作者：Baiyang
具身智能观察室
公众号：EmbodiedAI_2025
在具身智能这一融合人工智能与物理实体交互的前沿赛道上，深圳企业智平方（深圳）科技有限公司（以下简称"智平方"）正以独特的"产业派"路径快速崛起。
作为全球最早提出并系统性研发物理世界AGI（通用人工智能）的企业，智平方以原创技术为核心竞争力，是国内唯一专注空间智能基础模型研发并获得国家认可的团队。
该公司成立仅两年，便喊出"2033年百万台机器人覆盖多元场景"的豪言。并在半年内，完成了7轮数亿级融资。
据悉，智平方牵手半导体巨头惠科，部署千台机器人的同时，还发布了全球首个全域全身具身大模型GOVLA，并实现汽车制造全场景验证。
这家由前微软AI专家郭彦东创立的企业，正试图将AGI的能力真正"落地"到物理世界的机器人中。
其发展轨迹不仅折射出中国具身智能产业的进阶逻辑，更面临着技术迭代、商业化落地与市场竞争的多重考验。
图片来源自企业官方网站
一、布局：
从工业场景切入的"产业派"战略
区别于多数初创企业优先试水商业或家庭服务的路径，智平方选择将有限的资源集中于工业场景——这个被团队视为"最具确定性"的突破口。
“汽车工厂的总装环节任务碎片化、柔性化，传统工业机器人边际成本递增，而具身机器人能通过快速学习适应多车型混线生产的需求。”
智平方副总裁莫磊在机器人商业化论坛上指出，这正是具身智能的机会所在。
自2023年4月成立以来，智平方围绕工业场景构建了清晰的战略布局：
技术底座：自主研发全球首个全域全身具身大模型GOVLA（后升级融入DeepSeek技术打造更强推理能力的版本），突破传统机械臂控制局限，实现从桌面到开放环境、单臂到全身协同、简单到长程复杂任务的全域覆盖；
产品载体：推出轮臂式机器人AlphaBot（爱宝）系列，通过34个以上自由度的全身协同控制、360°全域自主行动能力及复杂长程任务操作能力，适配高柔性、高负载的汽车产线环境；
场景验证：优先攻克汽车制造（如东风柳汽）、半导体（如惠科、晶能微电子）、生物科技（如华熙生物）等高门槛领域，通过与头部企业的深度合作收集真实数据，反哺模型迭代。
这种"工业先行"的选择背后，有着理性的商业判断。
工业场景具有任务重复性强、环境相对可控、数据密度高的特点，便于初创企业快速积累迭代所需的"燃料"；同时，制造业智能化转型的刚性需求，为具身机器人提供了明确的价值锚点。
在东风柳汽，AlphaBot能自主完成上下料、拖拽料车、车门质检与贴保护布等任务，显著提升搬运效率与操作灵活性。
在惠科半导体生产基地，智平方的机器人将通过小样本快速学习适配不同型号PCB操作，并在真空贴合等环节精准控制吸附力，推动产线智能化升级。
二、核心优势：
全栈自研能力与数据飞轮效应
在竞争激烈的具身智能赛道，智平方的差异化竞争力源于两大核心优势：全栈自研的技术壁垒与"越用越聪明"的数据飞轮。
（一）技术壁垒：从GOVLA大模型到端到端VLA范式
智平方是国内最早系统性研发端到端VLA（视觉-语言-行动）技术范式的企业之一。其发布的GOVLA大模型具备三项关键能力：
环境适应性：从桌面级操作到开放工业环境，均能实现精准感知与决策；
操作协同性：支持单臂到全身的多部位协同，例如在汽车总装中协调双臂、躯干与底盘完成跨区域作业；
任务推理能力：覆盖从简单抓取到长程复杂任务（如多步骤质检与装配）的推理需求，接近人类级的自由作业水平。
今年4月，智平方在原有AI2R Brain基础上升级推出GOVLA，进一步突破传统VLA模型仅控制机械臂的局限，实现全身轨迹精细控制与快慢系统融合：
慢系统负责整体任务规划，快系统专注精准动作执行，解决了机器人"操控效率"与"推理能力"不可兼得的行业难题。
6月，其与北京大学等机构推出的开源模型FiS-VLA，在权威评测中综合性能超越国际标杆π0达30%，成为全球唯二、国内唯一具备开源能力的创业公司，彰显技术自主性。
（二）数据飞轮：场景打磨与模型迭代的正向循环
智平方的商业化路径形成了独特的"数据闭环"：
机器人AlphaBot在东风柳汽、惠科等头部企业的真实场景中作业，产生海量高价值操作数据，如多车型混线生产的物料抓取轨迹、半导体面板制造的真空贴合参数等，这些数据通过回流训练持续优化GOVLA大模型，使其越用越聪明、越通用。
正如郭彦东所言，“将AGI从数字世界拓展到物理世界的关键，在于让机器人在真实交互中不断进化。”
这种"技术落地-数据积累-模型迭代"的飞轮效应，使智平方成为国内唯一横跨工业、生物科技、公共服务等多领域实现规模化部署的企业。
其机器人不仅服务于汽车制造与半导体生产，还进入华熙生物工厂执行物料转运与视觉检验，并计划于2025年第三季度进驻国内一线城市机场提供开放环境下的自主服务。
三、挑战与风险：
技术、市场与生态的多维考验
尽管智平方已展现出强劲的发展势头，但其未来仍面临三大核心挑战：
（一）技术瓶颈：从"能演示"到"真能用"的长尾问题
具身智能的终极目标是让机器人像人类一样灵活应对未知场景。
当前，AlphaBot虽在特定工业任务中表现优异，但在面对极端环境，如强电磁干扰、高粉尘车间；突发状况如物料位置随机偏移或长尾任务如非常规零部件装配时，仍可能出现泛化能力不足的问题。
此外，全球巨头特斯拉Optimus、波士顿动力等在算力芯片、运动控制算法等底层技术上的持续投入，也要求智平方必须保持高频的技术迭代。
（二）商业化落地：规模化部署的成本与信任门槛
从“能演示”到“真能用”，再到“大规模用好”，每一步都是深坑，有业内人如此评价具身智能行业，直指商业化落地的核心难点。
一方面，工业客户对机器人的可靠性要求极高——任何一次故障都可能导致产线停摆，因此需要长时间的稳定性验证。
另一方面，2033年计划达到百万台规模的产能目标，需要巨额资金投入自建产线与全球供应链。而当前具身机器人的硬件成本，如高精度传感器、伺服电机等核心零部件，仍居高不下。
如何在保证性能的同时降低成本，并赢得制造业客户的长期信任，是智平方必须解决的命题。
（三）市场竞争：巨头环伺下的差异化生存
具身智能赛道已吸引全球科技巨头入场：特斯拉的Optimus计划2025年量产，亚马逊通过收购Canvas Technology布局仓储机器人，英伟达则通过Omniverse平台赋能机器人仿真训练。
相比之下，智平方作为初创企业，需持续强化"产业派"的差异化定位——更懂工业场景的真实需求、更快的数据迭代速度、更灵活的定制化服务。
此外，随着行业从"技术秀"转向"商业拼"，如何避免陷入低价竞争，构建基于技术壁垒的护城河，亦是关键。
结语：
在"智造"浪潮中寻找答案
智平方的故事，是中国具身智能产业从实验室走向工厂的缩影。
其以工业场景为切口、以全栈自研为根基、以数据飞轮为驱动的布局，不仅为行业提供了"技术落地"的可行路径，更在半导体显示（如惠科合作）、公共服务（如机场服务）等新兴领域开辟了增量市场。
然而，要实现"百万台机器人"的愿景，智平方仍需跨越技术长尾、商业信任与巨头竞争的重重关卡。
正如郭彦东预测的“通用机器人iPhone时刻将在5-7年后到来”，这场关于物理世界智能化的革命，才刚刚开始。
END
往期回顾：
港中文&北大&智平方联合提出！FiS-VLA快慢双系统如何让机器人商业落地提速？
精准到0.07毫米！中国具身智能医疗机器人，正在改写手术规则
四年亏损50亿！国产GPU新秀摩尔线程凭什么冲击科创板？
银河通用“具身智能”闯医药：24亿元融资背后的药柜新战事
