北京
来源：环球网
【环球网科技报道 记者 李文瑶】“机器人下半场的关键是大脑。”在2026世界机器人大会现场，明略科技创始人、CEO兼CTO吴明辉在接受记者采访时作出上述判断。在他看来，“大脑”不只包含机器人本体的推理决策能力，更指向一个更高维度的概念——组织级的人机协同能力。
本届大会上，明略科技与海康机器人联合参展，聚焦商业服务领域展示具身智能落地进展，这也标志着明略科技正式切入具身智能赛道。
机器人的“大脑”分两层，组织协同才是长期壁垒
谈及机器人“大脑”的定义，吴明辉向记者作了明确区分。他认为，第一个维度是传统意义上的机器人本体大脑，即VLM（视觉语言模型）、VLA（视觉语言动作模型）所提供的推理、决策与操作规划能力；第二个维度则容易被行业忽视——“整个组织的‘大脑’”。
“当机器人真正部署到生产系统、进入线下服务业和商业场景以后，如何把机器人嵌入到组织系统中，最终形成一个组织级的大脑，同样至关重要。”吴明辉强调。
这正是明略科技自研的人与AI Agent协作平台Octo的发力点。该平台的目标是形成一个组织级的人机协同大脑，而不仅仅是每一台机器人的个体大脑。在他看来，未来机器人之间、机器人与数字智能体之间、乃至与上一代IT系统之间，都应通过开放协议实现互联。
明略科技早在2018年便提出HAO智能框架——H代表人类，A代表AI（既包括数字世界的Agent，也包括物理世界的机器人），O代表组织智能（Organizational Intelligence）。如今Octo平台的落地，正让这一构想逐步成为现实。
这一战略判断也解释了明略为何在此时入局具身智能：其核心能力并非从零开始搭建硬件，而是将过去在数字世界中锤炼出的多智能体协同、任务推理规划等能力，延展至物理世界的机器人身上。
物理世界的VLA模型需要定制化，“大而全”行不通
在谈及VLA模型的技术路线时，吴明辉给出了一个判断：数字世界与物理世界对模型大小的需求截然不同。
“在数字世界的人工智能领域，云端可以用很大的模型，GPT-3是2.8万亿参数。但在机器人世界里面，这么大的模型根本放不到机器人的脑子里。”吴明辉说，“就算去做混合部署，既有端侧也有边端算力盒子，仍然不能有特别大的尺寸。”
他进一步解释，这意味着具身智能领域的VLA模型大概率要走定制化路线，需要根据具体场景进行裁剪和适配。“明略在具体细分场景落地时，一定会选择最佳的落地路线。”
吴明辉以海康机器人的硬件能力为例补充道，海康做摄像头出身，不同SKU的型号有几万种，各行各业的制造业都需要定制化的能力。“软件定制化能力明略天然就有，而海康在硬件定制化与制造业品控上积累了丰富的经验，双方恰好互补。”
在他看来，制造业的逻辑往往是“越简单、成本越低”，简单实用的方案在商业落地中更具优势。而明略与海康的合作，正是在这一逻辑下展开：明略聚焦软件层的“大脑”与行业经验，海康则发挥整机研发、运动控制、量产工程化等硬件能力。
具身智能正处在ChatGPT 2.0到3.0之间，“真干活”才是分水岭
当记者问及具身智能当前所处的发展阶段时，吴明辉将其类比为数字世界AI的演进路径。
吴明辉说，“ChatGPT推出后，在今天我们期待的是第二阶段、第三阶段的能力——有严密推理能力，能解复杂数学题，能编程，能真干活。”
他认为，当前具身智能大致处于数字世界AI的2.0到3.0之间的过渡状态。真正的分水岭在于“真干活”——即机器人能否在真实场景中独立完成完整任务链路。
“真正在工厂里面真干活的机器人有，但不多。无人驾驶如果也算机器人的话也是真的。但更多复杂场景的机器人，大家还没看到真正在干活。”
在吴明辉看来，这个阶段最需要的是优秀的产品经理，能够做出现实可行的取舍。“能取舍好的，产业就落地了；取舍不好，就需要继续等。”
他以展台上的餐饮清洁场景为例：经过大规模训练，机器人已能自主分辨桌面物体，精准区分厨余垃圾与手机、钥匙等物品，仅移除垃圾而保留重要物品。“这就是在具体场景里把事做透。”他同时透露，明略科技旗下明胜品智深耕线下餐饮场景营运智能多年，积累了大量行业数据与经验。这些场景认知，正在成为机器人“大脑”训练的关键养料。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
