近日，兩台輪式雙臂機器人、一隻機器狗和一台AGV被推進汽車物流產線，開始為期至少一個月的連續除錯。這套系統並非簡單地為機器人找一個工位，而是從工廠真實任務出發，重新拆解工序、排序技能、設計排程邏輯，讓所有裝置圍繞同一個目標運轉——任務結果是否被驗證。這種務實的方法，直指具身智慧行業長期忽視的工程問題。

具身智慧正處於資本熱潮中。今年上半年，國內具身智慧賽道融資額達到935億元，是去年同期的5倍，超過去年全年總量；融資事件322筆，同比增長137%。然而，錢與落地之間存在明顯落差：頭部企業人形機器人出貨量剛過萬台，全年預計難超10萬台，商業化投入佔比僅約三成。行業常將問題歸因於模型不夠強、資料不夠多，但真實工廠中的問題遠不止於此。

模型做出正確判斷、指令下發、機器人執行，這條鏈路在模擬環境裡基本成立，進了工廠卻漏洞百出。裝置回執不等於現場結果，單機動作跑通不等於跨裝置鏈路閉環。來料擺放偏了、上游堵線、感測器丟幀等異常發生時，大多數系統只會停下來等人。誰來持續觀察現場狀態、判斷執行偏差、診斷恢復、從中斷處繼續？去年在杭州成立的拉格朗日具身技術，把這一層工程當作創業核心命題。

拉格朗日自研的Agentic OS，為Agent提供統一的環境狀態感知、機器人技能排程、安全邊界約束、執行記錄和人工接管機制。Agent圍繞目標迴圈推進：理解場景、組織技能、觀察結果、判斷偏差、恢復或繼續，直到業務目標被驗證，而非命令被下發。每一次成功、失敗和恢復都被記錄為可覆盤的任務日誌，驅動後續系統最佳化。

為什麼不直接讓更強的大模型處理一切？行業裡有人嘗試，但工廠場景面臨兩個樸素障礙：推理速度和幻覺風險。工業操作有即時性要求，每次執行決策都呼叫雲端大模型推理，延遲會拖垮系統，跟不上節拍；大模型幻覺在文本任務中可修改，在工廠裡控制錯一個動作可能損毀工件、傷到人。拉格朗日聯創兼CTO趙立晨認為，Agent可以做上層規劃和任務排程，但不能讓開放式大模型直接成為工業執行器。

因此，拉格朗日採用分層智慧架構：高層Agent Harness組織通用模型、Coding Agent與評測工具，基於真實執行反饋持續演進；現場Agentic Runtime負責任務編排、狀態監控與異常恢復；裝置側專用模型、技能和控制系統負責即時執行，守住精度、節拍與安全邊界。這種設計把泛化能力和執行穩定性的矛盾拆開，在不同層次解決。趙立晨還強調，最有價值的資料不是訓練資料，而是真實場景跑出的測試資料——訓練集與真實世界的gap，才是系統失效的真實位置。

除了系統層，工廠的設計邏輯本身也是障礙。現有工位、工具、操作流程幾乎都圍繞人的身體結構和作業習慣設計，機器人被塞進這套框架，發揮餘地有限。傳統工業自動化常陷入“除錯死迴圈”：裝置剛調完，客戶上新車型，調完又遇設計變更。解法不是讓機器人更像人，而是重新設計工藝，讓機器人以自己的方式完成同一生產目標。例如擰螺絲，人工一氣呵成，機器人先預緊到四五十牛，再由槍陣整體擰緊，雖多一步，但降低了對機械臂的負載要求。

歷史上，1880年代電氣化後美國製造業生產率幾乎無變化，直到20世紀初工廠佈局圍繞電力重新組織，現代工廠才誕生。拉格朗日認為，具身機器人正推動同一量級重構，關鍵變化發生在軟體層：工業系統將從“以裝置為中心”走向“以任務為中心”，工序按機器人可穩定執行的能力重新切分，物料路徑從硬約束變成軟體配置的排程變數。

把工藝設計推到極致，會得到一張技能表。所有制造操作最終是十幾種通用技能的排列組合。拉格朗日把技能做成矩陣，橫軸是“機器人實現難度”，縱軸是“在汽車裝配中的使用佔比”，開發順序從右下角往左上角推：先做頻次最高、難度最低的。最基礎的拿取、簡單放置、搬運之後，擰緊（打螺絲） 是最高優先順序，僅這一項就佔汽車裝配工序的70%以上，且動作邏輯高度一致、泛化性強。再往後是卡接（精度5毫米內）、接插（線束兩端都是活的）、密封條按壓（純手感操作，是現階段技術天花板）。

這張矩陣把模糊的行業方向變成可排期的工程計劃。這次進工廠只做三件事：抓取、放置、搬運；年底驗證精度放置；明年上半年引入擰緊操作。這是可對照檢驗的時間線。工藝解決精度的實證案例：全景天窗安裝的產品設計精度要求0.15毫米，機器人累積精度僅0.25毫米，純靠堆精度是死路，但靠工藝方案，拉格朗日核心團隊此前打造出全球首套不停線安裝全景天窗的方案，已在極氪工廠穩定執行超兩年。內部測試中，搬運場景人效從約40%提升到70%—80%，整體系統效率接近翻倍。當前節奏是完成長穩除錯後再逐步長期部署。

成立不到一年的拉格朗日，核心團隊幾乎湊齊了具身智慧落地最難湊齊的拼圖：CEO李撼碑有半導體與汽車產業鏈背景；CTO趙立晨橫跨商湯、華為，做過3D視覺、多模態和千億引數大模型訓練；聯創張明明是國內最早做仿生四足機器狗與人形機器人研究的人之一，在阿里雲帶過具身團隊；工業落地負責人徐俊是整車廠總裝線出身，參與過優必選、帕西尼、宇樹等公司的進廠POC。四人分工對應產業資源與產品理解、模型與架構、具身本體、工廠交付與工藝四種能力，多數創業公司只佔其一，四者兼備的很少。技術側累計落地超1000台機器人；產業側有整車、三電、半導體背景，曾把業務做到數百億規模、參與十餘家汽車工廠設計建設。

公司取名“拉格朗日”，源自日地、地月引力系統中的穩定點，小型飛船可在那裡以極低能耗長時間保持位置，指向一種長時間、不折騰的系統能力。當Figure在寶馬斯帕坦堡裝填9萬件鈑金、Physical Intelligence把π模型迭代到π0.7仍堅持不造本體、輝達把GR00T系列推向GR00T N2世界動作模型時，行業敘事仍集中在模型更強、本體更靈巧。拉格朗日賭的是一條被低估的路徑：讓機器人真正把活幹完。這個夏天，Agent炙手可熱，拉格朗日選擇用真實工廠中的任務閉環檢驗Agent究竟是新名詞還是新生產系統。懸念在於：當技能泛化、模型端到端控制一切時，系統層和工序重構的價值邊界在哪？具身智慧最缺的或許正是一個穩定點——不是更聰明的機器人，而是一套能讓人放心把活交給它的系統。真實場景的連續執行資料將逐步給出答案。