果实进化切入服务业:炸鸡排机器人上岗,具身智能转向真实作业
具身智能行业,正在经历一场微妙而又深刻的变化。 过去,机器人公司热衷于展示自己的技术上限:能跳多高、跑多快,又能完成多少复杂动作。但到了下半年,行业开始出现另一种声音。比起证明机器人有多聪明,越来越多人开始关心它们走进真实场景后的表现。 最近30天里,行业接连发生了几件具有风向标意义的事情:OpenAI和DeepSee
具身智能这一行,眼下正悄悄发生一些深层变化。
以往机器人公司爱秀技术天花板:跳得多高、跑得多快、能做多少高难度动作。但进入下半年,另一种声音冒了出来——比起证明机器人多聪明,更多人开始盯它们在真实场景里到底干得怎么样。
最近30天,几件带风向标意味的事接连发生:OpenAI和DeepSeek被报道正朝物理世界探索;一些投资机构开始收紧具身投资;智元提出用”有效智能工时”给机器人记账,11月初还让6台G2机器人在真实便利店完成24小时连续作业直播。
这些动向看似各说各的,指向的却是同一件事:具身智能的比拼,正从展示技术上限转为验证实际作业能力,真实场景的商业化落地才是真正的考验。
今年WRC(世界机器人大会)上,机器人与智能烹饪设备配合做菜的场景,让餐饮业直呼太卷。而在某拥有上万家门店的国民炸食品牌线下实验店里,果实进化训练的机器人已经在真机上跑炸鸡排任务:夹钳伸进面粉盘,夹起裹好面粉的鸡排,抖掉浮粉,平稳送进炸锅;炸熟后再逐一夹起,放上沥油架。拿取鸡排、裹粉、沥油放置等18个子项动作全部自主完成,多块鸡排并行炸制有条不紊,尤其让人印象深刻。

从服务业切入具身智能赛道,正是果实进化选定的独特入口。
行业都在争分夺秒教机器人干活,果实进化却没有一上来就追通用能力,而是先把机器人放进餐饮门店、食品工厂等真实场景,找能规模化落地的任务。它最先推向市场的是1.0 AI视觉巡检产品,靠真实场景积累模型能力,再进一步训练出基于领域自有数据的2.0具身模型。
从视觉巡检到具身进场,果实进化想试的是一条从AI辅助人工作业到具身真正接管实际作业的路。
行业还在争论”通用大脑”何时到来,果实进化已经先一步让机器人在一个个具体场景里学会干活,并在后厨领到了第一笔”工资”。
大模型厂商下场,具身竞争规则正在被改写
具身智能赛道的”技术路线之争”,一直没停过。
从实验室走向真实世界,机器人得先弄清自己面对什么、要完成什么任务,才能决定怎么做、做完会发生什么。眼下,以
GPT-6 Astra和Fable 5.2为代表的通用大模型,某种程度上正在改写具身智能公司的竞争规则,也把行业推向更大的机会窗口:大模型或许才是更适配具身智能的基础模型。
具身模型可分三个层级:S2是推理层,管环境感知与高层决策,类似大脑;S1是执行层,把大脑指令转成具体动作输出;S0是机器人本体层,负责动作平稳执行。如今大模型公司在训练全模态模型时,已开始把机器人数据、合成数据乃至第一人称视角数据当作一个数据类别加入训练,实质是把S2这层的能力边界大幅拉宽。这条技术路径一旦趟通,具身领域将被带上人类通用智能迭代的”快车道”。
就在上周一(11月9日),Anthropic发布Claude Fable 5.2,据公开测评,其在双臂仿真基准上取得64.9%的成功率,是此前GPT-6 Astra的两倍以上,并完成了拧瓶盖、解魔方等真机演示。不过官方措辞审慎,用的是”优于大多数专为机器人设计的AI系统”——”大多数”之外的那部分,恰恰是迄今所有通用模型都没跨过的精细操作鸿沟。
不过最新一轮测试里,模型在仿真环境中的表现已经挺像样,可一旦落到真实世界,效率掉得快,成功率也跟着下滑,Token 消耗带来的成本依然不低。也就是说,机器人“听懂”任务和真正“做到”之间还横着一道坎:大量规划被送进机器人的大脑,最终恐怕仍要依赖特定场景下的训练,才可能变成可靠的物理动作。更关键的一点是,基模每拓宽一层推理能力,就需要更多真实场景数据去对齐——认知铺得越广,真实的闭环反而越稀缺。
果实进化CEO张媛的判断是,这道坎正把具身领域下一轮竞争的焦点摆上台面——真实场景。她认为,未来竞争里很重的一层,是看谁能把通用模型的认知能力接上真实场景,把执行能力训练得更好。
果实进化走的正是这条路。门店等服务业的落地网络,给它提供了持续进入真实场景的入口:1.0阶段的AI巡检产品攒下第一手场景理解,2.0真实作业则成为模型的训练场与验证场。每一次真实作业,都是模型深度训练的下一课。
不搞炫技扎进服务业,下沉是不是机会?
具身智能要商业化,首先得进真实业务场景。找突破口时,多数机器人公司更愿意选工业场景或家庭。果实进化却走了另一条路:从服务业切入。
工业场景高度自动化,服务业面对的却是高度动态、非标准化的环境,顾客、员工、商品、设备和空间都在不断变化。工业场景里偶发的corner case,在服务业是每时每刻都在发生的日常。
在果实进化看来,服务业场景中劳动类型的丰富程度超过工业场景十倍,同一家门店一天产生的有效行为交互数据,也远多于一条工业生产线。场景越复杂,反倒越容易筑起以“泛化”为第一性的竞争壁垒。它的长远判断由此而来:具身机器人要走向通用能力,服务业可能是最短的那条路——先在这些场景里把具体工作做扎实,再一步步扩开任务范围。
这家公司从一开始就定下方向:做服务业具身智能的模型公司——从真实门店和工作场景中长出来,让机器人在具体岗位上学会“干活”,模型能力也由此不断积累。
顺着这条路,果实进化做了两代产品:1.0 视觉巡检把总部标准转化为可复制的现场管理智能,2.0 具身智能则让机器人走进场景、承担具体工作。
果实进化COO王柯君对Tech星球表示,现场管理是服务业客户的刚需。头部餐饮品牌对AI态度积极,他们最清楚自己哪个环节最难管,也愿意主动去试。在客户那里,1.0 买的是现场安全风险控制与管理智能化,将来的2.0 买的则是稳定的现场生产力。
果实进化1.0的Almond智能巡检系统,服务对象是门店督导与工厂现场管理人员,用视觉行为模型代替人眼巡视。它给出的不只是一条告警,而是一整套管理闭环。现场摄像头接入后发现问题与证据,系统核对负责人和期限,把问题分派并通知到人;责任人提交整改视频,系统对照原问题复核;人工确认后关闭,检查与整改简报自动生成。部署门槛也压得很低:复用门店原有的摄像头就行,现场硬件不用大改。视频数据留在客户域内,不出门,客户数据安全有保障。目前这套方案已在餐饮、食品工厂等多个真实场景落地。

食品工厂方面,“一米八”的酸菜和泡菜生产用上了这套方案,已上线云南昆明和江西宜春的工厂,近期还会有更多工厂陆续上线。连锁餐饮方面,AI巡检系统正加快覆盖喜家德门店的门迎、前厅服务、食品安全等具体环节。“原来是人找问题,现在是问题找人”,最大的变化是从过去一个月一次人工抽检巡店,转为7×24小时实时管理,门店的食品安全和服务水平因此被持续推着往上走。对果实进化而言,创造行业价值的同时,场景模型能力也在不断长进,这为后续具身模型训练打下了物理基础。
炸鸡排、摇咖啡,真实门店成了具身模型训练场
10月28日,果实进化公开了一次后厨实测:一次炸多块鸡排,18步骤、4块鸡排并行、多轮炸制,机器人全自主执行,完整任务完成率达到75%。从第一次采集训练数据到真机落地,用了不到3周。
单块鸡排按固定顺序炸就行,多块并行则不同。机器人得同时盯着多个任务,自己判断这一刻该放哪块、该取哪块,还要安排不同任务的先后次序。任务之间互相影响变大,随机决策的比重也明显上升。对机器人来说,单任务执行只是基础,能同时处理多个任务,才谈得上真正接手一个完整岗位。
真实现场对机器人的环境感知和实时决策要求更高。餐饮门店、食品工厂这类地方,人员走动、物品移动、设备状态变化都是常态。果实进化用双视角感知技术,让具身模型对现场的全局理解不断加深;Agent架构里还设了常驻观察线程,实时判断当前动作是否贴合现场,一旦发现偏差就中断原有动作序列,把动作限定在安全范围内。这套机制有个重要前提:模型用真实门店训练,训练环境和最终部署环境高度一致,所以更能适应现场的“复杂、干扰、多变”。
多线程任务的另一道坎,是长时间执行的稳定性。门店里,高温环境和工作疲劳容易让人烫伤;多块鸡排并行炸制时,人也可能跟丢进度、记错下锅顺序。机器人反倒能持续、稳定地把活干完,目前已可连续作业2个小时。
安全机制上,机器人遵循常规任务自主执行、异常情况人工介入的原则。模型置信度不足、出现异常或涉及人机安全时,机器人会暂停动作并请求人工介入。人工监督集中在远程运维体系里:远程运维平台本身也是一个Agent,运维人员主要评估Agent的表现、给出反馈,间接参与模型能力优化。Agent效能持续迭代,一名运维人员就能同时支持多台机器人。
餐饮场景中,果实进化2.0机器人正在摸索门店高频岗位的工作,包括机械操作、原材料分拣、成品炸制等。这些能力不是先造一台通用机器人再找用途,而是按合作品牌门店的实际岗位工作流来定。“用真场景的真需求去激发技术上的真突破,以终为始的研发方式是Physical AI的最优选择”,张媛向Tech星球表示。果实进化还坚持不改动原有场景和设备环境,让机器人主动适应环境,把客户的试错成本压到最低。
从单任务到多线程,从执行预设动作到根据现场变化自主调整,机器人真正要跨过的门槛,是独立承担一个完整岗位的工作。
具身模型拼的是真实场景的闭环转速
具身智能的竞争已经分成两条路线:一条在实验室里攒论文和参数,一条在真实场景里攒数据和迭代。两条路线的分岔口,就是行业的分水岭。“基模比的是论文与天才密度,场景模型比的是懂场景、快进化”,果实进化CTO冉清向Tech星球解释道。
模型架构上,果实进化走的是分层Agent Policy路线。规划能力强的main agent(主智能体)负责整体任务规划与控制,VLA作为执行模块完成具体动作,常驻观察线程负责实时监测和纠偏。
为什么不把全部能力交给单一VLA?服务业任务的动作链条往往很长。行业实践表明,单一VLA连续执行较长动作序列后,准确性会明显下降。所以其VLA结构由前置VLM(视觉语言模型)和后置Action预测模块组成,后者基于Diffusion Policy(扩散策略),用逐步生成的方式预测连续动作序列。训练时,果实进化复用1.0阶段积累的视觉理解能力,把已训练好的VLM直接接入Diffusion Policy模块,重点训练后半部分的动作预测能力。
架构只是基础,具身智能真正稀缺的还是高质量真实数据。果实进化通过多视角的工程化技术与数据处理管线,在保证数据质量的同时,把数据成本结构做到与传统采集方式不在同一量级,还解决了自遮挡盲区的难题,动作规划和路径计算也因此更准确。
具身模型必须在世界里学习,不能只靠数据集:进入现场,在一次又一次实际执行中积累经验、发现问题、持续修正。这也是果实进化想形成的闭环——数据、模型和场景互相促进。
“客户买的不会是一次性设备,而是一个持续变聪明的系统”,果实进化在商业模式上给出承诺:已落地项目通过OTA持续享受模型迭代收益。部署越多,数据回流越多,模型越强,客户收益越大,数据飞轮转得越快。这条飞轮也对外开放,欢迎带着真实场景的产业伙伴进来共建。
具身智能的务实派:商业验证与技术积累同频
自动驾驶圈有句老话,叫攀登珠峰、沿途下蛋。技术密度高、商业化周期长,企业不能只盯着终点,得在往上爬的路上找能提前落地的场景,用阶段性收入反哺长期研发。这话放到具身智能身上同样成立——果实进化从起步阶段就开始自己养活自己。张媛眼里,Physical AI的商业价值正是模型与物理世界碰撞的最好证明,两边互相校验,迭代也跟着加速。基底健康了,模型进化才有自主权和持续性。她特意用“模型”而不是“大脑”来指代具身智能,背后是一套经营上的算盘:在她看来,“大脑”是奔着通用智能终局去的叙事词,“模型”属于工程和商业语言,指的是可训练、可验证、可迭代、可计价的能力单元,也是商业化的底子。竞争卡在中间那环——场景怎么选。技术还做不到全泛化的时候,谁能找到技术可行、需求真实、又能转出数据飞轮的垂直场景,谁就活得下来。
眼下果实进化一边跟客户一起挖场景,一边已经把壁垒立了起来。头一条是速度:从单任务真机落地到能完整顶下一个岗位,只要8到12周。第二条是数据迭代:每落地一家,真实作业数据就回流一轮,模型跟着聪明一分。
张媛把话讲得很直:“要具备自我造血的能力。”公司现在投的每一分资源,都得同时管技术积累和商业化验证两件事。“AGI是坚持要仰望的星空,而商业化是脚踏的实地,也是行业价值验证的锚点和企业健康度的指针。欢迎带着真实场景的产业伙伴进来共建”。
大浪淘沙,最后谁能站住?先把机器人送进真实商业世界的那些具身公司,或许会最早给出答案。