
货车刚停稳,两台无人叉车几乎同时起步。一台对准车厢侧门,识别出车厢边界与托盘位置,倒车、对位、入叉;另一台已提前驶向暂存区。取货、行驶、装卸的节奏由系统动态分配……
这是发生在2026年11月7日至13日中力股份(股票代码:603194)第十一届‘双 11’大会”(江苏靖江)现场的一幕。而这样的跨形态作业远不止于此——同一场地上,全向装卸机器人负责转运,四足机器狗承担末端配送,十米级高位作业机器人“擎天柱”在货架上方存/取货物,四个场景首尾相接,串起具身智能从货车到货架、再到配送末端的完整链路。
早在去年双11,星源智与中力首次联合发布具身智能装卸技术方案;一年来,迭代始终围绕真实作业需求推进。眼前这四个场景,是双方合作一周年的一次阶段性验证;要回答的问题只有一个:机器人能不能在真实工况下,连续、稳定地把活干完。

从单点装卸到四大场景
具身智能开始算账
要理解这四个场景的分量,不妨先算一笔行业的账。
物流行业最贵的动作,不是“跑”,是“搬”。据中国物流与采购联合会数据,2025年全国社会物流总额368.2万亿元,社会物流总费用19.5万亿元,社会物流总费用与 GDP 的比率13.9%,首次降至14%以下。在这个体量上,每降0.1个百分点,都是千亿级的钱。
但干线运输早已卷成红海,真正吃掉利润的是装卸、交接、末端配送这些必须有人动手的环节:集装箱里高温、粉尘、噪音,招工一年比一年难;到了海外,叉车司机的人工成本、招聘周期和流失率,是仓库经理最头疼的三件事。
需求是真的,供给没跟上。据艾瑞咨询数据,2025年中国无人城配车销量约2.2万辆,保有量刚过3万辆;另据中物联智慧物流分会预测,2030年无人配送车年产销有望达86万台、保有量超200万台。一边是近20万亿的成本盘子,一边是3万台的保有量——中间这道缝,是所有物流人的痛点:车能跑,货搬不动。本次演示的四大场景,正是对着这道缝去的。
双车协同具身装卸,跑出「1分钟」节拍。基于星源智RoboBrain Pro具身智能系统,两台无人叉车可根据彼此的位置、作业状态和任务进度动态分配任务,1分钟即可完成协同装卸作业。

难点不在单台车的性能,而在两台车如何协同。据悉,无人叉车通过雷达视觉融合感知识别车厢边界、车厢平面及托盘货位,将货车边界标定误差由约0.77米降至约0.10米;接近托盘后,端侧视觉进一步实现1—2厘米级入叉偏差的实时修正。
在任务调度层面,该系统将过去“一台车等另一台车”的分段作业衔接为连续动作,消除等待与重复规划。设备不换班、不休息、节拍稳定——这笔账,生产经理比投资人算得更清楚。
全向无人装卸转运,把装卸和厂内转运连成一条链。飞翼货车的侧面装卸,最怕的就是空间局促:普通叉车反复掉头、转向、挪车,效率在一次次倒车中流失。
全向装卸机器人正是为此而生。它支持直行、横移、斜行与原地回转,以横移或斜行一次对位,替代普通设备的往复挪车——装卸效率由此显著提升。这种“不挪车”的从容,来自星源智的全向底盘运动学模型:系统结合货物位置与周边空间约束,同步规划移动路线与货叉动作,让底盘的全向能力真正落到每一次作业上。

但这套方案的真正价值,不止于此。机器人完成货车自主装卸与货物交接后,无人物流车随即接续执行厂内自主转运——“货车自主装卸→货物交接→厂内自主转运”由此连成一线。无人化不再是一个孤立的工位,而是一段可以贯通的生产流程。
四足机器狗末端配送,补上“最后一公里”的短板。系统系统将这一场景的配送链路分三步进行:无人叉车的机械臂自动装货,四足机器狗自主配送,抵达货架后完成落箱交接。这一切依旧是星源智RoboBrain Pro具身智能系统在背后提供环境感知、定位导航、路径规划与避障等上层应用能力。

不难看出,末端配送的难点从来不只是从A到B的移动,更是货物的交接:送到了却交不出去,闭环就断在最后一米。这个场景的含金量,恰恰在最后这一步。
“擎天柱”高位作业,登上十米货架。十米高架上取放货物,定位偏差一厘米,到末端就是放大数倍的执行误差,“擎天柱”的核心任务是高位货架拣选。

据介绍,它采用RoboBrain Pro具身大脑技术架构,根据作业指令可自主识别目标、规划整机移动与作业机构的协同动作;而真正保证高空精度的,是作业全程的实时视觉闭环——末端执行器的位置偏差被持续动态修正,“边看边校”,十米工况下定位依旧稳。
由此,大量原本依赖人工登高的工作可以交由机器人完成。人员不必上高处,安全风险自然从源头消解。在高位拣选之外,同一套能力还可向设备检修、高空巡检等场景延展。
四个场景、四类本体、一套大脑——表面是四场展示,深层是同一套技术架构在不同工况下的迁移验证。而机器人一旦真正跑进这些场景,价值就不止于替代人力。
正如中力董事长何金辉在现场给出的注脚:“工业搬运的智能化转型,要从真实的物流场景出发,让机器人完成装卸、转运、仓储等作业闭环;更重要的事情,我们用机器人实时产生数据、正确产生数据,而这些数据能够通过AI去优化,大大提高生产效率,大大降低成本”。

多个“本体”背后
一套“可复用”的大脑体系
场景跑得越深,一个事实越清晰:装卸用智能叉车,巡检与末端配送采用机器狗,柔性作业要机械臂——没有一种形态能通吃所有需求。因此,大脑与本体必须解耦:星源智专注于通用大脑和端侧算力平台,本体交给合作伙伴,向终端场景交付完整方案。

据了解,在工程化上,这套能力分四层:
RoboBrain Pro是“中央指挥”,负责不同本体环境理解、任务分配与路径规划;
ω-EVA世界交互模型以1.2B轻量参数跑在端侧,靠“预演—验证—行动”闭环让机器人动手前先推演后果;
RoboInfer是基于NVIDIA边缘计算平台的纯C++生产级推理引擎,支持VLA、世界模型等多类模型范式,已适配π0.5、GR00T、DECO、DreamZero、LingBot等主流具身模型;
T5、N5、N5C、B5四款算力平台,覆盖从全尺寸整机到液冷高负载等四种部署需求。
跨本体、参数小、延时低、可部署——这几个词不起眼,却决定了机器人是“演示品”还是“生产工具”。
而支撑这四层能力的底层逻辑是Physical AI——让智能在物理世界里长出来。机器人部署进真实场景后,每一次作业都产生数据,数据回到训练,更新后的能力再部署回场景,形成“部署—数据—训练—再部署”的闭环。
目前,星源智已覆盖本体市场70%、足量的真机数据——这些能力增长不只发生在训练场,也发生在与真实世界的每一次装卸、交接和落箱中。

而产品要变成真正的生产力,最终得过商业这一关。商业账怎么算?公司创始人兼CEO刘东曾给出一套硬标准:效果×效率÷成本,与原有方案相比综合评价是否大于1。
机器人把动作做出来不等于有商业价值,账算得过,客户才会持续采购,方案才有机会规模化。

四个场景只是发令枪
从「能动」到「稳定干活」
从“能动”到“稳定干活”,中间隔着一整套评判标准的迁移。
当一家企业用“效果×效率÷成本是否大于1”要求自己时,具身智能的KPI,正从实验室走向产线:单次演示不算数,连续运行、作业节拍、对工作流程的重构才是客户续约的变量。

2026年被视为“淘汰元年”——车企、手机与家电巨头携供应链优势进场,创业公司的空间正被挤压。是留在PPT里讲故事,还是进入真实场景攒数据,谁能走向未来,一年内自见分晓。
回看本届双11盛典展示的四个场景,与其说是答卷,不如说是发令枪。枪响之后,才是真正的主赛程——一段没有演示灯光、只有作业节拍的长跑,它比的不是谁答得快,而是谁跑得稳。跑得稳的,才配谈生产力。
至于终局是否如我们今日所想——答案不在发布会上,而在作业岗位的日复一日里。
*编者申明:原创不易,请尊重作者;如需转载,请与我们联系。