近日，智能制造系统解决方案大会·智能制造装备分论坛在北京举行。论坛以“具身智造·范式新生”为主题，围绕具身智能在智能制造领域的创新应用与落地路径展开交流。开普云（688228）副总裁、首席技术官杨春宇博士受邀出席，并以《双向赋能，迭代共生：构筑具身智能数据与模型成长新生态》为题进行分享。
从智能制造场景
看具身智能落地需求
当前，随着多模态大模型、机器人控制、智能体系统等技术不断发展，具身智能正从早期技术验证逐步走向场景应用。与传统机器人依赖固定程序执行单一任务不同，具身智能更强调智能体在真实物理环境中的感知、决策与执行能力，使AI从语言理解进一步延伸至真实世界的任务行动。
近期，工业和信息化部、国务院国资委联合印发《关于联合开展2026年度人形机器人（886069）与具身智能实景实训专项行动的通知》，明确提出推动人形机器人（886069）与具身智能产品在真实生产生活环境中常态化部署应用，加速实现规模化发展。这一政策导向进一步表明，具身智能正从技术探索迈向真实场景应用，产业落地与规模化发展成为重要方向。
然而，在具身智能走向产业应用的过程中，行业也面临一系列现实挑战。一方面，模型能力持续提升，多模态理解与生成能力不断突破；另一方面，真实场景中的复杂环境、长链任务和高精度执行要求，也对系统稳定性、泛化能力和持续优化能力提出了更高要求。尤其是在智能制造等场景中，机器人不仅要理解任务目标，还要在动态环境和多重约束下保持稳定执行。
以数据与模型
协同支撑能力进化
围绕上述现实问题，杨春宇在分享中指出，当前具身智能落地的关键矛盾，不仅在于模型能力本身，更在于是否能够形成可持续的策略改进闭环。如果真实任务中的数据无法持续积累，成功与失败经验无法有效沉淀，系统行为也难以在后续任务中不断优化，具身智能就容易停留在单点演示和阶段性验证层面。
▲数据与模型闭环示意图
基于这一判断，开普云（688228）认为，具身智能的竞争正在从单一模型能力比拼，转向数据闭环能力与系统收敛效率的综合竞争。真实场景中的任务执行数据，为模型训练和策略优化提供基础；模型能力的提升，又反向推动机器人在更多复杂任务中完成感知、判断与执行。数据与模型在持续循环中相互促进，构成具身智能系统不断成长的重要路径。
在真实任务中
验证具身智能能力
在具体实践中，开普云（688228）关注高质量数据供给、模型训练优化和系统工程能力建设，并已在技术研发与资源投入方面形成前期积累，不断推动具身智能从单点任务验证走向多场景能力提升。通过对真实轨迹数据、任务反馈数据和多模态交互数据的积累与利用，开普云（688228）持续探索具身智能系统在复杂环境中的泛化能力、鲁棒性和任务执行稳定性。
近期，开普云（688228）KP-Robot（LAWR）团队通过参与国际具身智能相关赛事，在真实任务环境中持续检验模型能力。团队采用统一模型训练策略，在多类任务场景中验证模型对不同任务的适应能力和泛化能力。相关实践表明，真实数据积累、统一模型训练和跨任务能力复用，对于具身智能从技术验证走向产业应用具有重要意义。
▲开普云获【新锐科技团队奖】
作为 AGI 时代全栈 AI 产品服务提供商，开普云（688228）长期围绕数据与智能开展技术研发和产业实践，已在大语言模型、多模态模型、智能体平台和行业应用等方向形成技术积累。面向具身智能这一新方向，开普云（688228）将继续结合自身在数据、模型、平台和场景应用方面的基础，推动智能系统从“能执行任务”向“能持续学习、持续优化、持续适应真实世界”演进。
未来，开普云（688228）也将持续参与具身智能产业生态建设，与产业链各方共同探索数据与模型双向赋能、迭代共生的发展路径，为智能制造和具身智能应用创新提供更多实践参考。
