WAIC观察｜云蝶科技：具身智能如何从模型能力走向真实任务

（原标题：WAIC观察｜云蝶科技：具身智能如何从模型能力走向真实任务）

从大模型走向智能体之后，人工智能产业正在面对一个更具体的问题：能够理解和生成内容的模型，如何进入物理世界，并在真实业务中持续完成任务？

7月19日，2026世界人工智能大会暨人工智能全球治理高级别会议（WAIC 2026）期间，云蝶科技联合创始人、联席总裁余澜博士先后参加具身人形机器人落地与核心零部件发展论坛和WAIC财经下午茶专场，分别从技术路径与商业化门槛出发，分享云蝶科技对具身智能落地的判断。

同期发布的亿欧智库《2026全球AI商业落地价值洞察研究报告》，云蝶科技被纳入「全球人工智能产业图谱」“智能体”板块；公司同时入选「2026中国AI商业落地应用价值Top50」。

两场行业活动与两项报告收录，搭建起读懂云蝶科技的多维视角：这家公司试图把具身智能的竞争焦点，从单个模型或单台机器人的能力，转向机器人、环境与业务流程共同构成的系统。

把环境从任务背景变成智能体

在机器人在线举办的具身人形机器人落地与核心零部件发展论坛上，余澜博士以《基于环境增强的世界模型，实现面向真实场景的通用具身智能》为题发表演讲。

他在演讲中提出，语言模型可以从网页、书籍和代码中获得大量知识，但具身模型面对的是持续变化的物理世界。机器人不仅需要理解感知与动作，还要在真实任务中处理空间变化、设施状态、人员协作、任务结果和人工接管等复杂反馈。

“不是先等模型成熟再进入场景，而是先让机器人在可控真实场景中工作，用真实业务数据推动模型成熟。”余澜博士表示。

现场，云蝶科技发布具身智能进化的新范式——具身环境智能（Embodied Environment Intelligence，EEI），其实现路径分为三个阶段：先通过环境标准化和典型业务场景复刻，缩小训练环境与实际交付环境之间的差异；再将空间、设施及业务系统纳入统一的环境感知与建模体系；最终使环境从静态背景转变为可感知、可交互、可协同的智能体，与不同形态的机器人共同完成任务。

基于具身智能进化的新范式EEI和环境增强的世界模型，云蝶科技针对具体落地场景发布了自身的具身智能研发技术框架SAGE（Scenario augmented Agentic Generalization Engine）。按照公司的技术表述，这一框架将场景接地、世界预测、智能体执行和闭环学习连接起来，以真实任务执行和结果反馈推动后续评估与迭代。

这一路线的关键，并不是为机器人增加更多孤立能力，而是将原本分散在环境和业务流程中的信息转化为智能体可以调用的系统能力。

规模化的门槛不只在模型

当天下午，以“智能体走向纵深，激活产业新动能”为主题的WAIC财经下午茶专场举行。活动由财联社TMT主编毛明江主持，余澜博士与吉翼智能董事长兼CEO王超、卡尔动力技术战略副总裁王珂、云从科技高级副总裁兼董事会秘书杨桦共同参与圆桌讨论。

围绕AI智能体规模化落地的关键门槛，余澜博士提出，具身智能需要从客户实际使用出发，同时回答三个问题：技术成熟度能否支持持续部署，人与机器人如何在业务流程中分工，以及任务完成质量能否被明确评估。

在这一判断下，机器人完成一次演示并不等同于具备持续交付能力。具身智能还需要进入真实业务流程，经受长时间运行、异常恢复和人员协作等环节的检验。

余澜博士以医院物品取送任务为例解释环境智能体的作用：人形机器人作为入口与环境通讯，环境中的感知Agent、路径优化Agent、决策Agent分别调用配送机器人、调度电梯等资源，形成一套由物理机器人和虚拟智能体共同构成的有机系统。

“具身智能的进化不再是单点模型的迭代，而是整个有机系统的进化。”余澜博士说。

从商业化角度看，这也意味着评价具身智能不能只看机器人出货量或单次演示效果。任务完成质量、人工介入频率、异常恢复能力、持续运行成本和跨场景复制效率，都是B端客户判断一套系统能否真正投入使用的重要指标。可工程化的真实环境，由此成为检验具身智能能否从局部可用走向规模化部署的关键场域。

两项收录提供产业观察坐标

亿欧智库在WAIC 2026期间发布《2026全球AI商业落地价值洞察研究报告》。在报告「全球人工智能产业图谱」中，云蝶科技被纳入“智能体”板块。

图：云蝶科技被纳入「全球人工智能产业图谱」智能体板块。来源：亿欧智库

云蝶科技同时入选「2026中国AI商业落地应用价值Top50」。

图：云蝶科技入选“2026中国AI商业落地应用价值Top50”垂类模型类别。来源：亿欧智库

把这几项动态放在一起看，云蝶科技在本届WAIC传递出的核心判断已然清晰：具身智能的下一阶段，不只是让单个模型“更聪明”，而是让模型、机器人、环境智能体与业务流程形成能够持续工作的系统。

对这一技术路线而言，下一阶段的检验仍将落在真实部署中。系统能否稳定运行、是否能够减少人工介入、能否控制交付与复制成本，以及是否形成可衡量的业务价值，将比概念本身更能决定其规模化速度。