苏州有家做3C结构件的工厂，去年一口气引了两台协作机器人，放在装配段试跑。厂长带我们参观的时候，脸上的表情有点复杂。机器是好机器，重复定位精度也够，标准件一来，它拧螺丝、贴垫片，动作又快又稳。可一旦产线换型，或者来料稍微有点偏差，它立马就抓瞎，机械臂停在半空，红灯一闪一闪等人来。工程师一到，重新示教、重新调点、重新对坐标系，折腾大半天，这条线早错过节拍了。厂长跟我念叨：这玩意儿本身不便宜，我买它，图的是一个能顶岗的熟练工，结果请来一位"只会一道题、题目一变就懵"的员工，稍微换个考法还得请原厂的师傅回来重新教，这笔投入怎么算都让人心里打鼓。

他这个感受，戳中了眼下具身智能行业一个被融资和榜单盖过去的核心问题——机器人不缺胳膊腿，缺的是一份能跟着岗位走、还能不断长进的职业技能。

为什么敢这么说？因为今年各家本体的硬件参数，已经越来越接近了。负载多大、精度多高、自由度几个、续航多久，拉张表出来横向比，差距远没有宣传文案里那么悬殊，同质化的趋势明明白白摆在那儿。硬件这一层你追我赶、逐渐追平之后，竞争往哪儿走？只能往"能不能在真实岗位上把活儿干好、还能干得久"走。可恰恰是这一步，整个行业迈得异常艰难。大量所谓的落地，还停留在友情合作的 POC 阶段，视频拍得漂亮，产线上是另一回事，机器人进得了厂、却站不住脚。

站不住脚的第一层原因，是技能和场景对不上。行业热衷于发机器人跳舞、起身、搬箱子的视频，可产线上的任务跟视频里的表演完全是两码事。最典型的是那家海外明星公司，对外讲的是参与生产了三万辆某品牌汽车，标题打得震天响；业内人真去看那条产线，带回的说法是抓取放置的成功率低到不到一半，每伸手两次就有一次可能抓空、抓偏。更值得玩味的是，视频里的工件是挂在特制料架上、角度间距全都提前调好的，等于把真实料框里随机抓取这块最难的活儿，事先替它抹掉了。这是为机器人搭的舞台，谈不上机器人适应了产线。

demo 和落地之间这道鸿沟，根子在场景不够真实，而真实场景最大的特征是碎片化。工业制造要精准、要稳定、要能啃复杂任务，容错率极低；科研教育要训练快、方便反复做实验验证；商业文娱要会交互、能适应不断变化的人流。就算把范围缩小到工业这一个领域，一个工厂里也有上百道工序，上料、装配、检测、码垛、搬运，对力度、精度、节拍的要求各不相同。没有任何一家公司，能靠一套通用本体加一套固定能力，把所有场景都盖下来。

行业似乎太早把"通用"当成了目标。大家都想做一套方案卖给所有人，可产业需求本身是高度异构的。连李飞飞都在公开提醒，扎堆做人形未必是正确的落地路线，人的身体是为适应人的环境长出来的，机器人不必复刻人形；工业现场地面平坦、通道宽敞，很多时候带轮子的底盘比两条腿更合适。技能也是同一个道理——正因为工作任务高度多样，世上根本不存在一套固定技能适用于所有机器人、所有岗位，最终都得定向开发。这跟人一模一样：一个人再聪明、学历再高，到了新岗位也得重新学、重新适应，没有谁是揣着"通用能力"直接上岗就能干好的。

所以机器人真正需要的，是符合具体场景需求的本体，加上一套类似"职业技能"的能力体系。这个判断正在成为行业共识。这两年越来越多企业，把关注点从"造更像人的本体"转向"构建可复用的技能体系"，提出"原子技能"的概念——把机器人的动作拆成一个个最小的、可复用的技能单元，像积木一样，面对新任务时重新组合，而不是每次都从零开发。这个思路在方向上是对的，它第一次把"技能"从具体项目里抽离出来，变成可以沉淀、可以复用、可以传递的资产，而不是随项目结束而消散的一次性劳动。

鹿明在这个方向上走得更彻底，提了一个更大的概念，叫"产业具身"。它的意思是，围绕真实的产业需求，把场景、数据、模型和执行系统深度结合起来，形成一套让机器人能够持续获得技能、持续进化技能的基础设施。这里头最关键的词是"基础设施"——它要回答的，早已超越了某一台机器人会不会干某一件事这个层面，它要解决的是一个更根本的问题：机器人这个群体，到底靠什么源源不断地学会干各种事、还能越学越快、越学越便宜。落到产品上，就是鹿明发布的 NexCore 平台：一个能把模型封装成机器人技能的平台，把数据采集、数据治理、模型训练、技能生成、能力评测、机器人部署和运行反馈这一整条链路串起来，构建出从"数据"到"技能"的完整闭环。

为什么非要做成闭环不可？因为技能这件事，断了任何一环都流不起来。我们做设计也有一模一样的体会：一个好产品，从来不是画完图纸、量产上市就结束了。量产线上的不良数据、售后端的故障反馈、用户用出来的新习惯、甚至那些被退回的残次品，都得回流到下一代设计里，产品才会一代比一代好用、一代比一代省心。要是这条反馈链断了，设计师就只能关起门来自我感动，拿奖拿到手软，产品却跟市场越来越远。机器人的技能更是这个道理，工厂里真实运行产生的数据、失败的记录、异常恢复的过程，全是技能迭代最宝贵的燃料，必须能回流、能沉淀、能再变成新技能，这套能力才算真正活了。NexCore 做的，就是把这条回路接上，让机器人每一次真实执行——包括每一次失败和补救——都成为技能迭代的养分。

光有平台还不够，得有人用真金白银去验证它。鹿明跟三菱电机的合作是个很硬的样本。双方起步于 PLC 质检这么一个单一的小任务，做稳了、信任建立起来了，才逐步往推料箱、打螺丝、搬运这些更复杂、更柔性的任务拓展。最值得琢磨的是身份的变化：三菱一开始纯粹是鹿明的客户，项目一个接一个做成，到后来干脆成了投资人。这个从甲方到股东的转变，背后的逻辑特别清楚——一次性的 POC 演示，客户看完鼓个掌、发篇通稿就过去了，绝无可能真金白银从甲方变成你的股东；只有当你持续交付的东西经得起产线的长期检验，是一项能稳定干活、还能不断扩展的技能，信任才会累积到愿意把资本押在你未来身上。这跟苏州这些制造企业选供应商的逻辑完全一致：第一次给你个小单，是试试你靠不靠谱；后面敢把整段工艺、整条产线交给你，是因为你证明了自己能持续接住、持续交付。

我特别想点出"职业技能"这四个字里藏着的一套判断标准。我们评价一个工人，从来不看他力气多大、动作多帅，看的是他到了一个新岗位多久能上手、换型了能不能快速适应、出了异常会不会自己琢磨着解决。评价机器人，也该用同一套标准：它进厂之后，是只会出厂时那几下，还是能在真实任务里越干越熟练？换产的时候，是必须等工程师飞来现场重新调试，还是能基于沉淀下来的技能快速调整？遇到没见过的异常，是原地报错、亮灯等人来救，还是能从以前的失败经验里翻出办法？这几个问题答得漂亮，机器人才算真有了职业技能，否则它就是一台价格昂贵的自动化专机，跟那些只会固定动作的专机没有本质区别。

这也解释了为什么"产业具身"要反复强调把工具交出去。鹿明在做法上选了"授之以渔"：支持本地部署，兼容鹿明自己生态和非鹿明生态的机器人，把开发技能的工具交到工厂手里，让工厂能基于自己的产线、自己的数据，创造属于自己的专属技能。数据不必出厂、安全有保障，技能却能持续生长，这一下就把工厂最大的顾虑给解开了。与此同时，配套的评测体系会把机器人在仿真环境和真实环境里的表现做量化验证，节拍达成率、一次抓取通过率、异常自恢复率这些指标，都能像验收传统设备一样被写进合同，让"这台机器人到底行不行"有了可交付、可验收的工业标准——技能到底涨没涨，拿数据说话，不拿视频说话。技能能不能被工厂自己掌握、能不能被客观评测，直接决定了它是停在实验室里供人参观，还是能大规模铺到产线上替人干活。

苏州是中国制造业最密集、也最"卷"的地方之一，产业链条完整到一颗螺丝都能在半小时车程内找到三家供应商，这里的工厂对新设备的态度，向来是先看能不能解决具体问题，再谈别的。我接触的苏州客户，评估机器人时几乎不看你概念多领先、故事多宏大，就盯着一件事：这东西放到我的产线上，是添了个要伺候、要哄着的大爷，还是添了个能顶岗、还能不断学新活的熟练工？当机器人真正具备了可复用、可进化、可评测的职业技能，当技能的开发不再是机器人公司少数工程师的独门专利、而是工厂自己也能参与的日常工作，具身智能在苏州这样的制造重镇，才算从"看个新鲜"走到了"非用不可"。机器人进厂，靠的从来不是一身漂亮的动作，真正让工厂离不开的，是一身能上岗、能扛事、能长进的真本事——这身本事，才是工厂愿意年年付费、越用越离不开的东西。