# 杭叉发布LogiMind具身大模型 首席科学家详解无人叉车如何突破2%渗透率瓶颈 - 同花顺财经

*Источник: 同花顺财经*
*Дата: 2026-07-23*
*Язык: zh*

**Кратко:** 7月22日，在杭叉集团（603298）（603298.SH）首届AI DAY科技日上，这家拥有七十年历史的工业车辆龙头企业，正式发布了LogiMind具身大模型及全系列叉车机器人产品。
杭叉集团首届AI DAY科技日现场 黄鑫磊/摄
在技术路线上，杭叉集团（603298）首席科学家、具身智能研究院院长陶熠昆提出了一个反直觉的判断：先有场景再找模型，再采集数据的这个顺序可能错了。模型为场景服务，数据为模型服务，但很多时候应该反过来看，哪些行业数据好获取，不以某个企业的意志为转移，是科技发展的规律。
陶熠昆认为，乘用车（884099）和叉车在这一点上高度相似，天然有大量存量载体，载体自带传感器（885946），本身就是数据采集终端，叉车更符合先有载体、再有数据、再有智能的发展规律。
对标自动驾驶演进路径，破解无人叉车三十年困局
无人叉车并非新技术。陶熠昆在演讲中回顾称，早在上世纪90年代，国内企业已开始用国外控制器尝试无人化，但历经三十年发展，渗透率始终徘徊在2%左右。据行业联盟统计，2025年国内人工叉车销量约150万台，其中智能叉车不足3万台。
“首先想到的是不是太贵了？”陶熠昆否认道，“无人叉车从最早的100万售价降到低于10万甚至低于5万，成本不是核心障碍。”
他归纳了渗透率长期低迷的两大根源。第一，无人叉车不是“开箱即用”的产品，到现场需要经过专业的实施部署，如地图构建、现场环境改造、路线绘制、成千上万个货位三维坐标标定等，这个过程往往以月计。第二，客户初衷是替代一名叉车工，结果必须同步上马WMS（仓储管理系统）、WCS（仓库控制系统）、RCS（调度系统），配备专业运维团队，并改造库位传感器（885946）与信号系统，这样的决策难度和成本被极大地推高了。
陶熠昆阐释了破局方向，即自动驾驶，他将自动驾驶的发展划分为四个阶段：萌芽期，业界认为市场很大，但技术不行；2020年前特斯拉（TSLA）在高速公路（884154）上实现有限的自动驾驶；第三阶段国内车企后来居上，自动驾驶普及至10万元级别车型；当前正处于渗透率爆发期。
关键转折发生在第二阶段。“当时自动驾驶高度依赖高精地图，车道线经纬度精确到厘米级，分叉角度都有矢量化数据输入控制器。车本身没有太多认知能力，靠的是外部视角。行业甚至提出车路协同来辅助，最终因成本过高难落地。”陶熠昆指出，这与当前无人叉车依赖现场精确标定、依赖外部信息系统的困境惊人相似。
破局来自2021年特斯拉（TSLA）AI Day发布的BEV（鸟瞰视角感知）模型，从依赖高精地图转向重感知、轻地图，像人一样通过AI理解路面、车道线、红绿灯等实时信息。国内车企跟进后，随着数据飞轮运转，渗透率开始爆发式增长。很难找到一个更加贴切的例子来描述一个行业遇到了怎样的困难，以及用怎样的方式突破。
数据飞轮叠加安全冗余，破解落地“不可能三角”
杭叉的LogiMind是面向精细感知和复杂作业的垂直领域具身大模型。
在技术层面，陶熠昆披露了两大能力。一是自研SRN结构化解构网络。自动驾驶感知精度通常为10至30公分，自动泊车5公分即可，但叉车取放货需要5到10毫米级精度。传统方法通过测量和点云处理可做到，但缺乏泛化能力，面对不同形状托盘、遮挡或干扰时失效。SRN网络通过多次迭代学习物体残差，实现真3D毫米级感知且具备强泛化能力。
二是对大型货架的结构化拆解。AGV只知道预设的三维坐标，不知道那是一个货架、有几层、层高多少、立柱在哪、空位在哪。LogiMind通过局部场景拼接、非重复扫描积分和纹理特征投影，让每个点云和体素都“关注”自己处于整体结构的哪个部位。这从根本上改变了AGV的作业和思考模式。
杭叉集团研发的自动叉车 黄鑫磊/摄
关于数据，陶熠昆坦言，“成本仍是现实约束，特斯拉（TSLA）采集200万个小视频，成本以10亿计。但工业场景面临小批量多品类的挑战，汽车一年卖20万辆，投入10个亿做数据没问题；杭叉有成百上千款产品，不可能为每一款都采大量数据。”
杭叉的方案是通过技术手段实现跨平台数据复用，公司设计了融合点云与视觉增强的空间表达，并利用虚拟相机、外参自适应深度估计网络和高精度实时自标定系统，使任何一款车采集的数据都可以丢到数据池里做统一训练，训出来的模型每辆车都能运行。
据介绍，杭叉计划2026年在超过500个工厂构建基于3D高斯重建的真实数字孪生（885820）场景，通过仿真生成自带标注的合成数据，大幅降低采集与标注成本。
在落地策略上，陶熠昆提出了“安全—可用—易用”不可能三角的杭叉解法。他强调不追求模型在初期达到99.9%的可用性再上市，杭叉设计了三个独立回路：常规AI控制分支、基于传统方法的安全仲裁分支、以及基于人工操作经验训练的安全判断网络。三者通过投票机制对控制输出做限幅或切换。
可用性层面，杭叉推出“牧羊人”远程干预模式，通过实时数字孪生（885820），后台人员在控制室像打游戏（881275）一样点击拖拽即可远程处理异常，或通过虚拟驾驶室身临其境操作。
“目标不是把叉车工降到零，而是通过人机回路把密集操作变成稀疏操作，让一个后台人员管理多台车。如果客户的目的不是做自动化信息化，而是朴素地减叉车工，那么减30%到60%的收益，他是愿意买单的。”陶熠昆说。
最后，陶熠昆将叉车机器人在具身智能版图中定位为“桥梁”，因为它既是车，可充分借鉴自动驾驶成熟的商业化范式；又面向精细感知与操作，与人形机器人（886069）、双臂操作高度类似。

7月22日，在杭叉集团（603298）（603298.SH）首届AI DAY科技日上，这家拥有七十年历史的工业车辆龙头企业，正式发布了LogiMind具身大模型及全系列叉车机器人产品。
杭叉集团首届AI DAY科技日现场 黄鑫磊/摄
在技术路线上，杭叉集团（603298）首席科学家、具身智能研究院院长陶熠昆提出了一个反直觉的判断：先有场景再找模型，再采集数据的这个顺序可能错了。模型为场景服务，数据为模型服务，但很多时候应该反过来看，哪些行业数据好获取，不以某个企业的意志为转移，是科技发展的规律。
陶熠昆认为，乘用车（884099）和叉车在这一点上高度相似，天然有大量存量载体，载体自带传感器（885946），本身就是数据采集终端，叉车更符合先有载体、再有数据、再有智能的发展规律。
对标自动驾驶演进路径，破解无人叉车三十年困局
无人叉车并非新技术。陶熠昆在演讲中回顾称，早在上世纪90年代，国内企业已开始用国外控制器尝试无人化，但历经三十年发展，渗透率始终徘徊在2%左右。据行业联盟统计，2025年国内人工叉车销量约150万台，其中智能叉车不足3万台。
“首先想到的是不是太贵了？”陶熠昆否认道，“无人叉车从最早的100万售价降到低于10万甚至低于5万，成本不是核心障碍。”
他归纳了渗透率长期低迷的两大根源。第一，无人叉车不是“开箱即用”的产品，到现场需要经过专业的实施部署，如地图构建、现场环境改造、路线绘制、成千上万个货位三维坐标标定等，这个过程往往以月计。第二，客户初衷是替代一名叉车工，结果必须同步上马WMS（仓储管理系统）、WCS（仓库控制系统）、RCS（调度系统），配备专业运维团队，并改造库位传感器（885946）与信号系统，这样的决策难度和成本被极大地推高了。
陶熠昆阐释了破局方向，即自动驾驶，他将自动驾驶的发展划分为四个阶段：萌芽期，业界认为市场很大，但技术不行；2020年前特斯拉（TSLA）在高速公路（884154）上实现有限的自动驾驶；第三阶段国内车企后来居上，自动驾驶普及至10万元级别车型；当前正处于渗透率爆发期。
关键转折发生在第二阶段。“当时自动驾驶高度依赖高精地图，车道线经纬度精确到厘米级，分叉角度都有矢量化数据输入控制器。车本身没有太多认知能力，靠的是外部视角。行业甚至提出车路协同来辅助，最终因成本过高难落地。”陶熠昆指出，这与当前无人叉车依赖现场精确标定、依赖外部信息系统的困境惊人相似。
破局来自2021年特斯拉（TSLA）AI Day发布的BEV（鸟瞰视角感知）模型，从依赖高精地图转向重感知、轻地图，像人一样通过AI理解路面、车道线、红绿灯等实时信息。国内车企跟进后，随着数据飞轮运转，渗透率开始爆发式增长。很难找到一个更加贴切的例子来描述一个行业遇到了怎样的困难，以及用怎样的方式突破。
数据飞轮叠加安全冗余，破解落地“不可能三角”
杭叉的LogiMind是面向精细感知和复杂作业的垂直领域具身大模型。
在技术层面，陶熠昆披露了两大能力。一是自研SRN结构化解构网络。自动驾驶感知精度通常为10至30公分，自动泊车5公分即可，但叉车取放货需要5到10毫米级精度。传统方法通过测量和点云处理可做到，但缺乏泛化能力，面对不同形状托盘、遮挡或干扰时失效。SRN网络通过多次迭代学习物体残差，实现真3D毫米级感知且具备强泛化能力。
二是对大型货架的结构化拆解。AGV只知道预设的三维坐标，不知道那是一个货架、有几层、层高多少、立柱在哪、空位在哪。LogiMind通过局部场景拼接、非重复扫描积分和纹理特征投影，让每个点云和体素都“关注”自己处于整体结构的哪个部位。这从根本上改变了AGV的作业和思考模式。
杭叉集团研发的自动叉车 黄鑫磊/摄
关于数据，陶熠昆坦言，“成本仍是现实约束，特斯拉（TSLA）采集200万个小视频，成本以10亿计。但工业场景面临小批量多品类的挑战，汽车一年卖20万辆，投入10个亿做数据没问题；杭叉有成百上千款产品，不可能为每一款都采大量数据。”
杭叉的方案是通过技术手段实现跨平台数据复用，公司设计了融合点云与视觉增强的空间表达，并利用虚拟相机、外参自适应深度估计网络和高精度实时自标定系统，使任何一款车采集的数据都可以丢到数据池里做统一训练，训出来的模型每辆车都能运行。
据介绍，杭叉计划2026年在超过500个工厂构建基于3D高斯重建的真实数字孪生（885820）场景，通过仿真生成自带标注的合成数据，大幅降低采集与标注成本。
在落地策略上，陶熠昆提出了“安全—可用—易用”不可能三角的杭叉解法。他强调不追求模型在初期达到99.9%的可用性再上市，杭叉设计了三个独立回路：常规AI控制分支、基于传统方法的安全仲裁分支、以及基于人工操作经验训练的安全判断网络。三者通过投票机制对控制输出做限幅或切换。
可用性层面，杭叉推出“牧羊人”远程干预模式，通过实时数字孪生（885820），后台人员在控制室像打游戏（881275）一样点击拖拽即可远程处理异常，或通过虚拟驾驶室身临其境操作。
“目标不是把叉车工降到零，而是通过人机回路把密集操作变成稀疏操作，让一个后台人员管理多台车。如果客户的目的不是做自动化信息化，而是朴素地减叉车工，那么减30%到60%的收益，他是愿意买单的。”陶熠昆说。
最后，陶熠昆将叉车机器人在具身智能版图中定位为“桥梁”，因为它既是车，可充分借鉴自动驾驶成熟的商业化范式；又面向精细感知与操作，与人形机器人（886069）、双臂操作高度类似。

[Оригинал](http://stock.10jqka.com.cn/20260723/c678387739.shtml)