导语：于2026世界呆板人年夜会主论坛上，明略科技开创人、CEO 兼 CTO 吴明辉带来题为《Agent＋具身：运用需求牵引呆板人智能的进化路径》的演讲，分享其于Age

于2026世界呆板人年夜会主论坛上，明略科技开创人、CEO 兼 CTO 吴明辉带来题为《Agent＋具身：运用需求牵引呆板人智能的进化路径》的演讲，分享其于Agent、具身智能与财产运用方面的最新思索与实践。

他提出，呆板人真正进入出产体系，不仅需要更智慧的个别“年夜脑”，还有需要毗连呆板人、Agent与IT体系的“构造年夜脑”，并跨过工程交付、营业流程重谈判现场部署的末了一千米。

如下为演讲速记：

许多伴侣可能会好奇，明略科技已往更多到场的是世界人工智能年夜会，为何此次会来到世界呆板人年夜会？现实上，12年前我曾经介入开办一家呆板人公司，也就是专注在旅店办事场景的云迹科技，去年已经经于港交所上市。

我本人一直从事人工智能相干事情。20年前，我就最先进修上一代人工智能，厥后成为北京年夜学的博士生。这些年，我一直于不雅察人工智能于数字世界及物理世界的成长。

今天，人工智能于数字世界已经经孕育发生了许多出产力级另外运用。它可以出产内容、编写代码、举行繁杂的数据阐发，揭示出相称高的智力程度。

可是于物理世界，年夜部门呆板人今朝仍旧处在重要提供情绪价值的阶段。呆板人何时才能真正成为出产力？这是我一直于思索的问题。是以，今天来到这里，也象征着咱们决议越发深切地介入呆板人这场科技海潮。

固然，对于在物理世界，我仍旧很是畏敬。我本人是做软件、做人工智能身世的，于我看来，物理世界远比数字世界繁杂，此中触及年夜量制造、部署及现场适配问题。

今天明略进入具身智能及呆板人范畴，一样没有选择独自奋战，而是与海康呆板人睁开互助。海康呆板人于工业及物流范畴堆集深挚，已经经实现了较年夜的产量及不变的出产力输出。

明略及海康呆板人是两家能力布局很是差别的公司：明略擅长软件、Agent及模子，是以于互助中更多负担模子研发及多智能体协同计划等，海康呆板人则充实阐扬着其于挪动呆板人整机研发、运动节制、多传感器交融、体系软件平台、体系集成以和产物工程化量产等方面的深挚积淀。

各人都于说，呆板人的下半场是“年夜脑”。这确凿没有错，但我认为呆板人的年夜脑包罗两个维度。

第一个是传统意义上的呆板人“年夜脑”，也就是呆板人的推理、使命决议计划及操作计划能力，包括VLM、VLA等模子所提供的能力。

第二个则是整个构造的“年夜脑”。当呆板人真正部署到出产体系，进入线下办事业及贸易场景之后，怎样把呆板人与呆板人毗连起来，怎样把呆板人与智能体毗连起来，怎样把呆板人与上一代IT体系毗连起来，终极形成一个构造级的年夜脑，一样很是主要。

咱们与百胜中国有一家合资公司，于肯德基及必胜客的门店中，年夜量数字化体系及事情体系都是明略介入开发及部署的。将来，咱们也必然会把呆板人带到这些场景中。

明略近来发布了一个开源的人机协同平台——Octo平台，可以毗连各类各样的Agent、Runtime。将来于与海康呆板人的互助中，这个平台也会阐扬主要作用。咱们但愿它能把每一一台呆板人的个别年夜脑毗连起来，形成一个构造级的人机协同年夜脑。

这两天预备演讲时，我还有利用了明略旗下秒针体系的舆情份析智能体，对于海内外关在具身智能财产落地“末了一千米”的会商举行了阐发。

从会商主题看，海内外存眷的问题基本一致，包括工程交付、经济模子、软硬件协划一。但从近期会商热度的漫衍看，海内外又有一些差异。海内的会商更多集中于工程交付、软硬件时序及经济模子，也就是呆板人“能不克不及真正用起来”；海外则越发存眷数据飞轮及长程使命的稳健性，也就是呆板人“能不克不及连续变强”。

当我看到数据飞轮及长程使命这些问题时，忽然发明它们很是认识。由于这些也是咱们于Agentic AI，也就是数字世界人工智能的财产落地历程中，持久面临及解决的问题。Agentic AI与具身智能虽然处在两个差别的范畴，但它们的技能落地路径具备很强的同构性。

以操作东西为例，数字世界最早采用的是传统法则引擎、专家体系及RPA。厥后呈现了Workflow，再厥后呈现了Manus如许的通用Agent。用户只需要下达一个使命，Agent就能够像数字世界里的VLA模子同样，自立操作软件及东西，端到端地完成使命。

这条路径履历了从写死法则，到彻底铺开、自由摸索的历程。到了去年下半年及本年，以Anthropic的Claude Code Skills为代表，又呈现了一种布局化Skill。它既不是彻底写死的法则，也不是毫无约束的自由摸索，而是于成本、效率、自由度及可实现性之间取患上均衡。

更主要的是，今天的Skill其实不是只有AI研究职员才能界说。职场中的每个事情者，均可以按照本身的事情经验沉淀及编写Skill。这一点很是要害。

具身智能范畴也有相似的演进历程：从传统法则引擎及PLC编程，成长到Behavior Tree，再到今天广泛会商的端到端VLA模子。但从真实运用体系看，周全采用端到端VLA未必是最佳的线路。将来也可能呈现混淆式架构，形成近似数字世界Skills的中间层。此刻具身智能范畴已经经最先呈现Atomic Skill Library，也就是布局化的原子技术库，并慢慢于现实运用中获得验证。

另外一个具备同构性的例子是Memory，也就是影象。

影象是数字世界人工智能很是主要的能力。咱们但愿AI进入一个详细场景之后，可以或许理解这个场景，并逐渐成为真正懂这个场景的AI。基础年夜模子一直于摸索连续进修能力，但从成本、数据安全及隐私掩护等角度看，仍旧存于不少问题。

本年以来，OpenClaw带来了一种新的思绪：除了了模子参数，还有可以经由过程配置文件及Memory体系生存信息。这些参数以外的影象，反而成为AI真正进入出产体系、连续阐扬作用的主要构成部门。

我很喜欢CoALA关在Agent影象的一套框架。它将影象分为Working Memory、Episodic Memory、Semantic Memory及Procedural Memory。

Working Memory是当前使命中正于事情的姑且状况；Episodic Memory记载已往发生过的使命、会话及事务，近似一即日记；Semantic Memory生存事实、观点及瓜葛；Procedural Memory则更像Skill，生存完成某项事情的步伐及要领。

具身智能一样需要这些影象，包括空间影象、时间及使命轨迹的影象、语义影象以和原子技术库。数字Agent的影象布局与具身Agent的影象布局，素质上也是统一个影象系统于两种差别“身体”上的落地。

于具身智能范畴，“本体”凡是指呆板人的物理本体；但于别的一个语境中，Ontology指的是对于观点和其瓜葛的抽象，可以看做Semantic Memory的主要构成部门。将来，Agentic AI中的Ontology及具身智能中的物理本体也需要买通，两者需要同享一套语义影象。

是以，数字世界的事情出产力及物理世界的出产力之间，存于很是多的协作空间。

2018年，我提出了一个观点，叫作HAO智能。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，也包括物理世界中的呆板人；O代表Organizational Intelligence，也就是构造智能。

我一直有一个胡想，但愿把呆板人及呆板人、呆板人及人、人及Agent真正毗连到一个年夜的收集中。

于一个构造中，不需要每个Agent、每一一台呆板人或者者每个人都拥有完备能力，独自完成构造里的所有事情。人类社会原来就是经由过程分工协作运行的。有的人卖力行政事情，有的人卖力举行创意筹谋，有的人卖力履行落地。真实的出产力情况需要连合及构造的气力，也需要构造中的每个个别无缝毗连，终极形成构造的年夜脑。

已往六年，咱们一直沿着这个方针，用 AI 赋能传统办事业企业。已往咱们聚焦的重要是办公室里的数字出产力，将来咱们将与海康呆板人一路，进一步摸索线下办事业的智能化革新。

今天有一个很风行的观点叫“AI原生构造”。传统构造怎样演进为AI原生构造？颠末持久思索及实践，咱们提出了一条从L1到L5的演化路径。

L1是Token Ready。对于在一个构造来讲，第一步是让员工真正有Token可用。许多员工虽然但愿利用AI，但企业内部没有同一的网关，没法对于模子挪用、权限及成本举行有用治理。

L2是事情于线。这里的“于线”不只是人于线，而是让每一个人利用AI Agent开展事情，让事情自己于线，让上一代的软件东西也可以被Agent挪用。好比我此刻虽然天天仍旧写代码，但已经经很少本身于编纂器里逐行敲代码，而是让Coding Agent帮忙我完成。

L3是布局化沉淀。当每一个人的东西及事情都于线之后，人及人、人及Agent之间需要同享布局化的Memory，特别是Semantic Memory。于一个年夜型构造里，将来每个Agent以致每一一台呆板人，都需要同享如许的影象。

L4是形成出产力之间的繁杂协作收集，也就是经由过程Loop、Evals及Benchmark不停优化，让一小我私家可以或许撬动更年夜的出产力，创造更高的效率。

L5是“水长船高”，这也是最难的一步。每一家企业都要堆集本身独占的数据及能力，而且与详细的基础年夜模子解耦。跟着基础硬件、算力、基础模子及框架不停前进，整个构造运行AI的能力也可以连续晋升。

这是咱们于数字世界中总结出的AI原生构造五个阶段。具身智能世界将来也可能存于一套布局同构的L1到L5。固然，于当前时间点，我还有没有完备谜底，仍旧于连续思索及摸索。

咱们需要解决的问题是：于线下办事业，尤其是餐饮、零售等行业，怎样把海康呆板人已经经相对于成熟的能力带到前台营业场景，帮忙构造形成由呆板人介入、越发主动化及高效的办事流程。

虽然具身智能的L1到L5还有没有彻底界说，但此中有三条基来源根基则是清晰的。

第一，要根据新时代的要求从头分工，人做人的事，呆板做呆板的事。

第二，当人与AI形成新的分工之后，还有需要新的协作方式、新的流程及新的构造。不管是Agent进入办公室，还有是呆板人进入线下办事场景，构造布局、事情流程及岗亭分工都必需随之转变。

我的一名伴侣曾经经做过洗碗呆板人，并把呆板人卖给餐厅。厥后他发明，餐厅的效率并无是以较着晋升。缘故原由于在，本来的洗碗工不仅卖力洗碗，还有要收碗、处置惩罚其他事件，并于余暇时扫除餐厅卫生。洗碗呆板人只能替换此中一项事情，却没法完成这个岗亭负担的全数使命。

以是，构造要真正部署呆板人、实现降本增效，不克不及只是把一台呆板人放到现场，还有需要举行营业流程再造。

第三，也是更主要的一条，就是对于人友爱。

人工智能进入企业，不该该只以替换劳动力及撙节为目的。咱们更应该思索，怎样使用人工智能放年夜人的价值，帮忙企业打开更高的增加天花板，以创造新的价值为重要方针运用呆板人及人工智能。

每个传统办事业构造，不管是数字世界中的办事业，还有是线下办事业，真正落地AI都差“末了一千米”。此刻有一个很风行的岗亭叫FDE，也就是Forward Deployed Engineer，前沿部署工程师。

FDE需要深切客户现场，把场景需求与人工智能技能真正毗连起来。于Agentic AI范畴，Palantir等公司采用的就是近似模式。客户安装了AI东西，其实不等在营业真正运行起来。FDE需要于现场把Agent、Skill及Memory嵌入客户的SOP中。

呆板人进入出产情况一样需要FDE。呆板人达到现场，其实不等在出产力已经经孕育发生。还有需要有人把VLA、WBC及场景SOP联合起来，把呆板人真正酿成构造出产流程中的一位“员工”。

除了了前沿部署，呆板人还有会孕育发生年夜量运维需求。已往五六年，咱们也设置装备摆设了一支笼罩线下门店的工程师团队，为餐饮及办事业客户维护IoT装备。

人假如生病了，会本身去病院；但餐厅、零售门店里的IoT装备、智能装备以致呆板人呈现问题后，不会本身去病院，仍旧需要工程师上门维护及维修。各人可以把这类办事理解为“像打车同样呼叫维修工程师”。

FDE只是此中一种需求。呆板人真正进入出产体系、解决现实出产问题，还有有很是年夜的想象空间。

末了，我想招呼各人配合拥抱开源。

今天，人工智能，特别是Agent，付与了每一个人巨年夜的能力。咱们可以使用数字世界的人工智能，加快具身智能呆板人的研发迭代。今天，借助人工智能，每一个人都有时机本身做出开源东西。

明略也坚定地选择了开源。今朝，明略内部已经经约有1800名员工及4000多个AI Agent于这个平台上配合事情。

咱们信赖，Octo将来不仅可以毗连数字世界的Agent，也能够毗连具身智能装备，包括呆板人，甚至智能汽车。智能汽车也能够作为一个数字员工接入平台，好比客户或者互助伙伴来到北京，需要我摆设欢迎，我可以把司机智能体拉进群，由智能体及车辆直接与客户接洽。同理，公司里的其他本能机能呆板人，也均可以作为自力主体接入这个平台。

这个平台应该是开源及开放的，它应该像上一代庖公体系中的电子邮件同样，每一家企业均可以设置装备摆设本身的平台，而且相互毗连。

所有呆板人之间、呆板人与智能体之间、上一代IT体系与新一代人工智能体系之间，都应该经由过程开放和谈实现互联。这才是咱们但愿配合打造的构造智能年夜脑，也是一小我私家机协同的夸姣世界。

我今天的分享就到这里。很是感激各人，期待将来与各人于一个开放的呆板人及智能体世界中配合毗连、配合协作。谢谢各人！