若愚科技将九天引入能源运营，但安全证据如今比 AI 雄心更重要

8 月 12 日，若愚科技向多家大型能源企业展示了其九天机器人“大脑”，将其具身 AI 方案带入了机器人行业中容错率最低的市场之一。

这家深圳初创公司参加了在北京举行的 2026 能源行业技术创新与融合发展大会。中国石油、中国石化、中国海油、中国华能、华为、中国移动及其他机构的代表参加了此次活动。若愚科技创始人兼 CEO 孙腾还就如何在高危工业环境中应用具身智能发表了演讲。

此次亮相之所以重要，是因为若愚科技不再将九天定位为通用研究平台。该公司正将其定位为机器人的智能层，服务于设备巡检、燃料硬件操作，以及未来对异常状况的响应。这些工作会让每一次感知失误、规划失败和集成薄弱环节都产生现实的物理后果。

因此，核心竞争并非若愚科技与某一家更大型机器人公司之间的较量，而是自适应、模型驱动的自主能力，与能源设施内部早已受到信任的确定性自动化之间的竞争。九天承诺带来更大的灵活性，但工业采购方将要求证明，这种灵活性不会削弱安全性。

若愚科技把机器人“大脑”带到了最能严苛检验它的行业面前

北京的展示让九天更接近实际运营层面的审视，尽管这并不意味着其已与所有参会企业建立商业部署合作。

根据最初的会议报道，若愚科技在 8 月 12 日的活动上展示了九天及一套面向危险能源环境的具身智能系统。孙腾介绍了这一机器人“大脑”如何为针对特殊工况设计的机器提供智能能力。

区分参会与合作关系十分重要。华为、中国石油、中国石化、中国海油、中国华能和中国移动均参与了更大范围的会议，但公开信息并未显示所有列出的机构都已采用九天，或与若愚科技达成商业协议。

会议本身于 8 月 11 日至 8 月 13 日举行。其公开议程涵盖油气运营、电力、可再生能源、装备研发和工业数字化。活动议程还将大型国有能源集团和基础设施运营商列为预期参会者。

这一受众让若愚科技有机会接触拥有真实设施、运营数据、集成团队和采购预算的机构，同时也意味着其必须面对远高于受控演示环境的标准。

仓储机器人遇到意外出现的箱子时可以停下。但靠近燃料设备的机器人必须识别物体、理解运行状态、遵守隔离规则，并安全放置其作业硬件。看似合理的动作未必是可接受的动作。

若愚科技将九天描述为多模态机器人“大脑”。多模态意味着系统会结合多种输入类型，包括视频、音频、文本、点云和力反馈。公司表示，该软件利用这些输入来理解场景、解读指令、规划任务并生成运动轨迹。

这一结构旨在连接传统自动化通常彼此分离的三个层面：感知负责识别环境；规划负责选择行动序列；执行则将该序列转化为机器人运动。

九天也被定位为具有硬件灵活性的系统。若愚科技的公开材料介绍了一种“一脑多体”的方案，可将软件连接到不同形态的机器人上。公司提供用于进一步开发的边缘接口，并列出额定 100 TOPS 的板载计算配置。

TOPS 衡量的是每秒万亿次运算，但并不衡量机器人的实际有效性能。处理能力只能表明设备在理论上可执行多少计算，无法反映任务成功率、响应延迟、故障频率或安全恢复行为。

若愚科技尚未发布足够的独立测试数据，以回答这些能力在能源运营场景中的表现。因此，北京的亮相应被视为一次工业领域定位活动，而非其已具备大规模现场部署能力的证明。

不过，这一变化仍然具有意义。该公司将九天带到了掌控中国众多最严苛工业环境的机构面前。这些潜在买家能够检验，一个通用机器人“大脑”能否经受狭窄通道、反光设备、网络连接不稳定、危险材料和严格操作规程的考验。

当展示变成采购要求后，下一项挑战便会开始。能源企业将要求明确任务、可衡量的验收标准，以及模型软件、机器人硬件和设施控制系统之间清晰的责任划分。

能源运营商已在部署功能更聚焦的机器人

若愚科技正进入一个已经重视机器人的能源市场，但现有部署更偏向于安全边界明确、任务受限的应用。

行业并未等待通用型具身 AI。能源运营商已经在使用专用机器进行巡检、传感、监测和数据采集。

5 月，中国石油报道称，一台防爆四足机器人已在甘肃西固油库完成智能巡检部署。该机器人对罐基、泵区、边坡和沟槽进行巡检，并将数据传送至运营平台。

这项油库部署利用多个定位基站，应对金属储罐周围的信号遮挡和漂移问题。工程师还根据现场情况调整了机器人的电路、外壳密封和导航行为。

这一案例为九天设定了实际基准。这台四足机器人无需完成所有人类任务，而是需要在已知设施内通行、采集明确的信息，并在不引入新风险的前提下完成可重复的巡检。

中国石油的另一项运营中，一台智能巡检机器人已在中哈原油管道阿拉山口计量站投入常态化使用。该机器配备防爆摄像机、红外成像和可燃气体检测设备。

该机器人执行自动巡逻、采集读数、检查泄漏、生成报告，并向后端系统发送预警。其任务同样足够聚焦，使运营方能够明确规定预期行为。

这些部署从两个方面对若愚科技构成压力。

首先，九天必须提供比传统巡检系统更高的价值。自然语言指令和可适应的规划听起来颇具吸引力，但采购方会追问：哪些额外任务会因此变得更具经济性或更安全？

其次，若愚科技必须在加入模型驱动决策的同时，保持专用自动化的可靠性。如果传统机器人已能成功遵循固定路线，更高的自主性只有在能够处理有意义的变化、且不产生不可接受风险时才具备价值。

华为代表了这一竞争背景的另一部分。其能源战略强调云、边、网、数据平台和行业模型。华为的智慧油田材料描述了一种支持生产现场和站场运营的云边端架构。

华为表示，其智慧油田系统能够连接运营数据，并支持能源设施内的 AI 应用。这些数据仍属于企业自身的说法，但该架构说明了机器人供应商必须接入怎样的系统。

九天不能作为一台孤立的智能设备运行。工业机器人需要经过身份验证的设施数据访问权限、明确的权限设置、可靠通信、事件日志记录，以及人工干预路径。

中国移动及其他电信服务商则处于另一层。专用无线网络和边缘基础设施可能决定机器人能否及时接收数据，或能否在连接中断时继续安全运行。

这构成了一个拥挤的技术栈。机器人制造商控制电机、关节、传感器和防护硬件；若愚科技提供感知与规划智能；云或平台供应商管理数据服务；网络运营商提供通信；能源企业则仍对设施负责。

每一个接口都可能成为故障点，也可能成为供应商争夺控制权的商业边界。

若愚科技的机会位于刚性自动化与广泛的企业基础设施之间。如果九天能够将运营目标转化为可靠的机器人动作，它就可能成为适用于不同机器的可复用层。

这也解释了该公司为何强调跨本体部署。能源运营商使用轮式平台、四足机器人、机械臂、无人机和专用服务机器人。支持多种形态，可能降低为每一种机器重新构建智能能力的成本。

然而，共用一个“大脑”并不能消除硬件差异。跨越沟槽的四足机器人，与打开燃料盖的机械臂面临的约束并不相同。传感器、载荷、可达空间、制动行为和防护认证仍然具有本体特异性。

最终胜出的架构很可能会将共享模型与严格约束的本地控制器结合起来。模型可以理解情境并提出动作建议；经过认证的控制层则必须强制执行速度、力度、位置和紧急限制。

若愚科技如今需要证明，九天能够融入这种分层结构。能源运营商已经拥有机器人和数字平台；除非它能在不削弱运营控制的前提下扩展有用的自主能力，否则他们并不需要另一场 AI 演示。

九天的机制连接了感知、规划与运动

九天的主要技术主张是：一个模型驱动系统能够随着物理环境变化调整机器人的行动方案。

若愚科技表示，九天结合了具身感知、具身规划和具身执行。具身 AI 指的是从物理环境获取信息，并通过环境中的机器采取行动的智能系统。

公司发布的九天规格说明称，该系统支持视频、音频、文本、点云和力数据。点云是由测得的位置构成的三维集合，通常由深度摄像头或激光雷达生成。

这种输入组合能够帮助机器人回答几个不同的问题：它必须识别相关物体、估计其位置、理解操作员的目标，并确定哪些表面允许交互。

公司表示，九天能够将抽象任务分解为更小的动作，随后进一步细化顺序，并为机器人的末端执行器——例如夹爪或工具——生成运动轨迹。

这一机制针对了传统工业机器人的真实局限。许多机器只有在工程师为稳定环境预先编程路线、工装、坐标和异常处理规则后，才能可靠运行。

能源运营几乎从来都不是完全稳定的。设备位置会变化。光照会改变。户外表面会积聚灰尘或水分。工作人员和车辆会进入现场。阀门在磨损或温度变化后，运动阻力也可能不同。

能够理解这些变化的模型，有望减少编程工作量。它还可能让一台机器人承担多项相关任务，而不是反复执行单一的固定动作。

Ruoyu 的加油站案例说明了其中的难度。该公司称，其 Lanyue 01 机器人能够打开车辆加油口盖、取下油箱盖、拿取油枪、完成加油、归还油枪并关闭车辆加油口。

这一流程不只是物体识别。机器人还必须区分不同车辆设计、定位可移动部件、估算接触力、确认每一步是否完成，并在条件偏离预期时安全停止。

看似已经打开的油箱盖，可能仍有部分卡扣未脱开。油枪可能以错误角度插入。驾驶员可能靠近机器人。车辆也可能不符合训练数据的分布。

长序列会放大微小误差。如果每一步都依赖前一步产生的物理结果，一次未被察觉的失败就可能破坏后续整个计划。

力传感尤其重要。视觉或许显示夹爪已经抵达把手，而力数据则可能表明抓取失败。机器人需要同时获得这两类信号，才能继续执行。

Ruoyu 表示，Jiutian 采用闭环校正。闭环会将预期结果与新的传感器信息进行比较，再据此调整下一步动作。这不同于在不检查结果的情况下执行整套流程。

该公司还介绍了世界模型功能。世界模型会估计一次动作后环境将如何变化。例如，它可能预测机器人旋转油箱盖后，油箱盖应处于的位置。

这些能力目前仍属公司自行披露。Ruoyu 尚未发表经过同行评审的评估，涵盖多处能源站点中的任务完成率、人工干预率、异常情况和恢复能力。

现有技术规格还揭示了一项有意义的架构选择。Jiutian 可以在配备本地计算能力的边缘设备上运行，而非完全依赖远程云端。

本地处理可以降低延迟，并在网络出现问题时保留部分功能。它也有助于加强对敏感设施数据的控制。

不过，边缘部署也带来了自身限制。模型必须适应可用的内存和计算能力。热限制、功耗、软件更新和网络安全都会成为机器人运行特征的一部分。

工业买家还会希望了解，哪些决策由模型内部完成，哪些仍受确定性控制。基于语言的规划器不应直接覆盖紧急停止、安全联锁或危险区域限制。

这正是 Jiutian“机器人大脑”这一比喻不够完整的地方。可部署的工业系统需要的不只是认知能力。它还需要经过认证的硬件、受限控制器、监控、审计追踪、维护流程和经过培训的操作人员。

NIST 在其关于物理 AI的工作中也作出了类似区分。该机构指出，具身 AI 研究与制造商能够在实际运营中实施的系统之间，仍存在持续的鸿沟。

Ruoyu 的机制针对的是这一鸿沟中的智能层面。其商业前景取决于该公司能否同时支撑配套的工程体系。

因此，一次成功的试点不应只衡量 Jiutian 是否完成了预设任务。还应记录完成率、人工干预、误报、不安全建议、延迟、恢复时间，以及环境变化后的表现。

关键问题不在于 Jiutian 能否规划，而在于完整的机器人系统是否知道何时应停止执行计划。

危险作业让每一项 AI 主张都成为安全主张

在能源设施中，适应性只有在操作人员能够约束、观察并逆转机器人的行为时才有价值。

Ruoyu 报告称，Lanyue 01 于 2026 年 4 月在一座加油站进入公开试运行。该公司还表示，这款机器人已获得适用于其目标环境的防爆认证。

这些说法值得关注，但并不能独立验证完整的自主系统。硬件认证与 AI 行为保障解决的是不同问题。

防爆保护关注的是，设备能否在规定的危险条件下运行而不产生点火源。它并不能证明感知模型能够识别每一种物体，也不能证明规划器会选择正确动作。

软件可靠性同样无法弥补硬件不适用的问题。即使计划正确，如果传感器失效、密封件老化或执行器产生意外力，仍可能造成危险。

反过来也是如此。经过认证的机械和电气部件，并不能保证自适应模型会在陌生条件下正确运行。

这种区分应当影响能源公司评估 Jiutian 的方式。它们需要建立分层安全论证，即将危险、控制措施、测试和运行限制关联起来的结构化证据体系。

在模型层，评估人员应测试系统在眩光、黑暗、灰尘、遮挡、振动和传感器退化情况下的感知能力。能源站点存在反光金属、蒸汽、狭窄结构和重复性设备，这些都可能令视觉系统困惑。

在规划层，测试人员应引入不完整指令、相互矛盾的数据和不断变化的条件。当置信度低于可接受阈值时，系统应拒绝不安全请求，并寻求人工指导。

在控制层，机器人必须执行规划器无法绕过的硬性限制。这些限制可以包括受限区域、最大作用力、允许的工具朝向以及紧急停止条件。

在运营层，设施需要能够重建机器人感知、决策和执行过程的日志。没有这些记录，团队就无法调查险些发生的事故或改进流程。

网络安全贯穿每一层。联网机器人会接收软件更新、读取设施信息，并可能传输视频或设备数据。被攻破的凭据或遭篡改的传感器输入，可能使一台有用的机器变成运营风险。

数据治理同样重要，因为训练数据和现场日志可能暴露设施布局、资产状态、员工活动或专有流程。买家会希望看到有关存储、访问、保留和模型改进的明确规则。

近期一项关于机器人危险数据的 Scientific Reports 研究说明了安全验证依然困难的一个原因。研究人员无法在运营设施中自由复现危险的工业事件。

合成数据和仿真可以扩大覆盖范围，但两者都无法完美还原真实设备、天气、传感器噪声或人类行为。现场证据仍然不可或缺。

因此，Ruoyu 面临着整个具身 AI 行业共同的验证难题。最重要的情境往往罕见、危险，而且难以反复搭建。

该公司可以通过受限部署来降低这种不确定性。早期机器人可以检查资产并标记异常，而将物理干预交由人员完成。后续版本则可在监督下执行操作任务。

这种分阶段方法不会削弱 Jiutian 的雄心。它将形成支持更高自主性所需的运营数据。

能源运营商还应区分运行时间与自主性。一台机器人可能完成许多巡检任务，却仍需要频繁的远程协助。另一台机器人可能独立运行，却只覆盖一条狭窄且经过精心准备的路线。

有价值的信息披露应同时说明这两个指标。买家需要知道机器人完成任务的频率，以及人员介入的频率。

对于异常情况，也需要同样的清晰度。平均任务表现可能掩盖后果严重的罕见故障。评估应强调最坏情况下的行为和安全恢复，而不只是平均完成时间。

人为因素同样值得重视。工作人员必须了解机器人何时在运行、它控制哪个区域、如何将其停止，以及发生异常事件时由谁掌握决策权。

自适应机器人也可能改变工作流程。操作人员可能开始依赖自动化读数，而维护人员则要承担与传感器、模型、网络和软件版本相关的新职责。

这种组织负担可能决定试点能否成为生产系统。一台需要持续专业支持的高能力机器人，未必能改善整体运营经济性。

应当在这一更广泛的框架下评判 Ruoyu 的主张。Jiutian 无需实现不受限制的自主性才能变得有用。它需要在操作人员能够理解和执行的限制内，实现一组高价值任务的自动化。

在独立报告的试验提供这些细节之前，其在危险能源环境中的表现仍然前景可期，但尚未得到证实。

三个信号将显示 Jiutian 能否走下发布会舞台

下一项真正有意义的证据，将来自运营记录、可重复部署，以及与既有能源系统的集成。

第一个信号，是具有名称、持续开展且结果可衡量的现场部署。Ruoyu 已介绍过加油站试验，但买家需要能够明确任务范围、运行时长、干预率和安全记录的报告。

当部署能够经历日常天气、设备差异、维护周期和客户行为时，其说服力会更强。阶段性演示无法暴露同样分布的条件。

来自多个地点的证据，会比在一个准备充分的站点取得成功更有分量。重复安装能够表明，该系统能否在无需数月定制工程的情况下迁移应用。

如果运营商披露稳定的完成率和较低的干预率，这一信号将增强 Ruoyu 的论据。如果每个站点都需要大量再训练、物理改造或持续远程控制，则会削弱这一论据。

第二个信号，是第三方对完整系统的验证。这项评估应涵盖模型行为、控制边界、网络安全、硬件保护以及人工操作流程。

组件认证有用，但并不充分。机器人“大脑”、传感器、执行器、网络连接和设施接口，在实践中共同构成一个运行系统。

独立测试还应公布系统必须停止或将控制权交给人员的条件。安全拒绝也是一种能力，尤其是在机器人遇到陌生车辆或模糊的设备状态时。

如果测试结果界定了清晰的性能边界，并显示出可靠的后备行为，这一信号将加强公司的论点。如果验证仍局限于宣传演示或孤立组件，则会削弱这一论点。

第三个信号，是与能源运营商既有数据和控制环境的集成。Jiutian 需要与巡检平台、维护记录、工单系统和站点控制系统交换信息，同时不能成为不受控制的自动化孤岛。

这种集成应落实身份认证、授权和日志记录。机器人应仅获得完成所分配任务所需的信息和权限。

它还应在网络中断时保持本地安全。云服务或无线连接丢失，不得使机器处于未定义的物理状态。

如果运营商通过一个通用且受治理的接口，在不同机器人本体上使用 Jiutian，这一信号将巩固 Ruoyu 的地位。若每次部署仍只是独立的展示案例，则会削弱这一判断。

这场北京会议让 Ruoyu 进入了合适的圈层，但接触大型能源企业只是开始。这些机构早已理解远程巡检和危险作业自动化的价值。

它们面临的更棘手问题是：模型驱动的自主能力，是否足以改善运营，从而证明新增验证、网络安全、集成和维护工作的合理性。

Jiutian 最强的理念并非人形外观或对话界面，而是一层可复用的智能能力，或许能让专用机器人适应更多任务。

它最大的风险也源自同一理念。除非每次部署都具备有效的本地保障措施，否则一个可复用的“大脑”可能将同一模型的弱点扩散到多个机器人本体和设施中。

Ruoyu 可以用证据化解这种张力。它需要持续的运行数据、独立的系统测试，以及能够经受日常工业约束考验的集成方案。

对开发者和企业买家而言，实际教训很直接：关注部署情况，而非会议亮相。应询问人工介入的频率、哪些决策仍保持确定性，以及传感器或网络发生故障后会怎样。

下一次 Jiutian 公告，若能回答这些问题，才最具意义。在此之前，Ruoyu 已在中国能源机器人领域赢得一席之地，但尚未获得可投入生产的定论。