鹿明发布NexCore，一举打通机器人技能进化闭环

作者：何新

来源：科技最前线 (kejizqx)

一、机器人行业繁荣背后的“能力之困”

2026年，机器人行业正处在声量与资本的双重巅峰。

宇树科技冲刺上市，Figure机器人估值领跑行业，波士顿动力Atlas持续引发热议，众擎、优必选等机器人公司密集推出新品……从实验室到展厅，从科技秀场到资本叙事，机器人的存在感几乎无处不在。

然而，聚光灯之外，一个略显尴尬的现实是，许多机器人仍然是“展示型智能”。它们能完成精心编排的动作，却很难在充满不确定性的真实工作环境中稳定创造价值。

在实验室里，一台人形机器人可以抓取固定位置的物体能做到90%以上的成功率，但进入工厂后，面对来料偏差、光照变化、物体形态差异，成功率往往断崖式下跌。

更关键的是，一旦任务对象稍有改变，就需要工程师重新采集数据、重新训练模型、重新调试部署——动辄数周甚至数月。

因此，当下机器人的核心问题不是“能不能动”，而是“能不能学”——能不能像人类工人一样，通过经验积累持续获得新技能，并将技能在不同任务、不同设备之间迁移复用。

针对这一痛点，鹿明机器人在8月19日交出了一份值得关注的答卷——一款面向产业具身的机器人进化引擎NexCore，让机器人的能力像云服务一样，被持续地调用、训练和验证。

二、NexCore：把能力开发变成标准化流程

在和产业客户的反复沟通中，鹿明团队发现了三类高度一致的困惑：第一，客户愿意用机器人，但不可能把自己的核心数据交给别人；第二，每个工厂的制程都有差异，通用的模型方案对客户而言难以适用；第三，客户的产线、产品总在变化，机器人如果能力固定，很快就会变成废铁。

因此，NexCore做的事情，相当于为机器人建立了一条现代化的“技能生产线”——从原材料进厂，到加工、质检、包装，再到产品出厂，整个流程被标准化、自动化、可复用。

具体来看，这条生产线由五大产品平台共同支撑——

一是数据资产平台，当NexCore通过Ego Vue头戴式设备等多种采集工具，将人类在真实操作中的手部动作、视觉信息、操作轨迹完整记录下来后，会自动汇入数据资产平台，形成可检索、可标注、可复用的数据资产。

好比一位顶级厨师的工作过程被全程录像并拆解成标准菜谱，过去只存在于个人身体记忆里的经验，变成了结构化、可训练的数据原料。

二是模型训练平台，数据进入训练平台后，NexCore会自动完成任务编排、参数优化和训练过程追踪。客户不需要自己搭建训练环境、管理算力资源，只需在平台上定义任务目标就行，大幅降低了使用难度和门槛。

三是NexCore技能评测体系，评测系统会在仿真和真实环境中对模型进行多维度考核——成功率、极限工况表现、失败模式——输出可量化的评测报告。评测不只为一次验收，更是让每一次迭代都有可追溯的客观依据，把“这个模型行不行”变成客户和团队都能读懂的证据。

模型训练出来到底能不能用？不能凭感觉，也不能只看一两次成功演示。

四是技能管理，通过评测的模型，会连同代码、参数和执行策略一起被打包成一个标准化的“技能包”，同时，这些技能包可以像手机App一样被发布、存储、下载和更新迭代，从而实现将一个技能从一条产线复制到另一条产线，从一个机器人迁移到另一个机器人。

五是机器人运营，当技能部署到机器人本体后，每一次真实执行的数据都会自动回流到系统，然后在获得客户许可的前提下推动技能持续优化。

这就跟导航软件用的人越多，路况信息就越准一样——用得越久，能力越强。

五大平台连在一起，就形成了机器人的“技能生产线”的闭环，可以将过去需要数月才能完成的任务能力开发压缩到数日，并且，当客户需要第二个技能时，前面建立的采集流程、训练管道、评测标准都可以复用，边际成本急剧下降。

可见，NexCore的价值不在于帮客户解决某一个具体的机器人问题，而是提供了一套让客户能够持续、高效地“生产机器人能力”的系统，实现技术普惠。

同时，这也意味着，或许只有当“生产机器人技能”这件事本身被基础设施化，具身智能才有可能真正跨越实验室与产业之间的鸿沟。

三、NexCore背后，

藏着鹿明机器人创始人兼CEO喻超对具身智能行业的重要判断

值得一提的是，NexCore的诞生并非偶然。

它源于其主导者——鹿明机器人创始人兼CEO喻超，对具身智能行业的一套清晰且与众不同的判断。

首先，喻超划定了一条具身智能行业的边界，“不要用机器人表演定义产业进步。”因为机器人会表演只能证明运动能力，产业价值需要更实际的应用来验证。

基于这一认识，喻超进一步提出，“产业机器人应该追求任务通用性，而不是形态通用性”，并为鹿明确立了一条不追逐短期风口的路线——先找到高价值的任务，再决定用什么形态去执行，而不是先造一个人形机器人再去找场景。

比如鹿明自主研发的MOS2重载轮臂式机器人就是这个思路的产物，它长得不完全像人，但在产线上能7×24小时不间断工作、完成50公斤级搬运和精密装配——这些能力对工业客户来说才是真正有价值的、能落到实际生产中的需求。

在喻超看来，“本体只是基础，最终竞争的是：数据获取效率×模型泛化能力×通用硬件成本×产业交付效率。”这意味着靠少数巨头提供通用模型远远不够，授人以鱼不如授人以渔，真正的解法是让每个产业客户都拥有“自己为机器人创造技能”的能力。

此外，喻超还表示，“具身智能真正的Scaling Law，发生在任务经验上。”

也就是说，行业未来的壁垒不在于模型参数有多大，而在于机器人在真实世界里积累了多少有价值的任务经验——包括成功案例，更包括失败和恢复的数据。

同时，喻超强调，“机器人正在进入技能进化时代，未来竞争的核心，不是谁拥有更多机器人，而是谁拥有让机器人持续进化的能力。”

因此，NexCore才会被设计成“闭环”，只有形成了“采集训练部署执行回流再训练”的持续进化系统，才能让每一台部署的机器人都是数据采集节点，每一次真实操作都在为整个系统积累任务经验，从而实现机器人行业真正的“产业具身”。当闭环形成，积累的经验才有真正的商业落点。

“我们希望让具身智能机器人从单一设备，逐步成为能够主动创造利润的工业智能体。”正如喻超所强调的，鹿明这次发布的NexCore不是一套锦上添花的工具，而是让机器人从成本中心走向利润中心的关键引擎。

四、NexCore给具身智能行业提供了一种全新的可能性

有意思的是，如果站在行业的视角来看NexCore，会发现它不仅仅是一款产品这么简单——

过去几年，具身智能行业经历了从“技术验证”到“产品定义”再到“场景落地”的完整周期。而如今，行业正在进入一个新的阶段——从“造机器人”走向“造智能”，从比拼硬件参数转向比拼“让机器人持续获得新能力”的体系化能力。

在这一前提下，NexCore有着三大极具前瞻性的能力——

其一，它让“开发机器人技能”从项目制变成了可复用的流程。

目前大多数公司的交付模式仍然是一次性的工程投入——每进一个客户都要重新做一套方案。

而NexCore把整个技能生产链路标准化后，便给具身智能行业提供了一种可能摆脱长期定制化泥潭、走向规模化复制的商业路径。

其二，它构建了一个自带强化属性的数据飞轮。

每多部署一台搭载NexCore的机器人，就多了一个持续产生真实任务数据的节点；更多数据带来更好的模型；更好的模型产出更可靠的技能；更可靠的技能推动更多客户部署。

这个闭环一旦跑通，或将形成竞争对手难以在短时间内复制的数据与经验壁垒——在具身智能领域，这比任何单项技术突破都更难跨越。

其三，它重新定义了“通用”的含义。

行业过去理解的“通用”是“一个机器人什么都能做”；而鹿明通过NexCore展示了另一种可能性——“一个机器人可以低成本地学会越来越多的任务”。

在产业落地的现实约束下，后者显然更可行，也更有生命力。这种对“通用”的重新理解，或许会引导整个行业从追求形态的完备性，转向追求能力的持续可扩展性。

当然，NexCore的长期价值还取决于一个变量：它能否从鹿明自身的机器人生态走向更广泛的行业生态。

对此，喻超表示，未来第三方具身大脑如果满足接口、安全和评测标准，也有机会接入NexCore。如果这个设想能够实现，NexCore将不再只是一款产品，而是一个让整个行业的能力开发生态得以运转的底层平台，相当于“机器人技能时代的Android”。

总的来说，当机器人学会了自我进化，行业才真正进入了属于它的“智能时代”。而鹿明NexCore的发布，或许正是这个时代的一个重要注脚。