当行业还在讨论大模型的参数规模与推理能力时，一个更现实的挑战已经浮现：智能系统若要真正进入工厂、仓库与真实物理世界，仅靠模型本身的“聪明”远远不够。它必须学会在复杂、动态且充满不确定性的环境中“做事”。
问题的关键并非模型本身，而在于学习来源。过去十年，AI的跃迁依赖于互联网数据的规模化供给；而当前，具身智能的瓶颈恰在于缺乏真实、连续且带有物理约束的行为数据。换言之，机器并非不会推理，而是从未真正“做过事”。
正是在这一拐点上，广东谷东智能科技有限公司（下称“谷东智能”）选择了一条与主流AI公司迥异的路径——不直接从模型优化入手，而是从“数据如何产生”这一更底层的问题出发，重构具身智能的起点。
逆向切入：从光学能力到数据入口
从表面看，谷东智能的切入点显得有些“跨界”：一家长期深耕PVG光波导技术的光学模组供应商，为何能进入具身智能领域？
答案恰恰在于它不是一家典型的AI公司。在过往的产业分工中，谷东智能的核心能力集中于光学模组，特别是PVG光波导技术。这项技术的本质不只是“让显示更轻更清晰”，而是使AR设备首次具备了长时间佩戴、稳定工作、可规模化部署的工程条件。
这三点在消费电子领域关乎用户体验，在具身智能领域却是前提条件：只有当设备可以被持续佩戴，它才能成为稳定的数据采集节点；只有当它进入真实作业环境，它才能记录完整的人类行为链条。
谷东智能由此占据了一个关键位置——第一视角、长时连续、贴近真实任务的数据入口。这正是当前具身智能系统最为稀缺的资源。其业务逻辑并非从模型出发，而是从“数据如何产生”这一更底层的问题入手，形成了一条“光学终端→数据采集→认知生成”的逆向路径。
实证壁垒：工业端AR整机的龙头地位与交付积累
谷东智能并非从实验室走向产业，而是在工业端完成了从“第一张订单”到“全行业覆盖”的完整实证积累，这构成了其不可忽视的竞争壁垒。
从航空到核电、从电力到海关、从农业到公安执法，谷东智能的AR整机已广泛落地。中研普华数据显示，2024年全球工业AR市场规模83.6亿美元，中国占比28.6%；在国内工业AR B端市场，谷东智能以超过35%的市场份额位列第一，出货量排名第一。其客户覆盖宁德时代、南航、中石化等标杆企业，全球合作伙伴超过500家，产品销往130多个国家和地区。工业级AR整机产品矩阵如H4000、C2000、C3000E等，在设备运维、远程协作、巡检培训等典型场景中实现了规模化部署。
这种覆盖广度与交付体量，是谷东智能区别于众多AR方案商的核心竞争力：它不是在做概念验证，而是在真实工业场景中持续跑通、持续迭代。
模式跃迁：从“卖器件”到“数据基础设施”
如果用一句话概括谷东智能的业务本质，是三层能力的递进：光学能力 → 终端设备 → 数据基础设施。过去提供光波导组件，现在构建的是能够持续“生产数据”的系统。
在其AI+AR眼镜参考设计中，设备不再只是显示终端，而是一个复合型感知节点，具备第一视角视频连续记录、语音与环境声音同步采集、人体动作与空间位姿追踪、长时间运行数据稳定输出等能力。这些能力组合在一起，形成的不是简单数据，而是完整任务过程的数据流——天然带有“目标—动作—结果”的闭环结构，可以直接用于训练具身智能模型，数据本身就是“带标签的经验”。
这一模式的可行性依赖于三个闭环：数据采集闭环，AR眼镜与人类视角天然一致，不改变原有作业流程，PVG光波导带来的轻量化与量产能力使设备具备规模部署基础，数据获取从“项目制”转向“持续性生产”；数据处理闭环，谷东智能向上延伸至数据结构化与模型层，包括多模态数据自动对齐、空间关系建模、行为时间序列拆解、任务意图抽象，通过视觉-语言-动作模型与世界模型的结合，将数据转译为决策能力，形成认知生成系统；应用验证闭环，典型流程被压缩为三天——第一天采集真实操作数据，第二天完成模型训练，第三天上线执行，数据、模型与应用之间不再需要大量人工介入，具备直接进入工业场景的能力。
网络效应与护城河：从行业工具到基础设施
从更长周期观察，这一模式的价值不在于某一类设备或某个行业，而在于其平台属性与扩展能力。只要存在“人类操作”，就存在数据采集与学习的空间——工业装配、设备维护、仓储物流、医疗操作、服务流程等，AR作为入口不依赖具体行业，具备天然的横向扩展能力。随着设备部署增加，数据规模呈指数增长，带来模型泛化能力提升与数据成本持续下降，这与互联网平台的增长逻辑一致：先建立入口，再形成网络效应。
在更宏观的产业分工层面，谷东智能正在从单一的硬件供应商，向具身智能生态中的基础设施提供者演进。通过同时掌握感知入口、数据引擎与模型接口，它构建了一个从数据产生到认知生成的完整链条。这种位置一旦形成规模，其产业角色将类似于云计算时代的底层平台，而非单一组件厂商。
总结来看，谷东智能的护城河来自三项能力的叠加：光波导带来的终端可行性（能戴、能用、能量产）、第一视角数据入口的先发占位、从数据到认知的完整链路能力。三者形成一个难以复制的体系——没有光学能力，难以做出可规模部署的设备；没有终端入口，无法获取连续真实数据；没有数据处理能力，数据本身无法转化为价值。
具身智能的落地，本质上不是让机器更聪明，而是让机器拥有经验。而经验不存在于仿真环境，也无法凭空生成，它只能来自真实世界的持续积累。谷东智能所做的事情，是把AR从一个“显示工具”变成一个“经验采集系统”，再转化为机器学习的输入源。当这条路径被跑通后，机器人学习的方式将发生根本变化——不再依赖编程，也不再依赖示教，而是像人一样，从经验中学习。这既是一条技术路径，也是一种产业分工的重构：谁掌握了数据入口，谁就参与定义了机器如何理解世界。
