作者丨欧雪

编辑丨袁斯来

在具身智能行业普遍沉迷双足人形和仿真训练的当下，有一家公司选择了一条不太一样的路径：聚焦仓储物流场景，用 " 轮式底盘 + 双臂 " 死磕占人力成本 60% 的 " 拿放 " 动作。这是一家由中科南京软件技术研究院孵化出来的具身智能企业——智往未来。

智往未来 2025 年 11 月成立于南京，创始人孙浚凯曾在地平线担任智能座舱产品线总经理，推动百万终端量产，具备从 0 到 1 的产品设计与量产经验。公司早期以 " 具身智能课题组 " 在中科系旗下孵化两年，2025 年底独立注册。

具身智能在真实环境中的泛化难题，核心在于 Sim2Real 鸿沟。传统离线强化学习依赖仿真数据，部署成功率低；在线强化学习精度高，但学习周期长，难以在 SKU 达百万级的电商仓落地。

智往未来创新性地引入 Human-in-the-Loop 在线强化学习方法，将人工的即时纠偏能力与统一的强化学习目标深度融合，打通了从模仿学习到自主探索的关键路径。基于该方法，仅需少量演示数据和短时间在线学习，即可显著提升任务成功率，在样本效率上相比传统范式实现数量级提升。

公司初代智能机器人 Armstrong 已在国内头部物流企业实地验证，二代机型 Armstrong Pro 于 2026 年上半年面世，并成功入驻世界 500 强外资药企仓库作业。2026 年，公司锁定百台出货，按行业测算将占据近 40% 份额。

孙浚凯告诉硬氪，智往未来机器人可实现 " 快速进仓、无需改仓、一机多用 "，仓库 " 零改造成本 " 下完成上架、拣选、盘点等作业，客户投资回报周期约 2-3 年。

未来 3-5 年，智往未来有清晰路线。孙浚凯透露，2026-2028 年公司深耕仓储物流，迭代物流场景基建模型；中长期将 B 端积累的泛化能力降维至零售及家庭服务赛道。

孙浚凯解释：" 仓储里的商品——服饰、食品、美妆——超市和家庭里都有。拿包裹的能力可以几乎直接迁移到家庭整理场景。我们认为机器人管家可以在家庭拿包裹、拆包裹，做好物品整理，所以我们认为仓储物流是通向家庭的必经之路。

以下为硬氪与孙浚凯的对话节选：

硬氪：仓储物流场景的 " 拿放 " 需求有多强？为什么不用人？

孙浚凯：某头部物流企业已官宣 8 年内实现完全无人化仓。需求比我们原想的强烈得多。

仓储最后一公里，即从料箱里拿东西放到订单箱，这占人力成本 60% 以上，且 SKU 动辄几十上百万种，传统自动化根本做不了绝对泛化。

大模型恰好擅长泛化，这是技术用到刀刃上的场景。人一年 5-10 万成本，机器人只需 2-3 年就可以回本。头部的刚需已经非常明确，下沉市场会随成本下降逐步释放。

硬氪：脱离仿真环境，怎么用最小数据量在真仓里转起数据飞轮？

孙浚凯：关键在于一致性策略。我们将人工的即时纠偏能力与统一的强化学习目标深度融合，针对复杂场景只需做少量数据采集和微调。这样数据有效利用率最高，用最少的数据做最大化的泛化。

硬氪：为什么不用双足而用轮式？

孙浚凯：首先，B 端落地最终是算账的逻辑——替代了多少人，人效比是多少，投资回报周期多长。双足机械结构更复杂，自由度更多，系统稳定性是指数级下降的；而且目前国内双足总体出货量不到万台，供应链没法降本，成本压不下来。

第二，全身 20 个自由度和 60 个自由度，系统出故障的概率完全不是一个量级。B 端客户对精度、效率、泛化和可靠性都有很高要求，现阶段用双足其实是 " 杀鸡用牛刀 "，故障率还高。

第三，双足的小脑运控复杂度远高于轮臂。行业目前基本已经收敛到升降或折叠的轮式构型。

当然，我认为终局一定是双足加双灵巧手。因为物理世界最通用的构型一定像人一样，能兼容各种环境和工具，但前提是特斯拉、宇树这类公司把量推到百万台级别，双足成本降到几万块钱。到那时，轮臂的供应链优势就不明显了。但现在，为时尚早。