云端模型如何落地物理世界？招商局狮子山人工智能实验室用LiOS打通具身智能全链路
一句话看懂：招商局狮子山人工智能实验室在ICRA 2026 LeHome Challenge中，自研端云协同操作系统LiOS，将云端大模型能力直接接入真实物理机器人，并在“叠衣服”这一高难度柔性物体操作任务中，实现了跨机器人和跨衣物类型的稳定执行，验证了具身智能从仿真到真机的系统级落地路径。
事件核心：发生了什么
2026年6月，招商局狮子山人工智能实验室公开了其自研的端云协同操作系统LiOS，以及基于该系统的SO101双臂机器人在真实场景中完成叠衣服任务的完整演示。叠衣服——尤其是处理褶皱、无定型衣物——长期被视为具身柔性操作的“试金石”。过去行业方案多依赖标准化状态和仿真环境，而实验室团队从ICRA 2026 LeHome Challenge仿真赛出发，通过数据闭环、多模态分布式训练优化和端云图传协同，将策略部署至5自由度SO101真机。LiOS架构由云侧（分布式训练、多模态数据湖、仿真评估）、端侧（异构机器人接入、运动控制、安全执行）和端云协同（基于WebRTC/GStreamer的GPU图传链路）三部分构成，其图传方案实现了“本地相机到云端显存”约30ms单向延迟，较通用中继方案加速最高6.9倍。
为什么重要
该事件的核心意义在于，它系统性地展示了大模型能力如何从“云端推理”走向“物理执行”。当前具身智能的主要瓶颈不是单一感知或控制算法，而是机器人技术栈与大模型技术栈之间的断层：硬件本体、运动控制、安全执行与分布式训练、数据治理、模型推理缺乏统一基础设施。LiOS提出的“OS级统一底座”概念，通过端云图传将真实现场数据低延迟回传云端模型，使训练-推理-执行-数据回流形成闭环，直接支撑了对百亿参数VLA、视觉-语言-动作基础模型（如基于Qwen3-VL-235B、Wan2.2-T2V等）的真机接入。这为行业提供了一个可复用的系统级参考，改变了具身智能“仿真好、真机弱”的普遍困境。
对用户/开发者/创作者的影响
对于具身智能开发者与机器人厂商，LiOS的公开意味着其可以尝试将不同机器人本体（从5自由度到更高自由度的双臂平台）接入同一套端云协同系统，无需重复建设从训练到部署的基础设施。数据显示其单路GPU图传每秒可处理数千帧，为多路高帧率现场监控预留了余量，有助于降低远程数据采集和模型迭代成本。对于关注AI落地的投资者，该案例证实了“通用操作模型”在物理世界中确实有商业化可能——Dyna Robotics等公司已将衣物折叠作为真实商业场景的第一步，此次实验室将叠衣任务扩展到长袖、裤子等多类柔性物体，并支持抗干扰整理，进一步验证了任务的可规模化。
值得关注的后续
首先，LiOS是否能面向外部开发者开放SDK或接口，将直接影响具身智能生态的切入速度。其次，真机实验中5自由度机械臂相较于更高自由度平台在操作精度上仍有限，后续在更复杂商业场景（厨房、酒店服务）中的表现值得跟踪。最后，该团队所依托的“云端大模型+端侧安全执行”模式，是否会在数据安全、实时性与成本控制（如跨区云部署延迟、GPU算力占用）上形成可复用的商业定价，也是影响竞品跟进和行业落地的关键。
来源：量子位 · 每日最新
