明略吴明辉：机器人下半场需双“大脑”，组织协同决定生产力

在2026世界机器人大会主论坛上，明略科技创始人、CEO兼CTO吴明辉发表了题为《Agent＋具身：应用需求牵引机器人智能的进化路径》的演讲。这位在AI领域深耕20年的技术老兵，抛出了一个值得行业深思的观点：机器人的下半场确实拼“大脑”，但这个“大脑”不是一个，而是两个。

吴明辉认为，机器人真正进入生产系统，不仅需要更聪明的个体“大脑”——即推理、任务决策和操作规划能力，还需要一个连接机器人、Agent与IT系统的“组织大脑”。只有两个“大脑”协同工作，机器人才能跨过工程交付、业务流程重构和现场部署的最后一公里，真正成为生产力。

从数字世界到物理世界，为什么现在入场？

吴明辉在演讲中坦言，自己12年前曾参与创办专注酒店服务场景的云迹科技，该公司去年已在港交所上市。他本人从20年前开始学习上一代人工智能，后成为北京大学博士生，长期观察AI在数字世界和物理世界的发展。

在他看来，今天人工智能在数字世界已经产生了很多生产力级别的应用——可以生产内容、编写代码、进行复杂的数据分析，展现出相当高的智力水平。但在物理世界，大部分机器人目前仍处于主要提供情绪价值的阶段。“机器人什么时候才能真正成为生产力？这是我一直在思考的问题。”吴明辉说。

他同时表达了对物理世界的敬畏：“我本人是做软件、做人工智能出身的，在我看来，物理世界远比数字世界复杂，其中涉及大量制造、部署和现场适配问题。”

两个“大脑”分别指什么？

吴明辉将机器人的“大脑”拆解为两个维度：

• 个体“大脑”：传统意义上的机器人推理、任务决策和操作规划能力，包括VLM（视觉语言模型）、VLA（视觉语言动作模型）等模型提供的能力。
• 组织“大脑”：当机器人部署到生产系统后，如何把机器人与机器人连接、把机器人与智能体连接、把机器人与上一代IT系统连接，最终形成一个组织级的大脑。

他强调，第二个维度同样非常重要，甚至是被行业忽视的关键环节。

不独自奋战，与海康机器人联手

明略进入具身智能和机器人领域，没有选择独自奋战，而是与海康机器人展开合作。两家公司能力结构差异明显：明略擅长软件、Agent和模型，在合作中更多承担模型研发和多智能体协同规划；海康机器人则发挥其在移动机器人整机研发、运动控制、多传感器融合、系统集成及产品工程化量产方面的积淀。

吴明辉还透露，明略与百胜中国有一家合资公司，肯德基和必胜客门店中大量数字化系统和工作系统都是明略参与开发和部署的。“未来，我们也一定会把机器人带到这些场景中。”

此外，明略最近发布了开源的人机协同平台Octo平台，可以连接各种Agent和Runtime。在与海康机器人的合作中，这个平台将把每一台机器人的个体大脑连接起来，形成组织级的人机协同大脑。

国内外关注点差异：能不能用起来 vs 能不能持续变强

吴明辉在准备演讲时，使用了明略旗下秒针系统的舆情分析智能体，对国内外关于具身智能产业落地“最后一公里”的讨论进行了分析。结果显示，国内外关注的问题基本一致，包括工程交付、经济模型、软硬件协同等，但热度分布存在明显差异：

• 国内：更多集中在工程交付、软硬件时序和经济模型，即机器人“能不能真正用起来”。
• 海外：更加关注数据飞轮和长程任务的稳健性，即机器人“能不能持续变强”。

吴明辉发现，海外关注的数据飞轮和长程任务问题，正是Agentic AI（智能体人工智能）在数字世界产业落地过程中长期面对和解决的问题。两个领域虽然不同，但技术落地路径具有很强的同构性。

同构性之一：从写死规则到自由探索，再到结构化Skill

以操作工具为例，数字世界最早采用传统规则引擎、专家系统和RPA，后来出现Workflow，再后来出现Manus这样的通用Agent——用户只需下达任务，Agent就能像数字世界里的VLA模型一样，自主操作软件和工具，端到端地完成任务。

这条路径经历了从写死规则到完全放开、自由探索的过程。到去年下半年和今年，以Anthropic的Claude Code Skills为代表，又出现了结构化Skill——既不是完全写死的规则，也不是毫无约束的自由探索，而是在成本、效率、自由度和可实现性之间取得平衡。

吴明辉特别强调：“今天的Skill并不是只有AI研究人员才能定义。职场中的每一个工作者，都可以根据自己的工作经验沉淀和编写Skill。这一点非常关键。”

具身智能领域也有相似的演进：从传统规则引擎和PLC编程，发展到Behavior Tree，再到今天广泛讨论的端到端VLA模型。但他判断，从真实应用系统看，全面采用端到端VLA未必是最好的路线，未来可能出现混合式架构，形成类似数字世界Skills的中间层。目前具身智能领域已经开始出现Atomic Skill Library（结构化原子技能库），并逐步在实际应用中得到验证。

同构性之二：记忆体系，数字Agent与具身Agent共用一套框架

记忆是数字世界AI非常重要的能力。基础大模型一直在探索持续学习能力，但从成本、数据安全和隐私保护等角度看，仍存在不少问题。

今年以来，OpenClaw带来了一种新思路：除了模型参数，还可以通过配置文件和Memory系统保存信息。这些参数之外的记忆，反而成为AI真正进入生产系统、持续发挥作用的重要组成部分。

吴明辉引用了CoALA关于Agent记忆的框架，将记忆分为四类：

• Working Memory：当前任务中正在工作的临时状态。
• Episodic Memory：记录过去发生过的任务、会话和事件，类似一本日记。
• Semantic Memory：保存事实、概念和关系。
• Procedural Memory：更像Skill，保存完成某项工作的程序和方法。

具身智能同样需要这些记忆——空间记忆、时间和任务轨迹的记忆、语义记忆以及原子技能库。吴明辉认为，数字Agent的记忆结构与具身Agent的记忆结构，本质上是同一个记忆体系在两种不同“身体”上的落地。

他还提到一个有趣的观察：在具身智能领域，“本体”通常指机器人的物理本体；但在另一个语境中，Ontology指的是对概念及其关系的抽象，可以看作Semantic Memory的重要组成部分。未来，Agentic AI中的Ontology和具身智能中的物理本体也需要打通，二者需要共享一套语义记忆。

HAO智能：2018年提出的概念，如今正在落地

吴明辉在演讲最后提到，2018年他提出了HAO智能的概念——H代表Human（人类），A代表AI（人工智能），O代表Organization（组织）。数字世界的工作生产力和物理世界的生产力之间，存在非常多的协作空间。如今，随着两个“大脑”的协同推进，这一理念正在机器人领域逐步变成现实。