具身智能正进入一场更艰苦、更漫长的基建竞赛。而系统，可能是这场新竞赛的起点，也将是分水岭。
2026年7月，WAIC现场的展陈逻辑微妙地印证了这种转变。参展的具身智能企业从去年的80多家增加到200多家，真机超过300台，几乎全部动态运行。但真正值得审视的，不再是机器人会跳舞、会写书法，而是它们能否在真实场景中创造经济价值。去年是150台人形同台卷后空翻，今年各家的DEMO普遍换成了快递分拣、拆码垛、线束整理等更具体的东西，行业叙事正在从能不能动悄然转向基于“真实数据”构建真正AI。
更具信号意义的，是过去一个月里，几家最强的玩家几乎在同一时间、从完全不同的口子喊出了同一个词：系统。
智元的罗剑岚说，机器人本身是一个复杂的系统，不能单纯依赖某个单一组件的优化来提升整体性能；Generalist的Yanwei说，一流模型加一流系统，效果远好于一流模型加弱系统；Genesis说，硬件不是模型的下游，任一层的瓶颈都会在整个系统中传播；徐丹飞说得最直接：“System is the thing for everything.”
模型时刻和数据时刻之后，系统时刻似乎真的到了。
鹿明机器人是这一轮趋势中动作最明确的玩家之一。这周，鹿明正式发布Lumos Station Lite，这是一个面向具身智能技能开发与验证的系统性平台。而支撑这款产品的，是鹿明提出的“产业具身”理念，旨在让具身智能围绕真实产业需求发展，将产业场景、技能数据、AI模型能力和机器人执行系统进行深度结合，最终形成一套能够让机器人持续获得和进化技能的基础设施。这套判断，与行业正在发生的趋势形成了清晰的共振。
01.
从“硬件竞争”到“系统基础设施竞争”
过去几十年，机器人产业的成就高度依赖一个特定前提——环境足够稳定，任务足够明确。例如在汽车焊装线上，机器人不需要理解什么是焊接，它只需要按照预设轨迹精确重复数万次；在电子装配车间，机械臂只需在固定工位完成固定的拾放动作。这依然是“动作自动化”的范畴，远未触及“任务智能化”的门槛。
具身智能的出现，正在从根本上打破这一逻辑。当机器人从围栏内走进开放世界，从固定流程转向柔性作业，“预设程序”这种信任方式开始失效。零件可能放偏了，布料每次展开都不一样，家庭环境中的物品状态时刻在变。机器人面对的根本问题因此改变：不再是“执行什么动作”，而是“在当前情况下，我应该做什么决定”。
然而，从实验室中表现优异的多模态模型，到现实世界中可靠、稳定的执行，中间的鸿沟远比想象中大。2024到2025年的大半时间是“模型时刻”，VLA一波接一波，共识是“模型性能决定一切”。到2025下半年，叙事转向“数据时刻”，每一种采集范式都有一票公司在推，高质量物理交互数据成为行业共识。
但这一个月，几个标志性信号一起出现了。PI在智源那场对谈里承认，“目前模型更像demo-ready，不是deployment-ready”。李飞飞和李昀烛在最新对话中强调，训练具身智能“需要打破当前行业对纯视频预测模型和通用人形机器人的盲目崇拜”。北京大学研究员仉尚航也指出，“一旦走向真实世界、开放任务，模型暂时无法展现智能涌现的能力”。
为什么？因为一套完整的具身系统，至少有八个环节：硬件本体、控制中间件、传感器布局、数据采集、数据飞轮、训练范式、模型本身、评估基础设施。模型和数据只是其中的两环。如果缺少配套的系统基础设施，再顶尖的模型、再海量的数据，也无法沉淀为可复用、可稳定落地的产业技能。
这正是鹿明“产业具身”理念试图回应的核心问题。鹿明的判断是：未来具身智能的竞争，光做模型和数据，搞不定具身智能的规模化部署，而是“谁能够构建一套让机器人持续获得、验证和进化技能的系统性基础设施”。
围绕这一方向，鹿明正在构建覆盖技能采集、模型训练、技能部署到产业应用的全栈技术体系——硬件底座、数据底座、模型底座三大能力同步推进，而Lumos Station Lite正是这一体系中面向开发者的重要入口。
02.
把产业具身，装进一个开发平台
从模型训练完成到进入真实生产现场，中间存在一个长期被忽视的系统断层。模型如何在实物上部署？机器人如何理解动态环境？任务效果如何量化评价？失败后如何归因和迭代？过去，一个算法团队若想验证模型在真实机器人上的表现，需要同时协调机械臂、传感设备、控制系统和测试场地——硬件联调、接口适配、算法研发与真机执行之间存在一道高墙。
Lumos Station Lite要解决的，便是打通这一“最后一公里”。作为鹿明产业具身智能基础设施的重要组成，平台面向教学与科研场景，提供从模型部署、真实执行到量化评测的一体化技能验证能力。它打通了模型能力与机器人执行之间的关键链路，推动具身智能从实验验证走向真实应用。
在硬件层面，平台搭载两台Lumos Touch R1六自由度机械臂，采用双臂协同设计，能够支撑物品递送、精准摆放、柔性物体整理以及多步骤任务执行等复杂技能验证。
双臂方案的价值不仅在于自由度叠加，因为现实中的任务几乎都不是单臂能完成的，整理物品需要一手固定一手调整，装配作业需要多对象协同，这构成了机器人学习“完整技能”而非“单一动作”的物理基础。
感知系统方面，平台采用“2+2”多视角感知矩阵，由双腕部相机和双桌面固定相机构成，将近距离操作视角与整体环境视角结合。单一视角只能告诉机器人目标在哪里，而多视角数据能够帮助机器人建立“动作—环境—结果”之间的因果关联，这正是技能经验形成的认知起点。
在软件与系统层面，平台全面兼容Ubuntu（20.04/22.04/24.04）及Python、ROS/ROS2开发环境，支持从基础API调用到高级大模型决策的多层次开发。通过边缘控制单元打通机械臂控制、SDK调用与模型部署流程，支持云端及端侧推理，构建“视觉感知—模型推理—任务规划—机器人执行”的完整闭环。
图：Lumos Station Lite模型部署
更关键的是验证环节。平台围绕任务完成率、连续成功率、执行效率、异常恢复能力等维度进行量化分析，让机器人能力的评价标准从“一次惊艳的演示”转向“可重复、可度量、可优化的稳定输出”。这正是产业化最需要的认知转变。因为产业不会为Demo买单，只会为确定性付费。
连接这一闭环的，是鹿明面向产业具身构建的Lumos NexCore操作系统，覆盖数据管线、模型评测、场景工具链等产业规模化落地所需的完整基础设施。此前，Lumos NexCore体系下的原生产业具身大脑Prime R0已登顶全球权威零样本具身智能评测基准MolmoSpaces，在单臂精细操作与双臂协同操作的全任务评测中综合成功率位列全球第一。目前，Prime R0已完成花艺精细操作、柔性织物规整、精密小件收纳、杂乱物料密闭空间作业等多项真实工况验证。
03.
产业拐点已至：谁在铺设系统基础设施？
Lumos Station Lite选择在2026年7月这一节点发布，并非偶然。2026年被业界普遍视为“具身智能部署元年”。全国范围内的相关基础设施正在加速铺设，国家级具身智能应用中试基地已在杭州等地挂牌启用。更关键的是政策信号的集中释放。今年5月22日，国家发改委举行月度新闻发布会，政策研究室副主任李超明确表示，下一步将按照“十五五”规划部署要求，以具身智能关键基础设施建设为抓手，全面推进具身智能领域高质量发展。
发改委的部署聚焦两个方向，恰好与行业正在发生的趋势形成精准呼应。
第一个方向是加快具身智能训练基础设施建设，更好支撑具身数据采集和“大小脑”模型训练，提升具身智能在不同场景中的通用能力。李超在发布会上特别提到，要让机器人不仅能上赛场，还能“进工厂、进商场、进家庭”，加快融入各行各业。这意味着国家层面对具身智能的期待，已经从“技术演示”转向“场景渗透”。
第二个方向是加快具身智能方向应用中试基地建设，健全完善具身智能软硬件生态，加强与训练基础设施的协同联动，加速面向应用落地的技术创新。“中试”二字尤其值得注意，它指向的正是从实验室模型到真实场景部署之间的那个断层，也就是鹿明Lumos Station Lite试图填补的“最后一公里”。
将这两个方向放在一起看，发改委实际上描绘了一幅清晰的产业蓝图：训练基础设施解决“机器人如何学习”的问题，中试基地解决“学到的技能如何验证和部署”的问题，二者共同构成具身智能从技术到产业化的完整基础设施链条。
这与鹿明“产业具身”的底层逻辑高度一致。鹿明提出的“技能智能基础设施体系”，覆盖技能采集、模型训练、技能部署到产业应用的全链条，这本质上是在产业层面率先响应国家“以具身智能关键基础设施建设为抓手”的战略方向。而Lumos Station Lite作为这一体系中面向开发者的入口，恰好卡在了“训练基础设施”与“中试基地”之间的关键位置，它既承接模型训练后的验证需求，又为产业应用前的技能评估提供了标准化工具。
不仅如此，2026年，教育部已新增具身智能本科专业。鹿明选择教学与科研场景作为切入点，意在通过赋能人才培养和基础研究，构建从技术源头到产业应用的生态闭环。以一个标准的24人教学班为例，仅需配置“6套Lumos Station Lite学生平台+3套VR设备+3台算力工作站”，即可构建与前沿技术接轨的实训基地。
除了政策方向利好，鹿明更是已经先行一步，与京东集团、中远海运、德马科技、广运集团等产业方建立深度合作，围绕智能制造、物流等多个领域推进场景共创。行业共识是，能实现通用自主能力的具身大模型，至少需要千万小时级高质量真实交互数据——而高效运转的数据闭环，远重于单次演示的惊艳程度。从联合研发到项目落地，从产品验证到持续迭代，鹿明的这一模式正在推动“真实需求驱动技术迭代、技术能力反哺产业升级”的正向循环。
这些信号共同指向一个结论，那就是具身智能正在从分散的技术突破，转向全链条协同发展的产业阶段。 而全链条协同的关键，正是那个连接模型、算法与机器人执行的“中间层”，即鹿明所定义的“产业技能基础设施”。
04.
分水岭会在何处
过去，产业关注的始终是机器人的“身体”：机械结构是否先进，运动能力是否强大，成本是否足够低。
而进入具身智能时代，决定商业价值的核心问题变成了：机器人能否持续学习，并将经验沉淀为可复制的技能。这意味着机器人产业正在经历一次深刻的范式转换。
机器人未来最核心的资产，可能不再是物理意义上的“一台产品”，而是一套能够让机器人持续获得、验证和进化技能的系统性基础设施。也意味着真实场景驱动、系统能力制胜。
鹿明通过Lumos Station Lite构建面向开发者的技能开发与验证入口，本质上是在将“产业具身”的理念转化为可操作的工具，让机器人能力不再停留于实验室演示，而是通过真实任务和真实验证，逐步沉淀为能够服务产业的智能基础设施。
这也使得未来十年，机器人行业真正的分水岭，或许不再是谁拥有更多、更强的机器人，而是谁拥有更完整、更前瞻的系统基础设施体系。
因为当机器人开始真正学习如何工作，产业竞争的核心，也终将从“制造机器”转向“创造能力”。这也让产业有了更加值得期待的未来。
