作者丨韩敬娴  编辑丨张丽娟

成立三年，中科慧灵很少凑行业的热闹。当同行争相让机器人翻跟头、跳舞、冲击百亿估值的时候，它把机器人派去了胶味刺鼻的鞋厂和千米深的矿井。

但恰恰是这条最“不性感”的路，让它拿到了真金白银。2026年，公司在手具身制鞋机器人订单总额突破4亿元，设备排产规模步入数千台量级，规模化商业化落地能力得到充分印证。

2025年6月领投它近亿元A轮融资的，是精密制造龙头蓝思科技，而它的创始人正是被称为“果链女王”的周群飞。

具身智能行业现在的处境是什么？热钱汹涌，质疑声也汹涌。“演示视频不等于真实能力”的提醒从未停过，新的共识正在形成：机器人的价值，最终要在真实的商业现场得到检验。

共识也在改变钱的流向。相比单纯的技术展示，资本开始更加关注机器人能否走向真实商业场景，以及企业是否具备持续交付和创造价值的能力。

中科慧灵恰好是这一趋势中的受益者之一。

创始人张正涛从2023年创业开始，既没有执着于把机器人做得更像“人”，也没有着急铺更多场景。

“整个同行里做得不错的，其实是聚焦的，”张正涛说，“把一个场景真正做到成功率99%以上，把数据做透、大脑做透、工艺做透，客户认同了，一个市场就足够庞大了。”

中国科学院教授的二次创业

张正涛的机器人故事，是从一张乒乓球台开始的。

2007年，在中国科学院自动化研究所读博的张正涛，加入了科技部发起的乒乓球机器人项目，他所在的团队是国内最早参与的一批。

他负责的是人形机器人的高速视觉系统——球打过来，角度、旋转、速度每个球都不一样，机器人要实时跟踪、预测轨迹，再决定用什么姿态把球打回去。

他花了三年教机器人打乒乓球，最后，那台机器人至少能和人对打200多个回合。

打球当然不是目的。高速运动控制、实时决策、系统设计，这些底层能力，可以迁移到更广泛的机器人任务上。

博士毕业后，他留所工作跟着导师参与“神光”大科学装置攻关，把人工智能算法和精密光学成像系统用于光学元件检测。

乒乓球的课题暂时放下了，但“让机器在真实环境里自主决策”这件事，一直留在他脑子里。

真正的转折发生在2015年。那一年，张正涛带着团队花了整整一年时间跑工厂。他看到，手机盖板等电子光学玻璃的质检长期依赖人工。强光灯下，工人三个月视力就能从1.5掉到0.6，有企业的人员月均流失率高达20%。

第二年，他创办中科慧远，把光学智能检测系统用到手机盖板玻璃等标准化工业品的无损检测上，后来做到了细分领域第一。

2020年前后，中国科学院自动化研究所就在人形机器人方向进行了布局。但科研有科研的节奏。如何在持续推进科研工作的同时，加快技术成果的产业化，成为一个新的课题。

张正涛长期从事机器人相关研究，熟悉制造业，学的是控制理论与控制工程，也具备管理经验，推动相关技术走向产业应用，成为他接下来的重要选择。

2023年8月，他组建团队，创办中科慧灵。这也是中国科学院自动化研究所重点孵化的一家具身智能企业。

从乒乓球台到“神光”装置，再到手机盖板产线，张正涛走了将近二十年。这条路看似绕远，指向的却始终是同一件事：让机器走出实验室，到真实世界里干活。

绕开物流，钻进鞋厂和矿井

但真实世界很大，不是每个场景都值得进。

过去一年，具身智能公司发布的落地清单越来越长。汽车产线、3C装配、仓储物流、商业服务、家庭陪伴，有的一口气能列十几个方向。

中科慧灵没有跟着铺。

物流是过去两年具身智能行业最拥挤的落地方向之一，仓储、分拣、装卸，几乎每一家叫得上名字的具身智能公司，都或多或少做过物流相关的项目。

但中科慧灵把物流划掉了。效率要求高、毛利低，容错率很低，张正涛说，"做错一个，可能上千个包裹就不敢再让你干了"。

创业公司最怕的不是场景少，是场景太散。子弹有限，研发、交付、售后都是硬成本。每多一个场景，就要多一套数据、多一轮工艺打磨、多一支现场团队。铺得越开，越难形成积累。

有限的资源，要压到更能形成积累的地方。

中科慧灵现在把资源压在两大主线上：鞋服协同制造、矿山。张正涛认为，仅这两个赛道，市场空间足够支撑一家大市值公司，同时还可以持续打磨大脑与数据管线。

制鞋之所以到现在都没能自动化，原因可以归结为四个字：软、变、繁、杂。

鞋材全是柔性物料，网布、皮料、泡棉，每一种的拉伸和回弹特性都不同，刚性机器人没法像抓取金属零件那样去定位。

并且款式多、迭代快，一个品牌一季度就能推出几十上百个新款，产线无法标准化；一双高端运动鞋要经历上百道工序，高度依赖人手的操作。

更关键的是，百年制鞋工艺的核心参数，全部沉淀在老师傅的经验里，无数据、无标准、无公式。

直到今天，制鞋生产中仍有大量工序高度依赖人工，尤其是涉及柔性物料的抓取、刷胶、贴合等环节，传统自动化设备很难完全替代人工操作。

张正涛和团队去看过福建莆田当地鞋服龙头企业的代工厂。鞋服是当地实打实的支柱产业。根据莆田市鞋业协会数据，目前莆田全市有鞋服及配套企业4000余家、从业人员50万人，年规模产值超千亿元。

但工厂内部桌子一排排，人低头刷胶、压底、装盒，胶味刺鼻。

2025年8月，中科慧灵首台制鞋机器人进驻鞋服龙头企业的制鞋工厂，针对鞋垫盖章工序启动产线POC（概念验证）测试。

在实际制鞋工位的测试中，大底盖章作业节拍达到7秒/个，鞋底压合达到18秒/双，鞋垫转印达到9秒/只。

中科慧灵CASBOT PA感知到动作模型在制鞋工厂的应用验证

节拍跟上还远远不够。机器人想要被产线接受，节拍、持续稳定作业能力、良率缺一不可，“任何一项不达标就无法上线”。

对此，中科慧灵一方面依靠轻量化的CASBOT PA感知到动作模型，参数量小，单张消费级GPU 就能训练，跑得动产线节拍；另一方面基于世界模型的仿真强化学习，叠加真机后训练，双重保障成功率。

根据中科慧灵测算，鞋服制造的解决方案年投资回报率约50% 到70%，投资回收周期在两年以内。

矿山则是另一套逻辑。

千米以下的环境，地质、水源、落石都没法预测。“万分之一的概率是做不到的，你也不知道哪块石头会不会掉下来。”张正涛说，最好的办法就是彻底无人化。

井下最危险的活儿是装药。中科慧灵解释说，炸药本身就有爆炸风险，操作稍不注意就可能出意外。

井下空间封闭，爆破后的有害气体聚在里面，容易中毒窒息。爆破的冲击力还可能震松周围岩体，引发坍塌。活儿重、危险高，标准的危险繁重岗位。

政策也在推动这个市场往前走。国家矿山安监局等七部门明确要求，到2026年，煤矿、非煤矿山危险繁重岗位的机器人替代率分别不低于30%和20%。

2025年6月，中科慧灵与山东招金集团、山东中矿集团共同成立中科深矿具身智能机器人（烟台）有限公司，围绕矿山井下高风险作业、矿山综合安全巡防及特种机器人应用开展研发与现场验证。

中科慧灵具身智能技术在矿山场景中的应用探索

但井下训练最大难题是很难拿到1:1 真实井下实训环境。

中科慧灵在烟台利用一处具有较长开采历史的矿山开展训练，借助接近真实井下工况的环境，进行相关作业流程及机器人系统验证。

今年上半年，团队围绕钻孔、装药、爆破、铲装、转运等流程开展了系统训练与技术验证。

下半年，相关项目进一步向实际井下作业场景推进，计划通过持续稳定运行验证，逐步形成具备推广价值的矿山智能化解决方案。

底气和边界

场景选定了，能不能做透，最后落到机器人本身。

具体怎么做？行业里一种方式是分工。有的公司专攻本体，有的只做大脑模型，灵巧手也有专门的供应商。

中科慧灵的选择是全栈自研。张正涛的解释是，按机器人学的定义，具有感知、决策、执行能力的机械装置都叫机器人，而国际上走得最远的高端机器人玩家，这几个环节一定都占着，没有短板。

“做大脑的人现在会把（手）伸到本体，做本体的人也会去做大脑。将来的终局，做得好的公司，一定同时具备核心大脑和整机的整体能力。”

中科慧灵具身智能“大脑—小脑—本体”技术架构示意图

但全栈不等于什么都自己做。部分关节、机械加工件、传感器等这类标准化零部件，交给产业链协作，因为单家公司的需求量撑不起成本下降。

灵巧手、一体化关节、核心控制器这些直接决定作业能力的部分，握在自己手里。

边界之内，所有研发收敛到一件事上：操作。

鞋服制造里是双臂双手的灵巧协作、对布料等柔性物料的操作；矿山里是把上百个炸药管逐一装填、再把柔性引线系好；机器人乐队是十指连弹。

围绕操作，大脑模型做了三个针对性设计。一是富接触操作能力，和鞋子、纸盒打交道，不是点对点的抓取，而是带有丰富力觉接触的作业。

二是三维感知能力，比如把一张平面纸板折成立体盒子。

三是长程记忆能力，像装盒这样十几二十道工序的连续任务，机器人需要记住每一步的状态。

通过这些能力，中科慧灵在部分鞋服操作任务中，相比某些其他模型取得了20%以上的性能提升。

下一步，中科慧灵还要解决当前具身大脑能耗较高、动作存在迟滞、长程推理受限等问题。

其中，类脑架构是中科慧灵正在探索的前沿技术方向之一。张正涛介绍，相关方法目前仍处于研究与测试阶段，在部分实验条件下展现出降低模型能耗的潜力。

此外，公司也在探索生物脑与机器人小脑结合等前沿研究方向，为未来的关键技术突破储备能力。张正涛介绍说，这一轮融资的钱，60%会投到大脑研发上。

硬件端，中科慧灵正在推进37自由度高自由度灵巧手的研发。张正涛介绍，这款灵巧手能够完成兰花指、拇指与其他手指对捏等精细操作，为更复杂的机器人操作任务提供支持。

今年7月，公司与蓝思科技等方成立了中科慧思，专门做灵巧手的产品化和系列化。

当然，全栈自研的代价是慢和重，但好处是每个环节的数据都握在自己手里。大脑知道本体能做到什么，本体知道大脑需要什么，出了问题可以从头到尾自己修。

在没有现成答案的鞋厂和矿井里，这种能力恰恰是必需品。

虽然这一年里，行业都在说“量产元年”。新品一场接一场地发，出货数字屡创新高，但在张正涛看来，垂直场景里的物料、包装、工序有几百种，每一种都要高质量数据去覆盖，只能在真实产线上长期积累。一道装盒就有七八道、甚至十几道工序，机器人要连续做完，不能停、不能卡。

传统工业机器人按预设轨迹走，速度很快，具身智能机器人要边感知、边决策、边执行，天然慢一截。成功率要过95%，决策还要更快，这些都得在现场一年一年磨出来。

他把眼下的量产增长拆成了两个阶段。第一阶段的增长偏粗放。数采厂、教育、商业占了大头，真实工业需求占比可能不到10%。真正的产业需求带来的增长，要看2027年、2028年。