From AI, For AI：艾利特如何让机器人成为AI产业的“关键推动者”？

过去十年，机器人行业经历了多个技术周期。从协作机器人到复合机器人，从移动操作到具身智能，从工业自动化到大模型驱动的智能体，行业不断寻找一个核心答案：机器人究竟如何创造持续价值？

艾利特机器人的答案是：不是单纯追求更强的模型，也不是单纯追求更像人的形态，而是在真实场景中建立“模型—本体—场景”的持续闭环。

艾利特从2016年提出“智能工人”理念开始，到今天构建“一脑多形”体系，再到聚焦AI产业链场景，始终坚持同一条技术路线：让机器人真正进入生产系统，并持续创造价值。

今天，伴随AI产业进入基础设施建设周期，艾利特进一步提出新的产业理念：From AI, For AI。利用AI赋能机器人，再让机器人服务AI产业的发展。

这不仅是一个产品方向，更是一个产业飞轮。

当前具身智能机器人产业正在受到三股力量推动。但艾利特机器人认为，仅有技术突破并不足以构成产业闭环。如果只有模型，没有真实场景数据，模型难以持续进化；如果只有机器人本体，没有明确应用场景，本体很容易停留在Demo阶段；如果只有场景，没有智能能力，则难以实现规模化复制。

真正决定产业落地的核心，是模型、本体与场景的协同进化。因此，艾利特机器人从一开始就选择了一条不同的路：从场景出发，再回到场景中去。不是寻找某一种“终极机器人”，而是构建能够持续迭代的智能系统。

很多人问：你们把具身智能机器人第一个落地场景选在哪里？艾利特机器人的答案是：AI产业链。

聚焦三大核心方向：

●AI Terminal（人工智能终端）：智能手机、穿戴设备、智能载具的生产环节，果链产线组装检测、3C制造等。

● AI for Science（人工智能赋能科学）：科研与生物制药领域的实验室自动化，样品高通量处理。

● AI Infra（人工智能基础设施）：光模块制造与组装检测、AI算力核心零部件的生产、大型服务器机房的制造与维护。

为此，艾利特机器人基于业务发展的实质提出：

From AI, For AI

●From AI：用AI大模型为不同形态的机器人赋能，让它们更聪明。可应对反光零件、动态光照、密集堆叠等复杂场景；

●For AI：让这些机器人去服务AI基础设施的产线，生产出光模块、光通信器件——这些硬件支撑着AI算力的扩张。

●闭环：AI算力的扩容，反过来产生更多数据和算力，用于机器人大模型的迭代进化。

这一闭环带来的另一重关键价值是商业上的“沿途造血”：艾利特机器人并非将研发与商业割裂，待技术完全成熟后再寻找场景，而是依托真实场景中持续产生的订单与数据，构建通向高阶智能的进化飞轮。

具身智能，不再只是AI的“物理载体”，而是成为AI产业底层基建的关键推动者。这个闭环一旦形成，机器人技术的迭代与AI算力的扩张将产生共振——这是艾利特最想构建的产业壁垒。

值得一提的是，美国AI机器人公司Generalist AI发布具身基础模型GEN-1时，曾选用艾利特机器人作为硬件平台，在真实环境中完成数据采集与算法验证。这从侧面印证：稳定、可靠、具备高性能通信和操作能力的机器人本体，仍是模型能力进入物理世界的重要基础。

艾利特机器人的“一脑多形”，并非追逐具身智能热潮的应景概念，也非人形机器人升温后的临时叙事。它的起点，可以追溯到2016年——艾利特创立之初。那时，艾利特机器人这支出身于北航的创业团队，提出了一个在今天看来颇具前瞻性的概念，叫“智能工人”。

当时“具身智能”尚未成为高频词，大模型也远未进入机器人产业的核心叙事。但艾利特机器人却已在思考接近其底层框架的问题：

●问题一：机器人如何识别不同产品的形状、位姿与形变？

●问题二：机器人如何根据环境与工艺变化自适应调整路径？

●问题三：机器人如何通过力感知乃至触觉，实现更自然的人机交互？

2018年，艾利特机器人董事长兼CEO曹宇男博士在接受高工机器人采访时进一步明确：“机械和运动控制是基础支撑，视觉与AI才是让“智能工人”真正实用化的内核与灵魂。这就是“一脑多型”战略的雏形。”

所谓“一脑多形”，并非简单增加几类产品，而是以统一的智能中枢驱动协作机器人、复合机器人、轮式人形机器人等不同形态，并在场景中依托高质量数据持续进化。“脑”指向感知、理解、决策、学习与执行等核心能力；“形”则是这些能力在不同场景中的载体。

在商业化早期，协作机器人因工程化程度更高、切入点更清晰，成为艾利特率先收敛与落地的方向。这也决定了艾利特的具身智能路线并非从零开始，而是沿着既有能力自然延展：从单臂到双臂，从固定部署到移动作业，从专用设备到类人系统。形态在丰富，底层能力始终相通。

艾利特从不相信某一种形态能通吃所有场景。“一脑多形”的本质，是让智能化能力跨形态通用，而非造出一个全能的“变形金刚”。

真正加速这一路径的，是外部条件的成熟。艾利特具身智能事业部负责人吴珉博士将其概括为“时候到了”：

●技术拐点：具身智能从实验室Demo走向工程化，任务理解、推理、模仿学习能力持续提升；

●产品价值显现：传统机器人需针对单一任务开发编程，而具身智能则能以一套系统通过少量微调覆盖多任务，实现跨场景迁移；

●数据与场景闭环形成：模型只是基础，决定迭代速度的是能否持续获取真实场景数据并转化为“燃料”。

在此背景下，艾利特将“一脑多形”战略具象为三条增长曲线：

第一增长曲线：协作机器人

作为“第一形”，已落地500+真实场景，近日还助力GEN-1任务成功率突破99%。产品覆盖汽车、3C、医疗、新零售等行业。产品谱系持续拓宽，业务稳健成长。

第二增长曲线：复合机器人

2021年成立专项组进行技术预研；2022年起为AI产业链头部客户提供可移动的“手眼脚”协同方案，实现规模化部署。覆盖光模块、服务器、头部果链主链企业等，深度嵌入AI产业链核心企业，完成从“项目型交付”迈向“平台型部署”，真正开启具身智能的产业级进化。

艾利特机器人在蓝思- iPhone 中框生产线车间

图源：苹果官方、《21世纪经济报道》

第三增长曲线：具身智能机器人

以轮式人形机器人为起点，未来将走向服务、消费乃至家庭场景。

从工业底座到未来生活，三条曲线并非简单替代，而是层层递进、共享同一套大脑与核心技术。

在“一脑多型”体系中，“脑”的发挥离不开大模型能力的支撑。2025年，艾利特发布自研具身大模型；2026年5月21日，正式发布“元启 Primo”。“元启”寓意“智能的元初开启”——真正的智能源于场景、数据与本体的持续闭环。

技术架构上，艾利特机器人采用自研的“VLA+T”模型架构：在视觉-语言-动作（VLA）通用大模型框架中，融入实时力矩感知与高精度力控优化能力。其中，VLA大模型负责高层语义理解、任务分解与泛化决策；T模块作为紧密耦合的专用能力层，确保操作的精细度与安全性。

值得一提的是，艾利特机器人的世界模型并非通用互联网数据驱动，而是构建于真实工业场景——在多家AI产业链头部客户现场进行强化学习与微调，使模型能够自动生成面向AI基础设施、科学智能及智能终端生产等核心场景的决策与操作能力。

这套架构的显著优势在于算力经济性：系统仅激活当前任务相关模块，整体参数规模与计算负载远低于通用大模型，更适合工业现场的实时运行与边缘部署。

艾利特不迷信“万能大模型”，也不追求模型参数的军备竞赛。用最贴近场景的真实数据和最经济的算力，实现最可靠的效果——这是艾利特机器人从研发第一天起就坚持的原则。

当“大脑”具备跨形态复用能力，且“身体”完成长期工程化积累，新形态便自然浮现。艾利特人形机器人命名为CentaurG1——源自古希腊神话中的“半人马”，兼具马的移动运载能力与人的精细操作能力。

为何选择轮式而非足式？

答案很简单：工业场景不需要踢足球，需要的是稳定、负载与经济性。轮式底盘更稳定、负载能力更高，企业可将几乎全部算力与硬件成本集中于“上半身”的操作精度与智能。当前业内共识是：在结构化环境中，轮式为最优解。

艾利特也密切关注足式技术，未来若进入居家等非结构化地面场景，足式形态必将补位。但眼下，先让机器人在工厂里创造看得见的价值。

CentaurG1的核心能力：

●多模态感知：融合激光雷达、RGBD相机、微距相机与六维力传感器，应对反光零件、动态光照、密集堆叠等复杂场景；

●双臂协同：7自由度冗余机械臂，单臂负载5kg，双臂协同负载10kg，重复定位精度±0.1mm；自研双臂协同规划算法，实现微力感知与柔顺装配；

●空间智能：支持精细化建图，高节拍站点导航精度达±0.01m，全向移动，动态环境自适应路径规划。

以上能力并非静态配置，而是通过真实场景数据持续反哺世界模型，使CentaurG1在每一次部署中实现操作效率与适应性的代际进化。

目前，CentaurG1正处于与客户联合验证阶段。艾利特短期不追求运动或传感性能的极致，唯一目标是：在一个真实场景中跑通闭环，证明人形机器人可以干活。

艾利特凭什么能跑通具身智能的闭环？

三个要素缺一不可：

●场景：艾利特积累了500+工业场景的落地经验和真实客户数据。

●形态：协作臂、复合机器人、轮式人形等多品类机器人的研发与量产基础，绝非半年能组装。

●AI：近年引进顶尖人才，在模型与算法上快速追赶。

艾利特机器人不追求单一能力的极致，而是坚持“数据采集→训练垂类模型 → 运行于特定形态本体→产生新数据→再次迭代”的闭环”。这个闭环一旦跑通，产品性能将持续提升。

当“一脑多型”从战略概念走向产品验证，艾利特接下来要回答的现实问题是：具身智能还能拓展到哪些传统机器人难以覆盖的新场景？吴珉博士认为，工业和商业场景仍是最现实的试验场：

机会首先出现在三类任务：

●高接触任务（装配、插拔等）：需与零件、工具、设备直接接触，对力控要求高；

●柔性搬运及延伸任务：物料形态、摆放位置、操作流程更不固定；

●长程任务：多步骤组成，需机器人判断状态、切换流程、处理异常。

这些任务的共同点是不确定性与交互性更强，也正是在这类场景中，具身智能有机会体现出相较于传统机器人的增量价值。但从能力展示走向稳定落地，中间仍然隔着很长一段距离。

“具身智能不是一个单点的技术问题，它还是一个系统工程。”吴珉博士指出，当前行业中，有的公司模型能力强，有的本体能力突出，但真正进入真实场景后，最终考验的是系统级能力：模型、本体、控制、传感、数据、场景适配、工程交付……链路越长，木桶效应越明显，任何一块短板都可能限制整个系统的上限。

因此，单看本体、模型或数据，都难以构成完整壁垒。真正能穿越周期的企业，必须同时具备：可持续迭代的智能系统、可靠的机器人本体与执行能力、真实场景中的部署与交付能力。艾利特正在构建的，正是这种系统能力。

不久前，艾利特机器人正式完成6亿元人民币D+轮融资，核心投向正是“一脑多型”战略。

资本之外，自研具身大模型“元启 Primo”已推进到具体客户现场进行试点验证，从技术与商业两端同步推进：一方面检验系统的稳定性、任务完成度与现场适应能力；另一方面探索合适的合作模式与商业闭环。

在具身智能的热潮中，艾利特见过太多炫目的Demo与宏大的叙事。“半年攒出一台人形”成为谈资，“通用大模型”被寄予一键解决所有问题的厚望。但当喧嚣褪去，产业终将回到一个朴素的问题：这台机器人在真实的产线里，到底能不能干活？

艾利特的答案可能不够性感，但我们相信它是正确的——不追求单一形态的极致仿人，不迷信通用大模型的万能解法，而是用十年时间，一步一个脚印地走通“从场景中来，到场景中去”的闭环。

艾利特没有路径依赖，不是学模型出身就迷信模型，也不是学电机出身就固守本体。正因如此，艾利特才能真正围绕场景闭环，持续进化——形态可换、模型可迭代、能力可迁移，唯一不变的是从真实场景中创造价值的决心。

从2016年“智能工人”的构想，到2026年轮式人形机器人的推出，十年时间，艾利特始终沿着“一脑多型”的清晰路线稳步扩展。

对艾利特而言，“一脑多型”不只是一种战略口号，更是一种面向未来的产品方法论：用可复用的智能能力，适配不同形态的机器人；用真实场景中的持续迭代，推动机器人从自动化设备走向具身智能体。

这条路，艾利特已经走了十年，并将继续走下去。