🤖 机器人 · 主论坛演讲

吴明辉 WRC 演讲:机器人下半场,比“个体大脑”更缺的是“组织大脑”

2026 世界机器人大会主论坛上,明略科技创始人、CEO 兼 CTO 吴明辉提出:机器人要真正成为生产力,需要两个大脑——VLM/VLA 负责推理与操作的“个体大脑”,加上连接机器人、Agent 与上一代 IT 系统的“组织大脑”。他的判断是,后者才是跨过落地“最后一公里”的关键。

来源:公开报道 2026 世界机器人大会 全文约 5 分钟读完
#具身智能 #组织智能 #AI Agent #世界机器人大会
🧠 2 个 机器人需要的“大脑”:个体 + 组织
4000+ AI Agent 与 1800 名员工同平台协作
L1→L5 AI 原生组织的五级演化路径

⚡ 30 秒速览

  • 核心判断:机器人真正成为生产力需要两个大脑——一个管推理操作的“个体大脑”,和一个连接机器人、Agent、IT 系统的“组织大脑”。
  • 为什么这次有戏:明略与海康机器人分工合作——前者做模型与多智能体协同规划,后者做整机、运动控制与量产。
  • 关键洞察:数字 Agent 走过的路(规则→Workflow→通用 Agent→结构化 Skill),具身智能正在重走一遍(PLC→Behavior Tree→VLA→原子技能库)。
  • 最扎心案例:洗碗机器人进餐厅,效率没提升——因为原洗碗工还要收碗、打扫。只替代任务、不重构岗位,等于白买。
  • 落地答案:机器人到场 ≠ 生产力产生,需要 FDE(前沿部署工程师)把技能库与场景 SOP 嵌进组织流程。
  • 已经在做:Octo 人机协同平台已开源,内部 1800 名员工 + 4000+ 个 Agent 已在上面协同工作。

01两个大脑 一个管“会干活”,一个管“进系统”

所有人都在说,机器人的下半场是“大脑”。吴明辉把这个共识往前推了一步:大脑不是一个,而是两个

个体大脑 · 常见理解

由 VLM、VLA 等模型提供,负责推理、任务决策与操作规划。解决的是“这台机器人会不会干活”。

组织大脑 · 被低估的

把机器人与人、机器人与 Agent、机器人与上一代 IT 系统全部连起来,形成组织级的人机协同大脑。解决的是“机器人能不能进得了生产系统”。

注:个体大脑决定单台机器的能力上限,组织大脑决定机器人能否被一个真实组织“接住”。两者缺一不可,后者是规模化落地的分水岭。

这个区分对应一个残酷的现状:数字世界已经涌现大量生产力级应用,能写代码、能分析数据;而物理世界里,大部分机器人还停留在“提供情绪价值”的阶段

真问题不是让单台机器更聪明。

而是当一个组织里同时存在人、Agent 和机器人,谁来决定它们怎么协作

这其实是吴明辉 2018 年提出的 HAO 智能的延续:H 是有肉身的人类,A 是数字世界的 Agent 与物理世界的机器人,O 是组织智能。一个组织不需要每个个体都具备完整能力——人类社会本来就是靠分工协作运行的。

02为什么这次“有戏” 一家软件公司 × 一家硬件公司

明略进入具身智能,没有选择独自奋战。它的搭档是海康机器人——一家在工业和物流领域已实现稳定量产的公司。

明略科技

  • 模型研发与多智能体协同规划
  • Agent 与开源平台 Octo
  • 行业场景与数字化系统

海康机器人

  • 移动机器人整机研发
  • 运动控制与多传感器融合
  • 系统集成与工程化量产

这不是一张空头支票。吴明辉 12 年前参与创办的机器人公司,去年已在港交所上市;明略与百胜中国的合资公司,深度参与肯德基、必胜客门店数字化系统的开发与部署——机器人要去的场景,它已经在了

12 年机器人创业经历(云迹科技)
已上市云迹科技登陆港交所
合资百胜中国 · 肯德基/必胜客场景

注:以上为演讲中自述的背景信息。明略承担软件与模型侧,海康承担硬件与工程侧,形成互补而非竞争的合作结构。

03数字世界与物理世界 走的是同一条进化路径

演讲前,吴明辉用自家舆情分析智能体,扫了一遍国内外关于具身智能“最后一公里”的讨论。结果很有意思:关注的问题高度一致,热度的分布却截然不同。

国内讨论更热

工程交付、经济模型、软硬件时序——机器人能不能真正用起来

海外讨论更热

数据飞轮、长程任务稳健性——机器人能不能持续变强

但吴明辉真正想说的是另一件事:这些问题,数字世界的 Agentic AI 在落地时全都遇到过,而且两条路的解法结构高度同构。以“操作工具”为例——

数字世界
规则引擎 / RPAWorkflow通用 Agent结构化 Skill
具身智能
PLC 编程Behavior Tree端到端 VLA原子技能库

注:两条链的演进方向一致——从“写死规则”到“完全放开”,再到“在成本、效率与自由度之间取得平衡的结构化技能”。具身智能正处在走向混合式架构的中间点。

最关键的转折是“结构化 Skill”:它既不是写死的规则,也不是毫无约束的探索,而是每一个职场人都能根据自己的经验沉淀和编写的能力模块。具身智能一侧,原子技能库已经开始在实际应用中被验证。

记忆同样同构。吴明辉引用 CoALA 框架,把 Agent 记忆分成四类——

Working Memory当前任务的临时状态→ 空间记忆
Episodic Memory过去任务与事件的“日记”→ 时间与轨迹记忆
Semantic Memory事实、概念与关系→ 语义记忆 / Ontology
Procedural Memory完成工作的程序与方法→ 原子技能库

注:同一套记忆体系,落在数字 Agent 上叫工作记忆/情景记忆/语义记忆/程序记忆,落在机器人上就是空间、轨迹、语义与技能四类记忆。这就是“数字经验能迁移到具身”的结构性理由。

04AI 原生组织 从 L1 到 L5 的五级演化

组织要真正用上 AI,不能靠买几个模型。吴明辉给出了他在数字世界沉淀六年的答案:一条从 L1 到 L5 的演化路径。

L1Token Ready让员工真正有 Token 可用,统一网关、权限与成本管理
L2工作在线不是“人在线”,而是人用 Agent 工作、软件工具被 Agent 调用
L3结构化沉淀人与 Agent 共享结构化 Memory,尤其是语义记忆
L4复杂协作网络用 Loop、Evals 与 Benchmark 持续优化,让人撬动更大生产力
L5水涨船高积累组织独有数据与能力,与基础模型解耦,随底层进步持续进化

注:L1—L4 是“把工具用起来”,L5 是“组织自己会进化”——这也是最难的一步:既依赖独特数据积累,又要与具体模型解耦,避免被单一基础能力锁死。

吴明辉坦言,具身智能世界未来也可能存在结构同构的 L1 到 L5,但在当前时间点,他还没有完整答案

不过,有三条原则已经清楚了。

05最后一公里,不在算法里 三条原则 + 一个扎心案例

01重新分工——人做人的事,机器做机器的事
02重构流程——新分工需要新协作、新流程、新组织
03对人友好——AI 进企业,为放大人的价值,而非单纯替代

🍽️ 洗碗机器人,为什么没能让餐厅变高效?反面案例

  • 吴明辉的一位朋友把洗碗机器人卖进餐厅,结果效率没有明显提升。
  • 原因:原来的洗碗工不只洗碗,还要收碗、处理杂务、空闲时打扫餐厅
  • 机器人只替代了“洗碗”这一个任务,替代不了整个岗位
结论:部署机器人 ≠ 降本增效。不重构业务流程,机器人买得越多,浪费越大。只替代任务、不重构岗位,等于白买。

所以吴明辉提出,真正稀缺的岗位是 FDE——前沿部署工程师(Forward Deployed Engineer)。

机器人到达现场,并不等于生产力已经产生。

还需要有人把 VLA、WBC 和场景 SOP 结合起来,让机器人真正成为组织生产流程中的一名“员工”。在 Agentic AI 领域,Palantir 等公司验证的正是同一套模式。

🔧

运维,是另一个被低估的刚需

机器人生病了不会自己去医院。明略过去五六年建了一支覆盖线下门店的工程师团队,为餐饮客户维护 IoT 设备——“像打车一样呼叫维修工程师”,是机器人规模化之后必然出现的服务形态。

编辑核心判断

洗碗机器人不是败给了算法,而是败给了流程。当整个行业都在卷 VLA 的参数与 Demo 时,吴明辉真正提醒的稀缺资源在另一个层面:把“组织数字化改造”沉淀了二十年的经验,平移给机器人部署。机器人的下半场,单台机器的智能只是入场券,决定胜负的是整张组织网络的智能——以及愿意蹲在门店里,把机器人与人、与流程一点点磨顺的那批 FDE。

拥抱开源,接入组织大脑

明略已把 Octo 人机协同平台开源:内部 1800 名员工与 4000+ 个 AI Agent 正在其上共同工作;下一步,它将连接机器人、智能汽车与更多具身设备。

在吴明辉的设想里,它应该像上一代办公系统中的电子邮件——每家企业都能建设自己的平台,并且彼此连接。每一台机器人、每一个智能体,都可以作为独立主体接入组织网络。

关注 Octo 开源平台 → 让机器人接入组织网络