别人还在讨论世界模型，这家具身智能企业已用产业价值重新定义工业物理AI

在WAIC 2026上，国产机器人军团再次吸引了全球目光。

场馆内外，行业正在迅速完成祛魅：从追逐动作奇观、畅想通用未来，转向敬畏真实落地的复杂性。

WAIC 2026成为具身智能由“幻象”走向“实存”的分界点：具身智能必须躬身进入充满摩擦、误差与不确定性的物理现实，才能在产业中实现真正的价值。

借着上海WAIC的热点，亿欧采访了一家在北京已经成立近十年但低调务实的机器人公司——慧闻机器人。在和创始人杨鹏的交流中，我们似乎看到了具身智能商业落地的另一种成功范式。

与不少从模型参数和人形本体谈起的创业者不同，杨鹏认为，具身智能商业化落地这条路径并不是行业被动选择的权宜之计，而是智能与物理世界相融的客观规律。通用智能是长期远景，却无法跨越阶段凭空实现。高度结构化的工业与商用场景，才是具身智能天然的进化摇篮。

杨鹏反复强调的是制造业最熟悉的判断标准：设备能否稳定运行，方案能否适配真实场景，投入能否在可接受周期内收回成本。

“先在看得见回报的场景扎根生长，用商业化验证技术价值、用场景数据完成能力进化，才是具身智能穿越概念周期、走向长期成熟的可行路径。”杨鹏说。

这家成立于2016年的机器人企业，早期以迎宾讲解机器人切入市场，并实现年出货量稳定超千台；2023年开始进入工业AMR领域，同步布局工业具身机器人。

十年间产品形态不断变化，但慧闻试图坚持的逻辑始终一致：从真实需求出发，让技术进入业务流程，并接受客户付费与持续履约的检验。

行业祛魅：从讨论世界模型，到追问产业价值

从2023年至2026年，人形机器人、具身智能、世界模型和规模化量产轮番成为行业关键词。

随着机器人从发布会走向生产线，越来越现实的问题被提出：设备多少钱，能否连续稳定作业，系统能否接入既有流程，柔性适配需要多少二次开发，以及整套项目什么时候能够回本？

亿欧智库在持续跟踪具身智能企业、供应链与制造场景的过程中发现，不少项目最终卡在同一道关口：产品在演示环节足够亮眼，部署后却难以量化ROI，项目价值无法沉淀，也难以形成复购与规模化复制。

由此，产业、资本和市场逐渐形成一项共识——具身智能商业化将率先从B端生产力场景突破，从相对结构化的固定任务起步，再逐步走向动态、非结构化环境。

商用服务机器人和工业机器人之所以成为具身智能较早走向商业化的场景，核心在于环境、任务与收益具有较强的可定义性：部分工厂、仓储和公共服务空间相对结构化，搬运、上下料、分拣、巡检与导览等任务，与现阶段机器人的感知、规划和执行能力较为匹配；与此同时，这些场景普遍存在招工难、用工成本上升或高重复劳动等刚性需求，效率提升与成本节约可以量化评估。成熟细分场景还具有相对清晰的安全边界、作业流程和验收标准，为试运行、持续迭代及跨项目复制提供了基础。

图：慧闻工业具身机器人在产线上进行分拣作业图：慧闻工业具身机器人两指夹爪已能完成多数上下料与分拣任务

亿欧董事长王彬在对未来产业的公开观察中，多次将人工智能的阶段变化概括为从“量变”迈向“质变”：技术能力最终要进入产业流程，形成可复制的生产力。对工业客户而言，技术先进性并非唯一评价维度；节拍是否稳定、故障后多久恢复、能否接入现有系统、部署是否影响生产，以及投资能否在可接受周期内回收，才是决定采购的关键。

这也推动具身智能的落地路线加速分化：一部分企业押注通用大脑与标准化硬件接口，另一部分企业则深耕特定行业的场景Know-How，以专用产品解决具体产业问题。

慧闻选择的是后者。

慧闻方案：在场景约束、设备成本与ROI之间寻找平衡

在杨鹏看来，慧闻当下要做的是“工业物理AI”。硬件承载执行，具身能力连接物理环境，AI则负责理解目标、形成决策并持续优化。三者共同服务于一个结果——让机器人不只是按照脚本完成动作，更要围绕业务目标持续履约。

以搬运场景为例，传统AGV、AMR及早期自动化设备通常遵循“给定路径、完成动作”的逻辑。一旦遇到包裹形态变化、订单动态插入、库区临时拥堵等扰动，固定规则便可能遭遇瓶颈。

慧闻设想的工业物理AI，则是给定履约目标后，由系统结合时效、能耗、人力负荷和设备状态寻找可行路径，并协调多形态移动装备应对现场变化。

图：慧闻重载机器人在某锂电工厂执行物料搬运

杨鹏将其概括为：“物流的终极诉求并非增加更多搬运机器，更重要的是建立一套能够适应货流波动、环境变化和业务迭代的履约体系。工业物理AI最终要完成的，是从替代单点人力走向持续优化场景效率。”

但这一目标并不意味着在每个场景都堆叠最复杂的硬件和算法。

不同产业空间、作业流程与货物流转规则，对应着不同的选型逻辑：

· 制造产线物料转运看重定位精度、人机协作与安全约束；

· 电商仓储强调动态多机协同和异常处置；

· 园区、医院、展馆等公共场景则优先考虑交互友好性和通行兼容能力。

不存在一套通用硬件和统一算法，可以低成本覆盖所有工况。

灵巧手的选择就是典型案例。杨鹏认为，两指夹爪已经能够完成多数上下料和分拣任务，如果为少量复杂抓取需求承担数倍的成本和可靠性代价，往往难以通过工业客户的采购审计。先进技术并非没有价值，但必须放进具体任务、使用频率和投资回报中重新计算。

慧闻目前在智慧搬运领域进入3C电子、半导体、锂电、汽车零配件等行业，在智慧服务领域覆盖仓储、医院、政务、银行、展馆和铁路等场景。产品覆盖面的意义，不只是增加品类，更是积累对不同环境约束、业务流程和系统接口的理解。

图：慧闻AMR机器人在某3C电子工厂执行线边物料转运

真实数据是这套方案的另一部分。

慧闻与国内锂电行业头部企业合建了约3万平方米的数据采集中心，直接架设在真实产线上，通过遥操作和真机穿戴设备采集数据。噪声、公差、震动、光线变化以及人员穿行等干扰均被保留。

与实验室中的“干净数据”相比，真实产线数据更难获取，却更接近设备最终面对的工况。

对慧闻而言，数据不是短期出售的产品，而是训练和迭代AI能力的原料：异常工况被记录，策略得到修正，新的能力再回到产线接受验证。

谁先跑通一个行业的完整数据闭环，谁才可能以更低的成本复制到同类客户。

由此，慧闻的方案逻辑逐渐清晰：以业务目标为起点，根据场景约束选择适度的硬件与AI能力，在真实环境中持续交付和采集数据，再以ROI检验方案是否成立。

技术选择最终都要落在同一个问题上——能否持续为客户创造产业价值。

图：慧闻机车底列检机器人正在巡检

从项目经验到复利壁垒：慧闻沉淀了什么

杨鹏强调，工业物理AI并不是在单一技术指标上不断做加法，而是在真实产业约束下完成一系列取舍。“选型的本质，是在算力配置、移动底盘、感知方案、决策逻辑和部署模式之间持续权衡，找到场景约束、设备成本与ROI目标三者的平衡点。”

这一平衡最终要落到商业变现上：设备不仅要完成动作，还要稳定进入客户的生产流程；方案不仅要在样板项目中成立，还要缩短部署周期、降低二次开发成本，并在可接受的回本周期内持续创造产业价值。

在帮助客户处理这三重平衡的过程中，慧闻逐步沉淀出四层相互咬合的能力。

其一，是读懂场景隐性约束的行业Know-How。不同库区和产线的环境扰动、作业标准、安全边界与上下游系统接口，决定了技术方案能够落到哪里。长期服务不同行业，使慧闻能够更快识别客户真正需要解决的问题。

其二，是面向业务目标进行产品选型和系统集成的工程判断力。慧闻需要判断哪些任务必须使用具身执行AI，哪些任务依靠调度协同即可完成，并在算力、传感器、底盘、执行机构与部署方式之间取舍，避免为低频需求过度堆叠硬件。

其三，是把实验室指标转化为真实产能的交付与数据闭环能力。设备要面对换产、来料波动、人机混行、环境干扰和异常停机，项目团队则要把这些现场问题转化为持续迭代的训练数据和工程经验，使后续方案跑得更稳。

其四，是从单个项目走向同类客户的商业复制能力。真正的规模化，不只是完成一次交付，更要让部署周期、二次开发成本和维护成本随着项目积累逐步下降，同时形成复购、扩单与正向现金流。ROI并非独立于技术之外的财务指标，而是检验场景理解、工程选型、现场交付和数据迭代是否有效的统一标尺。

图：慧闻机器人产品矩阵

通用算法可以被追赶，硬件设备也可能同质化采购，但场景认知、工程交付、真实数据与商业复制形成的组合能力，很难在短期内凭借资本投入或实验室仿真补齐。

算法和本体决定企业能否进入工业现场，这四层能力则决定企业能否真正留在现场，并将项目经验转化为可持续的产业价值。

商业验证：客户是否愿意持续买单

当人形机器人估值持续上升，资本市场对具身智能的判断反而开始回归理性。

订单质量、稳定运行指标、复购与场景复制能力、供应链和量产效率、工程交付、数据闭环及现金流健康度，正在成为资方新的评价坐标。

据慧闻向亿欧提供的口径，公司工业物理AI业务收入由上一财年的不足一亿元增长至今年的数亿元，杨鹏对下一年度收入继续增长保持信心。该数据仍需要结合确认收入、订单构成、复购率和回款情况进一步观察，但至少提供了一项初步信号：慧闻正在从单点项目交付走向更大规模的市场验证。公司累计服务客户超过万家，覆盖商用服务与工业机器人等不同业务；这些既有客户与现场经验，也为工业物理AI业务提供了进入真实场景的基础。

采访接近尾声时，杨鹏说：“To B和To C完全不同。工业客户不需要你讲产品多么酷炫、未来行业如何发展，他们只看产品能否稳定运行，能否真正实现降本增效。”

亿欧从慧闻某一家制造业客户听到的反馈：“看过七八家具身智能公司，有的讲大脑，有的讲数据，有的讲世界模型，只有慧闻从如何帮助客户降本增效讲起，从结果导向的维度来看，这点难能可贵。所以，我们愿意让慧闻试试。”

对于一家工业机器人企业而言，这或许才是最朴素也最严格的商业化标准：不是在发布会上证明机器人能够做什么，而是证明它能够在真实场景中长期、稳定、经济地为客户创造价值。