（来源：北京商报）

5月10日，第二十八届中国北京国际科技产业博览会（以下简称“北京科博会”）落幕。历时三天的科技盛会交出一份亮眼成绩单，5万平方米展览、800余家企业机构参与、发布148项成果、举办37场对接活动、现场签约57个项目、总金额达5.9亿元，吸引72个国家和地区7万余人次线下观展，50余万人次线上“云参会”。

亮眼的成绩单背后，本届北京科博会集中展示智能汽车、具身智能、商业航天、半导体等高端制造成果，产业场景加速落地转化。同时，会上围绕机器人、AI等前沿硬核技术的头脑“风暴”，也勾勒出科创未来的全新图景。

机器人 僧多粥少务实者得

具身智能产业近些年百花齐放，市场见证了一场又一场“机器人比人多”的展会，也涌现出一批又一批大众或小众的细分赛道。只是，“僧人”已多，“热粥”是否足够？

在第二十八届北京科博会举办的未来产业推介会上，优山投资创始合伙人、董事长陈十游从资方视角谈及了当前机器人产业的热度与泡沫隐忧。“落地能力是关键，资本已经不再听‘讲故事’了。”她表示。

从技术研发到场景落地，对产业、资本而言，落地都是价值产生的核心——于产业是实际应用价值，于资本则是投资回报价值。

务实与聚焦

在陈十游看来，具身智能产业的落地比拼，更多体现在细节层面：企业既要算好效率与成本账，也要搭建适配团队、理性选择赛道场景，这才是机器人扎根产业的根本。

落地首先要过“成本效率关”。她以工厂场景举例：进入工业领域的机器人，既要提升生产效率、帮企业降本，更要守住合理回本周期，最晚24个月内要让企业基本收回设备投入。只有满足这一条件，才能激发企业采购意愿，进而实现规模化复制推广。

场景布局同样要秉持务实思路。陈十游观察到，近两年工业、汽车领域的商用机器人率先崛起；从今年开始，布局家庭服务场景的从业者明显增多。

在她看来，家庭场景对机器人的泛化能力、小样本学习能力要求更高，落地难度不容小觑。

此外，她也提出另一个务实观点：机器人未必非要追求人形形态——尤其在以提效、替代人工为核心的工业场景，只要能降本增效、快速回本、被市场接纳，无需刻意堆砌人形设计，行业的终极考验终究在于能否获得大众信任。

谨慎接纳泡沫期

不止陈十游，多位资方嘉宾谈及机器人产业热度与泡沫时，观点高度趋同：产业发展需要务实深耕，也需理性包容阶段性泡沫。

凯联资本硬科技行业合伙人姚宁波向北京商报等媒体提出“泡沫促产”的行业规律。他表示，光伏、新能源汽车过往走过的路径，如今正在半导体、机器人产业复刻，行业热度催生泡沫，但泡沫出清之后，往往会淬炼出具备全球竞争力的产业实力。“即便站在功利角度，也应该坚持从产业基本面做投资，依托行业泡沫带来的价值升值完成退出，保障LP利益。”姚宁波表示。

启银资本董事长、启智具身智能科技创始人宋炎也认为，依托人口体量与政策加持，产业转型具备先天优势；在房地产等传统行业增长见顶的背景下，科技已是核心突围抓手。

对于行业泡沫，宋炎分析称，当前机器人产业整体处于风口期，局部存在泡沫是产业成长的必经阶段：未来1—2年将进入去伪存真的洗牌期，3—4年有望诞生行业寡头，五年后具身机器人生态将基本成形。

宋炎向北京商报等媒体表示，早期泡沫、中期震荡、后期成熟，是科技产业的客观发展周期。资本的价值，正是在周期波动中寻找确定性，通过资本运作、资源赋能、人才整合助力企业成长。现阶段她更看重企业订单、回款、交付等硬核经营指标，对2028至2030年行业从泡沫期迈向成熟期充满信心。

通用攻坚

资本聚焦落地与商业模式，产业端头部企业与研发团队，则瞄准行业真实痛点攻坚破局。

与资方看重落地的逻辑不谋而合，北京人形机器人创新中心将产业突围的核心，锁定在机器人通用泛化能力的提升上。

在北京人形机器人创新中心CTO唐剑看来，人类随手就能完成的开门、做家务等简单动作，对机器人而言却是技术难题。他向北京商报等媒体解释，行业普遍存在场景适配、任务执行、本体适配三大泛化短板，传统机器人多为固定场景、专属本体定制开发，只能完成单一预设任务，无法适配复杂多元的真实环境。

和人工智能向AGI通用化演进逻辑一致，补齐通用泛化能力，也是具身智能与人形机器人产业的核心攻关方向。

放眼产业长远发展，唐剑以个人电脑、智能手机的普及历程做类比：通用智能设备的出现，逐步替代了功能单一的专用设备。未来，具备通用具身智能的人形机器人，也有望逐步替代各类专用机器人，真正走进千家万户，赋能千行百业。

落地样本

被资方列入行业第一梯队的银河通用，也亮相本届北京科博会。公司首席战略官赵于莉向北京商报等媒体分享了一个“失败但成功”的路演案例。

2023年银河通用成立初期，一场投资人路演原本安排了机器人演示高脚杯抓取动作。但因杯身纤细、机械关节存在缝隙，高脚杯意外滑落，摔成碎片。

按照传统机器人运行逻辑，预设任务失败便会程序停摆，但现场一幕令投资人印象深刻：没有任何额外指令加持的情况下，机器人自主识别出了散落的碎片，将这些形状不规则、通体透明、从未提前录入系统的玻璃碎块逐一抓取，完成了一场计划外的收尾。

在赵于莉看来，这个意外场景正是体现技术进步的关键切面。传统机器人依赖定制程序适配标准化场景，一旦遭遇物品形变、位置偏移、突发干扰等未预设情况，很容易陷入任务停滞。

而真实商业场景往往没有实验室的理想环境：手持水杯要精准控制力度，避免捏扁杯身、液体洒出；叠衣物要适配布料柔软形变；货架补货要应对商品摆放差异，这些都无法靠预设程序全覆盖。

赵于莉向北京商报等媒体表示，机器人自主清理玻璃碎片的背后，是企业海量数据与合成仿真平台构建的技术底座，让机器人能够在无预设场景中自主感知、独立判断、灵活调整任务目标。

也正是这种无需为单一任务反复调参的通用能力，让机器人可以快速适配零售、工业等多元场景需求，为规模化商业落地提供了有力支点。据悉，银河通用2025年实现了超过1200台机器人的落地应用，2026年这一数据或将进一步增加。

北京商报记者 陶凤 王天逸

AI智能体 从“能用”到“敢用”

今年以来，一只“红色龙虾”从技术圈走向产业应用，被视为AI从“对话交互”迈向“自主执行”的关键标志。“龙虾”常与智能体混为一谈，事实上，“龙虾”是智能体平台，并非智能体本身。而这只是外界对“龙虾”的误解之一。

在本届北京科博会的一场围绕AI智能体的圆桌论坛上，来自操作系统、工业AI、网络安全等领域的产业人士给出近乎一致的判断：应用层的狂欢之下，决定智能体能否真正进入产业的地基，还未打好。

“龙虾”之外，他们关心的是模型、智能体跑在什么之上——操作系统、端侧算力、工业模型、安全框架，这些才是智能体从“能用”到“敢用”的桥与路。

先把OS和标准做好

2024年到2026年，每年春节都有一款产品破圈。2024年是Sora，2025年为DeepSeek，2026年“龙虾”被全民热议。什么是“龙虾”？大多数人至今搞不太明白。

“它不等于智能体”，诚迈科技股份有限公司总裁刘冰在分享感悟前，先进行概念纠偏。“‘龙虾’之所以火，是因为它让智能体具备了短期记忆能力，以及执行、操控的机制。它是一个平台，让公众能够知道人工智能到底能干什么。”

就像踢一场足球比赛一样，他打了个比方：“一个足球队有前锋，很光鲜，但也需要中场、后卫、守门员。人工智能要落地到传统行业，首先要分层次地把每一个关键岗位角色定义清楚。我们既需要‘龙虾’，也需要操作系统，Scale（规模）、Agent（智能体）等队友，来形成落地‘最后一公里’的产品或方案。”

比如操作系统，“传统操作系统向下控制所有硬件、文件系统、CPU（中央处理器）和GPU（图形处理器）算力资源等，这是‘龙虾’和智能体不具备的”。刘冰说。

在他看来，中国数字化发展了十几年，基础设施全球领先，但智能化水平在各个行业参差不齐，核心症结在于操作系统这个数字化基座。如果出现新的操作系统，能将人工智能原生集成进入，同时又让所有的端侧设备运行，相信智能化水平能够大幅度提升。

诚迈科技自身的实践也印证了这一点：从2024年开始，诚迈科技从软件走向软硬结合，推出面向信创领域的台式机、笔记本和服务器，以及面向汽车、机器人和物联网行业的端侧AI产品等。

在工业制造这个深水区，操作系统还需要一次更底层的重构。

远舢智能科技联合创始人兼CTO李小龙分享了实践中发现的问题，在某个场景下，“整个工艺生产过程中，大概有1200多个模型同步运行，整个运行环境需要一套相关底座来支撑，我们把它称之为INOS，就是工业原生OS”。

“另外，我们不得不面对一个核心问题。”李小龙发现，“‘龙虾’对token访问时，OpenAI和Anthropic的协议不一样，谁牵头制定标准？计算机发展这么多年，都是标准化之后才能做到产业生态的共生共荣。”

大模型产业落地差1%都不行

操作系统打好了地基，模型本身则需要在场景下打磨。

远舢智能成立八年，发现AI在产业落地重点还是在端侧，在这个过程中还需要从技术端做诸多突破。

以基模为例，“所谓的AGI（通用人工智能），说将来拿一个模型把这件事全干了，我们不是这样认为的。我们采用的是专有模型的路线。大模型啥都能干，但在工业场景就是差1%，尤其是在专有领域，我们把知识密度增强，把大量冗余部分剥离掉，在这个方面做了大量模型蒸馏工作”。

从公司成立到现在，远舢智能没有采取大模型卷参数的方式，李小龙解释，“因为在很多工业场景，对大模型的功耗、准确性有很高的要求，所以我们把知识级别的内容通过Transformer做轻量化处理，在真正要把工业串起来的那一步，再加一些工业机理知识”。

达索系统大中华区可持续发展首席专家冯升华提出，“工业AI有三道门槛：可信、科学、经得起工业实践。通用大模型解决聊天、写作、做视频的问题，属于‘文艺AI’，而工厂里需要的是工业AI，不能有幻觉。不能造一架95%时间稳定、5%时间不确定的飞机，AI生成的每一个东西，都要经得住科学考验和工业实践”。

端侧模型的性能正在快速提升。业内人士表示，当前主流开源模型中，7B、14B、26B、32B、35B等参数级别的模型性能，已大幅接近，甚至是超越两年前的顶尖模型。比如千问3.5 35B参数的模型已经直接对标千问3 Max 235B模型的水平，知识蒸馏和量化技术让大模型“下沉”到端侧成为可能。

从“比参数”到“比落地”，工业AI有自己的评价体系。

AI安全的核心是基建

工业AI要可信，安全是可信的前提。当智能体从对话框里走出来，开始操控设备和数据，原有的安全防护体系要同步成长。

十年前，我们讨论网络安全，近十年聚焦数据安全，现在是人工智能安全。“过

去的网络安全，我们说补丁要打得足够快；到了数据安全时代，我们说手段要来得及时；到了人工智能安全，我们强调基础设施要建得好。到了AI时代，如果搞安全还是打补丁，可能是灾难性的。”安恒信息高级副总裁杨勃亮出自己的观点。

IBM全球合伙人、IBM咨询大中华区战略咨询部总经理董海军提到了一个具有讽刺意味的案例：Meta的一位安全主管用“龙虾”整理邮件，结果“龙虾”把他所有的邮件都删了。安全主管尚且如此，普通企业面临的AI风险可想而知。

和传统的AI相比，智能体带来的安全挑战还有着本质不同。

杨勃认为，“现在智能体‘长了两个爪子’，进入了物理空间、社会实体空间，它不再只是在屏幕里跑的工具，而是具备决策和执行能力。人类无法确保制造出的机器都能正常运行，所以必须有配套的安全手段。当智能体与工业机器人、具身智能结合之后，如果被远程恶意控制，带来的影响和损耗会非常大”。

行业忙着给AI“造”更多手脚，“最后一公里”的路还要一块砖一块砖地砌。

北京商报记者 魏蔚

图片来源：主办方供图