Agent 时代，哪些方向正在成为行业关键变量？50 + 实战案例揭晓答案！
模型参数规模不断突破，推理成本持续下降，开源生态日益繁荣。当模型能力逐渐成为行业共识，一个新的问题开始浮现：当人人都能获得强大的模型能力之后，真正的竞争力还剩下什么？ 答案正在从模型能力本身，转向围绕模型构建可规模化的智能系统；从单点能力提升，转向系统工程与组织级落地能力。
在这一背景下，2026 年 AICon 人工智能开发与应用大会 · 深圳站正式启动。本次大会将于 8 月 21 日—22 日举办，聚焦 AI 基础设施、大模型系统、智能体工程、数据智能、多模态技术与行业落地等关键方向，邀请来自腾讯、阿里、华为、百度、蚂蚁集团等 50 + 头部科技企业技术负责人、科研机构一线专家，系统性分享前沿洞察与实战干货，共同探讨 AI 技术从能力到系统、从实验到生产的真实路径。
乐享科技联席 CTO、穹明智能总经理李元庆已确认出席 “迈向机器人 AGI 的关键技术与产业实践” 专题，并发表题为《轻量化异构双臂 × VLA/世界模型：家庭服务具身机器人的落地实践》的主题分享。当前家庭具身智能普遍存在本体笨重、精细操作弱、环境泛化差、长时序家务任务执行断裂、人机交互生硬、隐私保护难等落地难题，多数产品仅能完成单一步骤演示，无法支撑完整居家复合任务。本次分享将以乐享科技小恩机器人为落地载体，搭建数采 - 模型训练 - 端侧本地下发全链路体系，采用轻量化异构双臂硬件架构，搭配自研端侧 VLA 视觉语言动作模型，融合自动化、强化学习与推理 Agent 构建长时序导航 + 操作一体化任务策略。算法层面落地两类机器人内部记忆：面向环境定位的语义地图记忆、以家居物体为核心的去隐私化文本记忆，搭建家庭专属自动采集标注数据飞轮。
李元庆，乐享科技联席 CTO、穹明智能总经理，专注具身智能领域，前华为“天才少年”，前华为云具身智能具身规划负责人、ROBO_AGENT 负责人，先后参与芯片、盘古大模型等项目，具备芯片与大模型双重技术背景。目前统筹乐享创新业务战略与核心技术攻关，聚焦家庭具身智能产品研发，推动多机异构技术路线落地主导。他在本次会议的详细演讲内容如下：
演讲提纲：
开篇：家庭具身智能行业现状与落地痛点
AGI 视角下家庭服务机器人产业价值
当前家庭机器人规模化落地核心瓶颈
无法完成连贯长时序导航 + 操作复合任务
环境感知无长效记忆，重复识别效率低
多模态数据采集与本地部署链路割裂
案例引入：小恩机器人产品定位与落地目标
2. 整体解决方案选型：软硬一体全栈架构
硬件方案：轻量化异构双臂小恩机器人整机设计
轻量化移动底盘、零转弯空间适配、续航与升降作业参数
异构双机械臂分工逻辑、可拆卸桌面灵巧臂双协同模式
PPS 物理安全系统、柔性绳驱被动防护硬件设计
全链路工程体系：数采 - 模型训练 - 端侧本地下发闭环
家庭场景自动化多模态采集模块部署
云端批量模型微调、轻量化模型压缩流水线
加密模型包本地离线下发、机器人本地推理运行
算法总框架：VLA 视觉语言动作模型 + 推理强化学习 Agent
端到端 VLA 基础感知决策底座
Agent 融合自动化、强化学习、推理能力构建长时序导航 + 操作统一任务策略
3. 核心技术细节拆解
长时序任务策略：强化学习 + 推理 Agent 联动导航与操作动作
单步原子动作自动化封装
多步骤居家任务时序推理逻辑
动态家居环境下任务重规划机制
机器人双体系内部记忆工程实现
语义地图记忆：环境空间分层存储、动态更新、定位复用机制
物体中心式去隐私文本记忆：家居物品属性、用户操作习惯文本化存储，剔除图像原始隐私数据
端侧 VLA 模型轻量化裁剪与本地实时推理优化
乐享科技家庭数据飞轮建设
合规去隐私数据回流训练，模型迭代后加密下发至本地机器人
4. 真实家庭落地实施效果与量化数据
落地规模：300 + 家庭长期试点，累计 3.2 万小时常态化运行
任务性能指标
碎片化单次抓取、取放任务成功率
完整长时序复合家务任务完成率数据
动态环境下导航避障、操作重规划响应时延
隐私安全指标：全程本地记忆存储、原始视觉数据不上传，隐私投诉 0 起
用户体验数据：交互流畅度、长期使用留存、付费意愿调研数据
场景延伸：居家家务、老年陪伴、儿童陪护复合场景落地案例
5. 落地实践总结与行业演进方向
N1 小恩落地模式可复用经验总结
家庭具身智能未来技术演进路线：更强 Agent 长时序规划、轻量化本地记忆引擎、全链路本地化迭代
商业化量产、成本优化、开放生态布局规划
您认为，这样的技术在实践过程中有哪些痛点？
长时序导航 + 操作联合策略训练难度高
家庭任务步骤多、环境动态可变，纯自动化脚本适配性差；强化学习样本效率低，融合推理逻辑后 Agent 策略收敛慢，多步骤任务容错控制调参成本极高。
2. 双记忆体系协同调度工程复杂度高
语义地图空间记忆与物体中心文本记忆存储结构不同，需实时联动匹配家居物体与空间位置；持续新增家具物品会造成记忆冗余、检索延迟上升，去隐私文本转换存在信息丢失风险。
3. 数采 - 训练 - 本地下发全链路协同成本高
家庭端自动化采集设备、云端训练集群、机器人本地固件分发三套系统打通难度大；轻量化模型压缩、加密传输、离线更新流程增加运维工作量，批量部署同步迭代效率偏低。
4. 端侧算力约束下模型 + 双记忆实时性不足
家用机器人本地算力有限，VLA 模型、Agent 推理、语义地图检索、文本记忆读取并行运行时延超标；模型轻量化裁剪、记忆检索加速会同步降低任务完成精度。
5. 家庭隐私合规与数据飞轮增长冲突
原始家居图像禁止云端存储，仅依靠去隐私文本、稀疏采集数据回流训练，数据增长速度慢；本地记忆定期更新、销毁机制需配套合规管控流程，拉高产品研发与审核成本。
6. 商业化量产成本制约规模化
自研伺服、灵巧手、多传感器硬件成本高，整机定价偏高；批量生产后运动控制、机械臂故障率提升，多记忆模块长期读写带来硬件损耗，售后运维压力大。
听众收益
掌握家庭具身智能软硬一体化落地方案：完整学习小恩异构双臂硬件架构、端侧 VLA + 世界模型、家庭数据飞轮整套工程化技术链路，可直接复用至自有家用机器人研发项目。
获取真实家庭场景量化落地数据与避坑经验：清晰知晓家庭机器人本体、算法、数据环节落地高频痛点与对应解决思路。
理清家庭服务机器人商业化路径：理解轻量化消费级具身智能产品的产品定位、成本控制、场景分层运营模式，掌握面向 C 端家庭市场的技术迭代与量产落地规划思路。
除此之外，本次大会还策划了AI Infra、推理工程与异构计算、超级个体与蜂群智能的共生进化、迈向机器人 AGI 的关键技术与产业实践、Agent 安全：从风险到可控、大模型效率工程与 Agent 系统实践、AI Agent 高价值商业场景实战等 10 个专题论坛，届时将有来自不同行业、不同领域、不同企业的 50+资深专家在现场带来前沿技术洞察和一线实践经验。
AICon 全球人工智能开发与应用大会·深圳站，限时 9 折专属优惠，现在报名立减 580，更多详情可扫码或联系票务经理 13269078023 进行咨询。
