湖北
8月27日，慧灵科技通过高工机器人平台举行线上发布会，正式发布60个垂直场景模型，覆盖智慧实验、新零售、教育、智能制造等多个领域，并系统呈现基于“垂直场景模型 + HITBOT OS + 模块化硬件”的分布式物理AI技术架构。
在通用物理AI和人形机器人持续受到关注的当下，慧灵选择从具体产业场景切入。其核心判断是：不同物理场景拥有不同的行业知识、流程规则和设备能力，AI真正进入产业现场，不只是要理解信息，更要理解任务，并进一步组织设备完成执行。
60个场景模型，让AI真正“懂行”
此次发布的60个垂直场景模型，并不是将同一个模型复制到不同场景，而是针对具体产业任务形成的场景化能力。
在智慧实验室，模型需要理解实验目标、步骤和工艺参数；在新零售，则需要理解消费者需求，并进一步转化为配方和制作工艺；在智能制造，需要结合产品规格、质量要求与生产节拍生成任务流程。
慧灵将这种能力定义为“场景大脑”：它不仅回答“是什么”，还需要理解“为什么做”“应该怎么做”，并将自然语言需求转化为结构化任务流。
从“大脑”到“小脑”，AI如何真正驱动设备
在大脑理解需求之后，还需要解决从智能决策到物理执行的问题。
在慧灵的技术体系中，场景模型负责理解和决策，HITBOT OS负责设备连接、任务拆解、流程编排和调度执行，模块化硬件则完成最终的物理操作。
以智慧实验室为例，一旦实验需求进入系统后，场景模型首先补齐实验条件并生成实验任务；随后HITBOT OS根据任务匹配设备、构建设备关系、拆解动作、组织工艺流程并完成排程，最终形成设备可以真正执行的实验流程。
目前，HITBOT OS已连接数百种通用及专业设备，并兼容多种工业通信协议，承担连接AI模型与真实设备的“工业小脑”作用。
三个真实场景，验证同一条落地路径
除了智慧实验室，发布会还展示了新零售与智能制造场景。
在新零售中，系统可以理解“比上次更清爽一点”这类自然语言需求，结合历史订单、饮品类型和硬件能力，生成对应配方与制作流程。
在智能制造中，针对小批量、多品类频繁切换的生产需求，系统结合产品规格、工艺要求、质量标准与设备能力，重新生成适配当前任务的生产流程。
场景虽然不同，但背后的路径一致：从理解需求、生成流程，到设备协同和真实执行，让AI真正进入产业现场。
从“通用”之外，寻找物理AI的产业答案
慧灵科技CTO廖泽立在发布会中表示，物理智能未来并不意味着所有工作都由一种通用机器人完成。面对专业性、重复性、精细化和力量型任务，通用硬件与专用设备仍将长期并存，并形成新的协作方式。
基于这一判断，慧灵提出“分布式物理AI”：通过垂直场景模型与通用、专用硬件的合理组合，让不同物理场景以更高效率进入智能化执行阶段。
从“理解信息”到“理解任务”，从“生成答案”到“物理执行”，60个垂直场景模型的发布，也进一步呈现了慧灵对于具身智能产业落地路径的判断：智能最终要回到场景，并在真实任务中完成执行。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
