有鹿要用通用具身大腦把所有的設備重新量產一遍｜甲子光年

有鹿強調的“一腦多形”是不同身體共享一套理解物理世界的能力。

作者｜周悅

編輯｜栗子

一輛業主車輛拐進社區窄路，前方的巡掃機器人停了一下。

它沒有僵在原地，也沒有繼續向前“拱”。幾秒后，機器人開始倒車，把車尾收進路旁的一處空隙，給業主讓出通道。

這個動作看起來簡單，背后卻不只是避障。機器人要判斷來車準備往哪里走，再決定自己該不該退、退到哪里，同時還要避免堵住車輛和行人。

有鹿機器人創始人、CEO陳俊波將其稱為尋找現場的“全局最優”。

陳俊波曾是達摩院機器人實驗室負責人、達摩院小蠻驢公司總經理。2023年，他與前阿里巴巴機器人CEO谷祖林強強聯手，共同創辦有鹿機器人。

7月18日，有鹿機器人聯合創始人谷祖林在2026世界人工智能大會（WAIC 2026）發布商用巡掃機器人AI130S。這是一款搭載了有鹿Master2000 GEN2通用具身智能大腦的商用巡掃機器人。

發布會現場，谷祖林還與中國電動車行業龍頭、智能制造標桿企業綠源集團共同創始人、首席執行官胡繼紅正式發布戰略合作。雙方將在產品設計、研發、量產等環節開展深度協同，并共同圍繞“建立真正可信賴的機器人服務體系”，推出覆蓋機器人全生命周期的“具身智能5S服務包”——即部署、維修、養護、回收、升級，并搭配5年超長質保，形成“5+5”雙重保障體系。依托綠源遍布全國的密集服務網絡，確保有鹿的每一臺設備在5公里半徑內即可觸達服務終端。

1.從“能上路”到“能上崗”

在重慶一個居民小區，AI130巡掃機器人曾在路測時遇到了一堆辣椒。

如果是從樹上掉落、散在路面上的辣椒，物業希望機器人把它掃干凈，但如果是居民擺在門口晾曬的辣椒，機器人一旦收走，又會引來投訴。

掃，還是不掃？兩種答案都可能錯。

“垃圾是一個非常抽象的高層定義?！标惪〔ㄕf。紙屑和煙頭通常應該被清理，地上的錢包卻可能是廢棄物，也可能是業主剛剛遺失的物品。物體的顏色和形狀沒有變，擺放方式、周邊環境和人的意圖變了，它的性質也隨之改變。

戶外巡掃的難點，往往不在“掃干凈”。園區和社區面積更大，路面、人流、車輛和天氣又在不斷變化。機器人必須先找到需要處理的位置，再判斷它是什么、該不該掃，以及用什么方式掃。

圍繞這些現場問題，AI130S的進化落在五個關鍵詞上：智能、安全、易用、品質和親和力。

AI130S的智能，首先體現在接手過去由清潔工完成的判斷。識別到水管和電線，它會抬起主刷或邊刷，避免將其卷入；接近路沿時，會主動調整邊刷，減少貼邊區域的漏掃；樹葉藏在刷盤夠不到的位置，機器人會先把它吹出來；揚塵變大時增加噴水量，遇到降雨則停止作業并返航。

同一臺機器人還要根據客戶要求改變策略。有的項目要求路面接近一塵不染，有的園區面積很大，只需要優先處理水瓶、紙屑等顯著垃圾，不能只執行一套固定程序。

做出選擇之前，機器人還必須足夠安全。社區道路上沒有提前擺好的測試障礙。小朋友可能突然跑來，業主車輛會迎面駛入，路上還會臨時出現水管、電線、溝坎和施工區域。

有鹿機器人聯合創始人谷祖林提到，AI130S在居民小區作業時，小朋友看到它會主動靠近，甚至往車身上撲?！皩C器人來講，既欣慰，又有點災難?！边@要求它既能提前識別兒童，也能在極近距離內可靠地減速和制動。

AI130S采用激光雷達和視覺雙重感知，以覆蓋近距離障礙和需要語義判斷的復雜對象，制動系統設置三重冗余，一套出現異常后，還有后續系統兜底。

進入日常巡掃工作后，易用成為下一道門檻。

過去，一些室外巡掃機器人進入新項目，要由工程師掃圖、建圖、劃定禁行區。小區裝修、道路施工或景觀改造之后，地圖還要重新修改。設備很容易因為維護過重而被閑置。

AI130S強調開箱即用。谷祖林介紹，設備最快可以上午開機、下午完成交付，第二天便開始承擔正式作業指標。

根據AI130S產品手冊，其清掃寬度達1350mm，清掃效率每小時達到4000m2，爬坡度達20%，算力支持254TOPS，適用于-10℃—45℃的環境。

日常使用中，HMI界面負責常用操作，主刷和邊刷可以根據地面和作業狀態主動調整高度。耗材接近使用周期后會提醒，設備還可以自行充電、加水和倒垃圾。電機、電芯、水泵、驅動與轉向部件均有狀態反饋，異常不必等到停機后再逐一排查。這些都是為了減輕客戶的部署和維護成本。

真正走向規模交付，最終還要看品質。AI130S在有鹿內部被稱為“四代機”，團隊前后投入約一年半。相比上一代，它沒有單純追求增加功能，更多工作落在規模量產的工藝研發上。

原因在于，巡掃機器人進入真實場景后，需要保證長期、穩定運行，并且支持大規模交付。AI130S每天需要作業約10小時，工作強度接近一臺出租車，對零件可靠性、一致性提出了更高要求。

但傳統室外清潔設備的供應鏈，更多是按照百臺月產能設計的。部分零件一天只能生產十余件，成型后還需要人工打磨，一些機械結構依賴老師傅逐臺調試。這種生產方式很難支撐機器人規?；\行，任何零部件的不穩定，都可能變成停機、維修和售后成本。

為了解決量產，有鹿把整機又重新做了一遍，所有關鍵部件更換汽車零部件并引入央企戰略合作，一起開發了頂尖的鎂合金一體成型的磨具。結合綠源的產線，單月可以做到數千臺?！拔覀儼颜麄€機器人的低壓平臺供應鏈帶動了起來，這不僅影響了機器人產業，甚至傳統人工掃地機的供應鏈都會被因此而改變”

品質解決的是機器能否長期工作，親和力則決定它能否長期留在公共空間。整車造型、燈光提示、語音交互和對話方式，都影響人們能否理解和信任它。

谷祖林把這種要求概括為：“有乍交之歡，無久處之厭?！钡谝谎劭瓷先プ銐蛴押?，長期相處又不能頻繁故障、堵路或者增加物業負擔。

安全、易用、智能、品質和親和力并不是五組孤立賣點，而是一臺機器人從演示走向產品必須連續跨過的門檻。

至于它為什么能區分兩堆辣椒，為什么知道應該抬刷、噴水或者倒車，則要回到背后的具身大腦Master2000 GEN2。

2.一顆“大腦”，怎樣把決策變成行動

有鹿最初并沒有打算造一臺巡掃車。

他們先做出的是Master2000——一個帶著把手、可以從設備上拆下來的“大腦”。谷祖林曾拎著它去敲傳統制造企業的門，希望設備廠商把這顆大腦裝進自己的產品，但市場并不理解和信任。只有模型，沒有真實場景和數據，這顆大腦也很難證明其價值。

后來，團隊買來一臺德國的傳統清掃車，拆掉原有控制系統，把Master2000裝了上去?！澳銜吹揭慌_特別粗糙的掃地機，上面插了一個特別精致的腦袋。”谷祖林說。

為了獲得真實數據，也為了讓客戶看見這顆大腦的作用，有鹿開始補齊底盤、清掃機構和整車產品。AI130由此成為Master2000走向市場的第一條路徑。

拆下這顆集成了傳感器、算力和模型的軟硬件模塊，AI130依然是一個完整的產品，可由人來手動操作。

不過，可拆卸的“腦袋”也容易帶來一種誤解：所謂“一腦多形”，是不是把完全相同的一塊硬件、同一套模型參數，直接插進掃地車、巡檢機器人、叉車和人形機器人？

“那也做不到?！标惪〔ㄕf。

有鹿核心團隊從2015年起從事機器人與人工智能研發，至今已有十余年積累。從達摩院小蠻驢項目到AI130S，模型結構已經發生多輪變化?！氨焕^承過來的具體技術很少，真正繼承下來的是怎么設計模型、怎么訓練模型的know-how?！标惪〔ㄕf。

其中延續下來的一條主線，是把攝像頭、激光雷達等多模態傳感器獲得的信息，編碼成模型可以處理的時空表征，再結合任務生成動作。

語言模型預測的是下一個詞，機器人輸出的卻是會改變現實世界的動作。一次轉向、制動或者抬刷，會改變機器人下一秒看到的環境。具身模型不能只識別“眼前有什么”，還要判斷物體在哪里、正在怎樣運動，與當前任務有什么關系，以及采取某個動作后可能發生什么。

以路面上一條黑色細線為例。視覺捕捉其形狀，激光雷達補充距離和空間關系；但僅靠幾何信息，它可能是水管、電線、地縫，也可能只是一道陰影。模型還要結合上下文判斷：附近是否站著保潔人員，細線是否連接其他設備。完成判斷后，機器人才能決定抬刷、繞行還是繼續作業。

從技術流程看，Master2000 GEN2首先把傳感器信息編碼成隨時間變化的空間表征，再結合任務和語義理解形成候選策略，最后將選定動作交給底層控制系統執行。

陳俊波用“左腦、右腦和小腦”來解釋這種分工。右腦負責高頻的空間感知、軌跡預測和交互判斷，遇到水管與陰影這類需要語義和常識的問題，再調用左腦進行推理，確定動作后，小腦負責轉向、制動、抬刷等具體控制。

這種分工也出于現實的算力約束。大量空間判斷必須在有限的車端算力下實時完成，只有遇到更復雜的問題，才調用計算開銷更大的模型能力。

Master2000 GEN2進一步加入的，是對動作后果的推演。

陳俊波介紹，GEN2在訓練中大量引入世界模型，并在此基礎上加入強化學習式的策略優化。世界模型學習“當前狀態—候選動作—下一狀態”之間的關系，如果執行某個動作，下一時刻的環境可能變成什么樣。

窄路會車時，繼續向前可能與來車“頂?！?，停在原地仍會堵住通道，向后退進路邊空隙則可能讓雙方通過。模型先預測不同動作的后果，再探索更合適的策略。大部分行為由模型生成，系統同時保留安全評估和兜底機制，一旦動作存在風險，安全策略和制動冗余會介入。

要讓模型在陌生場景中作出判斷，它還需要見過足夠廣的世界。陳俊波介紹，有鹿當前的基礎模型使用數百萬小時級數據訓練。

數據覆蓋從新加坡到哈爾濱、從杭州的平坦道路到重慶的連續坡道，也包括住宅、寫字樓、商場、工廠、醫院和高速服務區等不同環境。相比在固定場景里反復執行同一動作，有鹿更看重數據分布的廣度和真實交互產生的長尾樣本。

有鹿團隊在Argoverse 2、KITTI、ScanNetV2以及Talk2car等全球權威榜單中擊敗英偉達、谷歌等國際巨頭，奪得11項冠軍。

在有鹿的定義里，“一腦”是共用的基礎模型、數據體系和訓練方法；“多形”則是讓不同任務保留最適合自己的身體，再根據本體結構、動作空間和專業需求進行后訓練。

有鹿強調的“一腦多形”是不同身體共享一套理解物理世界的能力。

清掃機器人要控制刷盤，叉車要操作貨叉，輪加臂機器人要完成抓取。它們的動作不能共用，卻不必各自從零學習什么是道路、行人、車輛和障礙物。所謂“通用”，不是免于適配，而是減少重復學習。

在陳俊波看來，實驗室里讓一套基礎模型支持不同本體，只能證明技術可行。真正的“一腦多形”，還要跨過產品成熟和市場成熟，機器人的成功率、效率、穩定性和成本要達到客戶要求，換到下一個項目，也不能繼續依賴研發人員駐場解決問題。

這就是有鹿強調“量產級一腦多形”的原因。而AI130S所在的巡掃場景，離真實訂單更近，客戶需求更明確，作業效果也更容易衡量，是有鹿“一腦多形”的第一批樣板。

3.創造更多擁有“大腦”的新物種

AI130打開市場后，局面發生了變化。

最早，谷祖林拎著上門也賣不出去的Master2000，開始被傳統制造企業主動詢問，能否把它裝進自己的產品里。“一個賣不掉的東西，變成了搶手貨?！惫茸媪终f。

市場態度的改變，不是因為制造企業突然愿意為一套模型付費，而是AI130先把“大腦”的能力變成了一臺看得見、能交付，也有人愿意購買的產品。根據《新戰略低速無人駕駛產業研究所》發布的年度報告，2025年，有鹿AI130成為中國室外清潔機器人的單品銷冠。

對有鹿來說，機器人每進入一個小區和園區，都會遇到不同的道路、天氣、人群和物業規則。這些真實數據回到基礎模型，又成為下一款產品的起點。

谷祖林將數據、場景和商業視為同一件事。只有客戶愿意付費解決的問題才是真場景，也只有這個場景的數據才值得投入成本訓練，也只有持續的訓練好這些數據才能持續的解決客戶的更多問題。

AI130系列跑通之后，有鹿面臨的問題不再只是“這顆大腦能不能控制另一種機器人”。更現實的問題是，下一臺機器人要去給客戶解決什么問題？

“機器人終極的形態，不應該是一個產品經理有能力設計出來的?！惫茸媪终f。

在他的理解里，機器人的形態會在需求中慢慢“進化出來”。社區先需要清潔，就先做清潔機器人；物業需要安保和巡查，再發展巡檢能力；當任務需要搬運、抓取和開門時，機器人再增加機械臂。客戶愿意為什么能力付費，就會影響產品往哪個方向進化。世界一直在變，碳基為了生存而進化，硅基同樣是為了生存而進化。生命的形狀沒有終局。

沿著物業場景，有鹿選擇巡更機器人作為“一腦多形”的下一次產品驗證。

巡更與巡掃并不是同一種任務，但兩類機器人面對的世界有大量重合。道路、坡道、車輛、行人和天氣，不需要換一種任務就重新學習一遍。巡更機器人主要要補充的，是室內環境、異常人員和火災隱患等專業數據。

按照陳俊波的估算，開發巡更機器人時，約80%的“智能條件”可以從已有基礎模型中復用。有鹿第一款產品從研發到商業化用了約三年，巡更機器人從立項到推向市場，預計縮短至半年左右。

從三年到半年，更能說明“一腦多形”的價值。下一臺機器人不必再從頭認識道路、人、車和天氣，可以把更多時間花在任務本身。

不過，產品演進也不等于不斷給同一臺巡掃車疊加功能。

陳俊波把機器人形態類比為不同生態位中的生物進化。人已經是高度通用的智能體，人類仍然發明了叉車、挖掘機和清掃車，因為在裝卸、挖掘和清潔這些具體工作中，專業設備通常更有效率。

“在不同的生態位，會進化出最適合那個生態位和任務的身體?！彼f。

清潔適合輪式底盤和刷盤，物流可能需要輪式底盤加機械臂，叉車需要貨叉。人形機器人可以是其中一種，卻不必成為所有任務的起點。有鹿并不排斥人形，只是更愿意先找到客戶的需求，再為它選擇成本、效率和可靠性更合適的身體。

機器人形態越多，有鹿也越不可能獨自制造所有本體。

陳俊波經常用叉車舉例。一臺叉車的貨叉怎樣設計，整車如何生產，如何保證承重、壽命和作業效率，傳統叉車企業已經積累了成熟經驗。有鹿并不擅長這些工作。

有鹿擅長的是另一部分——叉車如何發現前方車輛，識別托盤的位置，判斷貨叉應該從哪里插入，并生成相應的動作。

傳統企業掌握機械設計、制造、行業場景、渠道和售后，有鹿提供環境感知、任務理解、行為預測和動作決策。

陳俊波把這種關系稱為“強強聯合”。在巡檢、物流等方向上，有鹿計劃更多采用“大腦+專業合作伙伴”的方式，包括與行業企業組建合資公司，而不是重新學習如何制造每一種專業設備。

這也讓有鹿的路線重新回到了最初的設想：由制造企業做好身體，有鹿提供大腦。

不同的是，當初的Master2000只是一顆很難向客戶解釋清楚的“大腦”；經過AI130的市場驗證后，它開始成為一種可以被看見，也能夠被復制的產品能力。

中國已經有大量成熟的清潔設備、叉車、農機和工程機械廠商。它們熟悉本體、供應鏈和客戶，卻未必具備讓設備理解開放環境、根據任務自主決策并持續學習的能力。有鹿想補上的，正是這一層智能。

有鹿最終要證明的，是下一款產品能否更快進入市場，傳統機器裝上 “ 大腦 ” 以后，能否真正產生訂單和客戶價值。如果這條路徑成立，具身智能進入產業的方式，或許不是一臺萬能機器人突然出現，反而是讓已經存在的機器設備，在各自最擅長的場景里，一臺臺長出智能。

（封面圖來源：有鹿機器人）