安努智能一周发布六款模型，打通工业具身智能落地闭环
工业成了具身智能跑得最快的赛道
过去一年，具身智能行业融资火热。截至2026年6月，国内该赛道融资额已达438亿元，接近2025年全年水平。但热闹背后，demo和量产之间仍有巨大鸿沟。
真正离批量落地最近的，其实是工业场景。听起来门槛高，但对机器人来说反而更简单：取放、搬运、插拔这些动作重复度高，任务边界清晰。不像家用环境里随时可能窜出宠物或小孩，工业现场变量少，更容易被系统性攻克。
国家税务总局数据显示，2026年前五个月，全国工业企业采购具身智能机器人的金额同比涨了2.3倍。企业的钱正从“买演示”转向“上产线”。
不过要注意，传统工业机器人早已能完成焊接、喷涂等固定任务，但它们有两堵绕不开的墙：一是硬件结构死板，换工位就得重新设计；二是软件靠预编程，看不懂场景、听不懂指令，更不会举一反三。过去几十年，工业自动化的边界就被卡在“重复、固定、大批量”这三个词里。
新一轮技术要打破的，正是这两堵墙。机器人得先看懂当前该干什么（认知判断），再准确执行动作（动作执行），还得在没人盯着的情况下稳定跑足够久（长期可靠）。这需要一整套体系支撑，单靠一个大模型远远不够。
六款模型串起落地全链路
最近，专注工业具身智能的安努智能一口气发布了六款模型，分别对应数据生成、认知理解、训练进化、动作执行和端到端部署几个关键环节。这套组合拳把从数据到部署的链条给串起来了。
Helios：解决长视频生成瓶颈
工业机器人落地首先卡在数据采集。安努先做了实时长视频生成模型Helios。传统视频生成普遍存在“生成慢、时间短、易崩坏”的问题，而Helios通过底层架构创新，能在单张H100 GPU上实现19.5 FPS的推理速度，支持分钟级长视频实时生成。
有意思的是，Helios最初并非专为机器人设计，但它解决的长时序建模、持续生成、实时推理等问题，恰好是具身智能和世界模型的基础需求。目前它已被多家头部团队采用，成为研究中的关键技术底座。
SimLab：攻克软物体仿真难题
刚性物体仿真行业已较成熟，但物流分拣、快递包装中的软体物体（比如包裹）褶皱和光线一变，传统物理引擎就很难精确建模。这是各家都在啃的硬骨头。
安努的SimLab聚焦软物体操作仿真，核心是一套自研的软体和热学物理求解器，配合基于Isaac Sim搭建的合成数据工厂，再加上已在真实机械臂验证过的sim2real迁移方法。这套方案用百元级机械臂、零真实标注就跑通了全流程，并在实际项目中完成验收。
配合自研的数据采集套件，三者构成向上层输送训练素材的“数据工厂”。
ActiWorld：让世界模型对动作负责
有了数据基座，下一步是让机器人对自己动作的后果负责。现有世界模型往往追求画面逼真，但画面真实不代表对应了正确动作。一旦画面对动作不敏感，再流畅的视频也无法支撑决策。
ActiWorld把资源押在动作后果的可验证性上。它同时关注动作、时间、空间三个维度：确保预测画面包含足够动作信息（能分辨抬起还是推动）；确保状态能“承上启下”（既还原过去又预测未来）；确保注意力放在真正变化的地方。
为实现这些，训练时加了三条约束：逆动力学头（从相邻预测反推动作）、双向预测（保留当前观测作参照）、运动加权（根据画面差异算出运动区域权重）。这些只在训练阶段生效，推理时走标准接口，不增加成本，且兼容现有动作条件扩散骨干。
测试显示，ActiWorld对动作成败的判断与真实结果偏差低于3.25%。在一个二维码朝上分拣任务中，加上它的预演引导后，相对失败率降低了13.6%。
RoHIL和EvoHIL：应对真实产线的不确定性
机器人真正动手后，问题更棘手。比如光照一变，动作可能就乱套。RoHIL和EvoHIL两代真机强化学习技术专门解决这类问题。
在它们的框架下，机器人训练30分钟就能达到满分水准，跨光照场景无需重新采数据。奖励标准也不用人工每次离线标注，系统会根据确认的成功样本自动迭代。
以USB插入为例，做到了100%成功率；光照完全偏移时，需人工介入的比例仅1.32%，不到旧方法的十分之一。RoHIL甚至能把世界模型重新打光，让机器人在任何光照下都维持稳定判断。
但产线变化不止光照，工位或任务变了也会让模型失灵。靠停线重训成本太高，所以需要自我进化能力——这就是EvoHIL的作用。它给奖励模型、动作生成器、视觉感知都装上自适应模块，让机器人自己判断动作好坏，无需人工干预就能适应新环境。
真机测试表明，在6类典型工业任务中，成功率大幅提升。训练、迁移、奖励设计三块成本叠加，同等规模部署下整体成本能降80%左右。
AnuVerse-0.5：端到端执行落地
真正落到“动作”这一步的，是世界动作模型AnuVerse-0.5。它采用视频专家预测画面、动作专家输出动作的MoT架构，基于14B参数的Helios开发，推理速度达百毫秒级，一张桌面级显卡就能跑，符合产线边缘部署的成本要求。
Nexus：打通部署最后一公里
模型做完，还得部署。不同品牌机器人形态各异，如果每换场景都要重接底层控制系统，效率无从谈起。Nexus就是为解决这个问题而生的端到端部署系统。
它统一调度各类端到端模型（如VLA、世界动作模型），具备快速部署、自主调度、资源汇聚三大优势。更重要的是，它内置动作层面的安全盾，防止机器人做错动作造成产线损失。
此外，工厂已有生产管理系统，机器人干的活也得被看见、被管理。Nexus已打通SAP的EWM和Joule系统，让机器人真正嵌入原有流程。
所有模块跑出的真实数据还会回流到底层，用于训练下一轮模型，形成闭环进化。
部署经验才是护城河
安努的研发路径很特别。多数公司先打磨模型再找场景，他们却让工程师先扎进富临精工的真实产线。CEO文宏杰认为，模型能力会随行业进步外溢，但真实产线上单项指标好不代表系统能长期运行。
“只有部署经验才会越攒越深，成为自己的制胜武器。”后来行业的发展印证了这一判断。这两年具身基础模型陆续开源，没自研模型的公司也能站在开源肩膀上。安努就基于开源模型，几个月内补上了认知和动作模型。
但产线部署经验必须自己积累。高盛8月报告指出，柔性物体操作、工具使用等任务“本质上无法仿真”，稀缺的始终是真实场景的部署数据。这类“部署产生的专有数据”被视为机器人公司真正的长期护城河。
安努工程师在产线踩过不少坑。比如某个抓取任务，实验室100%成功，搬到产线只因顶灯角度变了，成功率骤降到40%。这种意外在论文和开源数据集里找不到，却是产线常态。
他们用FDE（前沿部署工程）来概括这套工作方式：驻场解决具体问题，项目结束人力撤出，但可复用的产品能力保留下来。这些踩过的坑被沉淀成技能包，下次同类场景直接复用。
效果很明显：富临精工第一个工位用了4个月跑通部署；现在同类型工位3天就能搞定，设备平均无故障运行超300小时。
先部署换来的是把实验室时间提前换成产线经验。等模型补齐时，安努手里已握有同行还没攒下的know-how。这份经验不会随模型开源贬值，反而随着机器人进更多工厂越滚越厚。
正如文宏杰所说：“当新增一台机器人带来的软件收入增长快于交付人力增长，公司才真正进入规模化阶段。”摸到这条线靠的正是产线踩出来的经验，这也将成为未来拉开身位的关键。
关于几个关键问题的回应
Q：你们敢说“全栈闭环”的底气是什么？
A：我们没从零搭世界模型，而是在通用基座与真实产线间构建“检验-学习-执行-落地”闭环。基于通用模型，融合富临精工、英特尔等回流的真机数据，搭配SimLab和Helios生成的长尾数据联合训练；经ActiWorld校验筛选后，送入RoHIL/EvoHIL强化学习系统迭代；再蒸馏到端侧小模型AnuVerse-0.5实现百毫秒响应；最终由Nexus一键部署。安努聚焦中间层，让机器人在工厂真正落地，比人工更稳、成本更低。
Q：本体厂商自己下场做工业场景怎么办？
A：参考笔记本、手机、新能源车的发展路径，巨头都走扶持生态的路线。我们和本体商是相互依存关系：他们需要有人证明“我的基座在工厂跑得起来”，我们需要他们的本体和算力；我们在垂直场景沉淀的know-how也会反哺优化基座，实现双向增益。就像英伟达不开发游戏，但游戏公司离不开它的底座。基座越通用，我们的行业方案价值越高。
Q：别人拿同样基座微调不也能做？
A：数据壁垒不在“量”，在“质”和“闭环速度”。我们的数据全来自真实产线，联合伙伴深耕超一年；依托SimLab和Helios打造独有的工业长尾数据生成管线，成本远低于行业；Nexus作为数据飞轮入口，部署越多回流数据越丰富，形成滚雪球效应，先发者占全量优势。
Q：团队这么小，怎么保证执行力？
A：我们不是每个模块都自研，而是精准卡位+生态借力：世界模型基座用本体厂商开源版；3D视频生成联合北大、字节等；ActiWorld与港科大（广州）合作；强化学习框架联合重庆大学及港大。研发攻坚集中于两大核心：AnuVerse-0.5端侧小模型（工业执行能力）和Nexus部署系统（客户付费价值）。坚持应用端轻量化路线，团队无需臃肿，执行效率更高。
Q：有实际订单吗？客户付费意愿如何？
A：有，且不是POC。富临精工绵阳工厂的料箱搬运已是批量订单。制造业客户看ROI：一机多岗靠Nexus调度，换线不重新示教（RoHIL零额外交互），单班回本周期12-18个月，比传统工业机器人便宜40%以上。
Q：Cosmos 3这类通用世界模型发展对你们是冲击还是机会？
A：是效益放大的杠杆。通用基座越强，“通用推理”越像水电煤。武器免费了，扣扳机的人和靶场就成稀缺资产。我们的壁垒从来不是“再造世界模型”，而是工业现场的真机数据飞轮、工艺约束建模、365天不停转的部署能力。Cosmos再强，也解决不了“这个工位敢不敢用、稳不稳、停机一小时赔八万谁担责”的问题。竞争终将从“谁的模型更聪明”转向“谁在真实产线跑得更久、ROI更高”——而这正是我们已被验证的核心壁垒。