当通用大模型开始展现调用机器人、处理物理任务的潜力，具身智能企业面临一个更迫切的问题：模型不断升级，自己的长期竞争力在哪里？
10月21日，云蝶科技联合创始人、联席总裁余澜博士受邀出席在成都举行的2026年《财富》40U40创想会，参与「机器人、灵巧手和聪明工厂」圆桌讨论及颁奖仪式。此前，余澜博士入选《财富》“2026年中国40岁以下最具潜力的商界精英”榜。
余澜博士（中）现场接受颁奖
围绕本届创想会“新引力场：智能时代的商业新秩序”主题，圆桌讨论了机器人进入真实岗位所需的技术、数据与交付能力。余澜博士将云蝶定位为具身智能行业的“场景派”：从客户的真实需求出发，组织系统级大脑与任务型本体，在工作中发现问题、积累数据，推动能力持续进化。在他看来，通用大模型加速演进后，具身系统级智能与垂直场景的高质量数据，将成为企业长期竞争力的重要来源。
这一判断贯穿了云蝶长期以来的技术布局。今年的世界机器人大会期间，云蝶与新加坡南洋理工大学联合发布世界首个系统级具身智能大脑RoboForge，统一组织感知、推理、规划和技能执行，并具备自诊断与能力更新机制。此次《财富》圆桌上，余澜博士进一步阐述了这一路线：在系统级大脑的统筹调度下，将不断提升的模型能力，转化为机器人在真实岗位持续工作的能力。
系统级大脑，让模型能力转化为持续工作能力
模型理解了任务，机器人仍可能因为物品位置变化、设备故障或临时干预而停下来。哪些信息进入上下文，决策如何转化为动作，失败后怎样恢复，都需要系统协调。
余澜在圆桌讨论中表示：“未来一定是快慢环的架构，慢环由通用大模型来做，快环则需要基于场景数据训练出来的各种模型。具身智能的大脑、小脑、运动控制和核心零部件，都还在不断进步。面对真实场景中的客户需求，需要采用系统级的智能和能力，才能完成交付。云蝶深耕真实需求，让系统级大脑和任务型本体适配不同场景、不同任务，在这个过程中持续沉淀数据，再用于模型训练。”
RoboForge通过Harness模块统一组织感知、推理、规划和技能执行，并具备自诊断与能力更新机制。在多层、多模型架构下，基础模型负责理解与推理，本地小模型和执行模块处理响应要求更高的任务，底层控制器负责动作执行。系统结合现场反馈调整安排，兼顾能力、速度与成本。
近期，RoboForge的升级版RoboFoundry研究，进一步验证了系统改进的价值。该研究由南洋理工大学、北京航空航天大学、新加坡国立大学、上海交通大学与云蝶科技等机构的研究者共同完成。它是首个把智能体系统本身形式化为「自进化的系统即策略」（Self-Evolving System-as-Policy）的具身智能体框架，在保持基座模型参数冻结的条件下，通过执行轨迹诊断问题，改进上下文、记忆、技能组织与执行接口。在EmbodiedBench实验中，以GPT-5.5为基座的平均成功率由56.9%提升至72.7%，提高15.8个百分点。
这项研究展示了模型之外的系统改进空间。一次失败留下的有效规则、一项经过验证的技能，都可能帮助机器人完成下一次任务。余澜博士也在现场指出，垂直领域的高质量数据与具身系统级智能，将是具身智能企业需要长期建设的核心能力。
让真实环境成为系统能力的一部分
云蝶与北京大学联合提出具身环境智能EEI，将空间、设施与业务流程纳入感知、决策和执行。接入电梯门禁、设备状态与业务系统，明确任务权限和安全规则，可以降低现场的不确定性。环境增强世界模型则探索利用这些信息理解环境变化、预测行动结果，为训练和验证提供支持。
“我们的方式就是让环境变得聪明。”余澜在现场解释，机器人执行任务，需要知道物品在哪里、还剩多少，以及现场具备哪些可以调用的条件。环境本身的属性信息，也是数据的重要来源。不但将环境作为核心变量纳入考虑范围，同时云蝶还重视机器人、环境与人持续交互产生的数据，尤其是失败与人工接管记录，用于支持模型在真实场景中迭代。
谈及落地方向，余澜博士介绍，云蝶目前重点关注酒店、物业、康养社区等泛生活场景，以及能源巡检场景。优先进入B端，既考虑到现场可以设置约束、安排人工接管，也考虑到业务流程标准化和后续复制的条件。公司自2019年成立以来，已服务全国数千家政企客户，积累的行业理解与工程交付经验，为这些工作提供了基础。
RoboForge、WING任务型本体与行业工作流相结合，让研发围绕具体岗位展开；高校科研合作、联合实验室和训练场，则让现场问题持续进入研究。通用模型可以更新，客户流程、设备接口、安全责任与运维服务仍需逐项落实。跨项目积累的技能和异常处理经验，决定了下一次部署能否更快、成本能否更低。
“定义真实世界具身智能，构筑下一代产业生产力”，需要让环境真正参与机器人的工作，并让运行经验持续改善系统。云蝶希望以环境智能推动机器人进入更多生产与服务岗位，将技术进步转化为企业可以持续使用的能力，为人的创造与发展释放更多空间。
