2026世界人工智能大會期間，埃夫特&啟智董事長游瑋博士受邀出席上海馬橋AI創新試驗區主辦的"具身智能產業生態論壇"，發表題為《工業具身落地路徑探討》的主旨演講。游瑋博士直指行業"重演示、輕落地"的盲區，緊扣工業核心痛點，給出了作為"實干派"的一系列具身智能產業發展的深刻洞察和預判。這不僅是一次行業發聲，更是依托埃夫特深厚積淀孵化的啟智Openmind，針對"如何筑好通用技術底座"交出的階段性答卷。

游瑋博士直言行業陷入"卷產能"誤區："現在大家都在談量產，其實量銷更重要。量產不難，做出來容易；但目前還未實現真正意義上的量銷，因為機器人不具備覆蓋真實剛需場景的技能。"作為科創板工業機器人第一股，我們累計交付超10萬臺，深知工廠買單的從來不是"酷炫的Demo"，而是"在ROI、準確性、可靠性、節拍、并能和周邊設備交互配合"的確定性。

我們以"技能冰山"定義認知：冰山之上是抓取、分揀等簡單技能；冰山之下才是工業剛需——多機交互、工藝強耦合及實時同步控制能力。比如制造場景下常見的噴涂、焊接、打磨等工藝 ，面對作業對象的變化，不僅僅要自主規劃機器人的作業路徑、速度等運動信息，而且要自主生成與運動信息強耦合的工藝參數，如噴涂霧化張角、流速流量、焊接電流、打磨中的主軸轉速，進給量等，因此要在制造業場景落地，技能的內涵要復雜的多。

針對技能來源，游瑋博士剖析了傳統遙操作的局限："遙操作過濾了人類技能本源。人教徒弟需言傳身教，講訣竅、講工藝邏輯。"為此，我們打造HALO人類技能全模態數據采集服，同步捕獲視覺、力覺、觸覺、語言等多維信號，疊加數十年沉淀的工藝文檔與SOP。非任務類數據與失敗數據構建了基模泛化廣度，場景高頻數據保障了技能可靠性。更重要的是，通過"人機動作遷移模型"，我們將人類技能蒸餾為通用表征，遷移至人形機器人、復合機器人及工業臂，破解了"數據孤島"與"跨構型遷移"難題。

面對純端到端數據驅動的浪潮，游瑋博士給出清醒判斷："單純數據驅動控制末端作業難度大，最后一公里需可解釋的數理方程為基礎的機理模型兜底。"他提出的"不可能三角"理論指出：泛化能力、推理速度與工業級可靠性（99.99%，即"四個9"）三者難以兼得。因此，工業場景必然采用"數據驅動大模型+可解釋機理Harness層"的混合架構：上層模型負責理解場景與生成技能，底層機理模型（如焊縫跟蹤、噴涂參數控制）保障"四個9"的可靠性與安全邊界。

作為鏈主企業，我們全棧自研的總線協議、控制內核及核心零部件，是Harness layer落地的硬件前提，也是我們承諾工業級可靠性的底氣。

面向各垂類場景的技能的不斷豐富是機器人大規模實現商業變現的基礎，然而目前機器人的技能開發只有機器人廠家的工程師才能完成，且開發周期長，開發效率低，具有豐富場景知識的領域專家則很難介入和駕馭整個開發過程，為此啟智正構建覆蓋"采-存-治-訓-推-用"全鏈路的工具鏈：從HumanGPT、大衍數據平臺、到墨斗IDE和Openmind OS的通用技術底座。全方位降低門檻，讓傳統自動化集成商，甚至終端用戶無需精通AI算法、機器人底層控制也可以快速部署，從源頭消除底層重復研發。

目前，啟智聯合埃夫特、哈工大及近30家產學研用單位，旨在打通全流程標準規范，打造全行業共用底座。我們的路線圖清晰：1.0階段聚焦工業制造領域，以"四個9"可靠性驗證底座，啃下硬骨頭；2.0階段向家庭服務延伸，以低門檻特性解決非結構化場景開發需求。

從國產首臺點焊機器人，到孵化啟智Openmind，我們堅守"智造智能機器人，解放人類生產力"的使命，不逐短期流量，而是通過標準化通用技術底座建設，攜手全行業將具身智能從實驗室推向規模化落地。