千峰访谈千寻韩峰涛：具身智能是产业AI从“数字优化”走向“物理执行”的核心

【亿邦原创】韩峰涛，千寻智能创始人兼CEO。千寻智能定位机器人通用大脑构建者，业务模式围绕“通用具身大模型+机器人本体+场景数据闭环”展开，坚持“先工业、再商服、后家庭”三步走战略，聚焦Spirit系列具身基座模型研发。本届千峰奖访谈中，韩峰涛围绕AI与出海带来的模态进化，分享了千寻智能在具身智能方向的实践与判断。

亿邦：本届千峰奖以「AI与出海带来的模态进化」为核心主题，聚焦产业能力的深层重构。结合具身智能行业，您如何理解这一轮由AI和全球化共同驱动的产业模态进化？千寻在AI能力建设与全球化出海两大方向上，看到了哪些行业机会，做了哪些核心战略布局？能否具体介绍一下公司的定位及业务模式？

韩峰涛：我认为，这一轮AI与全球化共同驱动的产业模态进化，核心是AI正在从“数字世界的信息处理”向“物理世界的行动执行”延伸。对具身智能赛道而言，这不是简单的技术叠加，而是生产工具的底层范式变革——机器人正从执行预设脚本的自动化设备，进化为具备自主感知、决策、执行能力的智能体，最终将深度重塑全球制造业与服务业的生产力形态。

千寻智能的核心定位是机器人通用大脑的构建者，业务模式围绕“通用具身大模型+机器人本体+场景数据闭环”展开。我们坚持“先工业、再商服、后家庭”的三步走战略，优先在工业场景跑通技术与商业闭环，再逐步向商服、生活场景延伸。AI能力建设上，我们聚焦Spirit系列具身基座模型研发，构建起“模型—硬件—数据—场景”四位一体的自我迭代体系，形成技术与场景双向驱动的正向循环。

全球化是具身智能产业的长期方向，我们的节奏非常清晰：先把国内的技术底座、产品成熟度、场景交付能力做扎实，再稳步推进全球化。当前我们重点夯实国内工业、商服场景的商业化落地，同步开展海外市场需求研究、技术标准适配与人才储备，不盲目追求短期出海规模。对我们而言，全球化的前提是产品能力足够过硬，而非提前透支概念。

亿邦：目前贵公司在哪些核心业务环节落地了AI/大模型技术，例如产业智能体、智能装备、流程智能优化等？AI技术在纵向打通产供销全链路、横向整合物流/金融/园区等产业资源，或是品牌溢价、绿色发展等价值链升级方向上，分别发挥了怎样的作用？形成了怎样独具特色的AI或数智化竞争力体系？

韩峰涛：对具身智能而言，具身基座模型不是单点环节的效率工具，而是驱动机器人从“自动化设备”升级为“智能生产单元”的核心底座。我们的AI技术全栈贯穿模型研发、硬件控制、场景落地全链路：例如，在工业场景，搭载自研Spirit具身基座模型的Moz1机器人已落地新能源产线，承担装配辅助、高危工序作业，替代重复性、高风险人工环节，提升产线节拍稳定性；在商服场景，Moz2机器人也将逐步落地零售门店，承担服务引导、基础作业，优化服务效率与人力配置。

纵向来看，AI打通了从模型训练、硬件控制到场景交付的完整链路，让机器人具备跨环境泛化能力，不再依赖定制化脚本；横向来看，我们与宁德时代、京东、博世等产业伙伴深度协同，将产业场景的真实需求转化为模型迭代输入，同时沉淀可复制的行业解决方案，形成“技术能力—场景验证—价值落地”的正向循环。我们的核心竞争力，不是单一硬件或算法，而是一套可自我进化的具身智能落地体系。

亿邦：在推进AI规模化落地、挖掘价值链深度价值的过程中，数据要素扮演了怎样的支撑角色？能否介绍贵公司数据要素竞争力情况？贵公司更侧重自有产业数据深耕，还是推进跨主体、跨行业的数据协同？过程中遇到的核心挑战是什么，是如何应对的？

韩峰涛：在具身智能领域，数据是模型能力的核心燃料。与传统数字AI不同，具身智能需要的不是规整的结构化数据，而是真实物理世界中第一视角、带动作反馈、包含异常与失败案例的物理交互数据。

我们构建了覆盖互联网视频、可穿戴采集、人类遥操作、真机现场回流的“数据金字塔”体系，自研多代轻量化可穿戴数采设备，将成本压缩到遥操作的十分之一，并在全国100多个城市、布局超40万个采集点位，形成从采集、清洗、标注到回流的全自动化管线。我们不追求实验室的“完美数据”，反而主动收录扰动、失败等边界样本，让模型在真实世界的“不完美”中训练泛化能力。

我们既深耕自有场景的真机数据，也推进跨场景、跨伙伴的数据协同。过程中核心挑战在于高价值物理交互数据的采集成本高、标注难度大。我们的应对方式是通过技术工具降本提效，同时依托真机落地场景持续产生增量数据，形成可持续运转的数据飞轮。

亿邦：您在补充分享中提到，具身智能是产业AI从“数字优化”走向“物理执行”的关键跃迁。这个判断怎么理解？千寻为什么坚持通用具身大脑的技术路线？

韩峰涛：具身智能是产业AI从“数字优化”走向“物理执行”的关键跃迁。过去产业AI更多聚焦流程、决策层面的效率提升，而具身智能直接把AI能力注入物理装备，让机器人成为可复制、可迁移的“智能劳动力”，这是对产业生产力的深层重构。

千寻坚持通用具身大脑的技术路线，同一套Spirit具身基座模型可适配工业、商服等不同形态的硬件产品与应用场景，一次模型迭代可同时覆盖多条业务线，最大化释放通用智能的价值。未来产业AI的竞争，不会停留在单点技术，而是比拼“通用智能底座+场景落地能力+数据闭环体系”的综合实力。谁能先把通用智能的成本打下来、把场景跑通，谁就能在产业变革中占据主动。

亿邦：面向2026年及未来两年，贵公司在AI能力迭代与全球化布局上有哪些重点投入规划？您预判这会给行业竞争格局带来哪些关键变化？

韩峰涛：面向2026年及未来两年，我们的核心投入集中在三个方向：一是持续攻坚Spirit具身基座模型，提升泛化能力、长时序任务能力与数据效率，夯实通用大脑底座；二是完善数据采集与回流体系，扩大真实场景数据储备；三是推进国内工业、商服场景落地，沉淀标准化产品与解决方案。全球化方面，我们会稳步推进前期调研与能力储备，节奏服从于技术成熟度，不做冒进的规模化扩张。

我预判行业竞争格局会发生两个关键变化：第一，竞争核心从Demo表演、硬件参数比拼，转向真实场景的落地能力、工程化能力与数据闭环能力；第二，全球竞争会从单一产品竞争，转向技术体系与产业生态的竞争。中国企业凭借完整的供应链、丰富的产业场景、海量的真实数据与人才红利，会在全球具身智能竞争中占据越来越重要的位置。

亿邦：如果给刚刚起步、希望同时构建AI竞争力与全球化能力的同行企业提一条最核心的建议，这条建议会是什么？

韩峰涛：如果给同时布局AI能力与全球化的同行提一条最核心的建议，我会说：先筑牢通用具身智能的核心技术底座，再谈场景拓展与全球化布局。

具身智能本质是长周期硬科技，核心壁垒从来不是场景数量或硬件样机，而是基座模型能力、真实世界数据体系与软硬协同的工程化能力。很多企业急于铺场景、冲出海，却忽略了底层技术的长期打磨，最终容易陷入“Demo好看、落地困难”的困境。对起步阶段的企业而言，最核心的是把资源聚焦在具身大模型架构、数据飞轮体系、真实世界泛化能力这些底层技术上，把技术底座打牢，再基于通用能力有序延伸场景、推进全球化，才能形成可持续的长期竞争力。

作为TO B领域年度风向标，“2026第八届亿邦产业互联网年会暨首届产业智能体大会”将于2026年11月20日在北京召开。主题定为“AI与出海带来的模态进化”，聚焦产业智能体落地、AI供应链价值重构、数据要素与TOKEN经济、产业出海新生态等前沿议题深度思辨。大会将集结学界权威、央国企标杆、产业龙头、投资机构、服务生态伙伴，汇聚产业核心力量、拆解产业数智化转型路径、分享前沿实战经验。同期还将发布年度产业互联网报告及标杆案例，举办决策人闭门会、“千峰奖”颁奖盛典。