一台颁奖机器人,和背后的一个判断
在WRC世界机器人大会最后一天闭幕式上,一台机器人站在了颁奖台边,帮工作人员完成了礼仪环节。它是明略科技和海康机器人联合展台送上舞台的作品,也是当天现场为数不多能同时被观众和媒体镜头都记住的画面。
在2026世界机器人大会主论坛上，明略科技创始人、CEO 兼 CTO 吴明辉带来题为《Agent＋具身：应用需求牵引机器人智能的进化路径》的演讲，分享其在Agent、具身智能与产业应用方面的最新思考与实践。
他提出，机器人真正进入生产系统，不仅需要更聪明的个体“大脑”，还需要连接机器人、Agent与IT系统的“组织大脑”，并跨过工程交付、业务流程重构和现场部署的最后一公里。
这篇文章想聊的,是这个判断本身。以及,当我们说机器人需要"第二个大脑"的时候,到底在说什么。
第一个大脑:视觉进、动作出
具身智能这两年最热的战场,是视觉输入到动作输出这条链路。
技术圈熟悉的名字都在这条线上:OpenVLA、π0 系列、VLA-JEPA。它们在做的事情,本质上是让机器人像人一样,看见→理解→动手。这一层的进步速度非常快,数据规模、模型架构、训练策略每几个月就有新东西出来。
但如果真的把这些模型放进一家餐厅、一个物流仓库、一个巡逻园区,会立刻发现另一个层次的问题浮出来:
- 这台机器人负责清桌,那台机器人负责回收餐盘,它们怎么协同?
- 前端点单系统触发了新订单,后厨机器人怎么知道该开始备餐?
- 巡逻机器人识别到异常,怎么把事件转交给安保系统和值班人员?
这些问题,不属于任何一个 VLA 模型的能力范围。它们发生在模型之上,而不是模型内部。
这就是我们说的第二个大脑——组织的大脑。
第二个大脑:模型之上的编排层
组织的大脑做三件事:多机协同、跨系统调度、和企业既有 IT 打通。
多机协同,是让多个机器人之间知道彼此在做什么、避免冲突、共享上下文。
跨系统调度,是让数字世界的 Agent 和物理世界的机器人能互相下发任务、交换状态。
和既有 IT 打通,是让机器人不再是一个独立展品,而是嵌进排班系统、库存系统、工单系统的一环。
单纯把 VLA 模型做强做大,不解决这三件事。因为它们是编排问题,不是感知或控制问题。
这个判断不是最近才有的。明略在 2018 年提出过一个框架,叫 HAO,H 是人,A 是广义的人工智能(数字 Agent 和物理机器人都算),O 是组织智能。核心设想是把人、Agent、机器人接入同一张网络,靠分工产生组织级生产力,而不是指望某一个体具备完整能力。
明略开源的人机协同平台 Octo,是这套设想在数字世界的第一步落地——让数字 Agent 之间协作、共享上下文、沉淀经验。这次 WRC 联合展台上呈现的三个场景,是这套编排能力从数字世界延伸到物理世界的第一次公开演示。
两条技术路径,同一种演化
把 Agent 的技术演化线和机器人的技术演化线摆在一起,会看到一件有意思的事:它们走的是同一条路。
工具调用这条线:
数字世界是规则引擎、专家系统、RPA、工作流,再到通用 Agent;具身世界是 PLC 编程、行为树,再到端到端 VLA。
两条线都在"完全写死"和"完全自由"两端之间摆动。数字世界后来出现了介于两者之间的方案,结构化技能是最新一例;具身世界最近也开始出现"原子技能库"这类结构化方案,作为端到端之外的补充路径。
记忆这条线,同构性更明显:
数字 Agent 是工作记忆、情景记忆、语义记忆、程序性记忆,也就是 CoALA 四层框架;具身机器人对应的是空间记忆、任务轨迹记忆、语义记忆、技能记忆。
同一套记忆架构,落在两种不同的载体上。中间有一处需要打通,具身领域讲的"本体"通常是物理结构,语义记忆里的"本体"是概念和关系的抽象,两种本体未来需要共享同一套语义层,机器人才能真正听懂人和 Agent 在说什么。
这也是为什么可以判断,做过多年数字 Agent 编排的团队,把能力延伸到具身领域,不是跨界,而是同一件事的自然延伸。
通信协议:电子邮件式的开放层
组织的大脑要真正跑起来,还需要一层通信协议,把机器人、数字 Agent 和旧系统连起来。
这层协议的理想形态,更像电子邮件,开放、简单、不绑定单一厂商;每家企业都能搭自己的编排平台,平台之间还能互联互通。
数字世界最近一两年已经在这个方向上有进展,MCP 解决模型和工具之间的调用协议,A2A 解决 Agent 和 Agent 之间的对话协议。机器人加入进来之后,通信协议要覆盖的对象类型变多了,实时性和安全性的要求也更高,但开放、不绑定这个原则,应该是共通的。
L1-L5:一条组织演化路径
数字世界经历了大致五个阶段:L1 是每个人有可用的模型调用能力,L2 是每个人用 Agent 开展工作、旧工具也能被 Agent 调用,L3 是人和 Agent 共享结构化的语义记忆,L4 是生产力之间形成协作网络、持续做评测优化,L5 是企业积累出独有的数据和能力,和具体基础模型解耦。
这条路径在具身世界会不会同构地出现,现在没有现成答案。具身智能这个领域本身还年轻,基础设施层还在摸索。写出来是想提出一个可以讨论的假设,而不是给出一个已经验证的结论。
一个岗位:前沿部署工程师
企业买了 AI 工具,不代表业务立刻能跑起来。中间需要有人在现场,把模型能力、技能和企业既有的工作流程真正嵌合起来。
这个角色在数字世界已经有对应的名字,前沿部署工程师(FDE)。Palantir 早期靠这个岗位跑通了一批复杂场景的落地,后来这个岗位成为行业共识。
机器人进入商业场景,需要同一种角色——把运动控制能力和具体场景的作业流程结合起来,让机器人成为流程里能干活的一环,而不是展台上的表演者。这一层能力,靠工程实践积累,不靠模型本身。
回到 Octo
这次 WRC 上讨论的"组织大脑",落到工程实现上,是 Octo 一直在做的编排层这件事。
过去,Octo 连接的主要是数字世界的 Agent,让不同的智能体分工完成复杂任务、共享上下文、沉淀经验。往前看一步,这层编排能力没有理由只停留在数字世界。机器人和具身设备,本质上是可以被纳入同一张协作网络的参与者;区别在于接入方式和约束条件,物理世界的动作往往不可逆,延迟要求更苛刻,这些是编排层需要额外处理的部分。
目前更愿意把这次 WRC 的合作看作一次方向上的验证,不是一个已经成熟的答案。餐饮清洁、工业物流、智能巡逻三个场景,是明略和海康在具体业务上的探索尝试;组织大脑这层能力要真正跑通到什么程度,还需要更长时间的场景打磨。
这也是把 Octo 保持开源、把这个判断写出来讨论的原因——一层真正开放的编排协议,应该经过足够多的场景和开发者共同检验,而不是关起门来自己下结论。
https://github.com/Mininglamp-OSS
