智东西

作者 | 李水青

编辑 | 漠影

过去一年，具身智能机器人正加速涌入工厂，从炫技的 " 表演者 " 转变为承担搬运、装配等任务的 " 产线员工 "。

这一趋势背后是产业共识的形成。正如黄仁勋所言：" 下一波 AI 是理解物理世界、能推理并执行任务的机器人系统。" 李飞飞也强调，空间智能将 " 真正打破物理与数字世界的界限 "。当前，我们正站在这个关键转折点上。

但智能自主的具身机器人规模化落地的最大矛盾，也在此刻被暴露出来：

具身智能体的部署成本仍然偏高，不能指望其在真实工厂里试错。如果每部署一个机器人，就要在真实产线上进行大量试错——停车、改线、重新调试、现场搭建安全防护 …… 每一项都是高昂成本，每一次失误都可能意味着生产中断、设备损坏乃至安全风险。

尤其当机器人从 " 预先编程 " 走向 " 自主决策 " 的具身智能阶段后，传统的调试与部署模式正面临巨大挑战，刚性产线、数据割裂、被动控制、软件落后等问题严峻 …… 这已成为具身智能规模化落地的 " 头号拦路虎 "。

出路何在？李飞飞曾指出，" 空间智能 " 是 AI 未来十年的下一个前沿，她创立的 World Labs 近期推出的 Marble 世界模型，展示了用极低门槛构建逼真的实时可操控的永久 3D 环境，为机器理解物理空间提供了全新范式。

实际上，工业界如今也在出现 " 工业版 Marble"。一场以数字孪生技术为核心，深度融合空间智能的变革正在发生，旨在为具身智能打造一个高保真、可计算的 " 数字练兵场 "。

在这一赛道中，既包括年初推出了面向工业 AI 的 Mega 平台的算力巨头英伟达；在国内，更出现了群核科技这样从空间智能出发、构建面向具身智能时代的工业孪生平台的独角兽企业。作为 " 杭州六小龙 " 之一，群核科技近期推出了专为工业具身智能时代打造的云原生工业 AI 孪生平台—— SpatialTwin，业内率先支持实时模拟真实工业环境动态、智能体规模化在平台上运行。

一场围绕 " 未来工厂数字孪生系统 " 的竞赛，正在悄然打响。

一、机器人进厂：理想很丰满，现实很骨感

在工业 4.0 浪潮的推动与全球人口老龄化导致的 " 用工荒 " 双重背景下，" 机器人进厂 " 已从未来展望转变为制造业的迫切刚需。政策强力引导、资本密集涌入、技术快速迭代，共同将具身智能推向风口浪尖。

机器人大单热潮印证了市场热情：智元机器人年中与富临精工等近百台远征 A2-W 将落地富临精工工厂；优必选拿下国内某知名企业 2.5 亿元人形机器人采购合同；智平方与惠科股份达计划三年内部署超 1000 台轮式人形机器人 …… 这些数字似乎预示着机器人工厂时代正加速到来。

然而，理想很丰满，现实远比想象复杂。

当我们穿越资本与舆论的喧嚣，深入工厂实地考察，会发现具身智能的规模化落地仍面临严峻的技术鸿沟。群核科技 SpatialTwin 产品负责人吴锴亮在近期的采访中向我们直言：当下工业具身智能还都在尝试，处于类似于自动驾驶 L2 的探索阶段，面临至少以下三大挑战：

首先是机器人本体的成熟度挑战。具身智能机器人面临着软硬件双重挑战：在硬件层面，运动控制、环境适应性、续航能力等基础问题尚未完全解决；在 " 大脑 " 层面，智能体的认知、决策能力距离复杂工业场景的要求仍有差距。

其次是多智能体系统协同及数据孤岛挑战。数以百计的智能体协同作战的复杂系统带来不可预测性。当有一个能自主作业的机器人之后，你怎么来模拟它们的行为？如何预测很多机器人在一起或与工业自动化设备一起协同运转？它的产出是什么？这个问题在没有很好的工具或者计算能力的情况下，是一件很困难的事情。

工业场景的另一大难题则是 " 数据割裂 " 问题。由于设备协议各异，数据格式千差万别。生产、物流与机器人的数据系统互不相通，形成坚固的 " 数据孤岛 "，全局协同与优化时寸步难行。

第三是传统工厂架构的适配挑战。现有工厂的 " 骨骼 "（为固定流程设计的刚性产线）与 " 神经 "（基于预编程的控制系统）是基于工业自动化时代的需求构建的，它们缺乏应对具身智能时代所需的柔性、数据连通性和全局优化能力。在具身智能时代，工厂的 " 骨骼 " 开始变柔性，" 神经 " 开始变成算法驱动。

解决上述困境的核心突破口，是为机器人创造一个在投入实体工厂前就能完成全流程训练、优化与验证的云上 " 数字练兵场 "。

只有机器人在虚拟环境里 " 练够了 "、" 训练好了 "、" 适应好了 "，才可能进入真实工厂。正如吴锴亮所言：" 只有通过孪生世界里的无限预演，才能真正预测和优化工厂的产出。" 这个练兵场要解决的，不仅是如何让单个机器人更好地工作，更是如何让机器人群落与整个工厂系统协作提升生产力。

群核科技 SpatialTwin 要做的正是这件事：从工厂设计规划开始，到工厂落成后数字工厂的动态模拟和智能运维，以及更长期的具身智能仿真训练，希望深入工业具身智能时代涉及的各链路，逐一提供相关解决方案。

群核科技 SpatialTwin 平台视频演示

二、破局关键：打造具身智能的 " 数字孪生练兵场 "

吴锴亮告诉我们，具身智能时代对数字孪生的要求与传统数字孪生已完全不同。

数字孪生在工业领域的落地由来已久。前几年市面上流行 " 数字孪生城市 "、" 数字孪生园区 "、" 数字孪生工厂 " 项目，通过扫描、AI 辅助等方式完成 3D 视觉空间重建，已经能够通过较低成本解决信息化、数字化和可视化层面的问题。现在以孪生和 AI 为依托，这个工业世界想解决是完全不同的一个问题——怎么样让有智能的或者自主的机器人在工业里面发挥它的生产力。

这场变革的本质是数字孪生核心需求的根本性转变——从服务于人的 " 可视化观测 " 转向服务于机器的 " 自主决策训练 "。

让我们把场景简单展开来看一下，工业具身智能数字孪生平台提出了全新的实际应用需求点。它不仅要让机器人在投入实体工厂前就完成 " 岗前培训 "，更要让整个工厂系统在数字空间中实现持续优化和演进。

实际需求一：一张图，1:1 构建适配机器人工作的真实 3D 工厂

传统工厂设计流程复杂：做规划的、搞仿真的、负责动画展示的各成体系，" 各自为政，数据从头开始重做一遍 "，费时费力。

具身智能时代的数字孪生平台要能够 " 一键搭厂 "，达到像李飞飞的 Marble 世界模型效率。从国内视野来看，群核科技的 SpatialTwin 平台类似一个 " 工业版 Marble"，能够通过群核空间大模型，结合海量工业素材库，实现从 CAD 图纸到可运行三维工厂的快速搭建。目前，SpatialTwin 已助力杭叉集团的智慧物流仓库方案设计时间从 1 周缩短至 2 小时。

通过 SpatialTwin 平台完成 " 一键搭厂 "

实际需求二：基于真实物理模拟，工厂实时动态智能运维

正如前文提到的，传统工厂运维的痛点之一在于数据孤岛，系统之间并没有充分打通，" 中枢大脑 " 优化无从下手。而在全新场景需求驱动下，支持 " 全局视角 " 的群核科技 SpatialTwin 平台具有差异化，其开放兼容来自工业系统、三方软件和设备的多源异构数据，高精度模拟工业场景流程与节拍，要建立起包括 AMR、AGV、机械臂、人形机器人与生产设备等在内的规模化智能体的统一调度，从而实现实时运维。

通过实时仿真渲染，SpatialTwin 实现对工厂真实映射和动态仿真推演。当工厂准备引进机器人之前，可以率先在这个数字 " 双胞胎 " 里对产线布局进行相关调试验证。投入生产之后，运营人员精准追踪每一台设备、机器的运行状态，通过智能监测与验证，实现智能工厂全局协同和最优化运营。斯坦德机器人与 SpatialTwin 正联合为国内某新能源车厂打造数字孪生工厂，通过数字孪生构建多系统协同环境。

通过 SpatialTwin 平台实时运维工厂

实际需求三：仿真练兵，从有限测试到无限进化

机器人训练面临数据稀缺问题，受限于物理场地和时间成本，难以进行充分测试。如果机器人可以在虚拟环境中进行 " 无限穷举 " 式的训练，是不是可以大大降本增效？

合成数据解决方案是一大解决路径，群核科技 SpatialTwin 融合群核空间智能平台 SpatialVerse 的合成数据解决能力，支持这一路径，通过数据泛化与场景随机技术，可生成海量物理正确的训练场景。这种能力使得无论是通用任务的适应性训练，还是工业场景的专项技能的深度优化，机器人都能持续进化。

通过 SpatialTwin 平台进行模拟仿真训练

综合来说，一个工业具身智能数字孪生平台的本质，其实是构建未来工厂连接虚拟与现实、算力与生产力的 " 桥梁 "。

而要成为稳固的 " 桥梁 "，这对数字孪生平台提出了全新维度的技术要求革新：

技术维度一：云原生架构——仿真算力成为 " 水电煤 "

具身智能的仿真训练对算力有着近乎贪婪的需求。单个机器人的感知决策循环就需要大量的计算资源，当扩展到数十上百个智能体协同作业时，算力需求呈指数级增长。本地部署的固定算力难以支撑这种弹性需求。云原生架构可实现 " 算力即水源 " 的供给模式，基于云原生技术实现 " 零部署 "，能够按需调用高密度仿真算力，满足海量智能体在感知与推理过程中的需求。

技术维度二：物理正确性——虚拟训练必须 " 真有用 "

如果数字孪生环境与真实世界存在物理偏差，那么在其中训练出的机器人技能将无法有效迁移到现实，甚至可能导致 " 负训练 " 效果。物理正确性成为数字练兵场的生命线。这要求平台能够高精度模拟工业场景中的光照、材质、摩擦系数、动力学特性等物理参数，确保虚拟环境与真实世界的高度一致。

技术维度三：AI 原生——从 " 模拟场景 " 走向 " 训练大脑 "

新一代数字孪生平台的核心价值不在于场景的逼真度，而在于能否有效训练和提升机器人的智能水平。这要求平台深度融入 AI 技术，实现从环境模拟到智能体进化的跨越。SpatialTwin 依托群核自研的空间大模型，不仅能够理解物理空间，还能支持机器人在数字空间中完成 " 感知 - 理解 - 决策 - 行动 " 的全流程闭环演练。

SpatialTwin 平台支持机器人的 " 感知 - 理解 - 决策 - 行动 " 闭环演练

可以看到，无论从应用需求还是技术维度来说，具身智能时代的数字孪生平台都在发生剧变。正如吴锴亮在采访中谈到的一个生动比喻：" 如果原先的数字孪生是传统油车的话，现在是智能电车。虽然是同样都叫数字孪生，但引擎完全不同。"

要让具身智能企业在工厂真正跑起来，选择传统油车还是智能电车？答案不言而喻。

三、空间智能，撬开万亿 "AI+ 工业 " 市场

" 工业 + 空间智能 "，正是一片方兴未艾的新 " 蓝海 "。

知名行研机构 IDC 最新预测，2025 年全球 "AI+ 工业 " 市场规模将突破 1 万亿美元，中国凭借完整的制造业产业链与政策优势，市场占比有望达到 35%。与此同时，国务院发展研究中心发布的《中国发展报告 2025》预测，中国具身智能市场规模在 2030 年有望达到 4000 亿元。这片万亿级的新市场中，空间智能作为关键的 " 桥梁 " 基础设施，价值不言而喻。

这一广阔的市场前景背后，是深刻的产业逻辑变革。群核科技创始人黄晓煌在 2025 世界互联网大会上敏锐地指出，企业的客户正在从 " 人 " 转向 " 机器 "。未来机器的数量可能达到人类的 10 倍，届时能否从向每个人收费，转变为向每一台机器收费，是其 2023 年启动战略转型的核心方向。

从酷家乐等家居设计软件跨界到工业领域，群核科技并非一日之功。早在 2016 年工业 4.0 概念兴起之时，群核就已开始探索从设计到生产的全链路数字化，在家居行业的工业 4.0 实践中积累了深厚的智能制造理解。这些经验为其进军更广阔的工业领域奠定了坚实基础。

同时在空间智能领域，其过去十余年在技术、数据和生态上的深厚积累，构建了 " 空间编辑工具 - 空间数据 - 空间大模型 " 的业务飞轮：

超 10 年积淀的实时仿真能力：其于 2013 年推出工业级云端 CAD 软件实现国产替代，如今已拥有全球最大的空间设计平台。其自研的渲染引擎实现了实拍级、物理正确的渲染效果，并且成本仅为行业平均的十分之一，可渲染真实物理世界 99% 的材质。这项技术从家居到工业场景得以无缝复用。

海量物理正确的合成数据能力：在空间数据层，群核科技沉淀了海量物理正确的三维可交互数据，包括超过 5 亿的 3D 场景和 4 亿的 3D 模型，拥有全球最大的室内场景认知深度学习数据集 InteriorNet。公司基于此推出了群核空间智能平台 SpatialVerse，通过模拟物理世界为包括具身智能、AIGC 大模型、AR/VR 等领域的智能体提供合成数据训练。这为生成物理正确的工业训练数据提供了独特燃料。

百亿级参数空间大模型的理解与生成能力：在空间大模型层，群核自研了百亿级参数的多模态空间大模型，并开源了空间语言模型 SpatialLM，该模型让机器具备了类人的空间认知和理解能力。

工具沉淀数据，数据反哺模型，模型优化工具——这个飞轮效应使得群核科技能够快速切入工业赛道，构建起具身智能时代的技术护城河。

结语：机器人进厂的 " 长征 "，从更深的生态合作开始

机器人 " 进厂 " 的长征，才刚刚迈出第一步。从单点任务的突破，到整个工厂系统的智能化重构，这条路漫长而艰巨。吴锴亮坦言，量级更高的智能体规模化运行仍在探索中，而孪生技术与真实世界的高度同步、不同系统间的无缝集成，仍需大量工作。

未来的工厂，将是一个由空间智能驱动、由海量具身智能体与人类协同运营的复杂生命体。这条路无法由任何一家企业独立走完。机器人公司构建大脑、空间智能公司提供仿真世界、工厂提供场景、算力企业提供基础设施 …… 当所有角色形成闭环，工业具身智能才会真正到来。