一家公司的战略纵深，往往藏在关键的落子里。日前，专攻机器人通用底座的平台企业爻方智能正式走进公众视野。依托科大讯飞 AI 底座能力，爻方智能将与聆动通用形成优势互补，协同拓展具身智能赛道。聆动通用首席科学家潘嘉主导机器人基座技术攻关，其为国家科技进步一等奖主要完成人、科大讯飞杰出科学家、具身智能前沿科学带头人。

　　聆动通用联合爻方智能近期完成核心算法架构系统级升级，推出全新统一多模态具身大模型 iFLYTEK-Embodied-Omni。针对传统视觉、动作串行推理模型容易出现误差叠加、时序控制不足等行业痛点，方案创新搭建 “大脑 - 小脑” 协同一体化框架：VLM、VGM 高层模型承担指令解读、环境预判、长时序任务规划工作，AGM 动作模型负责精细化运动控制，单一框架融合图像、视频、文本、机器人动作等多模态信息。

　　行业主流 VLA 方案本质属于即时反应系统，只能基于当下观测生成动作，无法预判行为带来的后续环境变化，如同驾车看到红灯刹车，却难以预判湿滑路面容易出现打滑问题，缺少对未来状态推演能力，这也是业内判断 VLA 并非最终形态的核心原因。

　　在此基础上，行业逐步向世界动作模型 WAM 路线演进，核心思路为先预判未来视觉画面，再生成机器人动作，实现 “先推演、再执行”。但现有方案大多将视觉预测与动作生成分步开展，先输出虚拟画面，再依靠逆动力学求解动作指令，视觉预测微小偏差会持续放大，形成 “可执行性鸿沟”，出现仿真效果优异、真机作业难以落地的普遍困境。

　　iFLYTEK-Embodied-Omni 采取联合训练思路，不再割裂预测画面与动作生成两大环节，技术路线与英伟达方案存在相似逻辑，但二者后续走向形成明显差异。英伟达方案中将机器人本体状态仅作为模型输入信息；聆动通用与爻方智能则认为，本体认知是模型训练核心环节，逆运动学属于任务内生组成部分。

　　依托四阶段渐进式训练方案，该模型在 LIBERO-Plus、RoboTwin 2.0 等国际主流仿真基准测试取得领先成绩，在长时序复杂分拣、装配任务中展现更强泛化能力与环境适应性，为通用机器人 LDB、采训推机器人 LDT 全系列产品提供智能内核，有效降低工业场景部署与持续迭代成本。本次架构升级进一步夯实聆动通用 “大脑 - 小脑 - 本体” 全链路自主可控优势，同时兼顾算法研发与硬件本体打造；爻方智能发挥基座技术优势，双方形成能力互补。

　　仿真测试成果最终需要在真实物理场景完成验证。聆动通用产品拿下中国 CR 认证、欧盟 CE-MD 市场准入资质，同时通过 ISO9001、ISO14001、ISO45001 三项管理体系认证，是国内首款同时具备双重准入资质的工业级具身智能通用机器人，打通国内与欧盟市场通道。

　　旗下覆盖 “采集 - 训练 - 部署” 全链路的 LDT 采训推机器人，已经在多家公共实训场、企业私有化训练场、高校科研机构稳定运行，面向泛制造业工艺优化、具身大模型训练数据供给、科研试验等场景提供支撑。该产品在中国信通院 EAI Bench 物流分拣评测中拿下多项满分，聆动通用也是唯一依靠全栈自研方案完成 “感知 - 决策 - 行动” 完整体系评测的企业。

　　与此同时，LDB 通用机器人陆续进入物流、汽车、3C 等行业现场，开展规模化交付验证。

　　至此，科大讯飞在具身智能赛道布局路径清晰：聆动通用聚焦工业具身 “大脑 - 小脑 - 本体” 全栈自主可控，同步发展硬件本体与商业化落地，为算法持续提供真机验证场景与迭代数据；爻方智能深耕机器人底座研发。双方协同打造正向飞轮，实现算法定义硬件、硬件持续验证算法。

　　当前行业内能够同时打通智能算法与机器人本体研发落地的企业并不多见，多数厂商只能侧重单一环节，外部采购配套模块。科大讯飞走出独特双核路线：爻方智能研发的底座从设计阶段即可依托聆动通用机器人本体开展实测；聆动通用交付的每一台机器人，持续为新一代底座研发回传实景数据。这套同步打造 “智能引擎” 与 “机器人本体” 的发展模式，沉淀自科大讯飞二十余年 AI 产业经验，持续打通实验室技术走向工业现场的关键通道。