近日，两台轮式双臂机器人、一只机器狗和一台AGV被推进汽车物流产线，开始为期至少一个月的连续调试。这套系统并非简单地为机器人找一个工位，而是从工厂真实任务出发，重新拆解工序、排序技能、设计调度逻辑，让所有设备围绕同一个目标运转——任务结果是否被验证。这种务实的方法，直指具身智能行业长期忽视的工程问题。

具身智能正处于资本热潮中。今年上半年，国内具身智能赛道融资额达到935亿元，是去年同期的5倍，超过去年全年总量；融资事件322笔，同比增长137%。然而，钱与落地之间存在明显落差：头部企业人形机器人出货量刚过万台，全年预计难超10万台，商业化投入占比仅约三成。行业常将问题归因于模型不够强、数据不够多，但真实工厂中的问题远不止于此。

模型做出正确判断、指令下发、机器人执行，这条链路在仿真环境里基本成立，进了工厂却漏洞百出。设备回执不等于现场结果，单机动作跑通不等于跨设备链路闭环。来料摆放偏了、上游堵线、传感器丢帧等异常发生时，大多数系统只会停下来等人。谁来持续观察现场状态、判断执行偏差、诊断恢复、从中断处继续？去年在杭州成立的拉格朗日具身技术，把这一层工程当作创业核心命题。

拉格朗日自研的Agentic OS，为Agent提供统一的环境状态感知、机器人技能调度、安全边界约束、运行记录和人工接管机制。Agent围绕目标循环推进：理解场景、组织技能、观察结果、判断偏差、恢复或继续，直到业务目标被验证，而非命令被下发。每一次成功、失败和恢复都被记录为可复盘的任务日志，驱动后续系统优化。

为什么不直接让更强的大模型处理一切？行业里有人尝试，但工厂场景面临两个朴素障碍：推理速度和幻觉风险。工业操作有实时性要求，每次执行决策都调用云端大模型推理，延迟会拖垮系统，跟不上节拍；大模型幻觉在文本任务中可修改，在工厂里控制错一个动作可能损毁工件、伤到人。拉格朗日联创兼CTO赵立晨认为，Agent可以做上层规划和任务调度，但不能让开放式大模型直接成为工业执行器。

因此，拉格朗日采用分层智能架构：高层Agent Harness组织通用模型、Coding Agent与评测工具，基于真实执行反馈持续演进；现场Agentic Runtime负责任务编排、状态监控与异常恢复；设备侧专用模型、技能和控制系统负责实时执行，守住精度、节拍与安全边界。这种设计把泛化能力和执行稳定性的矛盾拆开，在不同层次解决。赵立晨还强调，最有价值的数据不是训练数据，而是真实场景跑出的测试数据——训练集与真实世界的gap，才是系统失效的真实位置。

除了系统层，工厂的设计逻辑本身也是障碍。现有工位、工具、操作流程几乎都围绕人的身体结构和作业习惯设计，机器人被塞进这套框架，发挥余地有限。传统工业自动化常陷入“调试死循环”：设备刚调完，客户上新车型，调完又遇设计变更。解法不是让机器人更像人，而是重新设计工艺，让机器人以自己的方式完成同一生产目标。例如拧螺丝，人工一气呵成，机器人先预紧到四五十牛，再由枪阵整体拧紧，虽多一步，但降低了对机械臂的负载要求。

历史上，1880年代电气化后美国制造业生产率几乎无变化，直到20世纪初工厂布局围绕电力重新组织，现代工厂才诞生。拉格朗日认为，具身机器人正推动同一量级重构，关键变化发生在软件层：工业系统将从“以设备为中心”走向“以任务为中心”，工序按机器人可稳定执行的能力重新切分，物料路径从硬约束变成软件配置的调度变量。

把工艺设计推到极致，会得到一张技能表。所有制造操作最终是十几种通用技能的排列组合。拉格朗日把技能做成矩阵，横轴是“机器人实现难度”，纵轴是“在汽车装配中的使用占比”，开发顺序从右下角往左上角推：先做频次最高、难度最低的。最基础的拿取、简单放置、搬运之后，拧紧（打螺丝） 是最高优先级，仅这一项就占汽车装配工序的70%以上，且动作逻辑高度一致、泛化性强。再往后是卡接（精度5毫米内）、接插（线束两端都是活的）、密封条按压（纯手感操作，是现阶段技术天花板）。

这张矩阵把模糊的行业方向变成可排期的工程计划。这次进工厂只做三件事：抓取、放置、搬运；年底验证精度放置；明年上半年引入拧紧操作。这是可对照检验的时间线。工艺解决精度的实证案例：全景天窗安装的产品设计精度要求0.15毫米，机器人累积精度仅0.25毫米，纯靠堆精度是死路，但靠工艺方案，拉格朗日核心团队此前打造出全球首套不停线安装全景天窗的方案，已在极氪工厂稳定运行超两年。内部测试中，搬运场景人效从约40%提升到70%—80%，整体系统效率接近翻倍。当前节奏是完成长稳调试后再逐步长期部署。

成立不到一年的拉格朗日，核心团队几乎凑齐了具身智能落地最难凑齐的拼图：CEO李撼碑有半导体与汽车产业链背景；CTO赵立晨横跨商汤、华为，做过3D视觉、多模态和千亿参数大模型训练；联创张明明是国内最早做仿生四足机器狗与人形机器人研究的人之一，在阿里云带过具身团队；工业落地负责人徐俊是整车厂总装线出身，参与过优必选、帕西尼、宇树等公司的进厂POC。四人分工对应产业资源与产品理解、模型与架构、具身本体、工厂交付与工艺四种能力，多数创业公司只占其一，四者兼备的很少。技术侧累计落地超1000台机器人；产业侧有整车、三电、半导体背景，曾把业务做到数百亿规模、参与十余家汽车工厂设计建设。

公司取名“拉格朗日”，源自日地、地月引力系统中的稳定点，小型飞船可在那里以极低能耗长时间保持位置，指向一种长时间、不折腾的系统能力。当Figure在宝马斯帕坦堡装填9万件钣金、Physical Intelligence把π模型迭代到π0.7仍坚持不造本体、英伟达把GR00T系列推向GR00T N2世界动作模型时，行业叙事仍集中在模型更强、本体更灵巧。拉格朗日赌的是一条被低估的路径：让机器人真正把活干完。这个夏天，Agent炙手可热，拉格朗日选择用真实工厂中的任务闭环检验Agent究竟是新名词还是新生产系统。悬念在于：当技能泛化、模型端到端控制一切时，系统层和工序重构的价值边界在哪？具身智能最缺的或许正是一个稳定点——不是更聪明的机器人，而是一套能让人放心把活交给它的系统。真实场景的连续运行数据将逐步给出答案。