安努智能连发六款模型，打通工业具身智能闭环

过去一年，具身智能赛道融资与Demo频出，但实验室演示与真实产线规模化部署之间仍有巨大鸿沟。相比充满随机变化的家庭与生活场景，工业场景动作重复度高、任务边界明确，成为具身智能最先落地的试验场。

国家税务总局数据显示，2026年1至5月，全国工业企业采购具身智能机器人的总金额同比增长2.3倍，行业重心正加速从验证Demo转向工厂上产线。

面对工业产线对高精度与高稳定性的严苛要求，专注工业场景的安努智能近期一次性推出了六款模型与系统，打通从数据生成、认知决策、持续进化到端到端部署的完整闭环。

从仿真数据到动作执行的技术闭环

针对具身智能在工业场景面临的数据匮乏、光照波动、换线成本高等瓶颈，安努智能部署了多层技术架构：

• 长视频生成模型 Helios：作为数据与底座层，Helios支持分钟级长视频实时生成，在单张 H100 GPU 上实现 19.5 FPS 的推理速度，为世界模型与长时序具身任务提供底座能力。
• 软体物体仿真平台 SimLab：传统物理引擎难以精准建模物流软包裹、织物等柔性形变。SimLab通过自研软体和热学物理求解器结合合成数据生成，实现了零真实标注下的低成本迁移。
• 动作导向的世界模型 ActiWorld：传统世界模型往往侧重画面逼真度，容易丢失关键动作细节。ActiWorld引入逆动力学头、双向预测及运动加权机制，专注动作后果的可验证性，对操作成败的预判误差低于 3.25%，在分拣等真机任务中显著降低了相对失败率。

• 强化学习进化系统 RoHIL 与 EvoHIL：解决现场光照剧烈变化导致动作失效的问题。系统无需人工离线重新标注，可在30分钟内完成自适应优化，将同等规模部署下的综合成本降低约80%。在精密插拔等任务中，大幅减少了人工介入频率。

• 垂类端侧动作模型 AnuVerse-0.5：采用视频专家预测画面、动作专家输出控制的混合架构（MoT），基于桌面级显卡即可实现百毫秒级响应，满足边缘计算的成本与时延要求。
• 统一部署调度系统 Nexus：适配不同构型机器人，支持端到端模型的一键部署与生产调度，内置动作层安全机制，并已打通 SAP 等主流工业管理系统。

模型可以开源，产线部署经验不能

与多数先在实验室刷榜再找场景的路径不同，安努智能选择直接把工程师派驻到制造企业一线（如富临精工产线），在实地试错中积累工程交付经验。

车间顶灯角度微调、来料反光变化，这些在仿真或开源数据集中难以预见的变量，往往会导致实验室成功率极高的策略在现场失效。安努通过前沿部署工程（FDE）模式，将产线踩坑经验转化为标准模块技能包。在富临精工项目中，首个工位跑通耗时4个月，而同类新工位的部署时间已缩短至3天，设备平均故障间隔时间（MTBF）超过300小时。

高盛此前发布的具身智能报告指出，柔性物体操作与精细抓取本质上极难完全依靠仿真，在真实产线部署过程中积累的专有数据与工程Know-how，才是构成机器人企业长期壁垒的核心资产。随着通用基础模型日趋开源化，具身智能的竞争终将从比拼模型参数，转向现场稳定运行时间与实际投资回报率。