破解机器人智慧大脑难题，国科大教授团队年入2.5亿元

在很多工厂里，工业机器人不是新物种。它们可以装配、焊接、搬运，也能在固定轨迹上重复作业。

麻烦在于，机器人只能给出标准答案。

在船舶、钢结构、重工车间里，很多工件形态不一、位置不一，坡口、缝隙和形变也不完全一致。换一个工件，传统机器人往往就要重新建模、编程、示教。

仝人智能创始人吴易明想解决的，正是这个卡点。他正在以此为起点，开发真正智能的具身“大脑”。

8月中旬，这位中国科学院大学教授、博导接受21世纪经济报道记者专访，讲述从光学测量走向具身智能的创业故事。

“很多人都说，听起来跳跃性比较大。”

吴易明切入具身智能的路径，有别于主流公司，这与他的学术出身，以及理解世界的方式有关。

吴易明。资料图

激活机器

关于仝人智能的寓意，吴易明解释，“仝”字上下可看作“AI”，倒过来看又像“工人”。公司想做“像人一样看、像人一样干”的机器人。

2021年开始，公司将双目视觉和自主规划能力，带入重工焊接、测量、装配、打磨等非标工业场景。

彼时，智能焊接机器人标准产品定价约100万元/台，这是一个超级蓝海市场。

吴易明并不把工业落地看作终点。团队首先发力工业场景，更像为走向通用机器人赚些“旅费”。

仝人智能想做的不是销售某一类机器人，而是沉淀视觉智能识别和任务自主规划能力，将其装到不同形态的机器上。

技术局部突破后，为了确认和验证技术路线的正确性，吴易明团队开始尝试承接客户非标任务。

非标研发需求，很难形成规模。老项目已投入研发，又必须完成交付。仝人智能想向通用机器人迁移，资金捉襟见肘。

“已经拿了客户的业务，就必须交付好。”吴易明回忆道，那段时间，团队首要任务是自救、压缩支出。

这也是吴易明选择“先专用，再通用”路径的原因。

“如果一开始就做无所不能的通用人形机器人，资源难以获得，研发难度也大。”

在他看来，具身智能的应用会从刚性需求走向一般需求，从高附加值应用走向普惠。

吴易明判断，用户期待的“万能”家庭机器人任务太开放，更接近终局。真正进入家庭前，还需解决安全、隐私、法规和伦理等问题。

当前阶段，航空航天、高端制造、船舶、钢结构等这类危险、污染重、强度高的工业场景，更愿意为技术验证和效率改善付费。

目前，仝人智能的产品体系包括双目立体智能相机、域控制器、工业智能机器人，以及通用移动机器人。接下来，还计划推出智能板卡、类脑芯片等核心部件。

教授创业

“创业时并没有明确的方向，就是觉得想创业了。”吴易明告诉记者。

仝人智能孵化于西安中科光电，2013年成立之初，只有7位员工。这支源于中国科学院的团队，长期围绕智能光电探测、精准识别、视觉导航等领域积累技术。

2016年，科技部重大研发计划任务中，一个发动机叶片陶瓷型芯的修理任务，改变了吴易明的技术判断，他带队开始聚焦三维视觉、具身智能和自主规划。

陶瓷型芯是发动机叶片制造中的一个复杂内腔模具，修理时，机器不仅要“看见”这个异形构件，还得分清哪里是本体，哪里是多余的飞边和毛刺，让激光刀头精准对位，生成加工路径，精度达到微米量级。

换句话说，机器不能只是拍到图像，需要知道边界在哪里，何处发生异常，刀头该如何走。

当时，吴易明请教了深度学习领域专家，但主流方法未能顺利解决问题。

这次碰壁，把他推向了另一条路。

吴易明并非出身主流的人工智能技术圈子，他习惯用哲学和数学语言来描述技术，而不是谈论参数、算力和训练数据。

“如果沿着别人已经很火的路走，我是一个后来者，凭什么能突破？”他说。

随后三年，吴易明团队进行相关数学研究，问题被推到更底层：一个物体在变形、移动之后，人为什么仍然知道它是“同一个东西”？

他向记者举例，一个带图案的气球被吹大、挤压，形状发生变化，而观察者仍然知道，它还是那个气球，图案也只是随之发生了连续变化。

在吴易明看来，所谓“识别”，不是给一张图片贴上名字，而是在变化中找到不变的结构，在差异中判断相互之间的关系。

吴易明把“识别”拆成两个动作：“识”是找同一性，“别”是找差异化。

当人走进房间，会自然形成空间感：自己站在哪里，桌椅门窗在哪里，向前一步会靠近什么，转身又会面对什么。仝人智能的系统底层采用一套统一的空间算法，忽略目标物体周边近处环境的空间数据，只专注处理目标主体本身。

“具身智能系统主体应该能够形成这种可语义化分割、可理解存在及关系、可供共享和行动的空间，而非处理海量视频。”吴易明认为。

仝人智能将这套技术架构命名为“拓扑同构模型（Topological Isomorphism Model，TIM）”。

“看见”万物

吴易明试图做的，是让机器先在自己的“意识空间”内部，建立一个“立体现场”。

由此，机器知道自身、工件、障碍等处在什么位置，动作路径从哪里开始、到哪里结束。它不是让机器在一帧帧画面里寻找并统计相关性，而是先建立自身、物体和环境之间的关系，再据此规划动作。

这是它与VLA、世界模型等具身智能探索方向的差异所在。

VLA试图把视频、语言和动作接起来，世界模型则是对环境变化的理解和预测，依赖数据、模型和语言符号。

仝人智能强调的，是机器在行动之前，先建立对物理空间对应立体视觉信息的理解和表征。

在吴易明看来，大模型更多是在学习人类关于世界的描述，而机器人必须直面世界本身。前者可以回答问题，后者要在物理空间中行动。

行动意味着误差、碰撞、反馈，一次错误操作可能带来难以承受的真实损失。

在制造业工厂等实际场景中，传感器先获取现场信息，建立三维空间和坐标关系，区分对象和背景，识别结构和差异，再理解任务与约束，进行规划和决策。机器执行动作之后，还要通过现场反馈修正偏差。

资本也看到这套“识别”理论的技术和商业价值。

2025年底，百川能源方面投资约2.15亿元，取得仝人智能22.86%的股权。加上老股转让，仝人智能该轮完成近4亿元的资金交割，投资方包括产业方及多家国资背景机构。

按投资金额和取得股权比例粗略测算，公司估值近10亿元。

2026年，公司营收预计突破2.5亿元，预期净利润达2000万元。

从一块非标工件里摸索出“识别”方法，扩展到一个项目、一类产品，再到原创具身智能理论体系和“拓扑同构模型”，仝人智能已走过十年草创期。

7月初，搭载拓扑同构模型底层软件的机器狗调试成功，在电磁拒止条件下，展示了复杂场景自主路径规划和避障能力。

这套软件完善后，可用于车辆导航，有望使无人驾驶技术无需大数据训练，即可达到L5级。届时，资本或将重新评估这家新创公司的价值。

采访结束后，吴易明背起双肩包，赶往苏州一家机构谈融资，继续为研发通用智能机器人筹措“旅费”。

他预测，到2030年，通用智能机器人将规模化进入家庭。他和团队期待着，仝人智能能成为这个赛道的重要玩家之一。