仙工智能发布三大具身智能战略：以「大脑+数据+网络」构建具身智能基座

8 月 20 日，仙工智能正式发布三大具身智能战略，围绕推进机器人大脑通用化、建设真实世界数据基础设施、共建百万台机器人进化网络三大方向，进一步明确公司面向具身智能时代的长期布局。

仙工智能希望围绕机器人大脑、真实世界数据和规模化机器人网络，构建一套能够长期运转的具身智能基础设施，让机器人能力可以在更多本体、更多任务和更多场景中复制、积累与进化，并最终形成跨自由度、跨构型、跨模态的具身智能基座。

推进机器人大脑通用化

具身智能与传统 AI 最大的不同，在于智能最终必须通过机器人的身体作用于真实世界。模型不仅要理解是什么、做什么，还必须进一步解决怎么做、如何稳定地做。

在仙工智能看来，真正能够进入物理世界的机器人大脑，需要形成从认知到执行、再到实时反馈的完整体系。因此，机器人大脑=模型+小脑+神经，三位一体架构，赋予机器人完整的智能体系。

• 模型层作为认知中枢，负责「看懂和想明白」：完成环境感知、任务理解和智能决策；
• 小脑层作为执行中枢，负责「把动作做出来」：完成运动规划、轨迹生成与实时执行，让机器人动作做准、做稳、做安全；
• 神经层作为连接中枢，负责「把大脑和身体连起来」：通过统一接口与协议栈适配 400+ 核心零部件，连接传感器、关节与执行机构，向下把控制指令送到关节和执行器，向上把位置、速度、力矩、传感器状态实时反馈，形成完整闭环。

由此，机器人的智能不再停留在模型内部，而是进入机器人身体，在真实世界中完成任务，并根据身体状态实时调整。

机器人大脑一直是仙工智能长期发展的核心能力。进入具身智能阶段，公司将进一步从三个方向推进机器人大脑通用化：持续升级大脑载体，扩大模块化机器人生态，并加强具身模型投入。

• 在硬件层面，机器人大脑需要面对越来越丰富的机器人构型和算力需求，并逐步从局部控制走向全身协同控制；
• 在生态层面，仙工希望连接机械臂、关节、灵巧手、传感器、执行器等模块，让不同组件能够更快组合成新的机器人形态；
• 在模型层面，则围绕空间理解、任务推理、动作生成、世界建模和长序列任务等不同需求持续布局，让不同模型能力能够根据场景和任务被调用，并最终通过同一套机器人大脑进入机器人。

从机械臂、人形机器人、机器狗等具身智能机器人，仙工智能希望逐步实现：身体可以不同，大脑能够连接；任务可以不同，能力能够调用。

这也是机器人大脑从传统控制能力进一步走向具身智能基础设施的关键一步。

建设真实世界数据基础设施

具身智能真正稀缺的并不是数据数量，而是能够支撑机器人理解和学习真实物理世界的高质量数据。相比纯粹的互联网数据，具身智能数据必须同时来自真实机器人、真实环境和真实任务，并能够随着机器人持续工作不断积累。

因此，仙工智能将优质具身数据归纳为四个核心维度：多样性、真实性、一致性和可持续获取。

• 多样性：不同机器人、不同构型、不同任务和不同环境，需要产生足够丰富的数据；
• 真实性：数据必须来自真实物理世界，而不是停留在仿真环境；
• 一致性：来自不同机器人和场景的数据，还需要具备统一的数据结构和时间体系，才能真正进入模型训练；
• 可持续获取：更重要的是，这些数据必须伴随机器人长期运行持续产生。

基于这一判断，仙工智能进一步提出完备具身数据集概念。

围绕一个真实任务，数据不应只记录机器人最终做成功了什么，还需要尽可能保留场景环境、人类示范、真机运行，以及失败与恢复过程。只有完整记录任务发生的全过程，模型学习的才不只是一个孤立动作，而是一段完整、可复现、可训练的真实世界经验。

为了推动这一方向真正落地，仙工智能正式成立具身智能数据子公司——杭州开物创新具身智能科技有限公司，全面推进具身数据相关业务。

这意味着，具身数据不再只是机器人产品运行过程中自然产生的附属资源，而将成为仙工智能建设具身智能业务的重要基础能力。

围绕这一能力，仙工智能正在建设覆盖真机采集、多源接入、数据治理、模型训练、仿真评测和能力回灌的完整数据基础设施，并建设面向具身智能的数据与 Agent 平台，进一步打通从真实机器人到模型训练、再到能力部署的完整链路。

同时，仙工智能计划将于今年第四季度逐步开放具身智能数据集和自研评测基准，推动真实世界数据和机器人能力评测从分散、碎片化的状态走向更加系统化的基础设施建设。

最终，机器人真实工作产生的数据将进入训练体系，形成新的模型能力，再通过 OTA 重新回到机器人：真实运行→数据积累→模型迭代→能力升级→再次运行。

机器人越工作，产生的数据越丰富；数据越丰富，模型越能够理解真实世界；模型能力越强，又能够让机器人完成更多、更复杂的任务。

由此，数据不再是一次性训练的原料，而成为连接机器人真实运行与持续智能进化的核心引擎。

共建百万台机器人进化网络

数据的规模和价值，最终来自真实世界中持续运行的机器人。

因此，仙工智能进一步提出「阶梯计划」：到 2030 年，与生态伙伴一起实现 100 万台具身智能机器人落地，覆盖多种本体形态，可在各类真实场景中持续执行多样化操作任务。并正式宣布计划落地，公布首期 20 家生态合作企业名单。

100 万台机器人，并不只是一个数量目标。

机器人进入的行业越多、执行的任务越丰富，本体形态和感知方式越多样，就能够积累越丰富的物理世界经验。这些经验进入数据和模型体系后，又会形成新的机器人能力，并推动更多机器人进入真实场景。

由此，机器人规模化部署不再只是商业结果，而成为具身智能持续进化的基础设施。

要让这样的机器人网络真正运行起来，机器人需要具备云端接入、实时在线、数据回流和 OTA 升级能力，能够持续采集真实世界数据，并在长期工作中不断获得新的能力。

这也是「阶梯计划」区别于单纯机器人规模化推广的地方。

机器人本体、核心零部件、模型、数据、算力和实际场景分布在不同产业伙伴手中，仙工智能希望以机器人大脑为连接点，让更多机器人真正进入物理世界，让不同产业伙伴共同参与这张进化网络的建设。

机器人的规模，决定真实世界经验的广度；真实世界经验的积累，又决定具身智能能力进化的速度。

这也是百万台机器人的真正意义：它连接的不是简单的机器人数量，而是一个覆盖不同本体、不同任务、不同环境，并能够持续产生真实世界经验的机器人进化网络。

三项战略汇聚，迈向具身智能基座

如果把具身智能看作一项真正进入物理世界的技术，那么仅仅拥有更强的模型还远远不够。模型需要进入机器人，机器人需要进入真实场景，真实场景又必须持续反哺模型。

这也是仙工智能将机器人大脑、真实世界数据和规模化机器人网络放在同一套战略中思考的原因。

机器人大脑让智能进入机器人；真实世界数据让机器人持续进化；百万台机器人则让这套进化体系获得足够大的真实世界规模。

三者真正连接起来，具身智能才开始形成一套可以不断复制和进化的基础设施。

在这一基础上，仙工智能将进一步构建跨自由度、跨构型、跨模态的具身智能基座。

• 跨自由度意味着能够面对不同关节数量和运动能力；
• 跨构型意味着能够覆盖人形、轮式、机械臂、机器狗等不同身体结构；
• 跨模态意味着能够处理视觉、力觉、触觉、关节状态等不同感知信息。

最终，不同机器人之间共享的将不再只是软件接口，而是越来越多可以被复用的基础智能能力。

而当底层能力真正建立起来，具身智能与人的交互方式也将发生改变。

过去，一个新的机器人任务，往往意味着重新进行数据采集、算法开发、模型训练和现场部署；未来，这些复杂过程可以逐渐被沉淀到后台。用户只需要告诉机器人要完成什么，系统负责判断已有能力能不能完成，并在能力不足时自动推动数据、训练、评测和 OTA 更新。

真正成熟的具身智能，不是让每一个用户都成为机器学习专家，而是让机器人具备不断获得新能力的能力。

从这个意义上看，仙工智能今天建设的并不只是一个更强的机器人大脑、一套数据平台或一张机器人网络，而是一套连接智能、机器人与真实世界的基础设施。

当越来越多的复杂能力被沉淀在系统背后，用户最终看到的，将不再是模型、数据和算法，而是一台能够理解需求、执行任务，并持续获得新能力的机器人。

模型和数据最终都要隐于幕后，留下的是机器人直接可用的能力。

这也是仙工智能具身智能战略最终希望实现的：让具身智能没有门槛。并继续走向仙工智能长期坚持的使命：加速开放多元的智能文明，让智能机器人没有门槛。