全国第三，公司第二，“初创黑马”灵犀智涌用ROSS Harness把机器人送进工业具身智能第一梯队

第二届世界人形机器人运动会的51个赛项，划出了两条清晰的评价体系：竞技赛检验运动极限与协同能力，场景赛则直接对标真实岗位的作业标准。工业场景装配上料岗正是后者中最贴近产线的赛项，评判标准直指工业级交付的核心指标：长时程稳定性、毫米级精度，以及扰动下的自主恢复能力。

就是在这个最接近真实工厂的赛项里，成立仅三个月的灵犀智涌，用一台由Demo级本体组装而成的机器人，通过预赛、晋级决赛，最终以160分的佳绩跻身全国三强，成为工业场景赛除行业头部企业外唯一获奖的机器人公司。

这份成绩的含金量在于：公司成立时间短，参赛机并非量产机型而是Demo组装，而同台竞技的对手均为头部品牌，在底盘、机械臂等硬件能力上积累深厚。在硬件条件不占优的情况下突围，灵犀智涌靠的不是本体，而是一套自研的ROSS Harness Agent。

这不仅仅是一个“黑马逆袭”的故事，想要理解灵犀智涌的路线选择，首先就要看清行业处境——头部公司的Demo 再漂亮，到了真实工业场景照样过不了交付关。使其卡住的无非四件事：成功率不稳、吞吐率不够、运维太贵、迁移太难。底层原因直指单一模型路线的方法论局限：模型永远是概率输出，单次成功率有天花板；工业场景是开放世界，现有系统缺乏自进化能力，经验无法沉淀为可复用资产。

正是在这样的行业底色下，在上海初成立的新手灵犀智涌交出了一份不一样的答卷。

不只卷模型，更卷系统：ROSS Harness 的自进化之力

由灵犀智涌联合创始人、CTO段逸凡博士领衔自研的ROSS Harness，是一套围绕具身模型构建的工业级执行体系。这套以控制论奠基人W. Ross Ashby命名的系统，并不是模型之外的“工程补丁”，而是在模型与机器人之间建立持续运行的执行闭环，将模型概率性的动作能力转化为稳定、可控、可复用的生产能力。其中，这五项核心能力共同构成了工业级自进化的底层引擎。

模型抽象，让系统不绑定单一基模。ROSS 将 VLA、World Action Model 等模型统一到标准接口之后，新模型只需局部适配，上层任务规划、Skill 编排、安全策略和机器人控制模块仍可复用，降低模型快速迭代带来的系统重构成本。

技能抽象，让工业经验可以复用。ROSS 将模型、工具和工程策略封装为带有适用条件、安全约束、结果判断和失败处理的 Skill，把散落在代码、参数和工程师经验中的 Know-how，沉淀为可调用、可迁移的数字能力资产。

Agentic AI，让机器人能够组织长程任务。Agent负责目标理解、任务拆解、Skill 编排和异常恢复，在模型的灵活性与工业执行的确定性之间建立边界，避免让大模型在每一步执行中“自由发挥”。

分层安全监控，让失败变得可识别、可恢复。从毫秒级硬件安全、秒级轨迹监督到任务级状态判断，ROSS 持续判断机器人是否正常执行，并在异常时触发中断、重试、回退、替代 Skill 或重新规划。

数据飞轮，让每一次执行都成为下一次进化的起点。任务上下文、失败案例、人工接管和恢复路径都会结构化沉淀，用于更新 Skill、优化任务编排、完善恢复策略和长期记忆，并进一步反哺模型。ROSS 所定义的“自进化”，因此不是每次都重新训练一个大模型，而是让模型、Skill、Tool、任务调度与记忆体系在真实工业任务中共同演化。

当行业主流更侧重以海量数据投喂大模型、推动本体矩阵快速迭代时，灵犀智涌则把核心壁垒押在Harness 层。物理世界正在重演这一逻辑：Embodied Agent = Embodied Model + Embodied Harness + Hardware，模型越强，Harness 能调用的能力边界越大；而 Harness 积累的真实工业经验，又可以反过来帮助模型更好地理解工业任务，这才是真正的协同演进。

另一方面，灵犀智涌并没有因为强调Harness 而放弃模型能力。公司自研的CONWAY 工业原生模型，围绕工业场景中的局部动作决策持续演进，已形成力觉增强、快速推理、动作对齐与安全控制等一系列技术成果。其目的并非与通用基座模型比拼参数规模和算力投入，而是持续理解并掌握具身模型能力边界，为Harness 的设计与演进提供模型侧支撑。

团队的核心判断是：模型能力与Harness 并非替代关系，基座模型越强，Harness 越能将其能力转化为稳定、可控、可规模化的工业执行能力。两条路线各有侧重：模型决定机器人初始能力，Harness 决定这些能力进入产线后，能否在真实任务、异常反馈与持续数据中不断被放大和进化。对于工业场景而言，后者才是决定系统能否长期运行、持续提升的关键。

这就是灵犀智涌定义的工业级自进化：不是扩大模型参数，而是让模型、Skill、Tool、任务调度和记忆体系在真实任务中共同演化，共同服务于同一个结果——把动作的成功率和吞吐率一起提高，正是Harness对模型能力系统化放大的量化表达。

中科大博士师徒双引擎：从实验室到产线的共振

选择以上路线的底气，来自一支兼具学术深度与工程经验的团队。

段逸凡，98年中科大博士，灵犀智涌联合创始人、CTO，ROSS Harness 总架构师。读博期间聚焦具身智能、空间智能等方向，相关研究成果先后发表于 RSS、IJRR、TRO、ICRA、IROS 等国际顶刊顶会，累计发表论文 36 篇，总引用超 390次，拥有从自动驾驶（校园、矿井、乘用车场景）到工业具身的全链路工程经验。ROSS Harness 正是其学术成果工程化落地的核心产物。

吉建民教授，中科大计算机学院副教授、博导，灵犀智涌联合创始人、首席科学家。十多年执掌中科大“可佳”“佳佳”服务机器人认知决策系统，获 RoboCup@Home 世界冠军，成果被《Artificial Intelligence》评为认知机器人十年最佳技术成果。他兼具学术视野与头部产业落地经验，曾任纽劢科技（Nullmax）CTO 及穿山甲机器人首席科学家，主导过华为 - 中科大基础系统软件联合创新项目，曾成功将前沿算法转化为年产十万台级的商业产品。

师徒二人形成“学术指导+工程攻坚”的双引擎结构：吉建民负责前沿技术指导、长期技术路线把控和底层方法论输入，段逸凡带领工程团队主攻ROSS Harness 的架构设计、工程实现与产品定义，一个锚定方向，一个落地执行，学术传承与工程经验在同一套系统里共振。

目前，团队已发表具身智能顶会顶刊论文达百余篇，总引用超千次，并已在机加工上下料、精密打螺丝、定子压合等工业场景落地验证。

从赛场到产线：自进化引擎的第一次产品落地

如果说装配上料岗的赛场是ROSS Harness 的第一次公开验证，那么下一步，灵犀智涌正在推进这套自进化引擎的产品化落地——通过标准化硬件平台，把经过赛场检验的 Harness 能力交付给更多工业场景，让每一台进入产线的机器人都能持续迭代技能、优化策略、自我修复，真正实现“越用越强”。

从赛事获奖到工业场景的持续深耕，灵犀智涌用Harness 验证了——工业具身智能的下一个黄金赛道，属于“Model+Harness”协同进化的玩家。

数字世界的经验已经证明了这一点。大语言模型智能涌现之后，最现象级的产品不是聊天框，而是 Codex、Claude Code 这类Agent——同样的基座模型，放进不同的Coding Agent Harness，其任务表现可能判若两人——模型决定它会不会，Harness 决定它能不能真正把事做好做成。而物理 AI 的世界正在重演这一逻辑。

当行业普遍关注“机器人出厂时有多强”时，灵犀智涌同时在回答另一个问题——“机器人进厂后如何越来越强”。这，或许才是工业具身智能走向大规模落地的关键一步。