大模型热潮之后，具身智能正成为下一个叙事中心。人形机器人也因此被推上浪潮之巅，但泡沫与线年，因人形机器人的热度，及“杭州六小龙”之一的称号，云深处被推到公众视野中央。云深处创始人朱秋国向蓝鲸科技坦言：“这个身份让更多人关注我们，但我们更关心的是，一步一个脚印解决真实场景中的难题，做出真正有用的机器人。这既是压力，也是推动我们不断前行的动力。”
从浙江大学副教授到云深处科技创始人兼CEO，朱秋国拥有学者与创业者的双重身份。
——谈起产品和技术时，频繁提到“场景”“客户”“验证”，习惯用“打磨”“适配”这样的词来描述技术跨越“鸿沟”的过程。聊到商业化，朱秋国干脆侧身，用手指在旁边的墙上画出一条经典的曲线——硅谷思想家杰弗里·摩尔（Geoffrey A. Moore）在《跨越鸿沟》中描述的产品生命周期曲线。“这里，”他指向曲线的底部，“
”在他看来，四足机器人赛道的“技术鸿沟”大体已被跨越，而人形机器人还远没到那一步。
这种判断并非凭空而来。成立于2017年的云深处，几乎见证并亲历了四足机器人跨越“鸿沟”的全过程。朱秋国记得，最早在实验室研究机器人那几年，波士顿动力频繁发布各种机器人炫技视频
2016年，AlphaGo掀起的AI热潮让团队意识到技术爆发临近，而波士顿动力的进展，则带来更直接的紧迫感。于是，团队很快达成共识决定创业：“不能再等了，必须打造中国特色机器人。”朱秋国回忆。在人形、轮足、仿生、多模态还远未成为热门话题之前，云深处的四足机器人“绝影”已经可以在变电站巡检，在消防救援、灾后探测中执行任务。2020年12月，“绝影”登上机器人顶刊《Science Robotics》，在全球业界引发关注。
这不仅关乎硬件，更依赖于围绕产品应用构建的软件系统——“尤其是客户直接操作的那一层。硬件和软件共同构成了终端体验的闭环。”他强调，没有足够的用户基数和应用场景，就谈不上真正理解什么是好软件。这种理念，也延续到了云深处对人形机器人节奏的把握上。朱秋国直言：“客户不仅看成本，更关注质量、服务和交付能力。核心是选择赚快钱还是长期为客户创造价值。我们选择踏实稳健，这与‘云深处’的寓意相符。”公司的名字取自唐诗《山行》中的“白云深处有人家”，既有诗意，也暗合一种姿态。
在他看来，只有在真实环境中经过验证的技术，才具备跨越鸿沟的可能。如今，云深处正在从“以硬kaiyun体育全站 Kaiyun登录网页件为主、做技术突破”走向“以软件为主、做应用验证”。在这场对话中，我们探讨了朱秋国对大模型、强化学习与机器人能力边界的判断，他对具身智能技术变量与落地路径的选择，以及在他眼中，中国机器人产业真正的“护城河”究竟是什么。
机器狗赛道的“技术鸿沟”大体上已经跨过去了。当然并不意味着每一家公司都已经跨过去了。每家公司要跨过去，还是得找好自己的应用场景，产品要真正稳定可靠，能够为客户带来实际价值。
机器人本身一定要过硬，硬件不能出问题，执行必须稳定。如果本体基础都不牢靠，大模型再强也没用。这就像人脑和身体的关系：
大脑可以思考，但如果身体动不了，那什么也干不了。既要继续突破AI算法，也要把机器人本体打磨到没有短板。两者缺一不可。
。软件的开发不能只靠技术驱动，而是要以客户需求为导向。只有当你的用户量和实际场景都到了。
场景的壁垒非常高。刚开始进入场景的时候，如果机器人连台阶都上不去，设备稳定性都达不到，就没法落地。
你是希望前期就去赚一波快钱，还是希望长期为客户创造更大的价值？我觉得这是每家公司都需要做出的战略判断。
很多人都想“一步到位”做出通用型系统，但我认为这是不现实的。具身智能的前提条件之一，是你得能从具体场景中获取到足够真实、有价值的数据。
六小龙这个身份，告诉我们过去几年在技术突破和商业化落地上的探索被大众看见了。这个身份让更多人关注我们，但我们更关注的是，如何一步一个脚印，解决真实场景中的难题，做出真正有用的机器人。这既是压力，也是推动我们不断前行的动力。
一个产品在商业路线的发展中，往往可以分为几个阶段。第一阶段是探索期，只有少数几家公司开始做产品的探索。彼时行业并不被看好，技术也有很多缺陷，更多只是一些演示和demo，是典型的“从0到1”的阶段。到了第二阶段，会出现一些愿意尝鲜的“初始用户”。但这个阶段最大的挑战是“跨越鸿沟”那一步。
我们看到这几年AI技术在发展，尤其是强化学习等技术，让机器狗的技术能力不断增强，对场景的适应能力越来越强。这个意义上，
所以它是一个路径问题，这个行业现在整体已经到了这个发展阶段。一旦到了这个节点，就意味着市场会慢慢增长。夸张点说可kaiyun体育全站 Kaiyun登录网页能是指数增长。有些后来者看到有路径可循，直接就走到了“沟”这一侧，借鉴你前面趟出来的路。所以当一个赛道跨过了这个阶段，它就进入了战略扩张期，开始进入规模化增长。
人形机器人还处在非常早期的阶段，甚至还没到“尝鲜者”阶段，因为行业的应用还极少。只有有人用，才能在应用中打磨技术，才有可能形成正向循环。但现在还没有到这一步，所以它还远没跨过“鸿沟”。很多人说，
每一次技术突破，我们当时都会觉得“可以用了”，每一步都很激动。比如最初探索场景是在2019年，我们带着四足机器人去了南方电网做巡检的应用测试，机器人已经能保证稳定行走，这是一个不小的进步。但现实中，一遇到台阶、马路牙子这种障碍，就非常棘手。你会发现，从实验室到真实场景，哪怕是一点点的不确定性，都会变成一个巨大的挑战。后来技术逐渐有了泛化能力，能适应越来越复杂的环境。每走一步，我们都觉得“已经很好了”。但如果从现在普遍认可的应用角度来看，真正带来明显突破的，还是强化学习。
这就极大提升了机器人的泛化能力和实用性，也就为商业化打下了基础。现在四足机器人逐步走向真正可用的阶段，核心的技术推动力来自于强化学习的崛起。当然，不只是强化学习，AI整体技术在过去两年也取得了巨大进展，尤其是大模型技术，它们都在推动整个机器人行业往前走。
我们得区分一下：我刚刚讲的强化学习，是针对机器人本体的训练，解决的是像行走、避障、攀爬这种与环境强相关的问题。而大模型，尤其是大语言模型或者多模态模型，它其实是另一种类型的AI技术，它更偏语言、感知、认知。严格来说，大模型本身跟机器人硬件没有直接关系。问题的关键在于：这两者如何结合。也就是我们现在说的“具身智能”。
现在大家更关注的，其实是“机器人如何和大模型协同工作”。可以理解成是“机器人+AI”的结合：机器人提供感知和执行，大模型提供理解和决策，但前提非常明确——
所以，在推动具身智能落地的过程中，我们既要继续突破AI算法，也要把机器人本体打磨到没有短板。两者缺一不可。
绝对不是巧合。2016年AlphaGo对整个AI行业的震动是深远的，那之后很多人开始重新认识AI的可能性。我们当时也受到了很大触动。再一个现实的背景是——那个阶段已经被波士顿动力的视频打击得很难受了。他们每发布一个视频都像是在提醒我们：中国还没有这样的机器人。做科研的，天天看着别人做出那么强的产品，心里当然很不是滋味。
我们真正想做的是技术沉淀。希望能把人才、把技术、把研究积累下来，形成我们国家自己的技术体系。我们要让中国的机器人技术，不再被国外甩得那么远，哪怕能慢慢拉近一些距离。这事对我们来说，是一份长期承诺，是想为国家做些实事的初心。
但这不是我们一家公司能做到的。这个行业的发展，离不开整个技术社区的共同努力，包括学术界、研究机构，还有很多像我们这样的创业公司。比如强化学习的快速发展，很大一部分得益于学术界的研究推动，大家共同把这个事情往前推。我们只是在其中做了我们该做的那一部分，整个行业的进步，是所有人一起努力的结果。
之前公司是“以硬件为主，做技术突破”，但现在已经进入了“以软件为主，做应用验证”的第二阶段。转变是在2025年发生的，但这个思路最早在2023年9月我们就已经提出了。当时我们判断，既然硬件已经打下基础，就要开始往“以软件为主、做应用验证”这条路上走。不过我也承认，那个时候其实有些误判。虽然提出了软件导向的战略，但实际上团队在执行上还是更倾向于投入在硬件上。为什么会这样？因为那时候我们还处在“跨越鸿沟”的阶段，产品没有真正进入规模化应用，大家对“软件是否能带来价值”这件事信心还不足。而且当时没有用户规模，没有数据沉淀，也很难评估软件是不是“好”。第一代产品毕竟是我们的第一个商业化产品，
到了2024年，我们的技术逐渐成熟，客户的使用量慢慢上来了。这个过程很重要，它提供了足够的样本，让我们能真正去验证产品能力。
客户多了，他们的应用需求也越来越具体。你就会发现，虽然机器人本身ok了，但软件层面问题暴露得更多，比如是否智能、是否易用、是否真正能适配客户的业务流程。
而在此前，内部就算提了口号也难真正执行到位。所以走到今天这一步，团队才真正意识到软件的重要性。而与此同时，硬件也到了相对稳定的阶段。就像造手机，手机硬件已经造好了，接下来要思考的是：你的App怎么做？你的生态怎么构建？
底层技术当然很重要，比如强化学习、导航算法这些肯定要持续迭代。但我所说的软件，不仅仅是底层算法，更是围绕产品应用所构建的一整套软件系统，特别是面向客户操作的那一层。比如你的交互系统是什么样的？任务设置是否足够灵活？部署工具是否易用？客户在现场实际使用中，怎么快速配置？怎么简单上手？这些都属于软件能力的范畴。它决定了你的产品交付效率、部署效率，甚至决定了客户有没有动力去持续用你的机器人。这就是我们说的
比如以前带着机器狗去做电力巡检，客户可能需要一个月时间做部署和调试，那我们现在希望能不能通过软件优化，把整个流程压缩到一周以内，甚至更短？这个目标实现的前提，
这包括图形化的配置界面、自动化的任务设置、异常处理逻辑、甚至是调度优化。它不只是技术层面的问题，而是一整套产品能力的体现。总结来看，我们
比如让机器狗能稳定地走路，能抗风、抗雨，适应复杂地形，这背后也有很多软硬件的结合。而到了“第二阶段”，我们强调“以软件为主”，就是把机器人放进具体应用场景里，比如电力巡检、安防巡逻、应急消防等等，我们要让客户能快速上手、高效配置、灵活使用。这就要求你不仅有硬件基础，还要有一整套围绕场景构建的软件能力。最终还是回到一句话：你能不能真正帮客户解决问题、节省时间、提升效率。
其实可以从原理层面分析得很清楚——包括运动速度、复杂地形适应能力、能源效率等关键指标，轮足混合在很多维度上都有优势。把各项因素一一对比下来，最终会发现：轮足混合确实是当前最全面的方案。这也不是我们首创，像波士顿动力、苏黎世联邦理工等机构，他们研发的机器人也采用了类似的结构。所以从技术角度来看，轮足混合的路径早就被验证了。但从我们自身产品路径来看，我们并不是一开始就决定要做轮足，而是循序渐进地摸索出来的。最初阶段，我们还是聚焦于四足运动的稳定性和控制能力，这部分没做扎实，就谈不上结构创新。
等到四足方案逐渐成熟之后，我们才尝试将轮足加入，做了轮足混合的早期验证。这其中的关键，是
像“山猫”运动版就是一个典型的预研样机。山猫M20发布的才是真正的产品版本。所以这条路径并不是转向，而是一个自然的延伸过程：我们先把四足走通，再在此基础上延展到轮足混合，而不是一开始就拍脑袋决定结构方案。
我们内部一直有几个比较明确的技术核心。首先是核心零部件的自研能力，尤其是针对关节层面的运动控制。我们现在的运动控制能力已经非常灵活了，这在行业内有一定优势。第二，我们长期强调的
，这些都关系到机器人的可持续运行和环境适应性，是偏底层架构和物理动力学的。但如果你问现在最重要的方向，那一定是——具身智能。所以未来在我们公司看到的产品发布，都会以“具身智能”作为统一的方向展开。它不仅是学术词汇，更是我们整个产品体系和研发体系的核心指导思想。
我们是从2023年就开始做出海了。海外业务的难点是，不能只是交付一个产品，要交付一整套解决方案。这个系统的复杂度远高于单点产品。所以我们的策略是：先把国内的解决方案跑通，再输出到海外。比如电力巡检这种场景，我们在国内有成熟经验，就可以复制到东南亚一些国家。但也有些场景，海外可能更有空间，比如海外的安防。国外人力成本高，用机器人替代保安很常见，在中国就不现实，因为人力成本相对低。再比如末端配送，也是一样。
场景的壁垒非常高。刚开始进入场景的时候，如果机器人连台阶都上不去，设备稳定性都达不到，就没法落地。技术打基础的阶段必须过硬，否则连客户的门槛都过不了。更关键的是，客户对施工周期和部署效率的预期也在变化。以前一个月部署完一个场景就不错了，但现在市场要求变了，
如果还在用传统方式做一个月，那就慢慢被淘汰了。所以技术得进化，合作也得跟上。这个行业光靠一家企业是打不下来的，必须跟优秀的伙伴们共创解决方案。只有把客户价值放在第一位，你才能长期活下去。
一开始我们也以为是在国内做，后来调研发现：海外的需求可能更大，尤其是在人力成本高、客单价高的市场。“山猫”轮足混合机器人其实就很适合做末端配送。它既能爬楼梯又能跑马路，地形适应能力强。你要想从社区门口送到楼道口，
到今天这一步，客户对产品不仅看重成本，还会关注质量、服务、以及整体交付能力。所以问题在于：
这可能也是我们“云深处”这个名字的一种体现吧，我们更愿意踏实一点，走稳每一步。
太多了。小脑、大脑、底层控制逻辑、硬件关节设计，很多系统是可以共享的。我们原来在四足上花了很多年积累的，比如运动控制系统、感知方案，未来完全可以迁移到人形上。真正要“重新研发”的，是它的形态结构和多关节协调，但它不是从零开始的产品。这也是为什么我们内部有规划——后面会推出自己的人形机器人，但也得实事求是：
我可以明确地说，现在市面上没有一台人形机器人能真正跑在具体场景里。我们自己很清楚，这条路还早。当然，
朱秋国：最初支持人形，是因为它“像人”，能表演、能打拳，动作丰富、观赏性强，能展示技术实力。但后来我慢慢意识到：
但问题也在这：你会发现真正走到通用形态那一步的，可能又会回到“人形”。一旦技术发展到位，比如机器人拥有真正柔软的皮肤、对环境的顺应性、与人协同的能力，它可以骑车、开车、坐飞机、用工具，甚至看起来跟真人无异，而且价格还便宜到几万块钱——那为什么不用它？
随着新材料、低功耗技术、生物结构的突破，人形机器人才可能真正“像人”。但这不是今天、明天的事，是10年、20年甚至30年的事。
这是很正常的一个经济现象。政策推动、资本刺激、技术突破、媒体关注，这四股力量一旦叠加，行业一定会迎来密集试错期。大家都往这冲，是一个结构性机会。但阶段性淘汰是必然的。这时候就看谁能扛住，谁能找到真正可落地的场景、持续迭代的节奏。有些公司把人形当“副线”布局，有些是All in，如果赌错了节奏，就很容易掉队。
我觉得是实质性增强。尤其在交互、记忆、上下文理解方面，LLM可以极大改善人机交互体验。它不再是每次都从零开始的对话，它是有记忆、有语境感知、有逻辑连贯性的系统。你跟它聊一次，它就能记住你之前说了什么、要做什么，这就比传统交互强太多。所以我们公司现在已经是完全拥抱AI了，所有未来形态的机器人都要和大模型结合起来做“具身智能”，这是趋势。
我们团队里很多人早期就是做控制、做运动算法的，后来这批人几乎无缝切换到了强化学习方向，所以基础能力很强。但具身智能对AI能力的要求越来越高，我们未来肯定还会引进更多懂AI、懂机器人交互的人才。我们是一个很开放的Kaiyun平台 开云体育官方入口平台，也希望帮我们呼吁一下——
像谷歌提出的一些基础框架，对学术界也好、产业界也好，确实提供了非常有价值的参考。这些大厂对体系的构建是有帮助的，这点毋庸置疑。但问题在于，
具身智能的前提条件之一，是你得能从具体场景中获取到足够真实、有价值的数据。没有数据，智能就无从谈起。所以我们更倾向于
“1”是我们的大脑系统，也就是整合感知、控制、决策的智能能力；“X”是我们构建的各类机器人载体，包括“山猫”“绝影”“大狗”“小狗”以及未来的人形；“N”是我们要进入的场景数量，包括电力、安防、巡逻、应急等多个行业。通过这个体系，我们希望形成一个可迁移、可复制的智能架构。无论未来这个系统部署在哪类机器人上，它都能在不同场景中适配和运行。
我们不太想去分“仿真派”还是“合成派”。在我Kaiyun平台 开云体育官方入口看来，能用就是好数据，不管它是仿真的、合成的，还是实地采集的。关键是能不能形成闭环、推动落地。说到底，你仿真里用的东西，不也得基于真实数据来建模吗？如果你没有真实世界里的经验积累、数据库沉淀，你拿什么去构造仿真？比如南网全国有上万个变电站，每个站的结构和标准都不一样，厂商要一个一个去建图、扫模型，用不同算法去做。我们设想的是，能不能构建一套统一的变电站数据库？只要有了这些基础信息，机器人就可以在仿真中做部署、做路径规划，在边缘设备上做推理。这才是工程化的智能系统。比如突发情况下怎么办？我们可以在边缘端直接完成推理，不用上云。变电站里本来就有边缘服务器，这些资源完全可以用起来。
。尤其是具身智能这个领域，数据质量和算法能力才是第一性的东西。所以我们不困惑。我们知道该怎么做，只是这条路需要很多工程化的投入、系统化的打磨。但只要这条路走通了，它是可以从根上解决问题的。
据天津市纪委监委8月14日消息：天津市东丽区人大常委会原党组书记、主任孙富霞涉嫌严重违纪违法，目前正接受天津市纪委监委纪律审查和监察调查。孙富霞（资料图）公开简历显示，孙富霞曾任东丽区委副书记，东丽区人大常委会党组书记、主任等职。
据央视财经报道近日，记者接到不少农民朋友的反映他们在网上遭遇了一批假冒的农技专家坑农害农的骗局正在发生！
《个人消费贷款财政贴息政策实施方案》《服务业经营主体贷款贴息政策实施方案》日前公布，明确了2025年个人及服务业经营主体消费贷款财政贴息的具体要求。
【女贪官一家九人贪腐！丈夫出面谈“好处费” 妹妹在国外保管赃款 】近日，中央纪委披露多个“家族式腐败”案例，其中包括广东省清远市清新区委原书记郑小燕。
这就是让人闻风丧胆的都安桃花水母天窗，至今有多深，无人能探索明。#天窗#地下河#都安#旅行推荐官
今年8月3日凌晨，武汉市硚口区汉西三路润和花园一居民住宅发生火灾。消防员邓勇进入起火房间执行搜救被困人员任务时，因高温高热导致多脏器损伤，经医护人员全力抢救无效，于8月4日下午不幸牺牲，年仅28岁。邓勇。
8月14日，湖南省高级人民法院对上诉人周立人故意杀人案进行二审宣判，依法裁定驳回上诉，维持原判，对上诉人周立人的死刑裁定依法报请最高人民法院核准。
发视频质疑校服质量被行拘，法院判警方违法，当事人：这件事破坏了我的人生
8月12日，据澎湃新闻，因在网上反映儿子学校校服质量问题，邓建国被宁县公安局网络安全监察大队以寻衅滋事罪行政拘留7天。被执行拘留后，邓建国提起行政诉讼，庆阳市中级人民法院二审认定，宁县公安局的行政处罚决定程序违法，认定事实证据不足，依法应予以撤销。
大理通报“走失8岁男童遇难”，遗体在山涧被发现 距离走失处直线日下午，记者从大理官方处获悉，此前在大理苍山走失的8岁自闭症男童已不幸离世，遗体在苍山上的一处山涧里被发现。8月9日上午11时40分左右，自闭症儿童王某某跟随一个夏令营团队攀登苍山时，与队伍走失。
微信二维码