過去十年，機器人行業經歷了多個技術周期。從協作機器人到復合機器人，從移動操作到具身智能，從工業自動化到大模型驅動的智能體，行業不斷尋找一個核心答案：機器人究竟如何創造持續價值？

艾利特機器人的答案是：不是單純追求更強的模型，也不是單純追求更像人的形態，而是在真實場景中建立“模型—本體—場景”的持續閉環。

艾利特從2016年提出“智能工人”理念開始，到今天構建“一腦多形”體系，再到聚焦AI產業鏈場景，始終堅持同一條技術路線：讓機器人真正進入生產系統，并持續創造價值。

今天，伴隨AI產業進入基礎設施建設周期，艾利特進一步提出新的產業理念：From AI, For AI。利用AI賦能機器人，再讓機器人服務AI產業的發展。

這不僅是一個產品方向，更是一個產業飛輪。

當前具身智能機器人產業正在受到三股力量推動。但艾利特機器人認為，僅有技術突破并不足以構成產業閉環。如果只有模型，沒有真實場景數據，模型難以持續進化；如果只有機器人本體，沒有明確應用場景，本體很容易停留在Demo階段；如果只有場景，沒有智能能力，則難以實現規模化復制。

真正決定產業落地的核心，是模型、本體與場景的協同進化。因此，艾利特機器人從一開始就選擇了一條不同的路：從場景出發，再回到場景中去。不是尋找某一種“終極機器人”，而是構建能夠持續迭代的智能系統。

很多人問：你們把具身智能機器人第一個落地場景選在哪里？艾利特機器人的答案是：AI產業鏈。

聚焦三大核心方向：

●AI Terminal（人工智能終端）：智能手機、穿戴設備、智能載具的生產環節，果鏈產線組裝檢測、3C制造等。

● AI for Science（人工智能賦能科學）：科研與生物制藥領域的實驗室自動化，樣品高通量處理。

● AI Infra（人工智能基礎設施）：光模塊制造與組裝檢測、AI算力核心零部件的生產、大型服務器機房的制造與維護。

為此，艾利特機器人基于業務發展的實質提出：

From AI, For AI

●From AI：用AI大模型為不同形態的機器人賦能，讓它們更聰明。可應對反光零件、動態光照、密集堆疊等復雜場景；

●For AI：讓這些機器人去服務AI基礎設施的產線，生產出光模塊、光通信器件——這些硬件支撐著AI算力的擴張。

●閉環：AI算力的擴容，反過來產生更多數據和算力，用于機器人大模型的迭代進化。

這一閉環帶來的另一重關鍵價值是商業上的“沿途造血”：艾利特機器人并非將研發與商業割裂，待技術完全成熟后再尋找場景，而是依托真實場景中持續產生的訂單與數據，構建通向高階智能的進化飛輪。

具身智能，不再只是AI的“物理載體”，而是成為AI產業底層基建的關鍵推動者。這個閉環一旦形成，機器人技術的迭代與AI算力的擴張將產生共振——這是艾利特最想構建的產業壁壘。

值得一提的是，美國AI機器人公司Generalist AI發布具身基礎模型GEN-1時，曾選用艾利特機器人作為硬件平臺，在真實環境中完成數據采集與算法驗證。這從側面印證：穩定、可靠、具備高性能通信和操作能力的機器人本體，仍是模型能力進入物理世界的重要基礎。

艾利特機器人的“一腦多形”，并非追逐具身智能熱潮的應景概念，也非人形機器人升溫后的臨時敘事。它的起點，可以追溯到2016年——艾利特創立之初。那時，艾利特機器人這支出身于北航的創業團隊，提出了一個在今天看來頗具前瞻性的概念，叫“智能工人”。

當時“具身智能”尚未成為高頻詞，大模型也遠未進入機器人產業的核心敘事。但艾利特機器人卻已在思考接近其底層框架的問題：

●問題一：機器人如何識別不同產品的形狀、位姿與形變？

●問題二：機器人如何根據環境與工藝變化自適應調整路徑？

●問題三：機器人如何通過力感知乃至觸覺，實現更自然的人機交互？

2018年，艾利特機器人董事長兼CEO曹宇男博士在接受高工機器人采訪時進一步明確：“機械和運動控制是基礎支撐，視覺與AI才是讓“智能工人”真正實用化的內核與靈魂。這就是“一腦多型”戰略的雛形。”

所謂“一腦多形”，并非簡單增加幾類產品，而是以統一的智能中樞驅動協作機器人、復合機器人、輪式人形機器人等不同形態，并在場景中依托高質量數據持續進化。“腦”指向感知、理解、決策、學習與執行等核心能力；“形”則是這些能力在不同場景中的載體。

在商業化早期，協作機器人因工程化程度更高、切入點更清晰，成為艾利特率先收斂與落地的方向。這也決定了艾利特的具身智能路線并非從零開始，而是沿著既有能力自然延展：從單臂到雙臂，從固定部署到移動作業，從專用設備到類人系統。形態在豐富，底層能力始終相通。

艾利特從不相信某一種形態能通吃所有場景。“一腦多形”的本質，是讓智能化能力跨形態通用，而非造出一個全能的“變形金剛”。

真正加速這一路徑的，是外部條件的成熟。艾利特具身智能事業部負責人吳珉博士將其概括為“時候到了”：

●技術拐點：具身智能從實驗室Demo走向工程化，任務理解、推理、模仿學習能力持續提升；

●產品價值顯現：傳統機器人需針對單一任務開發編程，而具身智能則能以一套系統通過少量微調覆蓋多任務，實現跨場景遷移；

●數據與場景閉環形成：模型只是基礎，決定迭代速度的是能否持續獲取真實場景數據并轉化為“燃料”。

在此背景下，艾利特將“一腦多形”戰略具象為三條增長曲線：

第一增長曲線：協作機器人

作為“第一形”，已落地500+真實場景，近日還助力GEN-1任務成功率突破99%。產品覆蓋汽車、3C、醫療、新零售等行業。產品譜系持續拓寬，業務穩健成長。

第二增長曲線：復合機器人

2021年成立專項組進行技術預研；2022年起為AI產業鏈頭部客戶提供可移動的“手眼腳”協同方案，實現規模化部署。覆蓋光模塊、服務器、頭部果鏈主鏈企業等，深度嵌入AI產業鏈核心企業，完成從“項目型交付”邁向“平臺型部署”，真正開啟具身智能的產業級進化。

艾利特機器人在藍思- iPhone 中框生產線車間

圖源：蘋果官方、《21世紀經濟報道》

第三增長曲線：具身智能機器人

以輪式人形機器人為起點，未來將走向服務、消費乃至家庭場景。

從工業底座到未來生活，三條曲線并非簡單替代，而是層層遞進、共享同一套大腦與核心技術。

在“一腦多型”體系中，“腦”的發揮離不開大模型能力的支撐。2025年，艾利特發布自研具身大模型；2026年5月21日，正式發布“元啟 Primo”。“元啟”寓意“智能的元初開啟”——真正的智能源于場景、數據與本體的持續閉環。

技術架構上，艾利特機器人采用自研的 “VLA+T”模型架構：在視覺-語言-動作（VLA）通用大模型框架中，融入實時力矩感知與高精度力控優化能力。其中，VLA大模型負責高層語義理解、任務分解與泛化決策；T模塊作為緊密耦合的專用能力層，確保操作的精細度與安全性。

值得一提的是，艾利特機器人的世界模型并非通用互聯網數據驅動，而是構建于真實工業場景——在多家AI產業鏈頭部客戶現場進行強化學習與微調，使模型能夠自動生成面向AI基礎設施、科學智能及智能終端生產等核心場景的決策與操作能力。

這套架構的顯著優勢在于算力經濟性：系統僅激活當前任務相關模塊，整體參數規模與計算負載遠低于通用大模型，更適合工業現場的實時運行與邊緣部署。

艾利特不迷信“萬能大模型”，也不追求模型參數的軍備競賽。用最貼近場景的真實數據和最經濟的算力，實現最可靠的效果——這是艾利特機器人從研發第一天起就堅持的原則。

當“大腦”具備跨形態復用能力，且“身體”完成長期工程化積累，新形態便自然浮現。艾利特人形機器人命名為CentaurG1——源自古希臘神話中的“半人馬”，兼具馬的移動運載能力與人的精細操作能力。

為何選擇輪式而非足式？

答案很簡單：工業場景不需要踢足球，需要的是穩定、負載與經濟性。輪式底盤更穩定、負載能力更高，企業可將幾乎全部算力與硬件成本集中于“上半身”的操作精度與智能。當前業內共識是：在結構化環境中，輪式為最優解。

艾利特也密切關注足式技術，未來若進入居家等非結構化地面場景，足式形態必將補位。但眼下，先讓機器人在工廠里創造看得見的價值。

CentaurG1的核心能力：

●多模態感知：融合激光雷達、RGBD相機、微距相機與六維力傳感器，應對反光零件、動態光照、密集堆疊等復雜場景；

●雙臂協同：7自由度冗余機械臂，單臂負載5kg，雙臂協同負載10kg，重復定位精度±0.1mm；自研雙臂協同規劃算法，實現微力感知與柔順裝配；

●空間智能：支持精細化建圖，高節拍站點導航精度達±0.01m，全向移動，動態環境自適應路徑規劃。

以上能力并非靜態配置，而是通過真實場景數據持續反哺世界模型，使CentaurG1在每一次部署中實現操作效率與適應性的代際進化。

目前，CentaurG1正處于與客戶聯合驗證階段。艾利特短期不追求運動或傳感性能的極致，唯一目標是：在一個真實場景中跑通閉環，證明人形機器人可以干活。

艾利特憑什么能跑通具身智能的閉環？

三個要素缺一不可：

●場景：艾利特積累了500+工業場景的落地經驗和真實客戶數據。

●形態：協作臂、復合機器人、輪式人形等多品類機器人的研發與量產基礎，絕非半年能組裝。

●AI：近年引進頂尖人才，在模型與算法上快速追趕。

艾利特機器人不追求單一能力的極致，而是堅持“數據采集→訓練垂類模型 → 運行于特定形態本體→產生新數據→再次迭代”的閉環”。這個閉環一旦跑通，產品性能將持續提升。

當“一腦多型”從戰略概念走向產品驗證，艾利特接下來要回答的現實問題是：具身智能還能拓展到哪些傳統機器人難以覆蓋的新場景？吳珉博士認為，工業和商業場景仍是最現實的試驗場：

機會首先出現在三類任務：

●高接觸任務（裝配、插拔等）：需與零件、工具、設備直接接觸，對力控要求高；

●柔性搬運及延伸任務：物料形態、擺放位置、操作流程更不固定；

●長程任務：多步驟組成，需機器人判斷狀態、切換流程、處理異常。

這些任務的共同點是不確定性與交互性更強，也正是在這類場景中，具身智能有機會體現出相較于傳統機器人的增量價值。但從能力展示走向穩定落地，中間仍然隔著很長一段距離。

“具身智能不是一個單點的技術問題，它還是一個系統工程。”吳珉博士指出，當前行業中，有的公司模型能力強，有的本體能力突出，但真正進入真實場景后，最終考驗的是系統級能力：模型、本體、控制、傳感、數據、場景適配、工程交付……鏈路越長，木桶效應越明顯，任何一塊短板都可能限制整個系統的上限。

因此，單看本體、模型或數據，都難以構成完整壁壘。真正能穿越周期的企業，必須同時具備：可持續迭代的智能系統、可靠的機器人本體與執行能力、真實場景中的部署與交付能力。艾利特正在構建的，正是這種系統能力。

不久前，艾利特機器人正式完成6億元人民幣D+輪融資，核心投向正是“一腦多型”戰略。

資本之外，自研具身大模型“元啟 Primo”已推進到具體客戶現場進行試點驗證，從技術與商業兩端同步推進：一方面檢驗系統的穩定性、任務完成度與現場適應能力；另一方面探索合適的合作模式與商業閉環。

在具身智能的熱潮中，艾利特見過太多炫目的Demo與宏大的敘事。“半年攢出一臺人形”成為談資，“通用大模型”被寄予一鍵解決所有問題的厚望。但當喧囂褪去，產業終將回到一個樸素的問題：這臺機器人在真實的產線里，到底能不能干活？

艾利特的答案可能不夠性感，但我們相信它是正確的——不追求單一形態的極致仿人，不迷信通用大模型的萬能解法，而是用十年時間，一步一個腳印地走通“從場景中來，到場景中去”的閉環。

艾利特沒有路徑依賴，不是學模型出身就迷信模型，也不是學電機出身就固守本體。正因如此，艾利特才能真正圍繞場景閉環，持續進化——形態可換、模型可迭代、能力可遷移，唯一不變的是從真實場景中創造價值的決心。

從2016年“智能工人”的構想，到2026年輪式人形機器人的推出，十年時間，艾利特始終沿著“一腦多型”的清晰路線穩步擴展。

對艾利特而言，“一腦多型”不只是一種戰略口號，更是一種面向未來的產品方法論：用可復用的智能能力，適配不同形態的機器人；用真實場景中的持續迭代，推動機器人從自動化設備走向具身智能體。

這條路，艾利特已經走了十年，并將繼續走下去。