2026世界机器人博览会（WRC）于8月19-23日在北京亦创国际会展中心举行。“AI大模型赋能机器人与具身智能产业新范式专题活动”在博览会同期举办。远舢智能科技联合创始人兼CTO李小龙出席“圆桌对话： 场景应用创新与产业链协同”并参与讨论。
以下为对话实录：
主持人：感谢各位老师。首先有请各位嘉宾用 1 -2分钟的时间简单进行自我介绍和各位的公司。
李小龙：大家好，我是来自远舢智能的李小龙。我们公司2018年成立，一直在AI赛道深耕，产业落地主要集中在工业制造领域。
刚才有位专家提到工业场景相对来说好做，也好切入，但在我看来，场景聚焦入门感觉比较容易，但是要做好也并非易事。真正要在工业场景里实现产业落地，我们认为有三点至关重要：
第一，机器人的皮实性和耐操性。这是我们重点攻坚的方向。在做重点产线时我们发现，不管是搬运机器人还是运输机器人，在10吨、20吨甚至上百吨的场景下，这才是真正的产业痛点。今天我们看到很多机器人翻跟头、盘核桃的表演，但在工业场景里，这些并不实用，没有办法产生用户价值。远舢一直坚持，技术必须深入场景、解决实际问题，我们自己也做了很多软硬结合的工作。目前耐操性这块虽有进展，但距离工业级要求仍有差距，这也是我们持续投入研发的原因。
第二，性价比。制造业最终拼的是成本，只有成本做到极致，才能实现量产、才能提升产品稳定性，进而推动产业推广。远舢在这方面也做了不少工作，包括软硬件和智能控制体系，都做了相关布局。
第三，长期运行的准确度。工业场景对智能体的要求不是一时半刻的展示，而是全天候连续稳定运行。在长时间、高强度作业下，如何保证定位精度、重复精度不漂移，如何在复杂工况下维持稳定的作业质量，这是决定机器人能否真正在产线扎根的关键。远舢在算法优化、传感器融合、闭环控制等方面持续投入，目标就是让智能体在长期运行中始终保持高准确度，让工业客户真正敢用、放心用。谢谢。
主持人：远舢智能专注于深耕工业数字化的赛道，我对这个赛道了解不多，因为很少去控厂，应该有大量的传统企业有传统产业设备的老旧，包括改造的系统，应该协议非常复杂不统一，在这个领域你们是怎么做进去，是不是非常难，有没有什么一些心得经验可以分享一下？
李小龙：大家也知道，制造业是国之重器，在中国产业中占很大比重，但它的发展路径比较久远，历史包袱也比较重。设备、工艺、质量各个环节，尤其在设备端，信息化建设在不同阶段会呈现不同的系统状态。在离散制造里，要把两个设备连起来做工艺协同、产线协同，这件事本身就很复杂，中间需要不断在软件或自动化层面做优化调整，这也是PLC、DCS等系统诞生的原因。
工艺协同的背后是数据协同，尤其在今天机器人这个赛道上，产线里已经有大量机器人参与生产过程，比如原料辅料的运输、质监采样等，这些机器人在产业发展中不断成为新的执行节点。过去做单点工艺相对简单，只要通过自动化设备把工艺驱动起来，原辅料调配好，产品就能出来。但随着制造业越来越成熟，发展越来越深入，就涉及到一个核心问题：要把工艺、人员、产线以及机器人协同起来，解决协同问题。
在没有机器人的年代，我们做信息化系统、做SCADA集成，核心工作就是把离散的执行节点串起来。唯一的办法是建立一个中枢，让数据流通起来、系统集成起来。设备端涉及OPC、Modbus等不同协议，IT系统涉及JDBC、ODBC等接口，把这些协议连接起来才能把数据串起来。到了人工智能时代，又出现了新的协同需求，比如多智能体协同的A2A协议。甚至面对一些老旧设备、无人维护的软件系统，怎么把它们也串进来？我们通过A2UI模式，以模拟人工操作的方式实现连接。中枢要把各种执行节点，不管是通过数字技术还是协议技术串起来，这是非常重要的一环，也是我们这些年能走进产业的关键。
所谓连接，第一要了解各种不同设备的协议和执行工艺节点，把这些内容训练到垂类大模型里，让模型去做。以前这些工作全靠工程师和实施团队，很难泛化到不同行业。今天我们有这样的技术，称之为Agent OS（INOS），把整个执行操作训练到模型里，平移成本会低很多。这就是我们在工业场景里积攒的经验，谢谢
主持人：打通机器人和工厂技术是一方面，如何说服客户获得信任，愿意一起配合，这里面的链条比较多，大家应该怎么协作，是不是有些标准？
李小龙：去年在这个大会上跟信通院一位专家交流，当时的感觉是大家百花齐放，好处是整个产业多点开花，但坏处是各家之间的技术完全兼容不了，尤其新老技术在理念上差异很大。去年我们一直在呼吁，产业界特别是制造业，要实现多智能体协同，必须有一套标准把它们连起来。怎么说服客户接受？我认为有三个方面：
第一，要有场景价值。产业客户不会做无意义、花里胡哨的投入，我们做工业这么多年，一定要以具体场景为切入点，让客户看到实实在在的效果，他才愿意投入。
第二，通过国家政策做引领。我们服务的大多是央国企，这类企业有政策引导。比如在采购设备时就把标准定进去，购买各类机器人，智能体，要求对外暴露哪些接口、使用什么协议。所以政策引导这个环节非常重要。
第三，产业化不是一家在做，要形成产业链。刚才几位专家也提到了，机器人涉及很多零部件，每个零部件有自己的协议，协同起来非常复杂且低效。今年4月份出台的机器人接口标准，我们也深度参与了制定。
我觉得第一步要把标准建立起来，然后通过场景价值驱动用户愿意做这件事。在这个层面上，我们也做了相关工作，谢谢
主持人：callback一下小龙老师，你们做工业制造的时候客户交付的压力会很大吗，现场需要停线之类的吗？
李小龙：崔老师这个问题问到了关键。工业现场植入机器人，最难的不是把一件事做成，而是让它持续稳定地一直做下去。运行100个小时或者更长的时间，例如一年，在工业上这些其实都是正常的生产节拍要求。但我们发现，现在很多看似好用的机器人，在工业现场根本不敢用。尤其在关键生产工序，或者一些高价值产品生产中，一旦出错损失就是几百万。所以客户对交付的压力确实很大，停线更是大忌。
所以我们引入的技术必须是成熟稳定的技术，才能在工业制造里用。这也是我们这么多年做工业的敬畏：首先不能出错，再谈好不好用。
主持人：还有一点点时间，我总结一下，我应该是2022年回的北京，今年是我第五次来WRC了，从2022年开始看，那时候还不叫具身智能行业，感受到了每年WRC挺不一样的，今年我又去逛了一下展馆。我记得2024年吧，我还是觉得产业发展比较慢，但是今年我再去看，我觉得所有的机器人厂商都非常非常的进展神速，完全超过了我几年前的想象，应该明年我还会来WRC，所以请各位一起预测一下，明年的WRC可能大家会看到哪些和今年不太一样的地方？我不知道大家目前对机器人行业是怎么看的？明年有什么特别不一样的地方吗？
比如我们过去几年都有不同时间的热词，比如今年我们应该最热的东西就三个词汇，VLA可能热度下降了一点，WorldModel应该是最热的词汇，落地应该是我们今年比较强调的。大家可以预判一下，因为我们都已经说到了这些，今年的热词明年可能不会再热了，预测一下明年什么会成为热点？或者产业会往什么方向去前进？
李小龙：我觉得是两点。
第一，端侧智能。我从去年就一直跟几位专家在讨论，以前都是从技术视角去看产业发展，并没有真正深入产业挖掘痛点，产业中末梢端侧其实有大量需要智能体赋能的场景。然后从2022年、2023年一直谈智能，到今年具身智能在产业上的落地，其实没有实现规模化落地。但我判断，未来两年端侧智能会是第一个爆发点。刚才这位专家也提到，端侧芯片未来会有很大空间。确实如此，端侧要真正量产，必须形成端侧设备，不管是手、机械臂，还是搬运机器人，只有落到具体的端侧设备上，才能谈量产。但端侧的区别在于，它不是靠云端算力来解决问题，而是靠本地设备去完成具体工序。工业现场有大量这样的场景，以前靠辅联设备来做，今天如果有了泛化的具身机器人，把这些智能单元连接起来，会变得非常必要。
第二，控制中枢。这两者是紧密关联的。有了这么多端侧设备以后，就像以前工业大集控一样，执行单元多了，最大的问题就是资源打架。这时候一定需要一个调度中枢，把智能体、传统自动化执行单元、机器人，全部统筹起来，企业才能把制造生产过程有序组织起来。我们把能够协调资源、统一调度、实现共享的治理层，称之为工业原生操作系统——INOS。
这种场景下，端侧智能意味着什么？一定不是连接云端算力去做事。所以模型的小型化、轻量化，以及算力的专项优化，就变得格外重要，也是值得研究的点。只有这样，本地模型才能高效运转起来。刚才这位专家也提到，很多场景下功耗直接决定了设备能不能装配到现场。我们做的工业现场，很多在户外做搬运，尤其在南方，不要说运行一小时，运行五分钟就直接宕机了。所以端侧不管是算力优化还是模型优化，都值得大家去研究。