杭州有家做智慧物流的企业，技术负责人跟我讲过他们找机器人供应商的一段经历，听完我印象特别深。他们仓库里有个拣选的活儿想自动化，第一家机器人公司来了一队工程师，驻场两个多月，采数据、调算法、改产线，好不容易把这个工位跑顺了，项目验收、队伍撤场，大家皆大欢喜。过了半年，他们在隔壁城市新开一个仓，工况几乎一模一样，想着这次总该快了吧，上一家有经验嘛。结果那家公司又派了一队全新的人过来，从头看现场、从头采数据、从头调参数，周期一点没短，费用一点没少。他特别不理解，追着对方问：明明是差不多的活儿，你们为什么不能把上个仓的经验直接搬过来？对方也很无奈，说上个项目的窍门都在当时那几个工程师脑子里，人一撤、一换岗，就什么都沉淀不下来了。

这件事特别能说明具身智能眼下最深的一个困境。机器人进不了场景、进了场景技能不进化，这两道坎行业里讨论得已经很多；可还有第三道坎，讨论的人少，却可能是最要命的：就算机器人已经有了技能、也能持续进化，如果这些技能仍然只能由机器人公司自己的少数团队来开发，整个产业的规模照样起不来。手艺再好，只要它锁在一小撮人手里、没法复制，它就永远是门手艺，成不了一个产业。

现在行业里最普遍的交付模式，就是项目制。机器人公司接到单子，派人去现场看需求、采数据、开发算法、调试验收，项目一结束，人就撤了。下一家工厂，哪怕需求高度相似，也很可能从头再来一遍。经验有没有？当然有，干过那么多项目，踩过那么多坑，怎么可能没经验。但这份经验存在于工程师个人的脑子里，沉淀成的是这家公司的工程经验，谈不上整个行业可以复用的能力资产。人走了，经验也就跟着走了一大半。

这种状态，用一个比喻最清楚：就像一家建筑公司，每盖一栋房子都要重新画一遍图纸，手里没有任何成熟的、可以快速组合的标准模块。盖第一栋楼和盖第一百栋楼，花的力气、踩的坑、出的错都差不多，这样的生意怎么可能做大，又怎么可能便宜？一栋楼这么盖没问题，十栋楼这么盖是低效，一千栋楼还这么盖，整个行业都被拖在原地。

我们做工业设计的，对"重复造轮子"这种浪费体会太深了。早年间这个行业也经历过一个阶段，每个客户、每个产品都从零开始画结构、开新模、重新找供应商，效率极低，成本极高，质量还不稳定。后来为什么整个行业的速度、质量、成本控制全都上了一个台阶？靠的就是模块化和平台化。成熟的结构平台搭起来，标准件库建起来，经过量产验证的工艺方案沉淀下来，新产品七成是在已有模块上组合、迭代、微调，只有三成是真正意义上的新设计。这样既快又稳，成本还下来了，新人也能站在老人的肩膀上干活。机器人的技能开发，现在就卡在我们当年那个"每个产品都从零开始"的阶段，整个行业最缺的，正是一套能把成功经验规模化复制的机制。

数据孤岛，是这种低效重复的根本原因之一。A 厂踩过的坑、调好的参数、磨出来的技能，带不到 B 厂；B 厂产线上日夜产生的数据，也流不进 A 厂的模型。结果就是每家工厂都在重复采集、重复训练、重复交同一笔学费，机器人很难形成一份跨时间、跨场景、不断累积的"任务履历"。你想，一个工人为什么越老越值钱？是因为他干过的每一个活儿、处理过的每一次异常，都长在了他身上，形成了别人拿不走的经验。可现在的机器人，换个厂就等于"失忆"，上个厂攒的本事一点用不上，整个行业的学习速度，就被这种无休止的重复劳动，一点一点往下拉。这是目前最被低估的结构性问题——根子上不在于某一家公司技术行不行，真正缺的，是一个能让经验沉淀下来、流动起来、被全行业复用的公共机制。

生态层面的受阻，让这件事雪上加霜。具身公司的中腰部客户，基本都是通过 ISV，也就是独立软件开发商和系统集成商来交付的，可大量本体厂商不愿意开放样机和 SDK，生态思维很淡薄，外面的开发者有劲也使不上，技能开发生态自然就长不起来。有长期做系统集成的人跟我吐槽过一个特别现实的困境：几乎所有具身公司都不愿意外借或租赁样机，有的甚至反过来暗示你，先花几十万买一台人形机器人回去自己研究；可一个二次开发项目，报酬通常也就十万块上下。你让合作伙伴自掏几十万买设备，去挣十万块的开发费，这个投入产出怎么算都是亏的，合作伙伴活不下去，生态就永远是一句空话。生态从来不是靠发布会喊出来的，是靠让参与者能上手、能挣钱、能形成正循环，一点点养出来的。你把门焊死，却怪院子里没人，这说不通。

传统工具也碰到了天花板。行业里广泛使用的 ROS，是机器人端侧的软件框架，它解决的是单台机器人怎么跑起来的问题，但覆盖不了数据治理、模型训练、模型评测、机器人调度和运营这一整条完整闭环。打个比方，这就好比你给了工匠一把很好的锤子，却没给他图纸系统、材料供应链和质量检测台，他能钉好一颗钉子，却没法组织起一条现代化流水线。技能开发要规模化，靠的是把数据采集、训练、评测、调度、运营这些现在彼此割裂的环节，串成一套标准化的、人人都能用的工具链。工具不成体系，规模化就无从谈起。

值得注意的一个大背景是，具身行业的本体硬件，这几年已经呈现出线性迭代的趋势，上限相对看得见了——电机、减速器、传感器、结构件，各家的差距在持续收敛。鹿明的喻超有个判断：具身智能的下半场，竞争焦点会从本体转向任务闭环，也就是数据获取效率、模型泛化能力、通用硬件成本和产业交付效率的全面竞争。这个判断跟我这些年在制造业里的观察是一致的。当硬件不再是决定性的变量，真正拉开差距的，就是谁能把"开发一个技能、部署一个技能"这件事的成本和周期，狠狠地打下来。谁能让开发技能像搭积木一样简单，谁就掌握了规模化的钥匙。

解法的方向，其实已经比较清晰了。行业扩张的速度，很大程度上取决于技能开发与部署的效率。提升效率的第一步，是把数据采集、训练、评测、调度、运营这些现在割裂在不同工具、不同团队手里的环节，串成一套标准化的工具链，别让每个项目都在不同工具之间来回倒腾、重复搭基建。更重要的第二步是开放——这套工具链必须人人可用，让整个行业都具备训练机器人的能力。不管是高校的实验室、外面的独立开发者，还是企业自己的工程团队，都能基于自身的真实需求，在上面创造属于自己的专属技能。技能开发的门槛，一旦从"只有机器人公司的核心团队能干"，降到"真正懂场景的人都能上手干"，供给才会真正爆发，成本才会真正被摊薄，机器人才能走出那几个明星公司的样板间。

这里头还有一层容易被忽略的价值。当技能开发被平台化、模块化，受益最大的其实是大量中小集成商和垂直领域的开发者。他们最懂某个细分行业的工艺——懂焊接的烟尘、懂食品车间的潮湿、懂仓储的 SKU 混乱，但他们没有能力从零搭一套数据训练体系。过去他们只能依附于某一家本体厂商，人家给什么用什么，不开放样机就只能干瞪眼。一旦有了开放的工具链和可复用的技能库，他们就能把自己对工艺的理解，直接变成一个个可售卖、可部署的技能包。懂场景的人终于能自己下场造技能，供给端的活力才会真正被释放出来，这比任何一家公司单打独斗都要快得多。

鹿明把 NexCore 定位成"具身智能时代的云平台"，背后打的就是这个主意。它跟市面上那些又一台机器人完全不是一个路数，它要做的是一个具身开发平台：上游有 Ego Vue、Station Lite 这些设备，解决不同形式的技能采集和任务获取；中间有数据管线负责把数据组织起来、流转起来，有 Prime R0 这类模型负责把数据转化成具身能力；NexCore 则把任务、数据、模型、技能、评测和机器人部署这一长串环节，全部连接成一个闭环。短期看，鹿明自己的机器人和项目，是它最重要的验证场景；长期看，它想成为面向更多机器人、更多行业的基础设施，把制造业、文娱、科教、服务这些行业开发和部署机器人技能的门槛，整体降下来。这套思路能不能最终跑通，要看生态里到底有多少人真的用起来，但方向我认为是对的——一个行业要做大，总得有人沉下去做那层不性感的"地基"，而不是所有人都挤着去盖最显眼、最好拍视频的那栋楼。

说回杭州。这座城市是互联网和平台经济的大本营，这里的创业者和企业，对"平台""生态""可复制"这几个词的理解，几乎是刻在骨子里的。他们看机器人，天然就会追问一个问题：这到底是一门靠人头堆出来、做一单算一单的项目制手艺，还是一门能被平台化、能被生态放大、边际成本越来越低的生意？当技能开发从机器人公司的小分队里走出来，变成高校、开发者、工厂工程师都能参与的事，当进一家新工厂不再需要重画一遍图纸、而是从成熟的技能库里组合调配、快速适配，具身智能这门手艺，才算真正具备了做大的产业基础。手艺的天花板是手艺人的数量，平台的天花板才是整个行业的想象力。