专访｜具身智能的产业分水岭，深诣把机器人变成自进化生产资产

作者：吕鑫燚

出品：具身研习社

具身智能正在成为现代生产体系中不可或缺的新生产力，这是整个产业最顶层的共识。

但共识只确认方向，并不提供路径。

模型路线、进入场景该如何选择？在技术尚未收敛、场景仍然分化的阶段，每一个问题都可能成为企业建立优势的机会，也可能变成持续消耗资源的陷阱。

太多企业试图先找到一条绝对正确的技术路线，或者一个足够确定的理想场景，再以此为起点构建公司的整套体系。但具身智能面对的并不是一个可以脱离产业现场求解的封闭问题。真正有效的路线，往往不是被预先设计出来的，而是在真实约束中逐渐收敛出来的。

深诣机器人抓住的正是这个关键矛盾。

在深诣看来，问题本身就是答案。把生产力看成是一把标尺，其测量的是机器人能否快速进入现场，能否适应任务变化，能否利用有限的新数据持续提升，能否把成功率、节拍和稳定性转化为客户可计算的ROI。沿着这些约束继续追问，模型需要具备什么能力、数据应该怎样被利用、不同技术应该解决什么问题、机器人又该从哪些场景切入，答案会自然浮现。

这也是深诣与许多具身智能公司的不同之处。它并不是先建立一套模型或本体，再反向寻找能够展示和落地的场景。而是先把目标定义为“创造充沛的生产力”，再倒推需要怎样的基础模型、数据系统、算法和机器人产品。

2026年工博会，深诣携两款实体机器人重磅亮相：物流操作机器人Sculptor、工业操作双臂机器人Edge。自研具身基础模型SE-1 为底层能力底座。这不是一次单纯的产品展演，而是深诣完整技术路线首次在产业语境中接受集中检验。

深诣给出的答案，是以强化学习驱动的自进化。

在这里，自进化不是一个附加功能，而是一套围绕真实生产建立的能力增长机制，模型负责理解任务和物理世界，数据匹配负责把有限的现场经验与历史经验有效连接，强化学习负责让机器人在真实反馈中持续优化行为，产品则负责把这些能力转化为客户可部署、可计算回报的生产单元。

技术、场景和团队由此构成一个闭环。

高价值场景提出真实问题，也提供清晰的结果评价；技术体系围绕这些问题提高学习效率和适应能力；团队的产业经验则决定哪些问题值得解决、怎样把技术变成产品、如何让产品进入规模交付。反过来，产品部署带回的新经验，又会继续推动模型和技术体系进化。

深诣真正想建立的，不是某个单点技术优势，而是一套让机器人在真实工作中持续形成生产力的系统。

深诣把对“生产力”的理解，压缩进了展台的一组组真实任务里。

全球首款端到端模型驱动的智能装卸货机器人Sculptor，把真实工厂的重载物流作业流程搬到了工博会现场。不同颜色的箱子被随意堆叠、摆放，机器人需要自主判断抓取顺序和放置位置，再将它们整齐、稳定地码放到托盘上。Sculptor并不是重复执行一条预设轨迹。每次箱子的堆叠形态发生变化，它都会重新判断从哪个位置抓取、以什么顺序放置、如何规划动作路径；即使过程中人为移动箱子位置，它也能根据新的空间状态继续调整动作。

码垛看似是物流场景中的基础任务，实际上同时考验物体识别、空间理解、取放规划、动作控制和闭环纠偏能力。尤其是在混合堆叠状态下，机器人不能只识别“箱子在哪里”，还要判断“先拿哪一个更合适”“怎样放置更稳定”“当前环境变化后原来的动作是否仍然成立”。

在Sculptor前方，两台双臂机器人分别完成交互取糖和混合线束插接。

取糖任务中，机器人根据现场互动观众的手势，在颜色、形态、材质不同的糖果中找到指定目标，并将其放入小盒。过程中，机器人还要拉开极薄的柔性丝带。这个任务同时包含开放环境交互、多对象识别、柔性物体操作和双臂协同。

混合线束插接则更接近真实工业现场。机器人需要在三种颜色的线束中精准识别目标，并完成对应插接。周围环境持续变化，顶部光源还会把机器人的影子直接投射到作业区域，对视觉判断形成干扰。但机器人仍然能在这种非理想光照条件下完成颜色识别、空间定位和精细插接。

这几个任务指向的是同一种能力，机器人不是只在固定布景中重复动作，而是要在对象、环境和任务状态不断变化时，仍然完成工作。

更重要的是，这些能力并不依赖漫长的单任务定制。

据具身研习社了解，混合码垛任务先通过约三天时间采集基础数据，让模型掌握基本能力，再通过约两天强化学习优化行为。在线束插接等0.1毫米级精细操作任务中，深诣通常也先用一至两天完成基础数据迭代，再通过一至两天强化学习显著提升成功率。

部署之后，模型还可以继续从真实任务中吸收经验。机器人不是被永久绑定在某个工位上，而是可以根据任务变化切换工作内容。这意味着，深诣交付的不是一台只能完成固定动作的设备，而是一套可以换岗、能够持续适应新任务的“一机多能”生产单元。

这正是深诣所说的“自进化”。

在深诣的理解中，自进化是机器人能够把作业中的成功、失败和纠正转化为后续能力，逐步和人类工作目标对齐。模型是自进化的基础，强化学习是自进化的驱动，数据和系统设计则决定了自进化的效率。

其中，基座模型并不是常见的VLA或世界模型架构，而是围绕真实任务诉求形成的独特路线。它要解决的核心问题是“如何让机器人理解任务、并在理解的基础上生成动作”。

在真实作业中，人的指令往往是高度稀疏的。比如告诉机器人“把这些箱子摆好”，模型必须先理解任务目标，把抽象语义拆成可以执行的子任务，再预测物体、空间、接触和轨迹在未来一段时间内可能发生的变化，最后生成连续动作流。

这是一个信息从稀疏到密集的过程，从语义，到物理预测，再到动作。

深诣联合创始人罗宇对具身研习社表示，为了完成这个过程，深诣在模型中引入了由多个独立物理专家构成的MoE架构，不同专家从不同视角预测物理世界。动作生成时，模型不会机械地平均调用所有专家，而是会根据任务状态自适应调整查询强度。光照条件较差时，模型可以更多依赖深度信息；进行精细插接时，力和本体状态可能更重要；面对持续变化的箱体堆叠，轨迹和空间关系则会成为关键依据。

这种设计的意义在于，机器人需要从不同物理维度理解“可以如何操作”以及“操作之后会发生什么”，而不是把视觉识别结果直接映射为动作。

因此，深诣SE-1具身模型的核心是建立一种更符合真实任务结构的理解方式：模型先把抽象语义还原成密集的物理信息，再从物理信息中生成动作。这是自进化能够发生的基础。

但理解世界并不足以保证机器人做对事情。这正是强化学习进入现场的原因。

在混合码垛任务中，最初通过常规监督学习训练出的模型，虽然能够完成基本抓取和放置，但仍可能出现拿错箱子、放错位置，或者把箱子放到不合适的位置、造成箱体之间相互挤压的情况。深诣没有针对每一种情况重新手写规则，而是通过奖励正确行为、惩罚错误行为，让模型在与环境交互中自行调整策略。

经过约两天的强化学习后，模型的行为开始出现明显变化。它不再舍近求远，去抓位置更低、更难操作的箱子，而会优先选择更高、更便于抓取的箱体，放置时也会主动对齐托盘边沿，让整体垛形更整齐、更稳定。在整个执行的过程姿态也在不断调整。

这也是深诣技术路线中最具差异化的部分，强化学习负责把“完成任务”进一步提升为“按照人类定义的价值目标，把任务完成得更好”。

自进化要真正进入产业，还必须解决成本问题。

客户现场每天都在变化，今天处理一种SKU，明天可能换成另一种包装；每个新任务能够采集的数据有限。如果只用少量现场数据更新模型，很容易过拟合，甚至损失模型原有的泛化能力。如果每次都重新采集大量数据、重新训练，适配成本又会高到客户无法接受。

深诣自研OMPO数据匹配技术，就是为了解决这个矛盾。

OMPO会从端侧实际工作的小批量数据中提取分布特征，再与深诣内部数据平台中的大规模历史经验进行匹配，提炼相同特征的数据，把现场新数据和相关历史数据组合起来训练模型。

这样，模型一方面能够向客户指定的任务倾斜，在新任务上越做越好；另一方面，大量相关历史经验的引入，也能避免模型因为小样本更新而丧失通用能力。同时，这种方式还有助于缓解现场数据敏感问题。

如果说OMPO解决的是“哪些经验值得被用来学习”，异步强化学习解决的则是“如何更高效地把经验转化为能力”。

真实物理交互昂贵且低速，机器人不可能像语言模型那样几乎无限地生成样本。每一次成功、失败和纠正都消耗真实时间与硬件成本，因此必须尽可能提高样本效率。深诣希望通过异步强化学习，让机器人在实际运行中持续吸收已有经验，缩短从新任务接触到具备工作能力之间的距离。

这套组合被深诣概括为L4E+E4L，即Learning for Embodiment与Embodiment for Learning。

前者让模型学习如何驱动物理本体，后者让机器人在真实工作中反向推动模型成长。学习不再只发生在机器人“上岗前”，而是延伸到它的整个生命周期。

罗宇谈道，与自动驾驶能够形成数据飞轮相比，前提是车辆先被大规模使用，并在日常行驶中自然产生数据。机器人先证明自己在小数据、短周期内能够创造生产力，客户才愿意部署，部署增加之后，大规模数据回流才可能发生。

所以，深诣真正追求的技术长板，不是把模型参数做得最大，而是提高“真实经验转化为能力”的效率。

深诣这套技术路线不是在实验室里凭空设计出来的，是和高价值场景的一次双向奔赴。

成立之初，团队并没有先决定“要做一套什么样的模型”，而是先去拆解高价值场景中仍然依赖大量人工的原因。比如工业里的柔性装配和精密操作，物流场景中的混装拆码、混合码垛和笼车搬运。这些环节看似分散，背后却有共同特征，任务高频发生，物料和作业条件持续变化，传统自动化难以完整覆盖，同时客户又有明确的替人和降本需求。

除了有明确需求外，工业和物流之所以能成为高价值场景的起点，正在于它们同时满足两个条件。

第一，变化足够多。物流中的箱体尺寸、颜色、堆叠方式、货物顺序不断变化；工业中的工件型号、来料姿态、装配精度也会随产品和工艺调整。传统自动化擅长处理确定性，而这些场景真正消耗的，是系统处理变化的能力。

第二，结果可量化。有没有抓对、放稳，垛形是否稳定，插接是否成功，节拍是否满足产线要求，都可以被量化。这些指标既是客户判断ROI的依据，也是强化学习所需要的奖励信号。

这样的场景，天然需要的不是一套固定能力，而是能够自进化的具身智能产品。技术路线由此不是前提，而是场景问题的答案。

落到产品层面，深诣把自己要解决的事情概括为一机多能。

一机多能直接关系设备利用率。

如果一台机器人每天只能完成一个两小时的任务，其余时间闲置，那么它即便单项能力很强，客户也很难算清经济账。真实工厂和仓库需要的不是“某个动作的替代者”，而是可以在不同工位、不同任务之间切换的柔性生产能力。

以物流为例，一台机器人如果既能混合码垛，也能拆垛、搬运箱体、处理笼车，就能覆盖更多班次和工作波次。对客户而言，同样一笔设备投入，可以被摊薄到更多任务和更长工作时间里，设备利用率和投资回报都会提升。

这是一种非常务实的产品定义，不是为了追求形态上的“像人”，而是根据真实任务选择最有效的执行方式。箱体抓取用吸盘效率更高，就采用吸盘，硬件形态服务于任务效率，而不是反过来限制任务范围。这也是深诣提到的“形态即智能”。

在长期使用中，模型还会围绕客户高频、高价值的真实任务进行有倾向性的持续更新。这里的更新目标不是某个孤立动作或技能，而是完整任务。客户关注的是混合码垛、冷库拆码、码笼车，模型就围绕这些任务整体迭代，包括其中的识别、规划、抓取、移动和放置。

这让深诣的产品逻辑区别于传统项目制交付。

传统定制自动化往往是在每个客户现场重新解决一遍问题，项目经验难以充分沉淀。深诣则试图把每一次部署都变成通用能力的增量：客户的具体任务得到优化，公司积累的模型能力和历史经验也随之增加，下一次进入相似场景时，适配周期可以进一步缩短。

场景因此不只是深诣的市场，还是它的训练场。这正是闭环成立的关键一环，每一次真实作业的成功与失败，都会通过数据回流，成为下一次模型更新的素材。工业与物流之所以成为起点，不只是因为付费意愿明确，更因为它们能够持续提供多样、真实、有明确结果评价的反馈。

深诣的路线之所以成立，很大程度上来自创始团队的组合。

创始人兼CEO刘凯是极智嘉联合创始人，完整经历了机器人公司从0到1、规模化商业交付直至上市的过程，拥有15年以上机器人产业经验和150余项专利。他的核心能力不是单点技术，而是知道一项技术如何变成客户愿意采购、工程团队能够交付、组织能够持续复制的生意。

这种经验会直接改变一家公司的提问方式。

相比“模型能不能完成某个任务”，产业出身的人更关心客户的真实问题，也正是在这些问题中，深诣形成了对ROI、节拍、成功率和可维护性的敏感。

此外还有另一条能力曲线。

罗宇博士毕业于清华大学计算机系，研究方向覆盖强化学习、多模态学习、通用策略模型和机器人学习；曾入选华为“天才少年”计划，主要负责基座模型的研发。另一位联合创始人黄康尧博士同样毕业于清华大学计算机系，负责具身Harness系统和高性能仿真。

这让深诣的团队能力进一步延伸。技术不是空中楼阁而是有落地转化经验支撑，新技术的动能又规避了经验依赖风险。所以，深诣团队的稀缺性在于三种能力能够在同一张桌子上互相校准。

产业经验告诉团队，哪些问题值得解决，客户会为什么付费；模型能力决定，机器人能否通过数据和强化学习持续进化；系统与工程能力则决定，这一切能否稳定运行在真实设备上，并从单个现场复制到更多现场。

这也让深诣形成了一条相对清晰的内部原则，问题从真实中来，再回到真实中去。

罗宇说，深诣不会为了做一个吸引眼球的Demo而不断调整技术方向。Demo可以展示能力，但不能反向定义公司。无论是线束插接还是混合码垛，任务都来自真实产线和物流现场，后续也要继续通过POC和客户现场校验。

这句话看似简单，实际上决定了一家具身智能公司会把资源投向哪里。

如果以展示为中心，公司会优先选择边界可控、效果直观、容易被外界理解的任务；如果以真实问题为中心，就必须回应真实作业对可靠性、适应性和效率的综合要求，并在持续解决这些问题的过程中积累长期能力。前者更容易制造短期声量，后者才有可能沉淀长期能力。

深诣选择的是后者。它不是排斥展示，但展示必须来自真实任务；模型能力不仅要接受聚光灯的照射，更要接受成功率、节拍、部署周期和ROI的检验。

从更深层看，这是一种公司价值观。技术不是为了证明技术本身，产品也不是为了堆叠能力。模型、算法、数据和机器人系统，最终都要回到同一个问题，能否创造充沛的生产力。