在刚刚落下帷幕的 2026 世界人形机器人运动会 - 工业场景赛 - 装配上料岗赛项中，一家初创企业以总分 160 分的成绩顺利完赛。按企业维度排名，仅次于行业头部机器人企业旗下的两支队伍，也是首次参赛即冲入全国前三的唯一初创公司。

这家企业名为灵犀智涌，是 98 后中科大博士段逸凡在上海创立的工业级自进化具身智能机器人公司。灵犀智涌机器人它在比赛中连续完成搬运上架、拣选上料、物料装配三项任务：从搬运 10kg 物料箱，到七类零件拣选，再到发动机 18 个气门的亚毫米级装配。三项分别取得 84 分、65 分及 21 分。

对于正在从 Demo 走向真实产线的具身行业来说，这场比赛的意义远不止分数。工业具身智能机器人当下真正需要解决的问题：不仅要在真实场景里 " 会做 "，还要在工业级时间窗口内连续做对；不仅要完成一个动作，还要把多个动作串联成稳定执行的完整任务；更要可交付、可验收的工业生产结果。

这也是灵犀智涌想解决的问题。这家初创机器人企业没有把核心竞争力仅仅押在模型上，而是选择了 CONWAY 工业原生模型 + ROSS Harness 自主进化引擎。模型负责想 " 怎么做 "，ROSS Harness 负责 " 怎么把模型真正用好，把活真正干好 "。

工业具身智能，正在进入 " 第二道考题 "

过去两年，具身智能行业最核心的技术叙事，始终围绕一个问题展开：如何让机器人拥有更强的 " 大脑 "？VLA、World Action Model、强化学习、第一人称视频数据……模型能力不断向前推进。

但一个基本事实是：从 2025 年至今，尚未有一家公司完整跑通工业场景的产品闭环。

工业真正关心的不是 " 这个任务能不能做出来 "，而是 " 能不能持续高质量交付 "。

当前工业具身智能的落地问题，可以概括为四个层面：成功率不够、吞吐率不够、运行成本高，以及迁移困难。这几个问题实际上对应着同一个断层：模型的能力，不等于工业系统的交付能力。于是，工业现场其实已经提出了第二道考题：谁能把模型真正用好？

从 " 模型会不会 " 到 " 系统能不能做好 "，中间差的是 Harness

真正让模型成为 Agent ( 智能体 ) 的，是围绕模型构建起来的 Harness。

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。

灵犀智涌试图把这套逻辑进一步带到物理世界：数字世界 Agent = LLM + Harness；物理世界 Embodied Agent = Embodied Model + Embodied Harness + Hardware。

区别在于，机器人面对的是一个连续、开放、不可完全预测的物理世界。数字 Agent 调用了一个错误的 API，最多重新执行一次；机器人执行了错误动作，却可能意味着碰撞、物料损坏，甚至安全风险。

所以，具身 Harness 不能只是 " 调用工具 " 的软件层，它必须同时理解：模型什么时候应该被调用，一个长任务应该如何拆解，多个 Skill 如何组合，模型输出是否安全，任务是否仍在正常推进，出现异常后应该重试、回退还是重新规划，以及一次失败如何沉淀为下一次执行可以使用的经验。

这也构成了 ROSS Harness 的基本逻辑：它不是在模型外面再加一层工程代码，而是在模型与机器人之间建立一条能够持续运行的执行闭环。

CONWAY 与 ROSS：两条能力链的协同

CONWAY 解决的是机器人 " 如何形成高质量的局部动作决策 "。它围绕工业任务本身，研究模型在真实工业环境中需要具备什么能力。团队围绕力触觉增强、快速推理、动作对齐、少样本适配、强化学习后训练等方向持续研究，形成了若干项已有论文支撑的自研成果。

ROSS Harness 解决的是机器人如何让这些动作在真实工业现场被正确组织、可靠执行，并持续形成闭环。围绕任务编排、安全约束、多机协同和实时执行，团队同样形成了多项论文成果。

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 "。

全国第三背后，是从 " 能做 " 到 " 做得又快又好 "

评价机器人是否真正具备工业价值，也不应该只看 " 成功率 "。因为工业生产还有一个同样重要的变量：速度。

灵犀智涌提出了一个更接近工业生产的评价思路：有效产出 = 成功率 × 吞吐率。

在相关测试中，ROSS Harness 对应的量化结果是有效产出提升 3.6 倍——这正是 Harness 对模型能力进行系统化放大的量化表达。

灵犀智涌在世界人形机器人运动会上初次亮相即收获 160 分，工业场景赛道专线比赛第三名的成绩；面对真正的工业现场，还有更长的运行时间、更多的物料变化、更复杂的异常状况，以及更严格的成本和交付要求。

这条路线最终落到灵犀智涌，并不是偶然。具身 Harness 作为复杂的系统性工程，它要求团队同时理解模型、机器人、控制、安全、任务规划以及真实工业现场。

而灵犀智涌联合创始人、CTO 段逸凡博士，正是站在这些领域交叉点上的人。段逸凡作为中国科学技术大学机器人方向博士，读博期间聚焦具身智能、空间智能等方向，相关成果发表于 RSS、IJRR、TRO、ICRA、IROS 等机器人领域会议和期刊，CONWAY 模型和 ROSS Harness 正是其学术研究向工程系统转化的核心产物。段逸凡博士师从中科大机器人权威专家吉建民教授，此次创立灵犀智涌，吉建民教授以联合创始人、首席科学家的身份加入，负责前沿技术指导、长期技术路线和底层方法论；段逸凡则带领工程团队推进 ROSS Harness 的架构设计、工程实现与产品定义。

更重要的是，灵犀智涌的壁垒不是某一项单点技术，而是双层复合：一层是技术壁垒——团队自 2018 年以来长期机器人技术，已形成覆盖感知、决策、规划、控制及工程部署的全栈机器人研发能力，CONWAY 模型和 ROSS Harness 的每一个细节设计都有顶级论文成果和实际验证，同时 Harness 作为系统工程，背后是多年工程积累和对基座模型的深度理解；另一层是场景数据壁垒——在真实工厂跑数月积累的高价值、多模态、覆盖长尾异常与恢复过程的真实交互数据。

这形成了一种特别的组合：一端是机器人与具身智能的长期学术积累，另一端是把算法真正落地为真实场景的工程能力。

而这恰恰对应了工业具身智能目前最难的一步——不是再做一个 Demo，而是把 Demo 背后的能力抽象出来，形成可复用、可迁移、可验证、可持续进化的系统。

赛场是技术的试金石，工厂才是最终的考场。对工业具身智能而言，下一步要证明的已经不是机器人 " 能不能做 "，而是是否真正可交付、可验收、可持续迭代。而这，也正是灵犀智涌正在用 CONWAY 与 ROSS Harness 回答的问题。