8月27日，慧靈科技通過高工機器人平臺舉行線上發布會，正式發布60個垂直場景模型，覆蓋智慧實驗、新零售、教育、智能制造等多個領域，并系統呈現基于“垂直場景模型 + HITBOT OS + 模塊化硬件”的分布式物理AI技術架構。
【資料圖】
在通用物理AI和人形機器人持續受到關注的當下，慧靈選擇從具體產業場景切入。其核心判斷是：不同物理場景擁有不同的行業知識、流程規則和設備能力，AI真正進入產業現場，不只是要理解信息，更要理解任務，并進一步組織設備完成執行。
60個場景模型 讓AI真正“懂行”
此次發布的60個垂直場景模型，并不是將同一個模型復制到不同場景，而是針對具體產業任務形成的場景化能力。
在智慧實驗室，模型需要理解實驗目標、步驟和工藝參數；在新零售，則需要理解消費者需求，并進一步轉化為配方和制作工藝；在智能制造，需要結合產品規格、質量要求與生產節拍生成任務流程。
慧靈將這種能力定義為“場景大腦”：它不僅回答“是什么”，還需要理解“為什么做”“應該怎么做”，并將自然語言需求轉化為結構化任務流。
從“大腦”到“小腦” AI如何真正驅動設備
在大腦理解需求之后，還需要解決從智能決策到物理執行的問題。
在慧靈的技術體系中，場景模型負責理解和決策，HITBOT OS負責設備連接、任務拆解、流程編排和調度執行，模塊化硬件則完成最終的物理操作。
以智慧實驗室為例，一旦實驗需求進入系統后，場景模型首先補齊實驗條件并生成實驗任務；隨后HITBOT OS根據任務匹配設備、構建設備關系、拆解動作、組織工藝流程并完成排程，最終形成設備可以真正執行的實驗流程。
目前，HITBOT OS已連接數百種通用及專業設備，并兼容多種工業通信協議，承擔連接AI模型與真實設備的“工業小腦”作用。
三個真實場景 驗證同一條落地路徑
除了智慧實驗室，發布會還展示了新零售與智能制造場景。
在新零售中，系統可以理解“比上次更清爽一點”這類自然語言需求，結合歷史訂單、飲品類型和硬件能力，生成對應配方與制作流程。
在智能制造中，針對小批量、多品類頻繁切換的生產需求，系統結合產品規格、工藝要求、質量標準與設備能力，重新生成適配當前任務的生產流程。
場景雖然不同，但背后的路徑一致：從理解需求、生成流程，到設備協同和真實執行，讓AI真正進入產業現場。
從“通用”之外，尋找物理AI的產業答案
慧靈科技CTO廖澤立在發布會中表示，物理智能未來并不意味著所有工作都由一種通用機器人完成。面對專業性、重復性、精細化和力量型任務，通用硬件與專用設備仍將長期并存，并形成新的協作方式。
基于這一判斷，慧靈提出“分布式物理AI”：通過垂直場景模型與通用、專用硬件的合理組合，讓不同物理場景以更高效率進入智能化執行階段。
從“理解信息”到“理解任務”，從“生成答案”到“物理執行”，60個垂直場景模型的發布，也進一步呈現了慧靈對于具身智能產業落地路徑的判斷：智能最終要回到場景，并在真實任務中完成執行。