狂奔的具身賽道里，瑞為技術的機器人已經在機場搬行李

瑞為不再只是一家視覺智能公司。

當機器人在各種賽道狂奔時，一家具身智能公司走出了一條屬于自己的賽道，從視覺智能演進到具身智能領域。

4月29日，在第三屆中國具身智能與人形機器人產業大會現場，瑞為技術就具身智能場景化落地破局發表了主題演講。

這家在AI領域深耕14年的企業，正式對外釋放了一個信號：會看懂世界的機器，現在要開始動手干活了。在所有人都在講通用、講規模的賽道里，它要做落地干實事的玩家。

從視覺AI，到具身智能

2012年，瑞為技術成立。至今，它已經完整經歷了兩個截然不同的AI時代。

AI1.0時代，技術的核心命題是感知：如何讓機器“看懂”圖像、識別物體和理解場景。這是深度學習大規模落地的黃金十年，也是視覺AI公司跑馬圈地的狂熱十年。

十年間，視覺AI賽道經歷了一輪殘酷的出清。頂峰時期，國內掛著“AI視覺”標簽的公司數以千計，資本瘋狂涌入，估值泡沫快速堆積。隨后是漫長的擠水分：融資環境收緊、商業化遲遲跑不通、同質化競爭壓垮利潤，2019年前后，大批玩家相繼陷入困境，曾經的獨角獸折價出售乃至停擺，已不再是新鮮事。

過去的視覺AI領域，安防和金融是行業最密集的兩個賽場。相比之下，瑞為反而聚焦在并不算顯眼的場景中：以民航機場為核心的旅客通行、以購物中心為主的商業地產及面向貨運商用車的輔助安全駕駛。

從外部視角來看，這是一種有些克制的決策。但也正因如此，讓瑞為在一個淘汰率極高的行業里，成為少數從小模型時代一路活到大模型時代、且仍處于行業頭部位置的視覺AI公司。

聚焦的收益，是護城河越做越深。根據弗若斯特沙利文的數據，按2024年收入計，瑞為在中國民航企業視覺智能產品市場排名第一，市場份額達8.9%；產品已覆蓋國內三分之一的民用機場，在千萬級以上的大型樞紐機場中，覆蓋比例更高達三分之二。這背后沉淀的，是數以億計的場景專屬訓練、對民航各業務環節的深度理解，以及與機場運營方建立起來的長期客戶關系。

而AI 2.0時代，技術的命題變了。大模型帶來的不只是感知能力的提升，更是從理解到行動的延伸。這個技術拐點，對瑞為而言，正是向前一步的時機。

瑞為技術創始人兼董事長詹東暉樂見這種轉變：“過去這12年，我們一直在做眼睛——通過視覺來感知和理解物理世界。但現在我們開始往前走，往大腦和手的方向走。在理解世界的基礎上，開始去做一些決策，做一些執行，幫人把事情做完?！?/p>

這也意味著，瑞為不再只是一家視覺智能公司。它正在將技術重心從感知與認知，向決策與執行延伸，形成從“眼睛”到“大腦”，再到”四肢”的完整閉環。并在產品定位上，向面向商業場景、執行復雜操作的具身智能產品提供商遷移。這是瑞為的新標簽，更是它在具身智能這條熱門賽道里，選擇的具象賽道。

嘈雜賽道下，真正的護城河

具身智能目前最主流的敘事是通用性。誰的機器人能適應更多場景，誰的故事就更性感，誰的估值空間也就更大。這套邏輯下，專注垂直場景的公司似乎天然處于敘事的弱勢位置。

詹東暉認為，通用能力是平臺型公司的舞臺，它需要的是規模、是生態、是先發的數據網絡效應。但垂直場景的壁壘，從來不靠堆參數建立。它來自特定場景，來自對客戶業務流程的深度理解，來自無數次與客戶共同解決問題之后沉淀下來的know-how，這無法靠單純堆積算力來實現。

在技術維度，瑞為搭建起一套由三層架構組成的競爭力矩陣。

第一層是感知底座。這是14年視覺算法積累的直接轉化：物體識別、空間理解、姿態估計、非結構化環境下的實時感知。

第二層是決策層，以VLA（視覺 - 語言 - 動作）大模型為核心自研方向。瑞為正在構建面向垂直場景的VLA模型，將視覺感知、自然語言理解與機器人動作規劃，統一在一個端到端框架內。讓機器人成為理解場景語義、根據上下文做出判斷并生成相應動作序列的智能體。相較于通用VLA模型，瑞為進一步引入了力感和觸覺，使得機器人的行為決策，更接近于人的多維信息統一決策機制，瑞為將此創新命名為VTFLA。

第三層是執行層，即自研執行組件對“手”和“身體”能力的補足。感知和決策再強，最終都要落到物理動作的完成質量上。瑞為在執行側的自研投入，解決的是機器人在非結構化環境里的可靠操作問題，即抓取策略、力度控制、末端執行器對不同物體形態的適配。這是一道極高的工程門檻，也是從演示到量產部署之間最難跨越的鴻溝。

在具身智能商業化路徑的判斷上，詹東暉認為，復雜非結構化的專用場景，將先于通用場景實現商業化跑通。

通用機器人面對的是技術和成本的雙重約束。既要具備足夠的泛化能力，又要把單機成本壓到企業客戶可接受的采購門檻之下，兩個條件同時滿足在當前階段仍需時間。相比之下，深度適配單一場景的專用機器人，可以在技術上針對已知約束充分優化，在成本結構上更具商業可行性。

被低估的硬骨頭

民航，是瑞為切入具身智能的第一個落點，也是積累最深的一塊地基。瑞為找到的第一個落地場景：行李轉運。

行李轉運一直是民航業人力成本最為集中的環節之一，招工難、流失快、人工效率受天氣和班次影響波動大，是困擾機場多年的難題。

把這個場景真正做好，遠比看起來難得多。詹東暉表示，行李轉運區是一個高度非結構化的作業環境，幾乎集中了機器人部署最不利的條件。

首先是物體形態的極度多樣性：旅客托運行李沒有標準化，拉桿箱、帆布軟包、紙箱、超尺寸異形件往往同批次混雜出現，機器人面對的每一件行李都是全新的抓取挑戰，要在哪處抓取，采用怎樣的力道來確保行李穩固、無破損，以及最終還要找到堆垛的最佳位置。

其次是空間本身的不規則性：航站樓地下的轉運區域并非為機器人設計，走道寬窄不一，設備與設備之間的縫隙緊促，機器人的運動路徑需要實時規劃。

最后，也是最關鍵的一點，是高密度的人機協作需求：在民航運營體系里中，行李的準確率和時效性直接關系到航班準點率、旅客滿意度。為將不同規格的行李，在短時間內完成航班行李的全部轉運，人機共同作業是目前最佳處理方式，但并行作業就意味著在近距離內雙方將產生高頻率的空間交錯，任何感知或決策的延遲，都可能造成安全風險。

這正是通用機器人目前無法在此跑起來的原因。通用機器人泛化能力強，意味著在多種場景都“能用”；但“能用”和在嚴苛生產環境里的穩定可用，是兩個截然不同的標準。與此同時，通用機器人當前的成本結構，也決定了它暫時無法在這類勞動替代場景里跑出可接受的ROI。

瑞為的答案，是研發一款專為機場行李轉運場景設計的智能機器人。在2025年國際機場博覽會上，在模擬的航站樓轉運區內，曉蟻行李轉運機器人將一件件形態各異的行李，從分揀系統末端平穩轉運至下游行李拖車，并高效完成了碼垛，打通了民航體系中智能化程度最薄弱環節之一。

其中核心設計之一，是行業首創的人機協同作業模式。它在充分與客戶溝通的前提下，通過工程化設計實現機器人與人工的無縫協同，讓人員能夠安全、自然地與機器并肩作業。機器人負責高頻率、重體力的搬運和碼垛，人工在機器人能力邊界之外介入和補位，雙方各司其職，整體效率遠超純人工作業。

詹東暉表示，在機場項目實測中，曉蟻行李轉運機器人已能顯著降低對人力數量的依賴，以及減輕人工勞動負荷，與此同時，提升30%系統吞吐量，行李破損率降至0.12%，這也將成為機場運營方采購的驅動力之一。

目前，瑞為已正在多個機場開展實測，計劃將于今年下半年正式商業化落地。在國內市場擴張的同時，瑞為也將擁有類似行李處理痛點的東南亞和中東民航市場，納入了出海視野。

在這個狂奔的具身智能賽道，瑞為選擇的是一條更具象的路：把一件難做的事做好，讓客戶在實際業務場景里看到可量化的價值。

如果要為瑞為在當下具身智能產業版圖里找一個坐標，它既不是通用機器人公司，也不是傳統意義上的視覺AI公司，而是一家專注處理復雜場景、復雜動作的具身智能產品提供商。

機器人賽道的熱潮終究會消退，但在苛刻場景里驗證過的產品不會。在喧囂聲中，堅持做窄、做深，是一種需要定力的選擇。但正是這種選擇，讓瑞為在具身智能最嘈雜的熱潮里，擁有了一個真正稀缺的生態位，成為一家讓人期待的具身智能公司。