• 時(shí)代的機(jī)遇，
• 只眷顧那些早已準(zhǔn)備好的人。

被數(shù)據(jù)“卡住”的具身智能，

需要一種現(xiàn)實(shí)解法

2026年，無疑是機(jī)器人從技術(shù)驗(yàn)證走向產(chǎn)業(yè)應(yīng)用的關(guān)鍵一年。當(dāng)下的機(jī)器人，已經(jīng)走出實(shí)驗(yàn)室的演示階段，開始逐步進(jìn)入到工業(yè)、公共服務(wù)等真實(shí)環(huán)境中。

然而技術(shù)驗(yàn)證并不等于大規(guī)模商業(yè)化的到來。在不少行業(yè)人士看來，真實(shí)環(huán)境遠(yuǎn)比實(shí)驗(yàn)室復(fù)雜——光線變化、地面雜物、非標(biāo)操作……每一個(gè)細(xì)節(jié)都可能讓機(jī)器人“失靈”。

泛化能力不足，仍是橫亙在具身智能規(guī)�；涞孛媲白铍y繞開的核心瓶頸。而這一困局的根源，指向行業(yè)普遍共識的數(shù)據(jù)桎梏。

問題首先出在數(shù)據(jù)匱乏和標(biāo)準(zhǔn)的不統(tǒng)一。百小時(shí)量級的數(shù)據(jù)僅能支撐單一動作的泛化——比如讓機(jī)器人學(xué)會分揀。而要實(shí)現(xiàn)真正意義上的通用具身智能，所需數(shù)據(jù)量需要數(shù)量級的躍升。

更棘手的是，各家企業(yè)的機(jī)器人本體構(gòu)型不同，數(shù)據(jù)格式與采集邏輯難以互通，行業(yè)內(nèi)部事實(shí)上已經(jīng)形成了一道道隱形的數(shù)據(jù)壁壘，各自為戰(zhàn)、無法共享。

另一重壓力來自獲取的成本。大語言模型的訓(xùn)練，可以借助互聯(lián)網(wǎng)上海量的公開文本完成預(yù)訓(xùn)練，數(shù)據(jù)獲取的邊際成本極低。但機(jī)器人所需的數(shù)據(jù)截然不同——它必須來自真實(shí)物理世界的交互，采集鏈路長、標(biāo)注難度高、復(fù)現(xiàn)成本大。這道門檻，對中小企業(yè)而言幾乎是一堵墻。

數(shù)據(jù)成本究竟有多高？國地中心數(shù)據(jù)負(fù)責(zé)人曾給出過一個(gè)直觀的估算：特斯拉人形機(jī)器人Optimus若要完全準(zhǔn)備好在工廠獨(dú)立工作，至少需要數(shù)百萬小時(shí)的訓(xùn)練數(shù)據(jù)，對應(yīng)的數(shù)據(jù)采集成本可能高達(dá)5億美元。這個(gè)數(shù)字，已經(jīng)足以讓絕大多數(shù)玩家望而卻步。

如果說算法是具身智能的大腦，數(shù)據(jù)就是讓大腦持續(xù)進(jìn)化的燃料。真實(shí)世界的數(shù)據(jù)更像是一種與硬件深度綁定的工業(yè)產(chǎn)出——誰擁有設(shè)備、控制部署、理解場景，誰才有能力持續(xù)生產(chǎn)高價(jià)值數(shù)據(jù)。

“具身智能的數(shù)據(jù)，就是物理AI時(shí)代的基礎(chǔ)設(shè)施”，聆動通用CEO季超告訴36氪，在基礎(chǔ)設(shè)施還不夠完善的情況下，即使技術(shù)路線產(chǎn)生了突破之后，依然沒有辦法產(chǎn)生產(chǎn)品和市場級的商業(yè)突破。

聆動通用成立于2024年12月，作為科大訊飛在具身智能領(lǐng)域的戰(zhàn)略布局，是安徽省首家實(shí)現(xiàn)“大腦-小腦-本體”全鏈路自主可控的硬科技初創(chuàng)企業(yè)。其提出大腦-小腦-本體的分層端到端架構(gòu)，正是在當(dāng)前動作數(shù)據(jù)極度匱乏的現(xiàn)實(shí)約束下，為具身智能大規(guī)模產(chǎn)業(yè)落地蹚出的一條關(guān)鍵路徑。

對于核心競爭力，季超用“生態(tài)位”而非單點(diǎn)能力來定義：“訊飛生態(tài) + 聆動通用垂直整合的全棧自主可控�！�

這背后是三個(gè)層次的協(xié)同——數(shù)據(jù)端海量積累的真實(shí)作業(yè)數(shù)據(jù)讓模型真正貼近落地場景；模型端從預(yù)訓(xùn)練到后訓(xùn)練全鏈路自主可控，上述數(shù)據(jù)的優(yōu)勢進(jìn)一步強(qiáng)化了模型的優(yōu)勢；硬件端則擁有觸達(dá)芯片級的工規(guī)級研發(fā)能力，真正滿足“進(jìn)工廠、真干活”。在季超看來，聆動通用依托“全模態(tài)數(shù)據(jù)采集管線 + AI原生預(yù)訓(xùn)練-后訓(xùn)練模型全棧能力 + 工規(guī)級軟硬一體垂直整合的獨(dú)特生態(tài)位”才是行業(yè)里真正難以復(fù)制的壁壘。

借助其最新推出的具身智能通用機(jī)器人LDB與具身智能采訓(xùn)推機(jī)器人LDT，聆動通用實(shí)現(xiàn)從數(shù)據(jù)采集、模型訓(xùn)練、硬件部署與場景應(yīng)用的完整閉環(huán)：讓機(jī)器人“干活”與“變聰明”同步發(fā)生，以此打通具身智能從實(shí)驗(yàn)室走向真實(shí)產(chǎn)線的最后一公里。

大小腦結(jié)合：機(jī)器人

走向真實(shí)場景應(yīng)用的更優(yōu)解

為什么是大腦-小腦-本體的分層端到端架構(gòu)？

在具身智能的技術(shù)分野中，“完全端到端”一度被視為最具想象力的方向：一個(gè)模型，從感知到?jīng)Q策再到執(zhí)行，一步到位。但當(dāng)機(jī)器人走出實(shí)驗(yàn)室，進(jìn)入真實(shí)產(chǎn)線時(shí)，問題開始集中暴露：機(jī)器人可以理解，卻無法穩(wěn)定執(zhí)行。

這主要是因?yàn)�，工業(yè)場景對機(jī)器人實(shí)時(shí)性、穩(wěn)定性與可控性的要求，遠(yuǎn)高于任何消費(fèi)級應(yīng)用。一方面，由于大模型的推理本身存在延遲，難以支撐高速流水線下的連續(xù)操作；另一方面，端到端模型的“黑盒”屬性，在工業(yè)場景中意味著更高的不確定性。一旦出現(xiàn)誤判，很難定位問題來源，更難進(jìn)行工程層面的修正。

這也是為什么，聆動通用所采用的“大小腦”分層端到端架構(gòu)，為機(jī)器人走向產(chǎn)業(yè)落地提供了一種更現(xiàn)實(shí)的工程解法，它將具身智能的能力拆解為兩個(gè)協(xié)同運(yùn)作的層級——大腦主感知決策，小腦主動作執(zhí)行。二者背后各有一條獨(dú)立的數(shù)據(jù)管線支撐，各司其職、互不拖累。

首先，是作為大腦的行業(yè)級iFlyBot_VLM具身基礎(chǔ)模型，負(fù)責(zé)感知環(huán)境與任務(wù)決策。它基于互聯(lián)網(wǎng)海量數(shù)據(jù)預(yù)訓(xùn)練而成，形成對特定任務(wù)的先驗(yàn)知識，賦予機(jī)器人理解指令、推理意圖的能力。

其次，是作為小腦的iFlyBot_VLA技能操作模型，負(fù)責(zé)將大腦的決策指令轉(zhuǎn)化為柔性、可泛化的精準(zhǔn)動作，并通過具身智能采訓(xùn)推機(jī)器人在真實(shí)場景中持續(xù)采集的真機(jī)數(shù)據(jù)進(jìn)行針對性微調(diào)，讓機(jī)器人具備可靠的落地執(zhí)行能力。

聆動通用依托全棧自研的 iFlyBot_VLM 與 iFlyBot_VLA 模型能力，并接入訊飛生態(tài)近千人規(guī)模的數(shù)據(jù)團(tuán)隊(duì)，已構(gòu)建起覆蓋互聯(lián)網(wǎng)數(shù)據(jù)、仿真合成數(shù)據(jù)、Embodied UMI 真機(jī)數(shù)據(jù)及高精度同構(gòu)遙操作數(shù)據(jù)的全鏈路數(shù)據(jù)體系。

這背后，是聆動通用構(gòu)建的“數(shù)據(jù)-模型-硬件-應(yīng)用”全鏈路閉環(huán)。通過機(jī)器人遙操作采集真實(shí)數(shù)據(jù)，然后反哺模型提升智能化水平，繼而輸出指令給硬件，實(shí)現(xiàn)“知行合一”，真正做到機(jī)器人既能干活，又能產(chǎn)生數(shù)據(jù)。

2026年4月16日，聆動通用全球首發(fā)新一代具身智能通用機(jī)器人——LDB01。其硬件規(guī)格按照工規(guī)級標(biāo)準(zhǔn)設(shè)計(jì)，算力、感知及功能安全模塊均針對工業(yè)嚴(yán)苛環(huán)境優(yōu)化，是真正意義上滿足工業(yè)場景MTBF和壽命要求的具身智能機(jī)器人。

截至目前，聆動通用已經(jīng)與物流、汽車、3C電子領(lǐng)域的頭部客戶進(jìn)行驗(yàn)證，預(yù)計(jì)可實(shí)現(xiàn)三周內(nèi)快速上線部署。

某種意義上，分層端到端架構(gòu)為具身智能產(chǎn)業(yè)化落地提供了一種“沿途下蛋”的商業(yè)選擇。它允許在達(dá)到“完全端到端”之前，先在特定的工業(yè)場景（如物流、汽車、3C電子）實(shí)現(xiàn)階段性落地，為具身智能企業(yè)創(chuàng)造商業(yè)現(xiàn)金流。

在季超看來，或許未來還有更高效的數(shù)據(jù)采集方式，但就當(dāng)下而言，這是目前行業(yè)兼顧規(guī)模、成本、質(zhì)量與效率的最優(yōu)解決方案。

具身智能背后的萬億藍(lán)海：

聆動通用如何驅(qū)動產(chǎn)業(yè)落地？

當(dāng)大小腦模式在真實(shí)場景中得到有效驗(yàn)證，具身智能也逐漸迎來產(chǎn)業(yè)落地的下半場。

2026年，無疑是具身智能逼近規(guī)�；涞氐呐R界點(diǎn)。市場規(guī)模的爆發(fā)式增長與資本爭相涌入的熱情早已相互印證，這是一個(gè)萬億藍(lán)海賽道。據(jù)中商產(chǎn)業(yè)研究院分析師預(yù)測，2026年中國具身智能市場規(guī)模將達(dá)到10904億元。

但是在市場規(guī)模爆發(fā)之外，產(chǎn)業(yè)落地需要的不再只是誰的模型更強(qiáng)、誰的硬件在展會上更酷炫，而是誰能率先建立數(shù)據(jù)標(biāo)準(zhǔn)、打通產(chǎn)業(yè)生態(tài)、將技術(shù)能力真正轉(zhuǎn)化為可大規(guī)模復(fù)制的交付能力。

這正是聆動通用給自己設(shè)定的目標(biāo)。在季超看來，聆動通用只做兩件事：第一個(gè)是數(shù)據(jù)，第二個(gè)則是應(yīng)用。這本身就不是一家傳統(tǒng)機(jī)器人公司的創(chuàng)業(yè)思維。傳統(tǒng)機(jī)器人公司的核心競爭力是本體制造與運(yùn)動控制，而聆動通用把數(shù)據(jù)和應(yīng)用并列為戰(zhàn)略核心，依托自主可控的全模態(tài)數(shù)據(jù)采集管線、預(yù)訓(xùn)練-后訓(xùn)練模型全棧能力、工規(guī)級軟硬件一體化垂直整合的獨(dú)特生態(tài)位，實(shí)則是在構(gòu)建具身智能時(shí)代的底層供給能力。

聆動通用從創(chuàng)立之初就沒有把自己框定為一家傳統(tǒng)的機(jī)器人公司，而是立志成為具身智能產(chǎn)業(yè)基礎(chǔ)設(shè)施的構(gòu)建者。這背后，得益于科大訊飛體系的成熟孵化以及從技術(shù)研發(fā)到產(chǎn)品落地的連續(xù)性�！白龃竽Ｐ�、自動駕駛和傳統(tǒng)工業(yè)機(jī)器人的公司均在積極布局具身智能�！奔境f，“但我們在底層源頭技術(shù)的演進(jìn)上，一直有非常清晰的連續(xù)性�！�

對于2017年就加入科大訊飛、長期深耕機(jī)器人感知、交互與運(yùn)動控制領(lǐng)域的他而言，具身智能從來不是一個(gè)風(fēng)口，而是一件從未中斷過的事業(yè)。

資本市場對這份積累給出了快速回應(yīng)。成立不到一年，聆動通用已完成三輪融資。其中去年8月披露的數(shù)億元人民幣天使輪融資，由元禾璞華領(lǐng)投、訊飛創(chuàng)投加碼——老股東的持續(xù)押注，新一輪融資即將敲定，是對這支團(tuán)隊(duì)最有力的背書。

作為具身智能產(chǎn)業(yè)基礎(chǔ)設(shè)施的構(gòu)建者，聆動通用也在用實(shí)際行動兌現(xiàn)這一價(jià)值定位。

在科技創(chuàng)新層面，聆動通用聚焦打造高泛化性的具身大模型和通用魯棒的機(jī)器人本體，推出了全棧自研的“行業(yè)級iFlyBot-VLM視覺語言基座大模型和iFlyBot-VLA視覺-語言-動作操作大模型”分層端到端架構(gòu)。

在成果轉(zhuǎn)化上，聆動通用最新發(fā)布的LDB通用機(jī)器人歷經(jīng)六輪內(nèi)部迭代，自研率超過90%，算力、感知與功能安全模塊全部按照工規(guī)級標(biāo)準(zhǔn)設(shè)計(jì)，是真正意義上能夠在工業(yè)嚴(yán)苛環(huán)境下持續(xù)穩(wěn)定作業(yè)的生產(chǎn)力工具。

在產(chǎn)業(yè)賦能上，聆動通用的目光落得更遠(yuǎn)。作為副組長單位，深度參與工信部首個(gè)具身智能行業(yè)標(biāo)準(zhǔn)的起草制定，該標(biāo)準(zhǔn)將于今年6月1日正式試行；同時(shí)推出國內(nèi)首個(gè)具身智能基準(zhǔn)測試評測標(biāo)準(zhǔn)，成為國內(nèi)首批、安徽省首個(gè)通過可信AI評測的企業(yè)之一，讓具身智能告別技術(shù)混戰(zhàn)，走向有標(biāo)可依的規(guī)范化發(fā)展。

季超強(qiáng)調(diào)，聆動通用打造的是未來懂知識、善學(xué)習(xí)、能進(jìn)化的硅基勞動力，不是一種工具，而是直接創(chuàng)造結(jié)果的生產(chǎn)伙伴，“我們致力于改變在制造業(yè)領(lǐng)域勞動力逐漸缺失，人類越來越不愿意從事繁重的體力勞動的現(xiàn)狀，用具身智能 + 機(jī)器人重新賦能傳統(tǒng)制造業(yè)智能化升級”。

作為人工智能走向現(xiàn)實(shí)世界的重要載體，具身智能所帶來的新質(zhì)生產(chǎn)力升級遠(yuǎn)不止于制造業(yè)。從物流、醫(yī)療到公共服務(wù)，智能正在突破認(rèn)知層的邊界，第一次真正進(jìn)入物理世界、作用于真實(shí)生產(chǎn)。

這場生產(chǎn)力革命的起點(diǎn)，已經(jīng)從每一條有序運(yùn)轉(zhuǎn)的工業(yè)產(chǎn)線上悄然發(fā)生。就在萬億級市場爆發(fā)的前夜，聆動通用以多年的技術(shù)積累與產(chǎn)業(yè)驗(yàn)證為基礎(chǔ)，率先打通了從數(shù)據(jù)到應(yīng)用的全鏈路閉環(huán)。而這條路，正在成為具身智能規(guī)模化落地最清晰的一條航線。

時(shí)代的機(jī)遇，只眷顧那些早已準(zhǔn)備好的人。夯實(shí)數(shù)據(jù)地基，托舉產(chǎn)業(yè)未來——正是聆動通用選擇的使命，也是它認(rèn)為這個(gè)時(shí)代最值得全力以赴的一件事。