杰创智能的“物理AI”解法：在“本体”之外，做具身时代的“行业大脑”

设想以下场景：工地或工厂里，固定摄像头发现有人未穿反光衣、车辆违停或陌生人闯入，平台随即将告警点位下发给附近机器狗；机器狗到场抓拍、喊话或闪灯警示，回传平台复核确认。高风险事件可联动门禁、广播、消防，必要时由机器狗或无人机携带电磁网捕器前端处置，这些智能设备接入了同一张指挥网，形成“发现—到场—研判—处置”闭环。

这不是演示视频里的未来图景，而是杰创智能（301248.SZ）物理AI系统在真实作业中的日常片段。这家2022年登陆创业板的公司，当前定位为人工智能产品和应用解决方案提供商，在聚焦AI算力底座与Token工厂服务的同时，还围绕安全领域的物理AI应用展开布局——依托多模态智能体平台，推进AI智巡机器狗、无人机和综合指挥平台协同，重点完善自主导航、多模态感知、风险研判及现场处置能力，覆盖多个复杂场景。

这个片段也折射出一个行业正在面对的真实问题：行业竞争重点已从“运动展示”转向“系统可靠性”。当发现从数字AI迈向物理AI仍存在明显门槛后，资本市场不再只为“机器人能做什么动作”定价，而是开始追问一个更实际的问题——在真实作业场景中，究竟哪一层能力最难被替代。机器人到了客户现场之后，能不能被交付、被使用、被复购。

AI智巡机器狗

此前因“智巡机器狗”“电磁网捕器”等产品被市场所熟知的杰创智能，恰好提供了这样一个观察样本。今年上半年，某券商研究所在首次覆盖报告中将杰创智能概括为从“传统智慧城市解决方案集成商”向“AI产品及应用解决方案核心提供商”的升级。

如何切入物理AI？ 卡位“行业大脑”交付

杰创智能切入物理AI赛道，选择的路径是不做本体，也不追求“一脑多形”的通用大脑，而是把能力收敛到特定行业的作业闭环上，更看重的是物理AI的“交付层”：把感知输入、风险研判和装备执行串成一条可交付的闭环。据公司11月投资者关系活动记录披露，其多模态智能体平台支持通过自然语言配置场景任务，并可联动门禁、广播、消防等系统。

例如，杰创智能掌安星AI智巡机器狗并非从零自研四足平台，而是对头部本体做统一适配，把自主研发的感知、研判、决策及执行等能力“长”上去，再以整机方案交付给客户。

具体来看，这套系统干的不是“单机巡逻”一件事，而是把无人机、固定监控和机器狗等智能化产品接入同一张指挥网后，形成“固定监控发现—机器狗或无人机到场—平台研判—人员处置”的闭环。据了解，机器狗之间、机器狗与无人机、与门禁闸机之间均可协同，平台可支持百台级设备接入；机器狗既能自主巡逻、自动回窝充电，也可远程接管、语音操控，此外，在地下管廊等断网环境中还能在边缘端独立完成巡逻识别和基础处置，出网后再回传数据。

AI智巡机器狗识别火情并上报

这一卡位有其差异化优势，依据来自产业侧：高盛在报告中明确指出，物流仓储和汽车制造将率先规模化，但机器人在高复杂度和高随机性环境中的成功率仍明显下降，真正决定商业化速度的是长期可靠性和系统交付能力，而非本体运动性能。竞争差异的并不是“机器人本体”，而是把本体接入真实作业并稳定交付的那一层能力。

一位投资机构代表直言：过去两年涌现了大批具身智能公司，但大部分“具身”而“不智能”——如果只做本体而没有“大脑”能力，采集来的数据也无法让模型变得更聪明，真正具备数据闭环能力的企业相对有限。这也把问题指向了更靠内的一层：交付能力最终取决于有没有“行业大脑”。

如何打造“行业大脑”？ 自有算力与场景数据

卡位稀缺，不等于卡位稳固。交付层能不能守住，取决于“行业大脑”能不能持续进化——这意味着要把目光从场景端移向训练端。

物理AI的现场数据天然是多模态的，可见光、红外热成像、声学、气体传感……只有把这些模态数据放进同一个表示空间，机器狗才可能同时“看懂”画面、“听懂”异响、“闻出”异常。

多模态只是入口，真正的门槛在训练端：物理AI的“大脑”要在真实作业里做对判断，背后需要持续的算力支撑和场景数据训练。在今年的世界互联网大会上，就有分析指出，物理AI的竞争焦点正从单点能力转向算力、数据与场景，“不只是模型和本体的单点竞争，更是体系能力的竞争”。

数据段的缺口更为直观。据国金证券测算，截至2026年初，全球高质量真实物理交互数据存量仅约50万小时，而训练一个通用具身模型至少需要千万小时级——存量不足需求的5%。

对应到杰创智能，其解法便是以具身安全大模型为“行业大脑”，以算力底座和AI安全装备为载体，把复杂安全场景做成可感知、可研判、可处置、可复制的闭环能力。据公司披露，其已完成全栈国产化算力底座，设计了大规模跨模态分布式训练加速技术，实现图像、文本、语音、视频等多模态数据的“统一表示”与“相互生成”。

以工业化的巡检场景为例，据了解，普通机器狗在发现电缆接头异常发热，传统方案可能只记录一张图片；而杰创智能机器狗可结合设备类型、历史温度、环境负荷和告警规则，判断是否需要立即派单检修，并联动后台生成隐患台账。

单点能力背后是场景层面的积累。据杰创智能年报披露，公司通过持续的业务拓展，已形成覆盖上百个细分场景的行业解决方案库，沉淀多模态数据资产及行业知识图谱，实现从需求痛点捕捉到业务价值闭环的全链路数字化赋能。

常青云词元(Token)工厂

支撑训练的还有算力。截至9月30日，杰创智能建成及在建智算云集群总算力超过5万P。自有算力不必与外部客户争抢训练窗口，具身安全大模型的迭代节奏可以由物理AI的业务需求来定义。

“公司将环境感知、路径规划和动态避障等技术应用于机器狗，支持自主巡逻；结合现场数据和行业规则，识别人员倒地、烟火隐患等事件，并利用自有算力开展视觉大模型训练与优化。平台支持通过自然语言配置场景任务，组织机器狗、无人机及固定监控协同，并联动门禁、广播、消防等系统，提升现场响应能力。”在近期的交流会上，公司方面的介绍进一步补充了训练与协同的细节。

实际上，行业分析已经注意到，不造机器人的数据基础设施公司正在率先获得资本定价，因为训练所需的真实交互数据无法从互联网抓取，也难以全靠仿真替代。

与这类公司相比，杰创的位置比纯数据供应商更靠前一步：有智慧城市阶段沉淀的存量数据田，有自有算力这个训练场，还有机器狗交付产生的增量数据回流。三者叠在一起，“行业大脑”的进化就有了一个不容易被复制的起点。

从更长的产业周期看，物理AI的规模化窗口正在打开，而杰创智能选择的路径，恰好卡在了关键位置。

文/黎旭

（本文不构成任何投资建议，信息披露内容以公司公告、券商报告为准。投资者据此操作，风险自担。）