我最近看到一句话，觉得特别有意思：“具身智能落地的第一步，是‘没有智能’也能创造价值。”
说这句话的，是睿尔曼智能创始人、CEO郑随兵。
现在具身智能行业最热闹的，是讨论机器人什么时候能变聪明。一个默认的前提是：机器人要先实现高度自主，才能真正走向商业化。
但睿尔曼并不迷信这个说法。实际上，机器人的“大脑”直到今天也没有迎来所谓的GPT时刻，可行业不能停下来等。
机器人暂时不够聪明，就不能干活了吗？具身智能的发展，只能等“大脑”先成熟吗？
对企业来说，答案其实很现实：只要你能解决真实存在的问题，客户就有理由付钱。
所以我也认为，要判断具身智能公司有没有商业价值，不一定要从“大脑有多聪明”开始，可以先看它能干多少活儿。像人一样聪明当然是终点，但企业不能一直等着终点到来。
最近，睿尔曼启动上市辅导。此前，公司完成近5亿元C轮融资。数据显示，睿尔曼去年净利润达到数千万元。当不少同行仍靠融资支撑研发时，睿尔曼已经能靠产品养活自己。
所以睿尔曼真正值得关注的是，它找到了一条清晰的商业化道路：用硬件进入场景，让机器人先把活干起来，再从真实工作中积累数据，提高自主操作能力。
整个逻辑都围绕三个字：真干活。
01 真干活，先要有一副经得起用的身体
睿尔曼给自己的最新定位是“具身智能系统级基础设施平台”。
这个说法拆开看并不复杂。睿尔曼的业务由硬件、数据和GLN全球劳动力网络组成。硬件是现在的收入根基，数据是机器人变聪明的养料，GLN则试图把人、机器人和真实任务连接起来。
让睿尔曼最先在行业里站稳脚跟的，是关节模组、超轻量机械臂这些硬件。因为机器人一旦进入作业现场，首先经受考验的往往是身体。
机械臂能不能连续运转？关节会不会过热？抓取精度是否稳定？这些问题到了客户现场，一个都绕不过去。
这也是睿尔曼的看家本领。
关节决定着机器人的力量、重量、精度和能耗。关节太重，整机就会臃肿；扭矩不够，很多工作干不了；成本太高，客户很难批量采购。
郑随兵一直认为，机械臂应该像人的胳膊一样轻巧。所以睿尔曼选择自研关键模组和控制系统。
数据显示，其关节模组在相同体积下，扭矩可以提高35%至55%；在相同扭矩下，体积可以缩小约一半。
关节更加紧凑，机械臂也更轻，整机厂就有更多空间安排电池和传感器，机器人也更容易进入狭窄环境。核心部件掌握在自己手里，睿尔曼也更容易控制成本和迭代节奏。
我觉得，睿尔曼对行业的帮助是，它把整机公司需要反复研发的一部分底层硬件，做成了可以直接采购、集成和二次开发的标准化产品。
很多机器人创业公司想解决的是工业或者家庭服务问题，没有必要从一颗电机、一套驱动器开始重新造轮子。谁能提供一双可靠、轻便、容易开发的机械臂，本身就有很高的价值。
目前，睿尔曼的客户已超过8000家，覆盖全球100多个国家和地区，包括高校、科研机构、工业企业、医疗设备厂商和具身智能整机公司。其中，银河通用、智元机器人等头部具身智能企业是其重要客户。
这说明，睿尔曼不只是在做自己的机器人，也在给头部整机企业提供“胳膊和关节”。
在产能端，睿尔曼常州工厂的关节模组年产能已经超过50万套，并计划将年产能进一步提升至百万套。
睿尔曼的逻辑很现实：先把关节和机械臂卖出去，让更多机器人获得一副能干活的身体。硬件带来收入，进入现场的机器人再产生数据。
02 机器人不够聪明，那就先让人带着它干
在今年的WAIC现场，睿尔曼继续围绕真实作业场景完善产品线，发布了RealBot-S2和RealBot-L2两款轮式人形机器人。
这两款产品有个很鲜明的思路：机器人的形态跟着工作场景走。
RealBot-S2是“折叠型”。它支持90度横向移动，最小转弯半径为413毫米，腿部折叠后可以下蹲，拾取靠近地面的物品。它解决的是机器人在狭窄空间里怎么转身、怎么够到低处的问题。
RealBot-L2是“升降型”。它的垂直作业范围可以达到2.1米，升降机构承载不低于60公斤，单臂负载9公斤、双臂负载超过15公斤，面向高位仓储和工业分拣等任务。
一个向下够，一个向上抬。新产品没有把重点放在走得多像人，而是拓展机器人在真实环境中的作业范围。这一点很睿尔曼：先问客户现场缺什么，再决定机器人长什么样。
我在现场还看到了一次GLN演示：机器人跨城倒茶。北京的技术人员控制上海现场的一台机器人，完成温杯、投茶、注水和出汤。
我当时最直接的感受是：机器人可以成为人的“硅基分身”。
有人认为，背后既然还有人操控，这就不能算真正的智能机器人。但这个观点看重的是机器人有多自主，却忽略了客户为什么使用机器人。
如果一个工人不用进入高辐射、高污染或其他危险环境，只需要在安全的地方控制机器人，这个价值已经成立了。客户买的不是一张“自主程度”成绩单，而是机器人能否安全地把任务完成。
睿尔曼与南方电网联合展示的高压开关柜远程操作，就是一个很有说服力的例子。演示中，机器人完成开关柜操作，工作人员留在安全区域远程控制。对于电力作业来说，价值不在于机器人看起来有多聪明，而在于远程操作可以把人和高压作业风险隔开。
据郑随兵介绍，睿尔曼正在牵头一项国家养老机器人重点专项，探索机器人在养老机构内的自主操作与远程服务。养老院其实也很适合这种模式：机器人先承担部分工作，复杂情况由远端人员接管，更符合现阶段的技术水平。
这就是GLN的出发点。平台一端接入真实任务，另一端连接远程操作员。客户买的，不一定是某一台机器人，而是一个确定的结果：把活干完。GLN想做的，是让劳动能力跨越地理位置流动。
人工远程操作让机器人先有活干，干活产生数据，数据再帮助机器人提高自主程度。这也是睿尔曼建设真实场景数据中心的原因。郑随兵曾透露，公司2025年用于模型训练的数据成本约1000万元，年度算力投入不超过5000万元。
这组数字说明，睿尔曼没有把筹码全压在算力上。它更看重机器人进入现场后产生的真实数据。
具身智能不必等到全自动那一天才开始创造价值。
03 从番茄采摘开始，郑随兵就在盯着“干活”
一家公司的产品路线，往往带着创始人的性格。
大约16年前，郑随兵做的第一台机器人，是番茄采摘机器人。这个起点很能说明问题：他从一开始面对的，就是机器人能不能在真实环境中完成工作。
郑随兵毕业于北航机器人研究所，是国内较早研究协作机械臂的一批从业者。2018年创办睿尔曼时，团队曾挤在一间约60平方米的民居里办公。房间里没有空调，夏天就在电脑下面绑冷冻矿泉水降温。
这类经历更像是硬件研发的日常。当时，国内谐波减速器等机器人核心部件仍较依赖进口，团队只能从零开始，一点点尝试自研。材料、结构、控制、散热和可靠性，也都要靠反复测试。也正因此，第一代超轻量机械臂，团队一做就是3年多。
郑随兵在多次采访中反复讲“用得起、用得好、真干活”，也表达过不愿靠讲故事推动企业发展的态度。这很像硬件工程师的思维：一次漂亮的演示可以吸引注意力，但只有持续稳定地完成任务才能换来订单。
回过头看，睿尔曼的内在逻辑一直没有变。硬件保证机器人可以下场干活；GLN让它在不够聪明的时候也能工作；真实作业数据再帮助它接管更多任务。
所有事情都从工作中来，最后也要回到工作中去。
不过，睿尔曼启动上市辅导之后，“真干活”会迎来更严格的检验。从50万套走向百万套的产能规划，需要足够多的真实订单消化。GLN也要先在高危、偏远、脏污和劳动力短缺的场景里，把成本和人效算明白。
数据能否成为业务，不能只看采集规模。不同设备、不同场景产生的数据能否复用，遥操作数据能否真正提高模型的泛化能力，都要靠实际任务成功率来回答。
这些问题在上市辅导之后，都会被更严格地摆到台面上。但我仍然看好睿尔曼走的这条路。原因很简单：它没有假设机器人已经足够聪明，而是在技术还不完美的时候，用硬件、遥操作和真实数据寻找一条可以滚动发展的路。它先解决一个具体任务，再积累下一步所需的能力。
评价一家机器人公司，也许不该先看它走得多像人、说得多像人。要看它能不能像一个真正的劳动者：到岗，开工，把活干完。
原文标题 : 睿尔曼启动上市辅导：如何理解“让机器人真干活”？
我最近看到一句话，觉得特别有意思：“具身智能落地的第一步，是‘没有智能’也能创造价值。”
说这句话的，是睿尔曼智能创始人、CEO郑随兵。
现在具身智能行业最热闹的，是讨论机器人什么时候能变聪明。一个默认的前提是：机器人要先实现高度自主，才能真正走向商业化。
但睿尔曼并不迷信这个说法。实际上，机器人的“大脑”直到今天也没有迎来所谓的GPT时刻，可行业不能停下来等。
机器人暂时不够聪明，就不能干活了吗？具身智能的发展，只能等“大脑”先成熟吗？
对企业来说，答案其实很现实：只要你能解决真实存在的问题，客户就有理由付钱。
所以我也认为，要判断具身智能公司有没有商业价值，不一定要从“大脑有多聪明”开始，可以先看它能干多少活儿。像人一样聪明当然是终点，但企业不能一直等着终点到来。
最近，睿尔曼启动上市辅导。此前，公司完成近5亿元C轮融资。数据显示，睿尔曼去年净利润达到数千万元。当不少同行仍靠融资支撑研发时，睿尔曼已经能靠产品养活自己。
所以睿尔曼真正值得关注的是，它找到了一条清晰的商业化道路：用硬件进入场景，让机器人先把活干起来，再从真实工作中积累数据，提高自主操作能力。
整个逻辑都围绕三个字：真干活。
01 真干活，先要有一副经得起用的身体
睿尔曼给自己的最新定位是“具身智能系统级基础设施平台”。
这个说法拆开看并不复杂。睿尔曼的业务由硬件、数据和GLN全球劳动力网络组成。硬件是现在的收入根基，数据是机器人变聪明的养料，GLN则试图把人、机器人和真实任务连接起来。
让睿尔曼最先在行业里站稳脚跟的，是关节模组、超轻量机械臂这些硬件。因为机器人一旦进入作业现场，首先经受考验的往往是身体。
机械臂能不能连续运转？关节会不会过热？抓取精度是否稳定？这些问题到了客户现场，一个都绕不过去。
这也是睿尔曼的看家本领。
关节决定着机器人的力量、重量、精度和能耗。关节太重，整机就会臃肿；扭矩不够，很多工作干不了；成本太高，客户很难批量采购。
郑随兵一直认为，机械臂应该像人的胳膊一样轻巧。所以睿尔曼选择自研关键模组和控制系统。
数据显示，其关节模组在相同体积下，扭矩可以提高35%至55%；在相同扭矩下，体积可以缩小约一半。
关节更加紧凑，机械臂也更轻，整机厂就有更多空间安排电池和传感器，机器人也更容易进入狭窄环境。核心部件掌握在自己手里，睿尔曼也更容易控制成本和迭代节奏。
我觉得，睿尔曼对行业的帮助是，它把整机公司需要反复研发的一部分底层硬件，做成了可以直接采购、集成和二次开发的标准化产品。
很多机器人创业公司想解决的是工业或者家庭服务问题，没有必要从一颗电机、一套驱动器开始重新造轮子。谁能提供一双可靠、轻便、容易开发的机械臂，本身就有很高的价值。
目前，睿尔曼的客户已超过8000家，覆盖全球100多个国家和地区，包括高校、科研机构、工业企业、医疗设备厂商和具身智能整机公司。其中，银河通用、智元机器人等头部具身智能企业是其重要客户。
这说明，睿尔曼不只是在做自己的机器人，也在给头部整机企业提供“胳膊和关节”。
在产能端，睿尔曼常州工厂的关节模组年产能已经超过50万套，并计划将年产能进一步提升至百万套。
睿尔曼的逻辑很现实：先把关节和机械臂卖出去，让更多机器人获得一副能干活的身体。硬件带来收入，进入现场的机器人再产生数据。
02 机器人不够聪明，那就先让人带着它干
在今年的WAIC现场，睿尔曼继续围绕真实作业场景完善产品线，发布了RealBot-S2和RealBot-L2两款轮式人形机器人。
这两款产品有个很鲜明的思路：机器人的形态跟着工作场景走。
RealBot-S2是“折叠型”。它支持90度横向移动，最小转弯半径为413毫米，腿部折叠后可以下蹲，拾取靠近地面的物品。它解决的是机器人在狭窄空间里怎么转身、怎么够到低处的问题。
RealBot-L2是“升降型”。它的垂直作业范围可以达到2.1米，升降机构承载不低于60公斤，单臂负载9公斤、双臂负载超过15公斤，面向高位仓储和工业分拣等任务。
一个向下够，一个向上抬。新产品没有把重点放在走得多像人，而是拓展机器人在真实环境中的作业范围。这一点很睿尔曼：先问客户现场缺什么，再决定机器人长什么样。
我在现场还看到了一次GLN演示：机器人跨城倒茶。北京的技术人员控制上海现场的一台机器人，完成温杯、投茶、注水和出汤。
我当时最直接的感受是：机器人可以成为人的“硅基分身”。
有人认为，背后既然还有人操控，这就不能算真正的智能机器人。但这个观点看重的是机器人有多自主，却忽略了客户为什么使用机器人。
如果一个工人不用进入高辐射、高污染或其他危险环境，只需要在安全的地方控制机器人，这个价值已经成立了。客户买的不是一张“自主程度”成绩单，而是机器人能否安全地把任务完成。
睿尔曼与南方电网联合展示的高压开关柜远程操作，就是一个很有说服力的例子。演示中，机器人完成开关柜操作，工作人员留在安全区域远程控制。对于电力作业来说，价值不在于机器人看起来有多聪明，而在于远程操作可以把人和高压作业风险隔开。
据郑随兵介绍，睿尔曼正在牵头一项国家养老机器人重点专项，探索机器人在养老机构内的自主操作与远程服务。养老院其实也很适合这种模式：机器人先承担部分工作，复杂情况由远端人员接管，更符合现阶段的技术水平。
这就是GLN的出发点。平台一端接入真实任务，另一端连接远程操作员。客户买的，不一定是某一台机器人，而是一个确定的结果：把活干完。GLN想做的，是让劳动能力跨越地理位置流动。
人工远程操作让机器人先有活干，干活产生数据，数据再帮助机器人提高自主程度。这也是睿尔曼建设真实场景数据中心的原因。郑随兵曾透露，公司2025年用于模型训练的数据成本约1000万元，年度算力投入不超过5000万元。
这组数字说明，睿尔曼没有把筹码全压在算力上。它更看重机器人进入现场后产生的真实数据。
具身智能不必等到全自动那一天才开始创造价值。
03 从番茄采摘开始，郑随兵就在盯着“干活”
一家公司的产品路线，往往带着创始人的性格。
大约16年前，郑随兵做的第一台机器人，是番茄采摘机器人。这个起点很能说明问题：他从一开始面对的，就是机器人能不能在真实环境中完成工作。
郑随兵毕业于北航机器人研究所，是国内较早研究协作机械臂的一批从业者。2018年创办睿尔曼时，团队曾挤在一间约60平方米的民居里办公。房间里没有空调，夏天就在电脑下面绑冷冻矿泉水降温。
这类经历更像是硬件研发的日常。当时，国内谐波减速器等机器人核心部件仍较依赖进口，团队只能从零开始，一点点尝试自研。材料、结构、控制、散热和可靠性，也都要靠反复测试。也正因此，第一代超轻量机械臂，团队一做就是3年多。
郑随兵在多次采访中反复讲“用得起、用得好、真干活”，也表达过不愿靠讲故事推动企业发展的态度。这很像硬件工程师的思维：一次漂亮的演示可以吸引注意力，但只有持续稳定地完成任务才能换来订单。
回过头看，睿尔曼的内在逻辑一直没有变。硬件保证机器人可以下场干活；GLN让它在不够聪明的时候也能工作；真实作业数据再帮助它接管更多任务。
所有事情都从工作中来，最后也要回到工作中去。
不过，睿尔曼启动上市辅导之后，“真干活”会迎来更严格的检验。从50万套走向百万套的产能规划，需要足够多的真实订单消化。GLN也要先在高危、偏远、脏污和劳动力短缺的场景里，把成本和人效算明白。
数据能否成为业务，不能只看采集规模。不同设备、不同场景产生的数据能否复用，遥操作数据能否真正提高模型的泛化能力，都要靠实际任务成功率来回答。
这些问题在上市辅导之后，都会被更严格地摆到台面上。但我仍然看好睿尔曼走的这条路。原因很简单：它没有假设机器人已经足够聪明，而是在技术还不完美的时候，用硬件、遥操作和真实数据寻找一条可以滚动发展的路。它先解决一个具体任务，再积累下一步所需的能力。
评价一家机器人公司，也许不该先看它走得多像人、说得多像人。要看它能不能像一个真正的劳动者：到岗，开工，把活干完。
原文标题 : 睿尔曼启动上市辅导：如何理解“让机器人真干活”？
