當(dāng)大模型開始“看懂”圖像、理解語言，是否意味著AI已經(jīng)足夠強大？答案顯然是否定的。真正決定下一階段產(chǎn)業(yè)格局的，不是模型在屏幕里的推理能力，而是它是否能夠走進物理世界，理解環(huán)境、規(guī)劃行動，并穩(wěn)定、可靠地完成任務(wù)——即我們所謂的具身智能。

從“看見世界”到“動手改變世界”，中間跨越的是一整套從算法、數(shù)據(jù)到硬件系統(tǒng)的工程體系。圍繞這一目標(biāo)，軟通天擎構(gòu)建了覆蓋機器人本體、數(shù)據(jù)平臺與算法模型的全棧能力，并以軟通天擎ArtisanBrain-X0 為核心小腦模型，推動視覺-語言-動作（VLA）能力的真正落地。

軟通天擎全棧能力架構(gòu)圖

從大模型能力走向具身落地：

軟通天擎的全棧布局

軟通天擎是一家聚焦具身智能的科技企業(yè)，致力于成為國內(nèi)領(lǐng)先的具身智能人形機器人產(chǎn)品與場景應(yīng)用解決方案提供商。公司以大模型的泛化能力為核心驅(qū)動，構(gòu)建覆蓋以下四大方向的全棧技術(shù)體系：

具身智能數(shù)據(jù)采集平臺

具身數(shù)據(jù)模型與算法

機器人操作系統(tǒng)

人形機器人本體硬件與關(guān)鍵部件設(shè)計制造

當(dāng)前，公司聚焦三大主營業(yè)務(wù)方向：

具身智能數(shù)據(jù)基礎(chǔ)設(shè)施解決方案與技術(shù)服務(wù)

具身智能人形機器人本體及關(guān)鍵部件研發(fā)與生產(chǎn)制造（天擎 A/T 系列）

面向工業(yè)智造、康養(yǎng)、教育科研等具身智能場景應(yīng)用解決方案與技術(shù)服務(wù)

在真實產(chǎn)業(yè)推進過程中，軟通天擎深刻認(rèn)識到具身智能的落地并非簡單的模型訓(xùn)練問題，而是一個系統(tǒng)工程問題。圍繞行業(yè)現(xiàn)狀，公司總結(jié)出四大核心壁壘：

本體硬件穩(wěn)定性與成本控制難題

高質(zhì)量真實數(shù)據(jù)匱乏

采集—訓(xùn)練—推理部署流程割裂

缺乏真正可泛化的具身大模型

針對這些問題，軟通天擎打造了“采-訓(xùn)-推”一體化閉環(huán)體系，并推出Artisan一站式具身智能開發(fā)平臺，實現(xiàn)從數(shù)據(jù)采集到模型部署的全流程打通。

軟通天擎認(rèn)為只有當(dāng)硬件本體、數(shù)據(jù)與模型形成統(tǒng)一協(xié)同體系，具身智能才能真正實現(xiàn)規(guī)?；瘡?fù)制。

ArtisanBrain-X0：

跨本體泛化的小腦核心

具身智能領(lǐng)域長期存在一個關(guān)鍵問題——模型能力被“鎖死”在單一本體上。不同機器人結(jié)構(gòu)差異巨大：自由度不同、動力學(xué)不同、控制接口不同。這導(dǎo)致每適配一種新本體，都需要重新采集數(shù)據(jù)、重新訓(xùn)練模型，難以形成數(shù)據(jù)飛輪。ArtisanBrain-X0 正是在這樣的背景下提出跨本體統(tǒng)一建模方案。

1統(tǒng)一動作空間：打破本體差異

傳統(tǒng)機器人模型多基于關(guān)節(jié)空間建模，本體之間難以共享數(shù)據(jù)。ArtisanBrain-X0 將不同機器人控制信號統(tǒng)一抽象為末端執(zhí)行器（EE）位姿表示——即三維空間中的位置與姿態(tài)變化。這意味著：

? 單臂、雙臂、移動底盤系統(tǒng)

? 不同自由度結(jié)構(gòu)

? 不同驅(qū)動形式

在模型視角中都使用同一種“動作語言”。這一抽象使模型不再依賴具體關(guān)節(jié)結(jié)構(gòu)，而直接面向物理世界交互目標(biāo)進行建模。

2動作Tokenizer：離散化物理行為

連續(xù)高維控制軌跡直接建模存在泛化困難，ArtisanBrain-X0 引入分組殘差量化（GRVQ）機制，將連續(xù)軌跡壓縮為離散動作原語 token。這一機制帶來三大核心收益：

? 長時序控制更加穩(wěn)定

? 計算效率顯著提升

? 動作知識可遷移共享

模型輸出的不再是復(fù)雜控制流，而是一組“接近—抓取—放置”等可解釋動作詞匯序列。

3三層閉環(huán)推理：從語言到執(zhí)行

ArtisanBrain-X0 采用分層決策架構(gòu)，實現(xiàn)從自然語言到物理控制的閉環(huán)：

? 高層：任務(wù)理解與語義拆解

? 中層：動作原語生成

? 底層：控制信號解碼

通過“語義一致—控制一致—執(zhí)行一致”的三層對齊機制，模型能夠穩(wěn)定完成復(fù)雜任務(wù)。在 Libero 仿真評測中，ArtisanBrain-X0 綜合成功率達 96.3%，在真實機器人測試中總體成功率達 48.9%，幾乎是基線 π0 的 2.5 倍。這意味著跨本體泛化不再停留在理論層面，而是具備真實世界可行性。

采-訓(xùn)-推閉環(huán)：

從模型能力到工程體系

模型能力只是第一步，真正決定產(chǎn)業(yè)化速度的是是否具備規(guī)?；瘡?fù)制能力。軟通天擎將 ArtisanBrain 2.0 作為“大腦”基礎(chǔ)模型，將 ArtisanBrain-X0 作為“小腦”執(zhí)行模塊，并集成至 ArtisanBrain Platform系統(tǒng)，實現(xiàn)模型訓(xùn)練與部署閉環(huán)。

1采：高質(zhì)量數(shù)據(jù)資產(chǎn)體系

我們構(gòu)建“四維融合”采集策略：

? 視覺數(shù)據(jù)（RGB、深度、點云）

? 控制數(shù)據(jù)（關(guān)節(jié)角度、末端位姿、力矩）

? 環(huán)境信號

? 仿真合成數(shù)據(jù)

通過數(shù)據(jù)治理、版本管理、自動清洗、智能標(biāo)注和合成，實現(xiàn)高質(zhì)量數(shù)據(jù)資產(chǎn)化管理。數(shù)據(jù)不再是一次性消耗品，而是成為持續(xù)驅(qū)動模型迭代的核心燃料。

2訓(xùn)：自動化訓(xùn)練與遷移學(xué)習(xí)

軟通天擎ArtisanBrain Training 子系統(tǒng)支持：

? 預(yù)訓(xùn)練

? 小樣本微調(diào)

? 遷移學(xué)習(xí)

? 多模型適配（支持 ArtisanBrain-X0、π0.5 等）

典型工業(yè)場景適配約 48 卡天即可完成訓(xùn)練與部署。通過自動觸發(fā)訓(xùn)練與雙軌驗證機制（離線驗證+真機驗證），確保模型“學(xué)得快、用得穩(wěn)”。

3推：跨芯片部署與實時控制

軟通天擎ArtisanBrain Infer 子系統(tǒng)支持：

? 云端部署

? 邊緣推理

? 本體側(cè)實時控制

? OTA 升級與生命周期監(jiān)控

實現(xiàn)模型從云端到真機環(huán)境的無縫遷移，這一能力使模型具備持續(xù)演進能力。

工業(yè)柔性智造實踐：

從實驗到產(chǎn)線

在工業(yè)場景中，基于軟通天擎Artisan一站式具身智能開發(fā)平臺，實現(xiàn)機器人視覺-語言-動作（VLA）的閉環(huán)實踐。通過VR設(shè)備與機器人本體的協(xié)同，軟通天擎自主研發(fā)的天擎A2作業(yè)版機器人將進行高精度的動作捕捉與多模態(tài)數(shù)據(jù)采集，重點攻克顯卡、鼠標(biāo)等異形物料的分揀、抓取與裝箱放置等核心工序。采集到的海量原始數(shù)據(jù)通過數(shù)據(jù)平臺進行清洗、標(biāo)注與合成，轉(zhuǎn)化為高質(zhì)量、標(biāo)準(zhǔn)化的工業(yè)場景數(shù)據(jù)集，再通過模型訓(xùn)練、推理驗證，最終實現(xiàn)機器人全自主無人化作業(yè)。

具身智能的競爭，已經(jīng)從“模型參數(shù)規(guī)?！鞭D(zhuǎn)向“工程閉環(huán)能力”。從“看見”到“動手”，軟通天擎正以 ArtisanBrain-X0 為核心，構(gòu)建真正可泛化、可部署、可持續(xù)進化的視覺-語言-動作（VLA）閉環(huán)體系。具身智能的時代已經(jīng)開啟，而我們正在推動它加速到來。