灵犀智涌：用ROSS Harness突围工业具身智能

一支“黑马”的赛场突围

第二届世界人形机器人运动会设置了51个赛项，评价体系分为两条线：竞技赛看运动极限与协同能力，场景赛则直接对标真实岗位的作业标准。其中，工业场景装配上料岗最贴近产线，考验的是长时程稳定性、毫米级精度以及扰动下的自主恢复能力。

在这个最接近真实工厂的赛项里，成立仅三个月的灵犀智涌，用一台由Demo级本体组装而成的机器人，一路通过预赛、晋级决赛，最终以160分跻身全国三强，成为工业场景赛除行业头部企业外唯一获奖的机器人公司。

这份成绩的特别之处在于：公司成立时间短，参赛机并非量产机型，而同台对手均为在底盘、机械臂等硬件上积累深厚的头部品牌。硬件条件不占优却能突围，灵犀智涌靠的不是本体，而是一套自研的ROSS Harness Agent。

行业痛点：Demo漂亮，交付难过

理解灵犀智涌的路线选择，需要先看清行业处境。头部公司的Demo再漂亮，到了真实工业场景照样过不了交付关，卡住的无非四件事：

• 成功率不稳
• 吞吐率不够
• 运维太贵
• 迁移太难

底层原因指向单一模型路线的方法论局限：模型永远是概率输出，单次成功率有天花板；工业场景是开放世界，现有系统缺乏自进化能力，经验无法沉淀为可复用资产。

ROSS Harness：不只卷模型，更卷系统

由灵犀智涌联合创始人、CTO段逸凡博士领衔自研的ROSS Harness，是一套围绕具身模型构建的工业级执行体系。它以控制论奠基人W. Ross Ashby命名，不是模型之外的“工程补丁”，而是在模型与机器人之间建立持续运行的执行闭环，把模型概率性的动作能力转化为稳定、可控、可复用的生产能力。其五项核心能力构成工业级自进化的底层引擎：

模型抽象：将VLA、World Action Model等模型统一到标准接口之后，新模型只需局部适配，上层任务规划、Skill编排、安全策略和机器人控制模块仍可复用，降低模型快速迭代带来的系统重构成本。

技能抽象：把模型、工具和工程策略封装为带有适用条件、安全约束、结果判断和失败处理的Skill，将散落在代码、参数和工程师经验中的Know-how沉淀为可调用、可迁移的数字能力资产。

Agentic AI：由Agent负责目标理解、任务拆解、Skill编排和异常恢复，在模型的灵活性与工业执行的确定性之间建立边界，避免大模型在每一步执行中“自由发挥”。

分层安全监控：从毫秒级硬件安全、秒级轨迹监督到任务级状态判断，持续判断机器人是否正常执行，并在异常时触发中断、重试、回退、替代Skill或重新规划。

数据飞轮：任务上下文、失败案例、人工接管和恢复路径都会结构化沉淀，用于更新Skill、优化任务编排、完善恢复策略和长期记忆，并进一步反哺模型。

ROSS所定义的“自进化”，不是每次都重新训练一个大模型，而是让模型、Skill、Tool、任务调度与记忆体系在真实工业任务中共同演化。

模型与Harness：协同而非替代

当行业主流更侧重以海量数据投喂大模型、推动本体矩阵快速迭代时，灵犀智涌把核心壁垒押在Harness层。其判断是：Embodied Agent = Embodied Model + Embodied Harness + Hardware。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。

灵犀智涌并未因强调Harness而放弃模型能力。公司自研的CONWAY工业原生模型，围绕工业场景中的局部动作决策持续演进，已形成力觉增强、快速推理、动作对齐与安全控制等技术成果。其目的不是与通用基座模型比拼参数规模和算力投入，而是持续理解并掌握具身模型能力边界，为Harness的设计与演进提供模型侧支撑。

两条路线各有侧重：模型决定机器人初始能力，Harness决定这些能力进入产线后，能否在真实任务、异常反馈与持续数据中不断被放大和进化。对工业场景而言，后者才是决定系统能否长期运行、持续提升的关键。

师徒双引擎：学术与工程的共振

选择以上路线的底气，来自一支兼具学术深度与工程经验的团队。

段逸凡，98年中科大博士，灵犀智涌联合创始人、CTO，ROSS Harness总架构师。读博期间聚焦具身智能、空间智能等方向，研究成果发表于RSS、IJRR、TRO、ICRA、IROS等国际顶刊顶会，累计发表论文36篇，总引用超390次，拥有从自动驾驶到工业具身的全链路工程经验。

吉建民教授，中科大计算机学院副教授、博导，灵犀智涌联合创始人、首席科学家。十多年执掌中科大“可佳”“佳佳”服务机器人认知决策系统，获RoboCup@Home世界冠军，成果被《Artificial Intelligence》评为认知机器人十年最佳技术成果。他兼具学术视野与产业落地经验，曾任纽劢科技CTO及穿山甲机器人首席科学家，主导过华为-中科大基础系统软件联合创新项目，曾将前沿算法转化为年产十万台级的商业产品。

师徒二人形成“学术指导+工程攻坚”的双引擎结构：吉建民负责前沿技术指导、长期技术路线把控和底层方法论输入，段逸凡带领工程团队主攻ROSS Harness的架构设计、工程实现与产品定义。目前团队已发表具身智能顶会顶刊论文达百余篇，总引用超千次，并已在机加工上下料、精密打螺丝、定子压合等工业场景落地验证。

从赛场到产线

装配上料岗的赛场是ROSS Harness的第一次公开验证。下一步，灵犀智涌正推进这套自进化引擎的产品化落地——通过标准化硬件平台，把经过赛场检验的Harness能力交付给更多工业场景，让每一台进入产线的机器人都能持续迭代技能、优化策略、自我修复，实现“越用越强”。

数字世界的经验已经证明了这一逻辑。大语言模型智能涌现之后，最现象级的产品不是聊天框，而是Codex、Claude Code这类Agent——同样的基座模型，放进不同的Coding Agent Harness，任务表现可能判若两人。物理AI的世界正在重演这一逻辑：模型决定它会不会，Harness决定它能不能真正把事做好做成。

当行业普遍关注“机器人出厂时有多强”时，灵犀智涌同时在回答另一个问题——“机器人进厂后如何越来越强”。这或许才是工业具身智能走向大规模落地的关键一步。