点击 Tech 星球 > 点击右上角 " ··· " > 设为星标

Tech 星球（微信 ID：tech618）

文 | 华卫

封面来源 | 豆包 AI

具身智能行业，正在经历一场微妙而又深刻的变化。

过去，机器人公司热衷于展示自己的技术上限：能跳多高、跑多快，又能完成多少复杂动作。但到了下半年，行业开始出现另一种声音。比起证明机器人有多聪明，越来越多人开始关心它们走进真实场景后的表现。

最近 30 天里，行业接连发生了几件具有风向标意义的事情：OpenAI 和 DeepSeek 被报道正在向物理世界探索；部分投资机构开始收紧具身投资；智元提出用 " 有效智能工时 " 给机器人记账，并在 11 月初让 6 台 G2 机器人在真实便利店完成了 24 小时连续作业直播。

这些看似不同的动向，指向了同一个变化：具身智能的竞争，正在从展示技术上限转向验证实际作业能力，真实场景的商业化落地是真正考验。

今年 WRC（世界机器人大会）上，机器人与智能烹饪设备协同做菜的场景让餐饮业直呼太卷。而在某拥有上万家门店的国民炸食品牌线下实验店里，由果实进化训练的机器人已在真机运行炸鸡排任务：夹钳伸进面粉盘，夹起裹好面粉的鸡排，抖掉浮粉，平稳送进炸锅；炸至成熟后再逐一夹起，放上沥油架。拿取鸡排、裹粉、沥油放置等 18 个子项动作全自主完成，多块鸡排并行炸制有条不紊尤其惊艳。

这也是果实进化选择从服务业切入具身智能赛道的独特切入点。

当行业都在争分夺秒地教机器人如何干活时，果实进化没有一开始就追求通用能力，而是先把机器人放进餐饮门店、食品工厂等真实场景，寻找能够规模化落地的任务。它最先推向市场的是 1.0 AI 视觉巡检产品，通过真实场景积累模型能力，再进一步训练出基于领域自有数据的 2.0 具身模型。

从视觉巡检到具身进场，果实进化试图尝试走一条从 AI 辅助人工作业到具身真正接管实际作业的路径。

当行业还在争论 " 通用大脑 " 何时到来，果实进化已经率先让机器人在一个个具体场景中学会干活，并在后厨领到了第一笔 " 工资 "。

大模型厂商下场，正在改写具身竞争规则

具身智能赛道的 " 技术路线之争 "，从未停歇。

在从实验室走向真实世界的过程中，机器人首先要知道自己面对的是什么、要完成什么任务，才能决定怎么做，以及做了之后会发生什么。目前，以 GPT-6 Astra 和 Fable 5.2 为代表的通用大模型某种程度正在改写具身智能公司的竞争规则，也推动行业直面更大的机会窗口：大模型或许是更适配具身智能的基础模型。

具身模型可以分为三个层级：S2 是推理层，负责环境感知与高层决策，类似大脑；S1 是执行层，把大脑指令转化为具体动作输出；S0 是机器人本体层，负责动作的平稳执行。当前大模型公司在训练全模态模型时，已开始将机器人数据、合成数据乃至第一人称视角数据作为一个数据类别加入训练，实质是把 S2 这一层的能力边界大幅拉宽。这条技术路径的趟通，将把具身领域带上人类通用智能迭代的 " 快车道 "。

就在上周日（11 月 9 日），Anthropic 发布 Claude Fable 5.2，据公开测评，在双臂仿真基准上取得 64.9% 的成功率，是此前 GPT-6 Astra 的两倍以上，并完成了拧瓶盖、解魔方等真机演示。但值得注意的是，官方审慎地使用了 " 优于大多数专为机器人设计的 AI 系统 " 的表述—— " 大多数 " 之外的那部分，恰恰是迄今所有通用模型都未跨过的精细操作鸿沟。

但在最新的测试中，这些模型在仿真环境里表现已相当好，进入真实世界后，效率与成功率仍会大幅下降，且 Token 消耗成本高昂。换句话说，让机器人 " 听懂 " 任务和 " 做到 " 之间，还隔着一条鸿沟：传给机器人大脑的诸多规划，最终或许还是得靠特定场景下的训练来转化为可靠的物理动作。更关键的是，基模每拉宽一层推理能力，就需要更多真实场景数据来做对齐——认知越普及，真实闭环就越稀缺。

" 这条鸿沟，正在揭开具身领域下一轮竞争的焦点——真实场景。" 果实进化 CEO 张媛认为，未来的竞争，很重要的一层是比谁能基于通用模型的认知能力，结合真实场景，把执行能力更好地训练出来。

这正是果实进化所选择的路径。门店等服务业的落地网络，为果实进化提供了持续进入真实场景的入口：1.0 阶段的 AI 巡检产品积累第一手场景理解，2.0 真实作业成为模型的训练场与验证场。每一次真实作业，都是模型深度训练的下一课。

不搞炫技扎进服务业，下沉还是机会？

具身智能要商业化，首先得进入真实的业务场景。在寻找突破口的路上，大部分机器人公司更多选择进入工业场景或者家庭。但果实进化选择了另一条路：从服务业切入。

不同于高度自动化的工业场景，服务业面对的是高度动态、非标准化的环境，顾客、员工、商品、设备和空间都在不断变化。工业场景中偶发的 corner case，在服务业是每时每刻都在发生的日常。

果实进化认为，服务业场景的劳动类型丰富度是工业场景的十倍以上，同一家门店每天产生的有效行为交互数据，远超一条工业生产线。而越复杂的场景，越容易建立以 " 泛化 " 为第一性的竞争壁垒。因此，果实进化的长远判断是：服务业可能是具身机器人走向通用能力的最短路径，先把这些场景里的具体工作做稳，再逐步扩展任务范围。

这家公司从诞生之初，就明确要做服务业具身智能的模型公司——从真实门店和工作场景里长出来，让机器人学会在具体岗位上 " 干活 "，以此持续积累模型能力。

沿着这条路线，果实进化推出了两代产品：1.0 视觉巡检把总部标准变成可复制的现场管理智能，2.0 具身智能开始让机器人进入场景承担具体工作。

" 现场管理是服务业客户的刚需 "，果实进化 COO 王柯君向 Tech 星球透露，头部餐饮品牌对 AI 的态度积极，他们最清楚自己哪个环节最难管理，愿意主动尝试。对客户来说，1.0 买的是现场安全风险控制与管理智能化，未来 2.0 买的是稳定的现场生产力。

据了解，果实进化 1.0 的 Almond 智能巡检系统，面向门店督导和工厂现场管理人员，用视觉行为模型替代人眼巡检。更关键的是，Almond 给出的不是一条告警，而是一套管理闭环：接入现场摄像头发现问题与证据，核对负责人和期限、分派问题并通知到人，责任人提交整改后视频、对照原问题复核，人工确认后关闭，自动生成本次检查与整改简报。部署上，Almond 尽可能降低客户使用门槛：复用门店原有摄像头即可，不需要大规模改造现场硬件。值得一提的是，视频数据不出客户域，保证了客户数据安全。目前，这套方案已经进入餐饮和食品工厂等多个真实场景。

在食品工厂领域，" 一米八 " 的酸菜和泡菜生产投入使用这套方案，上线云南昆明和江西宜春工厂，更多工厂将在近期陆续上线。在连锁餐饮领域，AI 巡检系统加快覆盖喜家德门店的门迎、前厅服务、食品安全等具体场景。" 原来是人找问题，现在是问题找人 "，最明显的变化是从原来一个月一次人工抽检巡店，变成 7 × 24 小时实时管理，推动门店持续提升食品安全和服务水平。

对果实进化来说，在创造行业价值的同时，场景模型能力也在持续提升，这是后续具身模型训练的物理基础。

炸鸡排、摇咖啡，真实门店成了具身模型训练场

10 月 28 日，果实进化展示了一次炸多块鸡排的后厨实测：18 步骤、4 块鸡排并行、多轮炸制，机器人全自主执行，完整任务完成率达到 75%。从首次采集训练数据到真机落地，整个过程用了不到 3 周。

与单块鸡排按固定顺序炸制不同，多块并行意味着机器人需要同时跟踪多个任务，自主判断此刻应该放入哪块鸡排、取出哪块鸡排，以及如何安排不同任务的先后顺序。任务之间的相互影响增加，随机决策的比重也明显上升。对机器人来说，单任务执行是基础，能够同时处理多个任务，才有机会真正接手一个完整岗位。

真实现场任务对机器人的环境感知和实时决策，提出了更高要求。在餐饮门店、食品工厂这类场景中，现场往往存在人员走动、物品移动和设备状态变化。对此，果实进化采用双视角感知技术，持续加深具身模型对现场的全局理解；同时，在 Agent 架构中设置常驻观察线程，实时判断当前动作是否符合现场情况，一旦发现偏差就中断原有动作序列，确保动作被限定在安全范围内。

这套机制背后有一个重要基础：果实进化的模型使用真实门店进行训练，训练环境与最终部署环境高度一致，因此能够更好地适应现场的 " 复杂、干扰、多变 "。

多线程任务的另一道考验，是长时间执行的稳定性。门店实践中，人工容易因为高温环境、工作疲劳出现烫伤；多块鸡排并行炸制时，也可能跟丢进度、记错下锅顺序。机器人则可以在这些场景中持续、稳定完成工作，目前已可完成连续 2 个小时的持续作业。

在安全机制上，机器人遵循常规任务自主执行、异常情况人工介入的原则。当模型置信度不足、出现异常或涉及人机安全时，机器人会暂停动作并请求人工介入。人工监督则被集中到远程运维体系中：远程运维平台本身也是一个 Agent，运维人员主要负责评估 Agent 的表现、提供反馈，间接参与模型能力优化。随着 Agent 效能的持续迭代，一名运维人员可以同时支持多台机器人。

餐饮场景中，果实进化 2.0 机器人正在探索门店高频岗位的工作，包括机械操作、原材料分拣、成品炸制等。其具体能力并不是先设计一台通用机器人再寻找用途，而是根据合作品牌门店的实际岗位工作流来确定。" 用真场景的真需求去激发技术上的真突破，以终为始的研发方式是 Physical AI 的最优选择 "，张媛向 Tech 星球表示。

值得一提的是，果实进化坚持不对原有场景和设备环境进行改造，让机器人主动适应环境，最大限度降低客户的试错成本。

从单任务到多线程，从执行预设动作到根据现场变化自主调整，机器人真正要跨过的，是独立承担一个完整岗位工作的门槛。

具身模型拼的是真实场景的闭环转速

具身智能的竞争已经分化为两条路线：一条在实验室里攒论文和参数，一条在真实场景里攒数据和迭代。两条路线的分岔口，就是行业的分水岭。

" 基模比的是论文与天才密度，场景模型比的是懂场景、快进化 "，果实进化 CTO 冉清向 Tech 星球解释道。

据介绍，在模型架构上，果实进化采用了分层 Agent Policy 路线：一个规划能力强的 main agent（主智能体）负责整体任务规划与控制，VLA 作为执行模块完成具体动作，常驻观察线程则负责实时监测和纠偏。

之所以不把所有能力都交给单一 VLA，是因为服务业任务往往具有较长的动作链条。行业实践表明，单一 VLA 在连续执行较长动作序列后，准确性会明显下降。因此，其 VLA 结构由前置 VLM（视觉语言模型）和后置 Action 预测模块组成，后者基于 Diffusion Policy（扩散策略），通过逐步生成的方式预测连续动作序列。在训练方面，果实进化复用了 1.0 阶段已经积累的视觉理解能力，将已训练好的 VLM 直接接入 Diffusion Policy 模块，重点训练后半部分的动作预测能力。

但模型架构只是基础，具身智能真正稀缺的仍然是高质量真实数据。果实进化的解法是通过多视角的工程化技术与数据处理管线，在保证数据质量的同时，将数据成本结构做到与传统采集方式不在同一量级，并解决了自遮挡盲区的难题，动作规划和路径计算也能因此更准确。

具身模型必须在世界里学习，不能只依赖数据集：进入现场，在一次次实际执行中积累经验、发现问题并持续修正。这也是果实进化希望形成的数据、模型和场景相互促进的闭环。

" 客户买的不会是一次性设备，而是一个持续变聪明的系统 "，果实进化在商业模式上也给出承诺：已落地项目通过 OTA 持续享受模型迭代收益。部署越多、数据回流越多、模型越强、客户收益越大，数据飞轮越转越快。这条飞轮也向外开放——欢迎带着真实场景的产业伙伴进来共建。

具身智能的务实派：商业验证与技术积累同频

自动驾驶行业有一个经典论断：攀登珠峰，沿途下蛋。在技术密度极高、商业化周期又很长的赛道里，企业不能只盯着最终目标，而是要在攀登技术高峰的过程中，寻找能够提前商业化的应用场景，用阶段性收入支撑长期研发。这句话同样适用于具身智能——从起步阶段，果实进化就开始自我造血。在张媛看来，Physical AI 领域的商业价值，恰恰就是模型与物理世界碰撞的最佳证明，相互校验、加速迭代。健康的商业基底，养的正是模型进化的自主权和可持续性。

张媛强调用 " 模型 " 来表述具身智能，而非 " 大脑 "，这背后是一套经营思考。在她看来，" 大脑 " 是指向通用智能终局的叙事词，" 模型 " 则是工程和商业语言，意味着可训练、可验证、可迭代、可计价的能力单元，是商业化的基底。竞争的中间环节是场景选择：谁能在技术达不到全泛化的水位下，找到技术可行、需求真实、能形成数据飞轮的垂直场景，谁就能活下来。

目前，果实进化不仅与客户共同挖掘场景，且已建立壁垒：一是速度壁垒，从单任务真机落地到完整岗位胜任，只需 8 到 12 周；二是数据迭代壁垒，每落地一家，真实作业数据回流一轮，模型更聪明一分。

" 要具备自我造血的能力 "，张媛强调，公司现阶段投入的每一分资源，都要同时服务于技术积累和商业化验证。"AGI 是坚持要仰望的星空，而商业化是脚踏的实地，也是行业价值验证的锚点和企业健康度的指针。欢迎带着真实场景的产业伙伴进来共建 "。

这场大浪淘沙，谁能笑到最后？先将机器人送进真实商业世界的具身公司，或最先告诉我们答案。

欢迎按指引星标 Tech 星球

第一时间接收文章更新

加入交流群 & 内容转载 & 合作相关

Tech 星球小助手 | 微信：miniworld007