2026世界机器人博览会（WRC）在北京亦创国际会展中心拉开帷幕，活动时间为8月19日至23日。期间，“AI大模型赋能机器人与具身智能产业新范式专题活动”同步举行，慧闻机器人副总裁兼市场总监刘天纬受邀出席并发表演讲，分享了公司在工业智能体领域的实践成果与深刻见解。
刘天纬指出，近年来大模型技术迅猛发展，机器人已从传统的感知、导航、控制阶段，迈向理解任务、自主决策和技能学习的新阶段。然而，无论模型能力多么强大，最终仍需接入真实机器人，融入工厂环境，完成实际任务。慧闻的核心关注点在于如何让大模型真正落地，成为工业智能体的有机组成部分。
在演讲中，刘天纬强调，客户选择机器人并非单纯追求模型参数的规模，而是更看重任务能否稳定完成、异常能否快速恢复、能否与生产系统（如MES、WMS）无缝协同，以及是否具备可部署、可运维和可售后的能力。慧闻认为，技术能力必须转化为客户愿意长期使用的机器人产品，这是构建工业智能体的基础。
慧闻的工业智能体并非从零开发全新机器人，而是基于已进入工业场景的AAMR产品体系。该体系采用“1-N-X”架构：底层是共用的机器人技术能力，中间层支持不同负载和定位的机器人（如X100、X300、X600及AMR叉车），上层则与MES、WMS、ERP等调度平台对接。刘天纬解释，机器人不仅要能执行任务，更要能承担生产系统中的真实工作。
他进一步拆解了AMR的复杂系统：底层包括传感器、驱动、电源和通信装置；中间层涵盖建图、定位、路径规划、环境感知和避障等功能；上层则涉及任务分发、多机调度和交通管制等。慧闻的快速部署、SLAM导航、自组网通信和云端调度能力，均源于长期积累的工程体系。因此，大模型进入机器人并非从零开始，而是要在现有复杂系统上叠加智能。
当机器人深入工厂后，任务复杂度呈非线性增长。单台机器人需解决定位、导航和任务执行问题，多台机器人则需应对任务分配、交通冲突和拥堵等策略。进入生产系统后，还需处理工位、设备、WMS、临时插单和异常情况。刘天纬总结，机器人竞争的重点已从单机性能转向整套系统的长期稳定性，这为大模型的应用划定了现实边界。
当前工业机器人已具备建图定位、路径规划、避障和任务执行能力，甚至能在弱网或无网环境下实现自组网分布式调度。但前提是任务已被明确定义，规则和边界已提前配置。刘天纬认为，大模型的价值在于处理无法提前穷举的变化：任务未完整定义、现场存在易变区域、仅告知结果而需机器人自主判断下一步行动时，大模型才能真正发挥作用。
他指出，真实工厂中许多任务无法提前写成规则，任务和环境的变化、临时插单导致的目标和优先级调整，以及复杂任务对多技能组合的需求，均要求机器人具备理解、推理、任务分解、规划和动态调整能力。慧闻对大模型的理解是：它并非重复或优化已有规则，而是处理无法提前穷举的变化。
关于大模型在机器人中的定位，刘天纬将其拆解为多层：最上层是工业任务目标，中间层是任务理解和决策（包括目标理解、场景理解、任务拆解和步骤规划），大模型的增量主要发生在此层；下层是导航、移动、避障和对接等机器人技能；底层是实时控制和机器人本体。VLA技术路线的价值在于连接上层理解与决策和下层技能与行动。在工业场景中，反馈同样关键：机器人每完成一步，均需重新评估环境、任务状态和下一步合理性，从而影响后续决策。因此，大模型并非替代整个技术栈，而是增强高层理解与决策能力。
从大模型到工业智能体，需跨越多个环节：理解任务目标与约束、规划任务步骤、现场变化后重新规划、调用相应技能、执行物理操作，并判断执行结果与环境变化是否影响原计划。刘天纬强调，工业智能体的关键不仅是前端理解指令，更是持续稳定地将理解与决策转化为现实行动。
持续学习能力同样重要。机器人完成任务后，真实工厂中的新环境和异常会不断产生数据，包括运行数据、现场状态和执行方式。这些数据需重新进入模型和技能训练，并验证于真实机器人。慧闻希望形成“真实任务产生数据、数据推动智能进化、更强智能反哺任务”的闭环，关注数据能否帮助机器人改进任务执行。
刘天纬解释了慧闻开发工业智能体的初衷：并非推翻现有能力重新开发机器人，而是基于已存在的机器人本体、感知、导航、运动控制、多机协调和系统接入能力，叠加任务理解、场景理解、多阶段决策、复杂技能组合、VLA和数据学习能力。工业智能体是建立在成熟机器人能力之上的智能生长，底座越扎实，智能越可能进入真实工业现场。
面对工厂中多样化的任务，刘天纬认为不存在一种机器人能解决所有问题：小配件运输需AMR，托盘搬运需智能叉车，重载任务需重载机器人，拣选和分拣则需轮式双臂机器人。任务决定机器人形态，但智能能力（如任务理解、目标拆解、步骤规划和现场调整）应逐步共享。他强调，“一脑多机”并非用单个大模型控制不同机器人，而是沉淀一套可跨机器人本体复用的任务理解、规划、决策、技能和数据学习体系。
最后，刘天纬介绍了慧闻的产品化路径：第一步是产品进厂，确保机器人是成熟、可部署的产品，能连接工位和系统；第二步是任务跑通，机器人需长期稳定承担生产任务，而非仅完成演示；第三步是数据沉淀，持续运行产生任务状态、环境状态、执行结果和异常数据；第四步是智能进化，利用真实数据推动任务理解、决策、技能学习和VLA训练，再将更强智能反哺工厂。这一闭环过程体现了慧闻“在真实产品和任务中生长智能”的产品化思路。
