2026年8月19日，鹿明机器人正式发布 Lumos NexCore。作为鹿明面向产业具身智能打造的“进化引擎”，NexCore聚焦机器人技能的生产与进化，将任务定义、数据接入、模型训练、技能评测、部署运行和持续学习整合到统一流程中，将机器人技能开发周期由数周压缩至数天。

鹿明机器人创始人兼CEO喻超表示：“NexCore的核心，是建立一套面向机器人技能持续学习与进化的系统。它聚焦机器人能力的持续产生、验证、部署与迭代，让机器人的能力不再局限于交付时的初始状态，而是能够基于真实任务和运行数据持续学习、不断获得新的技能。”

NexCore重构机器人技能开发流程：将开发周期压缩至数天

过去，机器人获得一项新能力，往往需要经历任务定义、数据准备、工程开发、模型训练、现场调试和反复验证等多个环节。不同项目之间缺少统一流程，开发周期较长，也高度依赖工程师经验。

NexCore将这些环节整合为一套标准化的技能生产流程。

产业用户首先定义机器人需要学习的任务，随后接入真实数据、仿真数据、视频等多源数据，通过自动训练和参数优化形成候选技能，再利用多维评测验证技能在不同工况下的表现。通过验证的技能可以部署至机器人；机器人进入真实环境后，运行数据继续回流，为下一轮技能优化提供基础。

由此形成完整的技能生产闭环：任务定义 → 数据接入 → 模型训练 → 技能形成 → 评测验证 → 部署运行 → 数据回流 → 持续优化。

通过将数据处理、训练、评测和部署进一步产品化，NexCore将原本以“周”为单位的机器人技能开发流程压缩至数天。

这一变化的意义并不只是缩短项目周期，更在于让机器人面对新的生产任务时，可以更快完成一次技能开发，并根据真实作业结果进入下一轮迭代。

“我们的目标是规模化生产技能”喻超表示，“一个技能值不值得生产，最终要看它覆盖了多少真实任务、部署到多少机器人，以及创造了多少产业价值。我们不会单一追求技能数量，而是更加关注技能生产效率和复用价值。”

在鹿明的产品体系中，Ego Vue等产品负责数据采集，数据管线打通数据流转，Prime R0等模型将数据转化为具身智能能力，Station Lite加速具身智能从模型验证走向真实执行，而NexCore则进一步贯通任务、数据、模型、技能、评测与机器人部署，让各环节形成完整闭环。

这一体系也让机器人技能开发逐步减少对重复性工程工作的依赖。过去，工程师需要大量参与编程、调试和参数优化；NexCore则希望将这些过程进一步标准化、自动化，让工程师将更多精力投入复杂任务和系统能力建设。

从真实任务中持续学习，MOS 2在产线验证NexCore

具身智能进入真实生产环境后，机器人面对的并不是一套永远不变的任务。不同工厂、不同工艺对机器人能力要求各异，同一任务在不同产线中也需要根据现场条件灵活调整策略。因此，机器人不仅需要具备完成任务的能力，还需要能够基于真实任务数据持续学习、优化和获得新的技能。

在鹿明的产业具身体系中，MOS 2负责执行真实工业任务，Lumos NexCore则为机器人持续学习和技能进化提供系统基础。

鹿明与三菱电机的合作正是这一闭环的真实验证。三菱电机国内工厂向鹿明开放搬运、质检、螺丝锁付等生产场景，MOS 2在实际产线上经过持续训练和技能优化，多项任务成功率提升至99%，并且依托NexCore进行数据回流、技能优化和能力迭代，进一步满足新的生产要求。

“从数据回流到技能优化，再到满足客户新的要求，整个进化过程不是停留在演示里，而是在客户的产线上发生的。”喻超表示，对于产业客户而言，评价机器人价值的标准最终需要回到真实生产结果，包括连续工作能力、任务成功率、部署效率以及最终创造的产业价值。

鹿明希望以MOS 2为AI Worker的产品载体，让机器人真正进入工业现场、承担真实工作，并依托NexCore在真实任务中持续学习和进化，逐步成为能够长期工作、持续学习并创造价值的工业智能体。

面向更多行业，NexCore成为技能基础设施

在制造业、文娱、科教、服务等行业，存在大量复杂、非标准化的机器人任务。对于这些场景而言，机器人进入现场只是第 一步，企业还需要持续开发、验证和优化与具体任务相匹配的技能。

NexCore希望提供一套通用的技能生产基础设施，让企业能够围绕真实任务持续积累技能，并将经过验证的技能进一步复用到更多机器人和相似场景。

喻超表示，“我们真正希望建立的是‘机器人+智能+技能+产业场景’的完整体系，让机器人具备持续获得新技能的能力，并围绕真实产业任务不断形成新的智能。NexCore承担的，就是其中技能生产和持续进化的基础能力。”

对于鹿明而言，商业化最终仍然回到客户价值：机器人能够解决什么任务、创造多少价值，以及部署成本是否足够低。而NexCore所要解决的，是让机器人技能具备更高的生产效率、更短的开发周期、更可靠的验证能力和持续复用的价值。

当真实产业中的任务经验能够不断沉淀，并被更多机器人和更多场景复用，机器人才能拥有持续增长的任务能力，产业具身也将拥有更加坚实的落地基础。