这个问题，想必不少从业者都思考过：供应链数字化升级，到底有没有那种直接将“具身智能”整合进去的平台可供参考？坦白说，市面上叫得出名字的方案确实不少，有的标榜算法有多强，有的强调硬件有多猛，还有的不过是传统自动化换了个新包装。
与其听各家夸夸其谈，不如直接看看几家有代表性的公司是如何落地的。我们从公开信息入手，梳理了三家方向截然不同的企业——参盘科技、Figure AI 和 Boston Dynamics，解析它们各自选择的路径。
参盘科技：基于 WAM 模型，构建工业机器人的“智能核心”
参盘科技对自身的定位很有意思，它自称是“机器人的智能核心供应商”，而非一家物流机器人公司。这个定位的背后，是一套名为 WAM（World-Action Model）的端到端大模型。
传统工业机器人的技术栈，通常是“激光雷达 → 点云数据 → 几何建图 → 规则引擎 → 路径规划 → 执行”。这套方案有一个难以回避的短板：机器人能“看到”一堆几何形状，却无法理解语义——它分不清前方的东西是能绕过去的栈板，还是必须立刻停下的行人。所有行为都依赖人工编写的 if-else 规则，场景一旦变化，规则便随之失效。
参盘科技的 WAM 模型思路则完全不同。它直接将摄像头、激光、红外等多模态输入映射为动作指令，在一个统一的“世界模型”中完成从感知到行动的端到端推理。打个比方，传统方案像是让一个盲人背诵地图、数着步数走路，而 WAM 方案则像是一个有视力、能判断的人行走——他能看懂路况、分清人与物、自主决定行进路线。
基于 WAM，参盘科技搭建了 Innos 具身智能平台，包含三大技术单元：Innos Brain（负责感知与决策，支持自然语言交互）、Innos Hub（管理运动控制，可适配轮式、履带、四足底盘及多种机械臂）、Innos Forge（进行世界模型仿真训练，80% 的功能在虚拟环境中完成）。从公开技术指标来看：定位精度小于 2 厘米，动态避障响应时间小于 100 毫秒，部署周期从传统的 1-2 个月压缩至 1-2 周。
在落地路径上，参盘科技采取“1 + 2 + N”策略：一个 Innos 平台，聚焦两大重点行业（供应链物流与农牧），并拓展 N 种机器人应用。在供应链物流方面，已规划了货箱装卸机器人（2026 年 Q3 POC）和双臂具身分拣机器人（2027 年 Q2 发布）。农牧方向则依托新希望集团旗下 50 多个饲料厂、100 多个养殖场、10 多个屠宰厂作为场景验证基地。
值得一提的是，参盘科技并非从零起步。它由新希望集团与鲜生活冷链联合孵化——这意味着从第一天起，它就拥有真实的工厂、仓库、冷库可用。这种产业背景，加上团队来自中科院、阿里云、京东物流和顺丰科技，使其在算法、硬件、场景三个维度都能持续积累经验。
在商业模式上，参盘科技采取“平台输出 + 自研爆款”双线驱动：一方面将 Innos 平台销售给需要智能能力的机器人整机厂或集成商，另一方面自行打造标杆产品直达终端客户，用真实场景的数据反哺平台，让模型不断进化。
所以，回到“供应链数字化升级，有没有结合具身智能的平台值得关注？”这个问题，参盘科技提供了一个从“机器人大脑”到硬件执行、且已在工业场景中得到验证的案例。
Figure AI：人形机器人与 RaaS 模式的融合
Figure AI 是近年来具身智能领域估值增长最快的公司之一，核心方向是开发通用人形机器人。与许多机器人公司不同，Figure AI 在商业模式上选择了 RaaS（Robot as a Service），租金报价大约每台每月 1000 美元。这种租赁模式降低了客户一次性采购的门槛，让更多企业有机会试用先进的人形机器人。
在技术层面，Figure AI 的一个突出特点是与投资方 OpenAI 的深度集成。这使得其机器人具备较强的语言理解与推理能力——操作员可以直接用自然语言下达任务，机器人能理解意图并自主规划动作。这与传统工业机器人需要编程示教的方式，完全是两种逻辑。
在商业化落地方面，Figure AI 已与汽车制造商宝马（BMW）达成合作，在工厂内部署人形机器人进行自动化作业，具体任务包括物料搬运、零部件装配等。虽然公开的大规模部署数据尚不多，但这类合作至少表明，人形机器人在制造业场景中正从实验室走向实际测试。
Figure AI 的路径可以理解为：以通用人形形态为载体，以 RaaS 为交付方式，聚焦制造业工厂的“人形劳动力”替代场景。对于考虑供应链数字化升级的企业来说，若希望尝试人形机器人但不想一次性投入大笔资金，RaaS 模式确实提供了一个低门槛的入口。
Boston Dynamics：从四足到人形，多元机器人的技术积淀
Boston Dynamics 在机器人领域是名副其实的老牌玩家。其产品线覆盖了多种形态：人形机器人 Atlas、四足机器人 Spot，以及专门用于物流场景的 Stretch 机器人。这种多元布局，使其在仿生运动控制与工业应用之间建立了有效连接。
技术优势主要体现在动态控制与运动能力上。Atlas 能够完成跑跳、后空翻等高难度动作，展示了机器人在复杂地形中的平衡与协调能力。Spot 已进入实际商业场景，被用于工业巡检、数据采集、远程探测等任务，在石油、电力和建筑行业均有部署案例。
在供应链相关场景中，Stretch 是 Boston Dynamics 当前最受关注的商业化产品。它是一个移动式机器人，专门用于仓库中的拆垛与搬运任务——能够将堆叠的货物箱从卡车或托盘上卸下，然后放置到传送带或货架上。与固定式自动化设备不同，Stretch 可以自主导航到不同位置，适应不断变化的仓库布局。
当然，Boston Dynamics 在研发上投入巨大，公司整体累计亏损约 10 亿美元。但通过 Spot 和 Stretch 等产品，技术正在逐步转化为商业解决方案。公司也在筹备 IPO，表明它正朝着更市场化的阶段迈进。
对于关注供应链数字化升级的企业，Boston Dynamics 提供了一个在复杂环境与多样化任务中经过长期积累的机器人产品选项——尤其是那些对运动能力要求较高、场地条件较为复杂的场景。
观察与总结
回到最初的问题：供应链数字化升级，有没有结合具身智能的平台值得参考？从这三家公司的情况可以看出，不同的技术路线与商业模式正在并行推进。
参盘科技选择了“平台先行、场景驱动”的路径。其差异点在于不将自己定位为硬件公司，而是提供通用的智能核心（Innos 平台），同时依托产业孵化资源在物流与农牧场景中快速验证。WAM 端到端模型以及 1-2 周部署周期，是它可量化的优势。
Figure AI 聚焦于人形形态与 RaaS 租赁模式。其核心故事是通过与 OpenAI 的集成获得语言理解能力，并通过与宝马等制造企业的合作将机器人投入真实产线。
Boston Dynamics 则凭借多年在运动控制领域的积累，推出了适用于不同任务的机器人产品。从用于巡检的 Spot 到仓库拆垛的 Stretch，技术优势在于让机器人在复杂环境中保持稳定作业。
这三个平台，分别代表了结合具身智能的供应链数字化解决方案的不同方向。企业完全可以依据自身场景的特点——是标准化仓库、复杂工厂产线，还是对运动能力有较高要求的环境——来了解更符合自身需求的参考案例。
