据量子位报道，专注工业具身智能商业化落地的安努智能一周内发布六款模型及部署系统，覆盖数据生成、认知理解、训练进化、动作执行和端到端部署，试图打通从仿真训练到真实产线部署的闭环。六款产品为Helios、SimLab、ActiWorld、EvoHIL、AnuVerse-0.5和Nexus。
量子位称，截至2026年6月12日，国内具身智能赛道共融资约438亿元，达到2025年全年的近八成；国家税务总局数据显示，2026年1月至5月，全国工业企业购进具身智能机器人总金额同比增长2.3倍。工业场景中取放、搬运、插拔等动作重复度高，任务边界相对固定，传统工业机器人虽已在焊接、搬运、喷涂等固定动作中成熟应用，但硬件结构固定，软件动作依赖预先编程，仍难适应新场景。
Helios是实时长视频生成模型，可生成分钟级长视频，在单张H100 GPU上实现19.5 FPS推理速度，已被多家头部具身智能与世界模型团队采用。SimLab聚焦软物体操作仿真，核心包括自研软体和热学物理求解器、基于Isaac Sim搭建的合成数据工厂，以及已在真实机械臂上验证的sim2real迁移方法。量子位称，SimLab已在物流软包裹分拣抓取数据生成、工业设备热视觉数据生成等项目完成验收落地，并用百元级机械臂、零真实标注跑通全流程。
ActiWorld让世界模型对动作后果负责，训练时设置逆动力学头、双向预测和运动加权三条约束，推理走标准接口，兼容现有动作条件扩散骨干，不增加推理成本。据量子位报道，ActiWorld对动作方案成败的判断与真实结果偏差低于3.25%。在一个要求把包裹二维码朝上放到传送带上的分拣任务中，原本执行策略成功率为56%，加入ActiWorld引导的预演后，相对失败率下降约13.6%。
EvoHIL是强化学习工具，与RoHIL两代真机强化学习技术用于解决光照变化、工位更换和任务变化等问题。报道称，在RoHIL和EvoHIL框架下，机器人训练只需30分钟就能达到满分水准，跨光照场景不需重新采集数据。USB插入这类精密任务成功率达到100%，光照条件完全偏移时人工介入比例为1.32%，不到旧方法十分之一。EvoHIL在6类典型工业任务中提升成功率；训练、迁移、奖励设计成本叠加后，同等规模部署整体成本降低80%左右。
AnuVerse-0.5是工业垂类模型，采用视频专家预测画面、动作专家输出动作的MoT架构，基于14B参数的Helios开发，推理速度为百毫秒级，一张桌面级显卡即可运行。Nexus是端到端部署系统，具备快速部署、自主调度、资源汇聚能力，内置动作层面安全盾，并已打通SAP的EWM和Joule系统，使机器人接入工厂原有生产管理流程。安努智能称，真实运行数据会回流至底层数据基座，用于下一轮训练。
在研发路径上，量子位称安努智能没有先追求强大基模，而是让工程师先进入富临精工的真实产线，并基于开源模型用几个月时间补上认知底座和动作模型。安努智能董事长兼CEO文宏杰表示，模型能力会随全行业进步持续外溢，真实产线上单项技术指标足够好，并不能保证整套系统长期运行，只有部署经验才会越攒越深。高盛在8月底发布的全球具身智能研究报告提到，机器人走路、导航等能力很大程度可靠仿真训练解决，但柔性物体操作、工具使用、精细抓取等任务本质上无法仿真。