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。