1台轮式人形机器人，1家企业的10年战略定力

这一年，艾利特的创始团队绘制了一张技术路线图。这张图梳理了艾利特在智能方面的前期布局，包括智能CAM、机器视觉、语音识别、大数据、云计算、知识共享等。

针对不同的场景需求，艾利特规划了不同的机器人形态，包括单臂、双臂机器人，协作机器人、工业机器人、AGV等。

艾利特机器人董事长兼CEO曹宇男博士在2018年接受高工机器人调研时即提出，未来的机器人都将成为“智能工人”，这是一个能够进行手脑配合，既有执行能力，又具备思考学习能力的智能体。机械、结构以及传统的运动控制技术是智能工人的基础支撑，视觉、AI等功能则是让智能工人真正实用化的内核与灵魂。

这十年间，艾利特在此技术路线的指引下，以协作机器人为第一种形态入局，快速抢占市场，同时服务于各个行业不同的场景，截至目前服务了全行业超过300个场景，其协作机器人与复合机器人已在AI基础设施（光模块、服务器）核心产线实现规模化部署，为多个AI产业链头部客户持续交付。在服务各个场景的过程当中，艾利特积累了海量的数据和场景的know-how，基于此不断打磨、迭代其软硬件核心基座技术。在这个基础上，艾利特拓展了移动复合机器人，以及基于各个垂类场景的新形态的机器人。

AI大模型的突破，让艾利特看到了“以同一套具身智能中枢，驱动不同物理形态的机器人”的技术实现的新希望，“一脑多形”正是源自“智能工人”升级而来，一以贯之的战略方向。

一脑多形的核心就是“大脑”。5月21日，艾利特推出全自研工业级具身大模型平台的版本升级——“元启 Primo”。

吴珉介绍，艾利特在开发“元启 Primo”具身智能大模型时，采用了一套面向机器人任务执行的分层式智能架构。

整个系统并不是依赖单一的大模型完成所有任务，而是通过“任务调度—专项能力—融合决策—运动执行”的方式，实现复杂任务的协同处理。

第一层是任务调度系统。这一层负责理解任务目标，并结合外部传感器信息、环境状态以及机器人自身状态，对任务进行拆解与编排。

例如，当机器人接收到“组装某个零件”的任务后，系统首先需要判断：当前需要完成什么目标；涉及哪些零部件与工具；操作流程如何组织；当前环境是否满足执行条件。同时，任务调度系统还会根据任务内容，动态激活后续所需的专项能力模块。

第二层是面向不同场景与技能构建的专项能力模块。艾利特并没有采用“一个超大模型处理所有问题”的方式，而是针对空间感知、工具识别、工艺推理、力控操作等不同能力方向，构建了多个轻量化垂直模型。

这些模型会根据任务需要被动态调用。例如，在零件组装过程中：空间感知模块负责定位与路径规划；工具识别模块负责识别工具状态；工艺推理模块负责判断装配逻辑；力控模块负责接触与插接过程中的实时反馈。由于系统只激活与当前任务相关的能力模块，因此整体参数规模与计算负载远低于传统通用大模型，更适合机器人实时运行与边缘部署。

再下一层是融合决策系统。这一层会对各专项能力模块输出的信息进行统一协调与融合，形成局部“感知—决策—执行”闭环。

系统会持续结合视觉、空间、力觉以及任务状态，对动作过程中的误差进行动态修正，避免单一模块累积误差对任务造成影响。最终，融合决策系统会生成完整的动作序列，并传递给运动控制系统，实现机器人精细化操作。

吴珉表示，艾利特希望通过这种分层协同架构，让机器人系统既具备复杂任务理解能力，又能够满足工业场景对于实时性、稳定性与工程化部署的要求。

当“脑”具备跨形态复用能力，而“身体”也完成长期工程化积累，新的机器人形态便会自然出现。轮式人形机器人Centaur-G1，正是“多形”版图中最新的战略支点。

Centaur-G1一词源自古希腊神话中的“半人马”——既期望它拥有马的移动与运载能力，也具备人的精细操作能力。其智能核心源自“元启Primo”大模型，从三个维度重构机器人的智能边界：

1、多模态全域智能感知

元启Primo融合激光雷达、RGB-D相机、微距相机与六维力传感器，构建多源异构感知体系。面对反光零件、动态光照或密集堆叠场景，系统实时融合视觉、深度与力觉信息，生成稳定可操作的场景表征。

2、具身智能操作大模型

元启Primo将高精度力控融入VLA架构，实现“手-眼-力”协同，使机器人具备常识推理与多任务泛化、端到端执行、少样本适配三大能力。

3、具身空间智能大模型

依托空间语义理解能力，元启Primo赋予机器人自主探索与语义建图、自然语言指令理解、长程任务逻辑拆解的“空间智能”。

在硬件构型上，Centaur-G1采用“轮式底盘+人形上半身高精度双臂”的构型设计。吴珉认为，轮式底盘更适合工业环境应用，因其更稳定、负载更强，企业可以把算力和精力集中在上半身操作的开发上。

该机器人支持精细化建图与自定义编辑，高节拍站点导航精度达±0.01m，支持全向移动，可在动态环境中实现自适应路径规划。

它配备了7自由度冗余机械臂，单臂负载5公斤，双臂协同负载10公斤，重复定位精度±0.1mm。自研双臂协同规划算法可实现微力感知与柔顺装配，有效避免精密器件损伤。同时，可高效完成物料搬运、双手协作装配、精密插接等复杂工业任务。

Centaur-G1融合头部RGB-D相机、腕部双目微距相机及末端六维力传感器，结合激光雷达定位导航，构建“视觉-深度-力觉”一体化感知闭环。配合自研2.5D视觉泛化算法，系统对已知物体0.3秒内、未知物体1秒内即可完成识别与定位。

在轮式人形机器人的自研策略上，除减速机外艾利特全部自研。这既是为了不被上游供应链锁住技术边界、制约高级能力的实现，也出于成本考量——轮式人形机器人的关节模组、SLAM算法、一体化控制器等大量继承了协作机器人和复合机器人的成熟技术，核心零部件供应链共享，有效降低了成本。因此，对于艾利特机器人而言，人形机器人的研发成本与周期，因已有技术复用而显著压缩。

现阶段，艾利特认为复合机器人与轮式人形机器人处于互补共存的状态：复合机器人适合重载搬运和高节拍任务，轮式人形机器人更适合需要双臂协同的复杂操作，且更便于人类操作技能的迁移。Centaur-G1目前处于与客户共同验证的阶段，计划先在示范场景中跑通，再下沉到真实产线。目前，艾利特机器人已成为行业内极少数同时具备“规模化交付经验”与“新形态快速复制能力”的企业。

凭借协作机器人与复合机器人在AI产业链（光模块、服务器产线等）规模化落地所积累的海量真实场景数据及头部客户交付经验，艾利特将轮式人形机器人Centaur-G1的率先落地场景锁定在AI产业链的三个核心环节：

第一，AI Terminal（人工智能终端）。涵盖智能手机、智能穿戴设备、智能载具的生产环节，核心场景包括果链产线组装检测、充电/新能源充电检测、3C制造与组装，代表客户有立讯精密、理想汽车等。

第二，AI for Science（人工智能赋能科学）。聚焦科研与生物制药领域的实验室自动化，包括自动化流程、样品高通量处理、数据优化与分析，代表客户为晶泰科技等。

第三，AI Infra（人工智能基础设施）。这是艾利特当前发力的重中之重。核心场景覆盖光模块制造与组装检测、AI算力相关的核心零部件（光模块、光通信器件）生产，以及大型服务器机房的制造与维护，代表客户有中际旭创、达链等。

围绕这三个方向，艾利特提出了四大落地价值：高精度（稳定可靠）、高节拍（提升效率）、可复制交付（快速部署）、多场景延展（持续创造价值）。

在AI Infra场景中，艾利特提出了一个极具战略深度的口号：From AI, For AI。

过去几年，AI模型的飞速发展带来了对算力的爆发式增长需求，而支撑算力的正是光模块、光通信器件等核心硬件。艾利特的逻辑是：利用AI大模型为不同形态的机器人赋能，让它们变得更聪明，更好地服务于高端制造产线；这些产线生产出的光模块、光通信器件，又进一步促进AI基础设施的建设；而AI基础设施的扩容，反过来产生更多算力，用于模型的迭代进化——一套完整的闭环系统由此形成。

这一“AI驱动机器人→机器人赋能AI基础设施→基础设施反哺AI发展”的循环，让具身智能不再仅仅是AI的“物理载体”，更成为AI产业底层基建的关键参与者。这不仅为艾利特打开了高天花板的市场空间，更让机器人技术的迭代与AI算力的扩张形成共振，构建起难以复制的产业壁垒。

目前，AI Infra场景已成为Centaur-G1打造产业标杆的核心阵地，其中包括：

精密装配：通过双臂协同与微力感知，完成光器件耦合、光纤插拔、适配器锁紧等亚毫米级操作。

动态检测：利用腕部双目微距相机与六维力传感器，检测光模块外壳划痕、端口异物、适配器对中度等微米级缺陷。

智慧巡检：替代人工完成高频次、标准化的机房设备状态监测，实现从产线到机房的全链路自动化运维。

在智能制造、医疗康养、科研实验室、无人商超、家庭服务等更广泛的场景中，Centaur-G1同样展现出跨行业适配能力。

根据吴珉透露，现阶段艾利特不盲目追求运动性能和传感性能的极致，旨在优先打磨标杆案例，为规模化复制奠定基础。其核心目标是，借用这一形态打通AI到整体场景的闭环，真正跑通一个让客户认可的真实落地案例。 

在具身智能这场热潮中，我们见过太多炫目的demo与宏大的叙事。人形机器人的“半年攒出1台”成为行业谈资，通用大模型被寄予“一键解决所有问题”的厚望。

然而，当喧嚣褪去，产业终将回到一个朴素的问题：这台机器人在真实的产线里，究竟能不能干活？

艾利特给出的答案也许并不性感，却格外务实——不追求单一形态的极致仿人，不迷信通用大模型的万能解法，而是用十年时间，试图走通“从场景中来，到场景中去”的闭环之路。在高工机器人看来，艾利特真正的价值不仅仅在于它发布了一款新的机器人形态，而在于它用“一脑多形”去验证一条可复制的具身智能产业化路径。

具身智能的终局尚远，L3级别的多场景融合也许需要十年，L5级别的通用智能也许会在二十年之后。在这个过程中，能够活下来并持续创造价值的企业，未必是那些demo最炫酷的，而大概率是那些在真实场景里“耐得住寂寞、攒得下数据、交付得了价值”的长期主义者。