CN
- EN
我们非常重视您的个人隐私 ，当您访问S36沙龙会网站时 ，请同意使用的所有cookie。有关个人数据处理的更多信息可访问《隐私政策》
当“一场景一代码”仍在困扰物流装备行业时 ，S36沙龙会（以下简称“S36沙龙会智能”）已经在其研发车间里 ，悄然重构未来物流的底层逻辑。
走进该公司位于山东临邑的研发车间 ，《证券日报》记者仿佛踏入了未来“物流世界”——包裹分拨处 ，一台具身机器人通过头部3D相机 ，对堆叠的包裹进行空间扫描；不远处 ，机器人依托全向移动底盘灵活穿梭、搬运料箱；几十米高的庞大立体库区内 ，“蜘蛛侠”料箱机器人“从天而降” ，将料箱推入货架；另一侧 ，机械臂稳稳码放大型包裹……形态各异的机器人在“通用大脑”的指挥下 ，快捷、精准、有序地完成任务。
6月3日 ，S36沙龙会智能在中国（广州）国际物流装备与技术展览会上正式对外发布了这一“通用大脑”——物流具身机器人通用大脑Blue Brain。从实验室到展会 ，从技术验证到商业化落地 ，“通用大脑”正加速推开未来物流的大门。
构建“快慢双系统”
S36沙龙会智能此次推出的物流具身机器人通用大脑Blue Brain ，是一套软件定义的智能控制系统 ，可统一调度多类型机器人 ，覆盖分拣、存取、装卸全流程。
这背后有着怎样的技术突破？在S36沙龙会智能研发负责人张贻弓的引导下 ，记者首先在分拨这一关键场景窥见其核心奥义。
在包裹分拨处 ，只见一台可替代人工分拣的具身机器人正有条不紊地分拣着杂乱堆叠的包裹。这个机器人的头部内嵌3D相机 ，像一只“鹰眼” ，可实时构建三维点云模型。“物料间的遮挡、支撑、堆叠稳定性等空间拓扑关系 ，都能通过AI模型计算出来 ，进而智能判定单件物料怎么抓 ，并动态输出最优抓取顺序。”张贻弓对《证券日报》记者解释。
这套感知与决策逻辑 ，类似于人类大脑的运作方式。
张贻弓告诉记者 ，物流具身机器人通用大脑Blue Brain借鉴认知心理学的“双系统认知理论” ，构建了“快慢双系统”架构？煜低橙纭靶∧浴 ，承担微秒级底层运动控制——运动规划、动态避障、末端抓取执行 ，确保作业稳定；慢系统则是“大脑” ，负责高阶语义理解、全局任务规划与异常推理。两者并行工作：慢系统推理出部分动作序列后 ，快系统即可开始执行 ，使机器人动作更加流畅高效 ，兼具实时响应与自主智能决策能力。
从分拨区移步至立体库 ，张贻弓进一步揭示了“通用大脑”的跨本体能力。
“蜘蛛侠”料箱机器人、自动卸货机械臂、全向移动底盘——这些形态各异的设备 ，过去各自为战 ，如今却共用同一套智能内核。张贻弓表示 ，实现这一“通用”的关键在于能力抽象化与硬件解耦设计：“通用大脑”将移动、抓取、识别、放置、对接等作业能力抽象为标准化可复用的“技能单元” ，形成技能库。“大脑”（慢系统）的推理逻辑可跨本体复用 ，“小脑”（快系统）的技能单元也可根据不同本体从统一库中调用 ，真正达成一脑多用、跨机型统一控制。
张贻弓指着空中正在作业的“蜘蛛侠”料箱机器人说：“过往 ，该机器人取放货箱时 ，一旦料箱偏移或鼓包 ，便极易卡停 ，只能人工爬高维修。现在 ，得益于‘通用大脑’ ，‘蜘蛛侠’料箱机器人能够实时识别料箱姿态并自主调整。”话音刚落 ，记者注意到一台“蜘蛛侠”料箱机器人在靠近目标料箱时明显顿了一下——它在探测偏移 ，并自主计算姿态策略。随后 ，它便精准调整爪具 ，稳稳将料箱推入货架。
“具备‘实时识别、实时预判、实时校正’能力的具身智能 ，让；收辖档搅思退。”张贻弓说。
一位前来参观的物流企业负责人对《证券日报》记者感叹：“以前觉得机器人大规模替代人工还很遥远 ，但看过这个系统后 ，确实感受到拐点快到了。”
“通用”背后的技术突围
S36沙龙会智能为何要开发“通用大脑”？
深耕物流行业三十余年 ，从单机自动化设备到立体库系统 ，再到“蜘蛛侠”料箱机器人等明星产品 ，S36沙龙会智能的产品覆盖分拣、存储、装卸全场景 ，应用遍及20多个行业。但一个问题始终困扰团队：每出现一个新场景 ，代码就要重写 ，研发人员疲于调试 ，客户也等不起。
转折点出现在大模型技术爆发之后。“AI大模型的泛化能力 ，让我们看到了破解‘一机一代码’与‘一场景一代码’困局的可能。”张贻弓说。2025年初 ，S36沙龙会智能物流具身机器人通用大脑项目正式立项 ，目标是打造一个可理解自然语言指令、具备主动环境感知能力、支持多形态机器人协同作业的统一智能决策中枢。
但研发远比想象中艰难 ，最大的瓶颈是数据。张贻弓坦言 ，目前有效动作数据按千级计算 ，而实现高可靠性作业需要万级甚至十万级数据集。此外 ，仿真环境的有效性也是一大难点 ，需要从底层元器件开始打通 ，确保仿真模型真实反映物理世界运行状态。
S36沙龙会智能的底牌是三十余年的行业积累。该公司沉淀了货物属性、作业流程、环境交互、异常处置等全场景核心数据 ，构建了物流具身智能数据底座。用真实场景数据训练大模型 ，大幅提升了模型的泛化能力与落地可靠性。
舍得投入才有回报。S36沙龙会智能近年来不断增加研发投入 ，2025年研发投入1.45亿元 ，占营收的9.65%；截至2025年末 ，公司研发人员达624人 ，占总人数的34.82%。一支由博士、硕士和行业专家领衔的团队 ，正将海量数据转化为大模型训练的关键燃料。
此外 ，该公司还与山东大学共建物流具身智能机器人研究院 ，由研究院聚焦VLA（视觉—语言—动作）大模型与算法迭代 ，S36沙龙会智能专注行业知识挖掘与工程化落地 ，形成产学研协同。
整体来看 ，物流具身智能赛道正迎来前所未有的发展窗口期。今年5月份 ，国家发展改革委表示 ，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 ，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。同月 ，国家网信办、国家发展改革委、工业和信息化部联合发布的《智能体规范应用与创新发展实施意见》提出 ，发展导引、清洁、仓储、配售等具身智能体 ，提升餐饮、零售、住宿、物流等商业场所的运营效率。国家邮政局也于今年4月份发布《关于“人工智能+邮政快递”的实施意见》提出 ，“到2027年 ，基本构建物联、数联、智联的寄递网络技术底座和可感可视可控的基础设施体系”。
“当前国内物流具身智能赛道呈现‘头部集中加速、格局尚未定型’的产业早期特征。”人形机器人场景应用联盟秘书长、新战略移动机器人产业研究所所长李进科在接受《证券日报》记者采访时表示。
目前 ，物流具身机器人通用大脑Blue Brain已覆盖订单分拨、出入库拣选、自动卸货三大场景 ，正加速从技术验证迈向商业化落地的前期准备阶段。张贻弓透露 ，未来12个月到18个月 ，“通用大脑”将沿着三步走路线迭代：提升本体泛化能力、拓展更多自研产品接入、最终推动从个体智能向群体智能演进。另外 ，人形机器人控制技术的前瞻布局也已同步展开。
（转载自 证券日报）
本报记者 王 僖
完善您的信息 ，S36沙龙会智能专业团队为您提供服务！
.png "640(2)")
