AI·具身会客厅｜对话鹿明机器人创始人喻超：让机器人在真实世界里长出技能

当人形机器人在聚光灯下翩翩起舞，试图复刻人类的每一个动作时，一家名为鹿明的初创公司却选择了一条不同的路——转身走进轰鸣的工厂，将机器人部署进产线，去拧一颗螺丝，去搬运一件物料。

创始人喻超将这种"逆行"称为产业具身。

2024年以来，国内具身智能创业热潮持续升温，大量公司涌入人形机器人赛道。但行业也面临一个普遍困境：机器人在实验室里能跑能跳，进了工厂却难以稳定完成一个完整班次的任务。

在他看来，实验室里诞生不了真正的智能，只有真实场景的考验——数据的分布、系统的稳定性——才能淬炼出有价值的技能。当行业为大模型炫技和通用人形终极想象而狂热时，行业共识正在悄然转向：具身智能的竞争，不再是单一模型能力的比拼，而是系统工程能力与产业基础设施的核心角逐。

鹿明的选择正是对这一趋势的回应。产业客户的认可已经先于市场热度到来——三菱电机从客户变成投资人，连续两轮领投鹿明。8月19日，他们发布了面向产业具身的系统基础设施NexCore——一套面向工业具身智能的操作系统，让机器人从理解任务走向完成任务。‌

鹿明重载轮臂式机器人MOS2进行料箱搬运

他们的目标不是造出一个像人的机器，而是让机器人在真实的产业土壤中生长出可复用的技能。当行业从讲故事走向交作业，鹿明正试图用这套从数据采集、模型训练到硬件落地的完整系统，回答那个最本质的问题：机器人到底能帮工厂解决什么？

近日，财经网科技与鹿明创始人喻超展开了深度对话。喻超，清华大学本硕，拥有10年机器人研发与产业化经验，职业经历覆盖算法、整机研发、产品量产到团队搭建，2024年创立鹿明机器人，提出"产业具身"发展路线。

这场对话试图拆解产业具身背后的思考与路径。这或许不是最性感的创业故事，但可能是最接近商业本质的一次探索。

以下为对话实录，经编辑整理：

定位：为什么叫产业具身？

财经网科技：鹿明提出产业具身这个概念，和行业里其他做通用人形机器人的公司，最大的区别是什么？

喻超：我们提出产业具身，核心是希望让具身智能真正进入产业场景，并实现规模化应用。很多人习惯把物流、工业制造、巡检、家庭服务这些场景分开来看，但从技能和原子动作的层面来看，它们之间存在高度一致性。因此，我们并不倾向于针对某一个行业开发完全专用的设备，而是希望构建能够跨场景迁移的通用技能体系。

与其他做通用人形机器人的公司相比，鹿明更贴近产业现场；而与偏工业软件或机器视觉的公司相比，我们又更具身智能。我们希望行业记住鹿明的一点就是：扎扎实实把智能带进真正的产业，在真实场景中持续创造价值。

财经网科技：很多创业者选择从大模型能力、人形机器人形态切入，为什么鹿明选择从产业任务切入？

喻超：我认为人形机器人最终一定会是一个非常重要的形态，甚至可能是终极形态之一。但在这个过程中，研发和商业化必须形成共振。如果当前直接让人形机器人去完成大量真实产业任务，研发和商业化之间其实很难形成很好的共振。所以鹿明现阶段更多是以轮臂式机器人作为主要产品形态，以"操作"为核心切入产业场景，让商业价值和数据积累能够形成正向循环，同时把人形机器人作为重要的预研平台。

财经网科技：行业里很多公司用跳舞、奔跑、空翻来展示能力，鹿明怎么看？内部怎么判断产品到底有没有价值？

喻超：跳舞、奔跑、空翻能证明运动能力，但不能证明产业价值。在产业场景里，客户真正关注的是任务成功率、生产节拍、部署周期和投资回报率等等指标。Demo证明能做，产业交付要证明长期做得成。

一次性、漂亮的展示不等同于产品价值。真正有价值的东西，是能长期、稳定、可复用、且真正提升生产效率的。我一直认为，实验室打磨不出产品，必须进真实场景验证迭代。所以我们所有决策都围绕产业落地这一条主线。

财经网科技：传统工业自动化已经很成熟了，产业具身和它有什么区别？是替代关系吗？

喻超：传统自动化针对确定环境设计确定流程，在重复性强的场景中非常有效。但真实产业环境充满变化——物料位置、光照、产品型号——传统方式面对变化需要重新编程甚至重新设计设备。产业具身解决的是让机器人具备学习和适应变化的能力，重点解决变化性、复杂性和长尾任务。两者不是替代关系，而是共同构成下一代智能生产系统。

场景：真实产业教会了我们什么

财经网科技：过去行业教机器人一个新技能，最难的地方在哪？

喻超：一般会经历问题抽象和定义、数据采集、模型训练、场景验证、数据回流、持续迭代这几个步骤。其中最难、也最有价值的，是调整数据分布。因为机器人进入真实场景后，面对的不是固定数据集，而是不断变化的环境和任务。

财经网科技：行业里都在强调数据规模，鹿明怎么看？规模重要还是质量重要？

喻超：从纯技术角度来说，规模当然重要，但我认为数据分布更加重要。所以行业应该从单纯追求"数据量"，逐渐转向关注"有效数据量"。所谓高质量数据，至少包括数据分布的广度、真实的信息熵、是否包含足够的恢复信息，以及最终能不能实现跨场景迁移。与其单纯强调我们有多少数据，不如关注这些有效数据最终转化成了多少机器人的技能。

财经网科技：真实世界到底难在哪里？过去哪些被低估的问题，只有真正进入产业现场才会发现？

喻超：具身智能真正的难点在于整个系统的可靠性。行业竞争已经从单纯的数据和模型比拼，演变为系统级的竞争。这种系统竞争又可以拆解为两个核心层面：一是系统本身的稳定性和可靠性，二是整个系统的迭代效率。只有二者兼备，才能在真实产业场景中持续创造价值。

财经网科技：如果面对不同的工厂、不同产品，如何保证同一个技能不会轻易失效？

喻超：主要还是两个方面：第一是补充数据；第二是数据增强。本质上都是在不断调整数据分布，让模型能够覆盖更多真实场景。

系统：构建产业具身的基础设施

财经网科技：鹿明一直在提"系统基础设施"，NexCore到底是什么？和ROS有什么区别？

喻超：我们所说的系统基础设施，本质上是在构建整个具身智能大系统的可靠性和迭代速度。传统的ROS是机器人端侧的软件框架，是上一代的基础软件。而NexCore并不是单纯的端侧系统，它更强调平台侧，把数据采集、数据处理、模型训练、模型评测以及最终的机器人调度运营连接起来。我认为它更接近于具身智能时代的云平台。

财经网科技：一个算法团队想验证模型在真实机器人上的表现，过去要协调机械臂、传感设备、控制系统和测试场地，鹿明的产品体系怎么解决这个问题？能不能用工厂场景走一遍？

喻超：鹿明的产品体系提供了一套完整的工具链。以一个工厂场景为例：首先通过EgoVue、FastUMI等采集设备获取真实作业数据，上传至NexCore平台，平台自动完成数据收集和处理，再选择合适的模型进行训练（可以是鹿明的PrimeR0，也可以是第三方模型），训练完成后直接通过StationLite在真实机器人上做验证和评测，验证通过后即可部署到产线。

整体流程就是：数据采集→NexCore数据处理→模型训练→StationLite验证→机器人部署。NexCore的作用，就是把所有产品和环节串起来。

财经网科技：这套流程对工厂端意味着什么？未来工厂员工不需要懂代码，也能开发机器人技能吗？

喻超：是的，这正是我们希望实现的。比如一个工厂希望机器人完成一个新的技能，可以先用我们的设备采集一定量的数据，然后在平台上进行非常简单的操作，用户可以通过自然语言描述任务。平台就能根据采集的数据，把它沉淀成机器人的技能。本质上，我们希望极大降低机器人技能生产的门槛。

财经网科技：过去教会机器人一个新技能所需的时间，和部署系统后有什么变化？

喻超：过去教会机器人一个新技能所需的时间，因任务类型和复杂度而异，可能需要数周，甚至更长时间。我们认为，提升技能开发效率的核心解法在于将技能生产过程平台化。随着平台积累的数据规模越来越大、模型能力越来越强，再加上系统具备自迭代和自动化能力，后续开发新技能的边际成本会显著降低。

关于效率提升，虽然目前还没有非常严格的定量数据，但可以从人力投入上给出一个大致的参考：同样做到一定水平，传统方式可能需要约十个人力，而在我们的系统加持下，可能只需要一个人左右，人力资源可压缩至原来的十分之一，机器人技能开发流程也有可能从数周压缩至数天，同时GPU训练工时也大幅缩短。这正是平台化带来的核心价值。

商业化：三菱电机为什么从客户变投资人？

财经网科技：鹿明目前在产业客户中是如何验证机器人的？

喻超：我们会和客户共同做场景验证，再逐步扩大。比如在三菱电机的工厂里，从最开始的PLC质检，逐渐拓展到推料箱、打螺丝、搬箱等任务，覆盖质检、物流、搬运等不同场景。目前产品已经在一些环节小批量试用，从客户角度来看，已经能够实现一定程度的降本。

鹿明重载轮臂式机器人MOS2进行柔性质检

财经网科技：三菱电机从客户变成了投资人，这个过程是怎么发生的？

喻超：我们和三菱电机最开始是在产业园区里接触的。三菱希望推进产线柔性制造，我们的产品已经具备比较成熟的产业应用能力，适配他们的场景。所以是先成为我们的客户，再成为我们的投资人。这说明客户首先认可的是产品和实际价值，再进一步认可公司的长期价值。

财经网科技：三菱电机连续两轮领投，他们最看重鹿明的什么？

喻超：核心是我们能够提供从数据、模型到硬件的全套解决方案。对于产业客户来说，最终看的不是单点技术，而是能不能真正解决生产问题、产生实际价值。

财经网科技：鹿明是先把技术做到极致，再考虑商业化，还是技术和商业化并行？

喻超：我们一定是商业化与技术并行。如果只做研发，而不进入真实场景、不和客户需求结合，就很容易变成空中楼阁。比如我们和三菱电机联合开发解决方案，真正驻场、进入工厂的过程，会获得大量实验室无法获得的实战经验。另一方面，商业化也能够让公司具备自我造血能力，这对于长期发展是必要的。

财经网科技：目前鹿明的收入主要来自哪些业务？

喻超：目前收入主要来自产业具身相关的服务，集中在全链条增值服务上，从数据、模型到本体应用都有覆盖。其中占比较大的还是产业解决方案，也就是硬件加一部分软件。目前在手订单已经超过此前设定的收入目标。

财经网科技：如果行业进入系统竞争阶段，鹿明的护城河是什么？

喻超：我认为主要有两点。第一，是我们的系统构建能力，以及在这个过程中积累的数据、模型和场景经验。第二，是我们的硬件低成本能力。这两部分能力，是我们长期积累形成的。

判断：行业的分水岭与鹿明的未来

财经网科技：有人说2026到2027年是具身智能从讲故事到交作业的分水岭，您怎么看？

喻超：我认为需要分两个角度来看。如果从具身AGI本身来看，现在仍然处于相对早期阶段。但如果从具身智能商业化应用的角度来看，我认为现在已经进入了构建整个系统应用的阶段。这两个阶段是同时存在的。系统基础设施的建设，本质上就是为了加快具身AGI的迭代速度，同时加快商业化进程。

财经网科技：具身智能最终竞争的核心是什么？为什么说竞争正在从本体、大模型转向数据、技能和系统？

喻超：如果从商业角度来看，核心最终是PMF——技术能不能形成商业回报，以及在形成商业回报的同时，能不能持续积累有效的数据规模。从技术角度来看，核心则是能不能构建一套可靠的系统基础设施，并且让这套系统能够快速、低门槛地迭代。

为什么会转向？因为随着机器人本体逐渐成熟，单纯本体的门槛会逐步降低，模型侧也会有类似趋势。所以最终竞争一定会转向围绕商业需求搭建整套系统。而这套系统里面有两个关键问题：第一，能够产生多少技能；第二，支撑这些技能产生的数据基础是什么。行业正在从本体和模型的单点竞争，转向整套系统能力的竞争。

财经网科技：行业里有什么事情被高估了？什么被低估了？

喻超：市场上有热度的东西，往往在热度最高时被高估；没有热度的事情，反而可能被低估。过去无论是端到端模型、世界模型，还是各种数据概念，在成为热点时都可能被阶段性高估。而被低估的，恰恰是产业解决方案、硬件低成本能力，以及数据和模型如何持续迭代——这些看起来不那么性感的"脏活累活"，才是产业具身真正的基本功，也是鹿明真正的竞争力所在。

财经网科技：您为什么一直强调"技能"，而不是单纯强调"智能"？

喻超："让机器人像人一样聪明"其实是一个比较泛的描述。最终拆解下来，一定会落实到具体的任务和技能。所以我更关注的是：机器人最终能不能完成什么任务、具备什么技能。智能当然重要，但最终一定需要落到具体任务上，才能形成真正的价值。

财经网科技：如果未来发现现在选择的技术路线并不是行业主流，鹿明会不会调整？

喻超：行业叙事、技术路径都可能变化，但我认为价值链条不会变。无论技术路线怎么变化，最终都要回到真实场景、真实需求和真实价值上。

财经网科技：您认为距离真正的通用物理AI还有多远？

喻超：如果说的是通用的物理AI，我个人感觉可能还需要大约五年。这个判断主要结合当前的技术现状以及一些技术发展周期来做判断。但技术本身还在快速发展，具体路径也仍然存在很多不确定性。

财经网科技：如果站在五年后回看今天，您希望鹿明已经做到了什么？您希望行业最终记住鹿明的是什么？

喻超：五年之后，我希望鹿明能够成为至少两到三个行业头部客户背后的支撑者——不是简单地卖一台机器人，而是成为这些产业客户实现智能化升级的重要支撑。今年我们主要聚焦工业环节，明年会进一步向部分商业生产场景拓展。最终，我希望行业记住的是同一件事：把智能带进真正的产业现场。