全國第三，公司第二，“初創黑馬”靈犀智湧用ROSS Harness把機器人送進工業具身智能第一梯隊

靈犀智湧用一臺由Demo級本體組裝而成的機器人，成為工業場景賽除行業頭部企業外唯一獲獎的機器人公司。第二屆世界人形機器人運動會的51個賽項，劃出了兩條清晰的評價體系：競技賽檢驗運動極限與協同能力，場景賽則直接對標真實崗位的作業標準。工業場景裝配上料崗正是後者中最貼近產線的賽項，評判標準直指工業級交付的核心指標：長時程穩定性、毫米級精度，以及擾動下的自主恢復能力。就是在這個最接近真實工廠的賽項裡，成立僅三個月的靈犀智湧，用一臺由Demo級本體組裝而成的機器人，通過預賽、晉級決賽，最終以160分的佳績躋身全國三強，成為工業場景賽除行業頭部企業外唯一獲獎的機器人公司。

這份成績的含金量在於：公司成立時間短，參賽機並非量產機型而是Demo組裝，而同臺競技的對手均為頭部品牌，在底盤、機械臂等硬件能力上積累深厚。在硬件條件不佔優的情況下突圍，靈犀智湧靠的不是本體，而是一套自研的ROSS Harness Agent。這不僅僅是一個“黑馬逆襲”的故事，想要理解靈犀智湧的路線選擇，首先就要看清行業處境——頭部公司的Demo 再漂亮，到了真實工業場景照樣過不了交付關。使其卡住的無非四件事：成功率不穩、吞吐率不夠、運維太貴、遷移太難。

底層原因直指單一模型路線的方法論侷限：模型永遠是概率輸出，單次成功率有天花板；工業場景是開放世界，現有系統缺乏自進化能力，經驗無法沉澱為可複用資產。正是在這樣的行業底色下，在上海初成立的新手靈犀智湧交出了一份不一樣的答卷。不只卷模型，更卷系統：ROSS Harness 的自進化之力 由靈犀智湧聯合創始人、CTO段逸凡博士領銜自研的ROSS Harness，是一套圍繞具身模型構建的工業級執行體系。這套以控制論奠基人W.Ross Ashby命名的系統，並不是模型之外的“工程補丁”，而是在模型與機器人之間建立持續運行的執行閉環，將模型概率性的動作能力轉化為穩定、可控、可複用的生產能力。

其中，這五項核心能力共同構成了工業級自進化的底層引擎。模型抽象，讓系統不綁定單一基模。ROSS 將 VLA、World Action Model 等模型統一到標準接口之後，新模型只需局部適配，上層任務規劃、Skill 編排、安全策略和機器人控制模塊仍可複用，降低模型快速迭代帶來的系統重構成本。技能抽象，讓工業經驗可以複用。ROSS 將模型、工具和工程策略封裝為帶有適用條件、安全約束、結果判斷和失敗處理的 Skill，把散落在代碼、參數和工程師經驗中的 Know-how，沉澱為可調用、可遷移的數字能力資產。Agentic AI，讓機器人能夠組織長程任務。

Agent負責目標理解、任務拆解、Skill 編排和異常恢復，在模型的靈活性與工業執行的確定性之間建立邊界，避免讓大模型在每一步執行中“自由發揮”。分層安全監控，讓失敗變得可識別、可恢復。從毫秒級硬件安全、秒級軌跡監督到任務級狀態判斷，ROSS 持續判斷機器人是否正常執行，並在異常時觸發中斷、重試、回退、替代 Skill 或重新規劃。數據飛輪，讓每一次執行都成為下一次進化的起點。任務上下文、失敗案例、人工接管和恢復路徑都會結構化沉澱，用於更新 Skill、優化任務編排、完善恢復策略和長期記憶，並進一步反哺模型。

ROSS 所定義的“自進化”，因此不是每次都重新訓練一個大模型，而是讓模型、Skill、Tool、任務調度與記憶體系在真實工業任務中共同演化。當行業主流更側重以海量數據投餵大模型、推動本體矩陣快速迭代時，靈犀智湧則把核心壁壘押在Harness 層。物理世界正在重演這一邏輯：Embodied Agent = Embodied Model + Embodied Harness + Hardware，模型越強，Harness 能調用的能力邊界越大；而 Harness 積累的真實工業經驗，又可以反過來幫助模型更好地理解工業任務，這才是真正的協同演進。

另一方面，靈犀智湧並沒有因為強調Harness 而放棄模型能力。公司自研的CONWAY 工業原生模型，圍繞工業場景中的局部動作決策持續演進，已形成力覺增強、快速推理、動作對齊與安全控制等一系列技術成果。其目的並非與通用基座模型比拼參數規模和算力投入，而是持續理解並掌握具身模型能力邊界，為Harness 的設計與演進提供模型側支撐。團隊的核心判斷是：模型能力與Harness 並非替代關係，基座模型越強，Harness 越能將其能力轉化為穩定、可控、可規模化的工業執行能力。

兩條路線各有側重：模型決定機器人初始能力，Harness 決定這些能力進入產線後，能否在真實任務、異常反饋與持續數據中不斷被放大和進化。對於工業場景而言，後者才是決定系統能否長期運行、持續提升的關鍵。這就是靈犀智湧定義的工業級自進化：不是擴大模型參數，而是讓模型、Skill、Tool、任務調度和記憶體系在真實任務中共同演化，共同服務於同一個結果——把動作的成功率和吞吐率一起提高，正是Harness對模型能力系統化放大的量化表達。中科大博士師徒雙引擎：從實驗室到產線的共振 選擇以上路線的底氣，來自一支兼具學術深度與工程經驗的團隊。

段逸凡，98年中科大博士，靈犀智湧聯合創始人、CTO，ROSS Harness 總架構師。讀博期間聚焦具身智能、空間智能等方向，相關研究成果先後發表於 RSS、IJRR、TRO、ICRA、IROS 等國際頂刊頂會，累計發表論文 36 篇，總引用超 390次，擁有從自動駕駛（校園、礦井、乘用車場景）到工業具身的全鏈路工程經驗。ROSS Harness 正是其學術成果工程化落地的核心產物。吉建民教授，中科大計算機學院副教授、博導，靈犀智湧聯合創始人、首席科學家。

十多年執掌中科大“可佳”“佳佳”服務機器人認知決策系統，獲 RoboCup@Home 世界冠軍，成果被《Artificial Intelligence》評為認知機器人十年最佳技術成果。他兼具學術視野與頭部產業落地經驗，曾任紐勱科技（Nullmax）CTO 及穿山甲機器人首席科學家，主導過華為 – 中科大基礎系統軟件聯合創新項目，曾成功將前沿算法轉化為年產十萬臺級的商業產品。

師徒二人形成“學術指導+工程攻堅”的雙引擎結構：吉建民負責前沿技術指導、長期技術路線把控和底層方法論輸入，段逸凡帶領工程團隊主攻ROSS Harness 的架構設計、工程實現與產品定義，一個錨定方向，一個落地執行，學術傳承與工程經驗在同一套系統裡共振。目前，團隊已發表具身智能頂會頂刊論文達百餘篇，總引用超千次，並已在機加工上下料、精密打螺絲、定子壓合等工業場景落地驗證。

從賽場到產線：自進化引擎的第一次產品落地 如果說裝配上料崗的賽場是ROSS Harness 的第一次公開驗證，那麼下一步，靈犀智湧正在推進這套自進化引擎的產品化落地——通過標準化硬件平臺，把經過賽場檢驗的 Harness 能力交付給更多工業場景，讓每一臺進入產線的機器人都能持續迭代技能、優化策略、自我修復，真正實現“越用越強”。從賽事獲獎到工業場景的持續深耕，靈犀智湧用Harness 驗證了——工業具身智能的下一個黃金賽道，屬於“Model+Harness”協同進化的玩家。數字世界的經驗已經證明了這一點。

大語言模型智能湧現之後，最現象級的產品不是聊天框，而是 Codex、Claude Code 這類Agent——同樣的基座模型，放進不同的Coding Agent Harness，其任務表現可能判若兩人——模型決定它會不會，Harness 決定它能不能真正把事做好做成。而物理 AI 的世界正在重演這一邏輯。當行業普遍關注“機器人出廠時有多強”時，靈犀智湧同時在回答另一個問題——“機器人進廠後如何越來越強”。這，或許才是工業具身智能走向大規模落地的關鍵一步。