摘要：不“炫技”，却是产业界等了很多年的答案：Physical AI正在走进制造工厂，开始创造真正的生产价值。
2026世界人工智能大会上，几乎所有关于机器人的讨论都绕不开一个关键词——Physical AI。
过去几年，行业不断刷新大模型能力边界，VLA模型快速演进，机器人越来越“聪明”。但今年WAIC上，一个更明确的共识正在形成：Physical AI的真正考场，已经从论文、仿真环境或展台演示，转移到了真实工厂的产线上。
因为真实的物理世界，没有“标准答案”。
随机摆放的来料、不断变化的光照、固定的生产节拍、复杂多变的工艺流程……任何一个细小变量，都可能让实验室表现优异的模型失效。
就在今年WAIC期间，两家深圳头部企业联手，交出了一份已被真实产线持续验证的方案——腾讯Robotics X联合越疆，以越疆X-Trainer平台作为工业级真机基准平台，在全球头部化妆品制造企业的真实产线工位上，越疆机器人承载腾讯VLA模型完成训练与部署，任务成功率超95%，跑通了VLA模型从训练、验证到真机部署的全链路落地。
面对随机摆放的来料、规格材质不一的工件、固定且紧迫的产线节拍，越疆具身智能机器人持续完成了精准地识别、抓取与装配等系列“日常打工”动作。
真正拦住Physical AI的是什么？
过去两年，VLA模型在环境可控、任务边界清晰的仿真场景中跑出了越来越高的任务完成率。但几乎所有从业者都清楚：从仿真到真机，从实验室到工厂，中间隔着一条巨大的鸿沟。
在仿真环境里，模型学的是“标准答案”；在工厂里，它面对的全是“开放题”——光照会随时间变化，来料位置随机，产线节拍固定，工件尺寸材质不一。更关键的是，机器人面对的是一连串动作的连续执行，任何一个环节出错，整个任务就失败。
这也是为什么VLA模型在真实产线的落地验证，被视为具身智能从实验室走向产业的关键节点。
进入工厂之前，泛化能力需要先在标准环境中完成验证。
2025年，越疆发布自研世界动作模型——空弈DobotWAM具身大模型，在国际权威评测基准LIBERO四个标准任务套件中拿下平均99.25%的成功率，其中LIBERO-Object实现100/100全部成功，其余三个套件均达到99/100，整体表现领先于π0.5、π0、GR00T-N1.5等公开模型。
但对于越疆来说，高分只是起点。仿真里的标准答案，挡不住工厂里的开放题。所以越疆没走那条“堆数据、赌泛化”的常规路子，而是掉过头来，把产线上最磨人的变量拆成了四个具体的核心能力：空间理解、动作理解、长序列任务规划，以及真实数据持续迭代。
这背后的思考逻辑很简单：你得先让机器看懂空间的形状，而不是被光线和颜色牵着鼻子走；你得让它理解动作背后的力道，而不是死记一条轨迹；你还得让它能自己拆任务，别做到一半忘了下一步在干什么。
但把逻辑变成现实，中间隔着的是一整套工程体系的硬仗。具身智能从来不是给机器人接入一个大模型就能马上解决实际问题，机器人要真正上岗，必须跨过精度、力控、安全性、连续运行和现场适配这些硬门槛。这些能力，靠短期冲刺堆不出来，只能靠长期产业化一点点磨出来。
这才是真正的分水岭：能不能把感知、决策、运动控制、硬件可靠性和场景交付连成一条完整的链路，让AI在复杂的物理环境中持续跑通。
越疆在这条路上已经攒了十年的功夫，其在机器人本体、核心零部件、运动控制和安全交互等环节形成了完整的技术体系，全球部署机器人超过十万台。2025年，越疆协作机器人年度出货量拿下全球第一。这些在真实产线上跑出来的经验和数据，最终都回灌到空弈DobotWAM的进化里，让模型在真实场景中越用越聪明。
Physical AI必须进入真实考场
2026年，审视一家机器人企业的标尺已发生根本性重构。实验室里的极限Demo、单一的运动机能展示，已无法构成真正的商业壁垒。衡量具身智能企业综合实力的核心，已演变为一套严苛的系统性指标：是否具备自主进化的“算法大脑”，是否拥有成熟可靠的“硬件本体”，能否深入复杂多变的真实场景，以及是否具备规模化量产与稳定交付的能力。
这套新标尺的大考，已经在全球头部化妆品制造企业的上海工厂产线上悄然展开。
越疆X-Trainer平台凭借三大核心操作能力，被腾讯Robotics X选为工业级真机基准平台之一：一是硬件适应性，以高精度力控与多自由度设计为VLA模型提供精准物理执行基础；二是工业鲁棒性，在真实产线振动、节拍波动等复杂环境下保持稳定，确保泛化能力可靠落地；三是快速切换能力，通过模块化设计支持分钟级SKU切换，实现“一次部署，多品适配”。正是基于上述能力，双方在创元工厂化妆品产线工位上成功完成了VLA模型从训练到部署的全链路验证。
精密滴管装备与精密化妆瓶装配虽是基础工序，却集中考验了具身智能在精细力控、动态环境感知和动作策略泛化上的极限。越疆的机器人成功完成这些挑战，不仅构筑起具身智能走向实用化的技术壁垒，更以真实工业场景的硬核表现，宣告了其对物理世界操作能力的定义权。
对Physical AI来说，这些任务构成了三道硬门槛。
第一道：多模态感知下的任务拆解。机器人需要同时处理视觉信息和力觉反馈，把一个宏观指令自主拆解成一系列子动作，再按顺序执行。
第二道：动态干扰下的空间感知与自适应放置。工件不会规规矩矩地摆在固定位置，产线上的振动、来料的角度偏差——系统需要在这些动态干扰中保持精度、实时调整。
第三道：力控抓取与柔性装配。精密装配的容差极小。系统需要在接触的瞬间做出判断，调整力度和角度，一次到位。
据双方联合验证，在真实产线工位上，越疆机器人本体承载VLA模型完成了上述部署验证，连续高效运行。整个过程以超长一镜到底现场Rollout的形式记录——意味着整个过程是连续的、真实的，经得起逐帧审视。
更直白一点说，在Physical AI的验证中，敢不敢把真实场景的整个连续运行过程完整放出来，本身就是一道能力的分水岭。
而这种“不花哨”的动作，正是全球高端精密制造领域最具代表性的工序之一——它对柔性抓取、力控插接和微米级对准的要求，与电子元器件组装、医疗器械装配、小型电机生产等场景如出一辙。
在真实产线中，来料尺寸波动、工件材质差异、产线节拍变化等充满变量的工况是常态，而应对这些“不确定性”的能力，正是柔性智造最核心的刚需，也是Physical AI必须进场的根本原因。
让物理AI率先走进真实世界的
为什么是“深圳方案”？
越疆与腾讯的深度协同模式，放在深圳完整产业生态下，更容易看懂这套Physical AI落地路径的独特性。
越疆做协作机器人起家，全球累计出货超10万台，2025年出货量全球第一。覆盖汽车、3C电子、医疗、商业、教育等15大行业，服务超80家世界500强企业，老客户复购率稳定在60%以上。这些数字背后，是一份关于"机器人在真实场景里会碰到什么问题"的know-how清单。
从十年产线打磨，越疆在装配、搬运、检测等场景中积累了扎实的执行层能力，也持续接触到物流流转、多工序协同、复杂抓取等传统自动化解决不了的需求——这些需求，正是具身智能需要解决的关键命题。因此，从协作机器人迈向具身智能，不是赛道切换，而是基于既有能力和产业场景的一次自然延伸。
越疆进入具身智能的逻辑也就很好理解了：能力已经有了，场景也已明确，需要的只是在原有基础上往前走一步。核心部件自研、运动控制技术、工业场景认知——协作机器人阶段攒下的积累，有效平移到了人形、四足、双臂等更复杂的形态上；基于此，2024年3月推出中国首个协作机器人具身智能方案X-Trainer，随后又推出自研空弈DobotWAM具身大模型，可以说，协作机器人这十年，本质上就是在为具身智能搭建能力底座，而今天越疆正凭借独特产品和场景应用优势加速具身智能的应用放量。
这种长期积累正在转化为实实在在的订单和收入。越疆公告披露，2026年1-6月，公司营业收入预计30,000至33,000万元，同比翻倍增长；毛利额14,000至17,000万元，同比增长84.73%至124.31%。
协作机器人业务投入逐步进入平稳阶段，已初步具备盈利基础，同期在手订单超10,000万元。具身智能业务作为全新增长引擎，2025年收入同比增长418.84%，2026年上半年出货金额突破4,000万元，超过2025年全年收入的2倍；在手订单超6,000万元，其中工业制造领域突破1,000万元，覆盖从POC验证到规模化交付的全部商业转化阶段，批量交付和规模化放量已然启动。
越疆十年攒下的产业场景和整机能力，腾讯的云基础设施和多模态AI技术底座，在全球头部制造企业产线上汇合，打造了一套具有深圳特色的Physical AI落地方案。
深圳的产业土壤提供了关键支撑：全球密度领先的硬件供应链、门类齐全的制造业场景、高密度科技创新企业集聚——三个极难的条件同时在一座城市里凑齐了。越疆和腾讯的合作，就诞生在这片土壤上。从2025年5月签署战略合作起，双方用一年多时间走完了Physical AI从概念构造到产线验证的完整闭环。
这套方案能直接覆盖制造现场，并验证了一条在真实产线可以明确跑通的路径：Physical AI不需要等到完美再上路，可以在工厂里先跑起来，在生产中迭代，在迭代中变得更可靠。
Physical AI的竞争规则已经变了——而产线是唯一的裁判。
