和会中AI辅助功能接入Octo。

从数字Agent继续延伸到机器人，还有一个很现实的技术原因：机器人自己装不下最大的模型。吴明辉在现场解释，在生成式AI和数字世界里，企业可以使用部署在云端的大模型，参数规模已经达到万亿级。机器人端侧很难承载这样的模型。即使采用混合部署，把算力分散到机器人端、边缘算力盒子和云端，真正能够实时调用的模型尺寸依然有限。这意味着机器人进入具体场景以后，很可能需要更小、更专用的模型和智能体。

这恰好是明略过去长期积累的一类能力。吴明辉提到，公司一直做B2B服务，因此非常重视缩小模型尺寸、提高端侧运行效率。机器人开始把模型压到端侧之后，这些能力就有了新的用途。

另一项能够复用的是场景数据。据公司披露，明略旗下的明胜品智长期深耕线下餐饮场景营运智能，已经积累了大量数据与行业knowhow，对企业的真实运营流程和实际需求有较深理解。这意味着明略进入机器人行业时，手里已经有两样东西：一套做小模型和Agent的能力，以及一批来自真实企业运营的数据和流程知识。

与此同时，本体厂商也在往同一个方向走。宇树在IPO募投中把最大一笔资金投向智能机器人模型研发；优必选已经建立从基座模型、世界模型到行动模型的全栈自研体系。硬件公司开始补软件，软件公司也开始进入物理世界，两条路线之间的距离正在缩短。

吴明辉被问到更看好哪一条路线时，没有直接比较。他的判断是，每家公司都应该沿着自己的基因继续往前走。明略最核心的能力在软件和AI模型，本体公司也可以围绕自己的硬件能力继续向上延伸，不同企业都有机会在擅长的部分形成商业价值。

他同时提到一个商业服务场景里的特点：真正进入复杂环境以后，往往不会只有一种机器人。他此前参与过的云迹机器人，就有送货机器人、清洁机器人以及负责托举等任务的不同产品。餐厅、酒店、商场或者大型园区里，未来也很可能同时运行多种形态的机器人。

当机器人从一台变成一群，「每台机器人有多聪明」之外，也就自然出现了第二个问题：这些不同形态、不同品牌、负责不同任务的机器人，怎样一起工作。这正是明略想把Octo延伸进物理世界的理由。

通用之前，先做取舍

具身智能现在走到了哪一步，吴明辉在与Alpha说等媒体的交流中给出了一个相当具体的答案。

他认为，行业差不多已经站在具身机器人的「ChatGPT时刻」。他的参照系来自OpenAI此前提出的AGI五阶段：第一阶段是聊天机器人，第二阶段是推理者，第三阶段是智能体，也就是Agentic AI，可以使用工具完成任务；第四阶段是创新者，AI能够自主研发和创新；第五阶段则是组织，可以承担组织层面的复杂协作。

吴明辉认为，ChatGPT刚出现时，最主要的能力还是聊天。很多聊天本身并不直接产生生产力，却已经可以向用户提供情绪价值。今天的具身机器人也已经走到类似的位置。他还补充了一层：当机器人主要承担情绪价值时，人对错误的容忍度会很高，有点像养宠物。他说自己家里养猫，跟猫说话时猫不理你也没关系，人不会因此认为这只猫「不能用」。

但真正进入生产力阶段，要求会迅速提高。按照他的判断，具身机器人接下来需要跨向第二和第三阶段，拥有更严密的推理能力，再形成Agentic AI式的工作能力，能够解决复杂问题、使用工具，并真正完成任务。如果按照数字世界AI的发展阶段来对照，他认为具身智能大约处在第二阶段向第三阶段过渡的位置。

已经能够工作的机器人其实并不少。吴明辉举了三个例子：海康机器人的产品已经在工厂实际运行，云迹机器人已经进入酒店，无人驾驶汽车如果也被视作一种机器人，同样已经在执行真实任务。但更多形态复杂的机器人，距离真正进入工作状态仍然有一段距离。

他用打乒乓球的机器人观察这个差距。去年和今年参加CES，再到这次世界机器人大会，他都看到了类似产品。今年1月CES上的那台机器人，下半身还是固定的，上半身类似自动发球器；到了这次大会，宇树展示的机器人已经能够自己行走，打球时还能调整脚步。能力明显进步了，但机器人依然不会自己捡球，也需要有人不断给它发球。在吴明辉看来，这种状态说明机器人已经掌握了一项很难的技能，却还没有把整个任务闭环做完整。

真正进入工作场景，中间仍然有很多「最后一公里」问题。有时机器人本体能力还没准备好，有时模型能力还不够成熟。技术无法一步到位时，产品就必须做取舍。取舍得当，一部分产业场景可以提前落地；取舍失误，产品就只能继续等待底层技术成熟。

明略给出的方案，是在完全端到端的模型之外加入一个中间层。吴明辉把它称为Skill。他的逻辑是，机器人不一定要等到一个端到端模型掌握所有任务之后才开始工作。它可以先像操作系统一样拥有一套基础能力，再根据具体工作加载不同的App或者Skill。过去的软件应用主要由工程师开发，有了Agentic AI以后，制作Skill的门槛已经开始下降。用户即使不会编程，也有机会自己制作和调整能力。最终想达到的状态是，使用者不需要理解机器人的内部技术，只需要知道原来这项工作怎样完成，就能够用比较简单的方式把它教给机器人。

吴明辉为此打了一个很生活化的比方。一个应届毕业生进入餐厅工作，同样不会第一天就什么都懂。企业通常会安排一位有经验的老师告诉他流程怎么走、遇到不同情况怎么处理，而不会让新人完全从零摸索，把现场先弄得一团糟。Skill在这套逻辑里承担的就是「老师」的一部分角色。

它也对应了明略对数据问题的判断。行业里经常谈「数据和知识双驱动」。吴明辉认为，Skill可以被看作知识的一种表达形式，处在纯规则和纯数据之间，能够减少训练一项新能力所需要的数据量。

两端都存在限制。传统规则引擎同样是在向机器人输入知识，人直接规定第一步做什么、第二步做什么，优点是确定，缺点是缺乏灵活性。另一边，如果完全依靠专家把所有知识逐项写出来，又需要大量专家参与，很难扩展到足够多的任务。Skill试图在中间找一个平衡点。

至于完全通用的模型，吴明辉认为未来存在实现的可能，现阶段仍然需要回答三个实际问题：模型究竟需要做到多大，需要多少算力，部署到一个新现场之后又需要多久才能适应环境。这里还有一笔投入产出账。如果一个任务本身非常简单，却必须调用一个极其庞大的模型才能完成，商业上未必划算。对于真正进入工厂、酒店和餐厅的机器人，能力上限重要，完成同一项工作需要付出多少成本同样重要。

再把时间拉长，吴明辉更关心的其实是另一件事：机器人最终应该学会多少项技能，还是应该学会「怎样学习」。

他用大语言模型的发展过程做了类比。早期BERT采用双向学习方式，可以同时利用上下文信息；后来的生成式Transformer更多采用单向训练，需要消耗更大的数据量。表面上看，单向训练会浪费一部分数据，因为模型无法直接看到完整答案，但这种训练方式最终帮助模型获得了更强的自适应和泛化能力。模型真正学到的，逐渐从某一个固定答案，变成了学习新任务的方法。

吴明辉认为，机器人未来可能也会经历类似的过程。每一台机器人都可能拥有一套很强的「操作系统」。它的价值不在于出厂时已经预装了所有技能，更重要的是面对一个新任务时，能不能迅速学会。这也意味着，数据量并不是唯一的问题，训练数据怎样组织、怎样设计，同样会决定最后学出来的能力。他提醒，今天行业大量讨论的遥操作数据、人类示范数据和各种动作数据都有价值，但至少从语言模型的发展经验来看，真正走向通用能力，很难只依靠简单增加数据量。

当越来越多机器人进入工厂、酒店和餐厅，第一层问题是每台机器人各自能干什么，第二层问题是它们能不能一起干活、能不能共享同一份记忆。

第一层已经有很多公司在做。第二层，明略想先占一个位置。

$明略科技-W(02718)$ @话题虎