懂语言、懂数据
更懂物理世界
通用 Agent 擅长语言与数据；但物业与设施管理，发生在真实的物理世界。FMClaw 多了一层能力——把楼宇、设备、环境、人车都看见。
这层能力有个行业名字——物理 AI(Physical AI):能感知、理解并作用于物理世界的 AI(什么是物理 AI,我们写了一篇完整的研究)。越靠近物理世界越难做，而这正是行业级平台的护城河。
通用 Agent 到此为止，我们再往前一步
懂语言 · 懂数据
- 读写文本、理解意图、组织信息
- 调用工具、处理结构化数据
- 在数字世界里推理与协作
更懂物理世界
- 感知服务有没有真的发生
- 感知设备、环境、人车的实时状态
- 把物理世界的事实，接进同一个平台
服务，到底有没有发生
感知一次保洁、巡检、维修、安防服务到底有没有真的发生、发生了多久、做得到不到位——由两类自研传感器构成。
这是别人做不到、我们独有的一层：把「服务」这件原本看不见的事，变成可记录、可证、可追溯的数据。
空间是否被服务到
感知空间是否被服务到、被使用的状态。
- 约 39×15.5mm 紧凑设计
- 30 秒内完成单个安装
- 约 3 年超长续航
- 蓝牙广播
- 不收集其它数据
服务行为与轨迹
轻量化佩戴，感知一线人员的服务行为与轨迹。
- 约 12g 极轻佩戴
- 约 50×20×8mm
- 约 48h 续航
- 蓝牙广播
- 不收集其它数据
部署流程
便捷部署、无需布线。
简单易用、无需培训。
工作后充电，上传数据。
汇入大数据计算，形成服务记录。
这两类传感器在真实项目里的规模：上海一家三级综合国际医院用 4,198 个传感器支撑每月 215,821 次服务交付的逐次核验；国内一条地铁线把 3400 多个机房的日修日检全部纳入感知。
设备本身，转得正不正常
感知机电设备本身的运行状态——它好不好、转得正不正常。
可接入主流 BA（楼宇自控）系统，把以下设备的运行数据纳入感知：
场景还原 · BA 的现场层就在这样的机房里设备的异常，在停机或故障之前，就被看见。
设备感知加上在场核验，在头部互联网大厂总部的巡检案例里，把 100 多个机房的巡检达标率从 35% 做到 98%。
此刻，这个空间是什么状况
感知这个空间此刻是否舒适，以及人与车此刻在哪儿、怎么流动。
单个传感器只是一个读数；把它们铺满整个园区，环境就从主观感受变成一张可读的实时图景。
用视觉，补齐看不到的细节
用视觉补齐前几类看不到的现场细节——从 CCTV、机器人、手机到无人机，多角度收集视觉数据。
多角度采集示意这些视觉来源可用于巡检识别、异常发现，把现场看不到的细节也补进感知。
视觉感知在真实项目里的样子：华南一个园区把监控预警图片接进平台，识别完直接派单，一次电动车充电冒烟 3 分钟内有人到场。
设备只管感知，怎么用交给平台
四类感知采到的数据，统一接进 FMClaw™ 平台——平台内的行业数据本体把物理世界的事实映射为项目、空间、设备、服务和指标，以数据集市交付；工作流引擎把这些事实组织成具体的工作。
行业数据本体
物理世界的事实，映射为项目、空间、设备、服务与指标，再统一口径、标准、规则与权限
分工一句话：统一口径的取数走数据集市，软件动作的执行走工具箱；本体提供业务事实，工作流引擎组织工作，控制台管权限和记录。
中间数据池这条通道在真实项目里怎么跑，园区监控预警预审案例记录了完整过程——从预警图片进池，到识别完直接派单。
今天驱动运营，明天训练具身智能
四类感知数据首先服务于今天的日常运营；但它们还有另一层价值——真实场景里、带任务语义的物理世界数据，正是具身智能训练最稀缺的原料。机器人要从演示视频走向真实上岗，需要的不是摄影棚里摆拍的数据，而是真实楼宇里真实任务的过程记录——这正是物业与设施管理每天在大规模产生的东西。
已有具身智能与机器人公司在寻找这样的物理 AI 合作方。我们为此开放了专门的合作入口：具身智能数据合作——第一视角数据采集、带任务语义的数据集共建、真实场景实训场与机器人上岗联合运营。
关于 IoT 物理世界感知，你可能想问
- 楼里已经有 BA、停车、门禁、监控这些系统了，接入时要推倒重建吗？
- 不用。已有系统经连接器接入，不替换、不重建；不便直连的系统（比如监控）可以把预警图片放进约定的中间数据池，由连接器读取。真正新增的只有原来没有的感知能力——比如服务感知的自研传感器。
- 什么是服务感知，和普通 IoT 监测有什么区别？
- 普通 IoT 监测的是设备和环境状态；服务感知监测的是服务本身——一次保洁或巡检到底有没有做、做了多久、做得到不到位。前者看物，后者看事。
- 数据采上来之后怎么用，会不会只是多一块大屏？
- 不是看板，是进工作流。四类感知数据经行业数据本体映射和治理后，直接驱动水电费审批、AI 质检、报修派单这些具体业务——数据的去处是动作，不是展示。
- 这些物理世界的感知数据，和具身智能（Embodied AI）有什么关系？
- 具身智能要在真实环境里干活，就得先理解真实环境——而这正是物理 AI（Physical AI）长年积累的东西：楼宇里的空间结构、设备运行、人车流动、服务过程，都是经过业务校准的真实场景数据。这类数据可以供未来的具身智能训练和消费：机器人要在写字楼里巡检、在园区里配送，需要的正是这张对物理世界的实时理解。
- 听说机器人公司在找物理 AI 公司合作，是真的吗？
- 是行业里正在发生的事。具身智能公司、机器人公司缺的不是本体能力，而是真实场景里持续产生、带业务语义的环境数据——这正是物理 AI 公司在物业与设施场景里每天都在生产的。对业主方来说，今天接入的感知体系，除了驱动当下的运营，也在为未来机器人进场准备好「读得懂环境」的数据底座。启盟科技为此开放了具身智能数据合作入口，具体背景也可以读《什么是物理 AI》一文。