具身智能从实验室走向真实商业场景，最大的鸿沟往往不在算法本身，而在于真实环境里“非标物料”的叠加考验。具身智能行业各类演示Demo层出不穷，但大量公开演示仍局限于标准化环境下的单类物料、简短脚本动作。真正落地的现实挑战，来自真实环境中多种物性迥异物料叠加、长链条连续作业的综合考验。
港股“智能物种”第一股量化派持续把真实餐饮后厨作为物理AI的实景试验场。继手打柠檬茶、手抓饼、清炒土豆丝等多轮实景测试落地后，公司近期完成蛋烘糕完整制作的实景技术验证，机器人连贯走完工具拾取、面糊定量舀取、配料撒布、双铲协同托举、软糕折叠直至成品出锅的12项连续作业，进一步验证了这套具身智能方案处理多元复合物料的实操能力。
具身智能实现12步全流程背后：复合物料作业的现实技术壁垒
蛋烘糕制作的技术难点，不在于某一个孤立动作，而是整套工序需要持续切换处理物理特性差异巨大的食材。相比单一物料或单一操作任务，蛋烘糕将黏稠物料、颗粒物料和成型食材集中在同一条制作链路中，更强调系统面对对象变化时的泛化与技能迁移能力。高粘度面糊在倾倒过程中会自主延展铺展，机器人需要预判流体走向，调整倾倒姿态，规避溢流、落点偏移问题；花生碎、山楂碎这类不规则颗粒物料，需要做到小范围定点撒料，控制散落边界；烘烤完成的蛋烘糕质地松软，属于典型易损坏柔性物体，折叠操作稍有力度偏差，就会出现糕体撕裂、馅料外泄，对双臂协同配合、接触力动态调节提出很高标准。
整套工序环环相扣，力控参数、运动轨迹任意环节失准，都会直接造成成品报废或者物料浪费。此外，作业过程中机器人还需要自主完成多类工具切换，涵盖面糊舀勺、配料勺、双煎铲，同步跟踪任务进度，做好工具归位与后续动作衔接，综合考验多模态感知能力、长时序任务调度、柔性物体交互控制等多项能力。
（DEMO截图：餐饮后厨・蛋烘糕实景测试）
多模态感知结合物理AI世界模型实现具身智能场景化解决方案的跨物料操作
本次12步全流程实景验证，重点检验多模态动作建模、世界模型预测、跨工具技能迁移与连续精细操作等能力在复合任务中的协同表现，也进一步拓宽了量化派物理AI在餐饮复杂操作场景中的验证范围。
在本轮测试中，机器人完整跑完12步标准化制作流程：抓取面糊勺、定量舀取面糊、倾倒入锅、更换配料勺、舀取花生山楂碎、定区域撒料，并继续完成糕体加工、成品处理、出锅及工具归位。整套方案围绕多模态动作建模、世界模型预测、统一动作模型与自主评测Harness展开：通过多模态条件信息适配不同工具与物料操作；利用世界模型对物料状态变化进行建模，为后续动作生成提供状态依据；在面糊勺、配料勺等不同工具之间，通过统一动作模型实现技能复用与迁移；面对持续变化的糕体状态，则通过状态建模与连续动作执行完成后续加工和稳定出锅。最终由自主评测Harness持续记录执行结果，为后续模型优化与回归验证提供依据。
（DEMO截图：餐饮后厨・蛋烘糕实景测试）
这一系列动作的核心价值，在于多模态状态估计、世界模型驱动强化学习、自主评测Harness与真实场景数据飞轮已形成闭环：机器人在真实作业中持续感知物料状态，通过世界模型预测动作后果，经自主评测识别偏差并生成下一轮训练数据，再经后训练优化操作策略。这意味着机器人处理复合物料的能力不是一次性调试的结果，而是能在真实场景中持续自我优化。
餐饮实景试炼的价值边界：“物理AI”基础模型能力可迁移
从单类物料的精准操控，到多类异质物料的长链条连贯作业，量化派的物理AI世界基础模型能力正在通过持续的实景验证逐步拓宽边界。此前，量化派已经落地三明治柔性加工、购物袋自主分拣、跨抽屉完成牛排调味、奶茶跨设备协同制作、手打柠檬茶等多项实景测试，覆盖柔性食材处理、开放环境分拣、跨设备协同、流体精密操控等多个维度。验证跑通之后，下一步就是在跨场景的复用。
更深一层的想象空间在“智能物种”——凡是搭载感知模块、具备AI决策能力、可自主完成物理交互的实体终端，都可以接入物理世界基础模型成为智能化载体。这个理念把复用路径从餐饮延伸到了更广阔的硬件空间。
资金加持夯实研发底盘，消费基本盘托举物理AI创新
技术迭代的同时，公司获得资金层面的有力支撑。9月28日，量化派正式完成股份配售工作，按每股3.40港元配售4290.8万股新股，募集总规模约1.459亿港元，募资净额约1.437亿港元；募集资金净额当中约15%将投入研发，用于技术团队建设、数据与智能系统迭代、算力资源投入以及新产品原型开发。7月，量化派与国富量子创新旗下全资附属公司订立股份认购协议，获6000万港元战略注资，募资净额将重点投向提升物理AI基座模型研发与智能硬件商业化拓展。
作为港股核心定位物理世界基础模型的企业，量化派坚持软硬件分层的技术路线：物理AI基础模型作为独立能力层，不绑定特定机器人硬件本体，同一套AI能力可适配多元硬件载体，实现跨场景复用。伴随餐饮场景实操验证持续推进，叠加资金保障，量化派““AI电商解决方案+物理AI”双业务模式正稳步向前演进。
风险提示：上述技术验证均处于研发测试阶段，尚无明确商业化时间表。
