杭叉发布LogiMind具身大模型 首席科学家详解无人叉车突破2%渗透率瓶颈

2025年7月22日，在杭叉集团（603298.SH）首届AI DAY科技日上，这家拥有七十年厚重历史的工业车辆行业领军者，终于亮出了自己的战略底牌——正式发布其自主研发的LogiMind具身大模型，以及覆盖全系列的叉车机器人产品线。

杭叉集团首届AI DAY科技日现场 黄鑫磊/摄

在本次发布会上，杭叉集团首席科学家、具身智能研究院院长陶熠昆抛出了一个颇具颠覆性的观点。在他看来，传统上“先有场景，再找模型，再采集数据”的认知顺序，可能完全搞反了。模型理应为场景服务，数据则为模型服务，但很多情况下你需要换个角度思考——哪些行业的数据更容易获取，其实并不以某个企业的意志为转移，背后有着科技发展的客观规律在起作用。

在这一点上，乘用车与叉车具有高度相似性。它们天然拥有大量存量载体，这些载体本身自带传感器，相当于行走的数据采集终端。换句话说，叉车比乘用车更符合“先有载体、再有数据、再有智能”这一发展逻辑。

对标自动驾驶技术，破解无人叉车三十年困局

无人叉车这一概念并不陌生。陶熠昆在演讲中回顾，早在90年代，国内企业就开始尝试利用国外控制器实现无人化运作，但三十年下来，行业渗透率始终徘徊在2%左右。据行业联盟统计，2025年国内人工叉车销量约150万台，而智能叉车连3万台都未达到。

问题究竟出在哪里？很多人第一反应是“成本太高”。但陶熠昆直接否定了这一观点：“无人叉车从最初的100万售价，降到如今低于10万甚至低于5万，成本根本不是核心障碍。”

他给出了两个真正的原因。第一，无人叉车并非“开箱即用”的产品。到达现场后，需要经过专业部署：构建地图、改造现场环境、绘制路线、标定成千上万个货位的三维坐标……整个过程往往以月为计算单位。第二，客户原本只是想替代一名叉车工，结果却发现必须同步上线WMS、WCS、RCS系统，配备专业运维团队，还得改造库位传感器和信号系统。决策的复杂度和成本，被极大推高了。

那么，破局的方向在哪里？陶熠昆将目光投向了自动驾驶技术。他梳理了自动驾驶发展的四个阶段：萌芽期，大家普遍认为市场巨大，但技术尚不成熟；2020年前，特斯拉在高速公路上实现了有限的自动驾驶；第三阶段，国内车企后来居上，将自动驾驶普及到10万元级别车型；如今，则处于渗透率爆发期。

真正的关键转折发生在第二阶段。当时自动驾驶高度依赖高精地图，车道线经纬度精确到厘米级，连分叉角度都有矢量化数据输入控制器。车辆本身缺乏足够的认知能力，完全依赖外部视角。行业甚至提出车路协同方案来辅助，最终因成本过高而难以落地。这与当前无人叉车高度依赖现场精确标定、依赖外部信息系统的困境，几乎如出一辙。

直至2024年特斯拉AI Day发布了BEV（鸟瞰视角感知）模型，整个局面才被彻底打破。从依赖高精地图转向重感知、轻地图，像人一样通过AI理解路面、车道线、红绿灯等实时信息。国内车企跟进后，数据飞轮一旦转动，渗透率便开始爆发式增长。很难再找到一个更贴切的例子，来描述一个行业曾遇到的困境及其突破方式。

数据飞轮叠加安全冗余，破解落地“不可能三角”

杭叉集团推出的LogiMind，正是专注于精细感知与复杂作业的垂直领域具身大模型。

在技术层面，陶熠昆披露了两个核心能力。一是自研的SRN结构化解构网络。自动驾驶的感知精度通常只有10到30公分，自动泊车也只需5公分，但叉车取放货需要达到5到10毫米级的精度。传统方法依靠测量和点云处理可以做到，但泛化能力非常弱，一旦遇到不同形状的托盘、遮挡或干扰，就容易失效。SRN网络通过多次迭代学习物体残差，实现了真正的3D毫米级感知，并具备极强的泛化能力。

二是对大型货架的结构化拆解能力。传统的AGV只知道预设的三维坐标，却不清楚那是一个货架，不知道有几层、层高多少、立柱在哪、空位在哪。LogiMind通过局部场景拼接、非重复扫描积分和纹理特征投影，让每个点云和体素都“关注”自己处于整体结构的哪个部位。这从根本上改变了AGV的作业与思考模式。

杭叉集团研发的自动叉车 黄鑫磊/摄

谈到数据，陶熠昆坦言：“成本仍然是现实约束。特斯拉采集200万个小视频，成本以10亿计。但工业场景面临小批量多品类的挑战，汽车一年卖20万辆，投入10个亿做数据没问题；杭叉有成百上千款产品，不可能为每一款都采集大量数据。”

杭叉的解决方案，是通过技术手段实现跨平台的数据复用。公司设计了融合点云与视觉增强的空间表达，并利用虚拟相机、外参自适应深度估计网络和高精度实时自标定系统，让任何一款车采集的数据都能投入数据池进行统一训练，训练出的模型每辆车均可运行。

据悉，杭叉计划在2026年，于超过500个工厂构建基于3D高斯重建的真实数字孪生场景，通过仿真生成自带标注的合成数据，从而大幅降低数据采集与标注成本。

在落地策略上，陶熠昆提出了“安全—可用—易用”这一不可能三角的杭叉解法。他强调，不追求模型在初期就达到99.9%的可用性再上市。杭叉设计了三个独立回路：常规AI控制分支、基于传统方法的安全仲裁分支、以及基于人工操作经验训练的安全判断网络。三个回路通过投票机制，对控制输出进行限幅或切换。

在可用性方面，杭叉推出了“牧羊人”远程干预模式。通过实时数字孪生，后台人员在控制室里像打游戏一样，点击拖拽即可远程处理异常，或通过虚拟驾驶室身临其境地操作。

“目标不是把叉车工降到零，而是通过人机回路，将密集操作转变为稀疏操作，让一个后台人员管理多台车。如果客户的目的不是做自动化信息化，而是朴素地减少叉车工，那么减30%到60%的收益，他们是愿意买单的。”陶熠昆表示。

在演讲结尾，陶熠昆将叉车机器人在具身智能版图中的定位，形容为“桥梁”。它既是车，可以充分借鉴自动驾驶成熟的商业化范式；又面向精细感知与操作，与人形机器人、双臂操作高度类似。