社区

2026年11月3日至6日，CeMAT ASIA 2026（2026亚洲国际物流技术与运输系统展览会）在上海新国际博览中心举行。普渡机器人以“一脑多形，引领智慧物流”为主题，携商用配送、工业配送、商用清洁及通用具身智能等多类产品亮相，完整呈现“一脑多形”智慧物流解决方案。  围绕客户对作业衔接、部署便利性与现场适应能力的需求，普渡将多形态产品放入具体工序，通过多机联动、窄通道交互与多任务展示，呈现统一智能底座如何组织不同机器人共同完成作业，为工业物流提供可按需组合、逐步扩展的自动化选择。 一脑贯通工序 多形适配现场 工业物流中的不同任务，对机器人有不同要求。料箱取放需要灵活的操作能力，产线配送关注通行与交接，托盘转运则强调承载与搬运。普渡以“一脑多形”组织这些能力，让不同形态在合适的环节发挥所长，并围绕共同任务形成协作。 在CeMAT现场，这套方案被放进了一次完整的入库工序中。PUDU T 系列顶升托盘出库，D7接续夹取料箱并完成装载； T系列将物料配送至另一桩位后，D7再将料箱转移至地面托盘，MP2000随即识别托盘、进叉搬运。料箱在不同机器人之间流转，移动运输与双臂操作相互配合，共同完成工序接力。  支撑这场接力的，是普渡具身导航、具身操作、具身交互三大技术栈，以及开箱即用的分布式调度能力。多台设备在同一空间内协调运行，完成相遇避让与跨机交接，无需额外部署调度系统，有助于减少客户为组织多机协作而增加的系统配置工作，让单台应用向多机协同扩展更加便利。 协作还要适应具体的空间与作业条件。本次演示将1.4米窄通道、90°死角开机点、不规则摆放的托盘及异形货架腿等工业场景常见约束条件带入展台，分别呈现机器人在受限空间定位、载具识别、障碍应对和通行等方面的表现。针对既有现场进行适配，有助于减少客户对场地改造与标准化布置的依赖。 针对狭窄通道与密集货架区域的配送

近日，继ACE-Brain-0.6在六项空间锚定评测中超越GPT-6 Astra后，大晓机器人正式推出ACE-Brain-0.6 API。随着训练数据从110万条扩展至约150万条，模型七项公开Grounding基准平均得分提升至75.41，进一步扩大对Astra的领先优势，推理速度也实现超越。此次API开放，将具身空间智能转化为开放共享的基础能力，赋能全球开发者创新，加速构建面向真实物理世界的具身智能技术生态。 GPT-6 Astra的出现，证明了通用大模型向物理世界迁移的巨大潜力；但机器人从“知道要做什么”到“准确知道在哪里做、如何与环境交互”，仍需更专业的物理空间智能能力——精准感知空间、理解物体关系、判断交互区域，并将抽象任务转化为可执行的物理空间信息。通用具身智能决定机器人能够想多远，专业具身智能决定机器人能否真正理解物理世界、准确行动；二者可在不同能力维度上相互补充、协同进化。 围绕这一关键能力，大晓机器人持续推进ACE-Brain-0.6技术进化。此次升级将高质量空间锚定训练数据由约110万条扩展至150万条，依托规模化、自动化、可验证的数据管线，进一步提升模型在目标识别、空间定位与交互理解等方面的表现。从平均得分大幅提升到推理速度超越Astra，ACE-Brain-0.6再次验证了数据Scaling驱动专业具身能力持续跃升的技术潜力。 如果说评测领先Astra，让ACE-Brain-0.6的技术实力被行业看见，那么此次API开放，则让这一能力真正走向开发者。通过ACE Hub，开发者无需独立部署模型，即可快速调用ACE-Brain-0.6的空间锚定能力，探索其在机器人操作、智能零售、物流分拣及空间智能应用中的潜力，大幅降低技术验证与应用开发门槛。 真实世界的智能价值，最终不由参数规模决定，而取决于能否精准理解、可靠行动。未来，大晓机器人将持续推进具身基模型能

考拉悠然近日完成 B++轮融资，投资方为明文炜业。本轮资金将用于世界模型基座与多模态大模型的纵深迭代、具身智能体的产品化与规模化落地，以及高端研发人才的持续引进。作为世界模型及具身智能赛道的领军企业，考拉悠然此次获明文炜业投资，既凸显了投资方对其技术路线与商业化能力的明确认可，也进一步强化了考拉悠然在该赛道的领先地位。在全球人工智能从数字空间迈向物理世界的关键窗口期，此次融资被视为资本市场对世界模型 + 具身智能技术路线的进一步确认。 一、形成以“基座模型 + 智能体 + 场景复制”的产品化模式 考拉悠然由申恒涛院士领衔，携手20余位海内外名校博士联合创立，是国内极少数同时具备底层世界模型基座、多模态大模型、具身智能体全栈自研能力，并已实现规模化商业落地的人工智能企业。 多数团队从上层应用切入，考拉悠然却选择从最难的一层做起：自研悠然无界世界模型与多模态大模型，构筑起对物理世界规律建模与推演的核心能力。以此为底座，考拉悠然已形成“基座模型+智能体+场景复制”的产品矩阵——悠然无界世界模型与多模态大模型组成的“双模型引擎”托底，Geek Mind 具身大脑及智能体实现产品落地，并向车间巡检、森林防火等场景规模化复制。 技术实力亦获得国际权威评测的印证：截至目前，考拉悠然已登顶世界模型权威榜单 WorldArena、TriWorldBench，以及机器人挑战赛 RoboTwin 榜首。 二、从世界模型到可进化的具身大脑 在大模型完成对语言与图像的理解之后，人工智能的下一站是理解并作用于物理世界。世界模型正是这一跃迁的核心：它让机器在行动之前，先在具身大脑内完成一次推演——理解物理规律、预测环境变化、校验行动路径。 考拉悠然将世界模型以及多模态大模型作为模型基座，构建"感知—推演—规划—执行—反馈"的完整闭环，使机器人不再只是执行预设程序的设备，而是

近期，以OpenAI GPT-6 Astra为代表的通用多模态模型，展现出强大的跨本体、跨场景、跨任务通用交互能力，推动人工智能加速迈向真实物理世界。大晓机器人通过深入分析发现，相比GPT-5.5，GPT-6 Astra的视觉空间锚定（Visual Grounding）准确率显著提升，其强大的具身泛化能力不仅依赖高级推理，更得益于空间感知与空间推理能力的跃升。 在实际操作中，Astra通过Grounding精准识别目标物体、交互区域及空间参照，结合几何计算确定位置、位移与运动参数，将抽象任务意图转化为具体物理动作。这一发现为具身智能行业提供了重要技术启示：以视觉空间锚定能力为关键突破口，加速推动具身智能从高级认知迈向精准感知与可靠执行。 围绕这一突破口，大晓机器人正式发布全新视觉空间锚定增强型具身基模型ACE-Brain-0.6。继ACE-Brain-0.5探索感知、规划、行动、评估与进化的统一认知闭环之后，ACE-Brain-0.6进一步聚焦Grounding这一核心能力，以GPT-6 Astra为重要参照，通过规模化、多样化、可验证的空间监督数据，强化模型的目标识别、空间定位与交互锚定能力，探索以数据Scaling驱动具身基模型能力跃升的新路径，为提升通用具身交互能力提供关键支撑。 依托约百万条高质量、可验证的空间锚定训练样本，ACE-Brain-0.6实现具身空间感知能力新突破：在八项Grounding评测（七项国际权威公开基准及大晓自建RobotGrounding）中，六项成绩超越OpenAI GPT-6 Astra；七项公开基准平均得分达74.53分，领先Astra的73.68分；在真实机器人场景评测RobotGrounding中取得94.13分，超越Astra的91.10分。同时，在与Google Gemini 4 Argon、Anthropic Claude

2026年9月28日，AMD宣布以约82亿美元全股票收购李飞飞创办的World Labs，李飞飞将出任AMD执行副总裁兼首席科学家。这是AMD历史上规模第二大的收购案。一家成立仅两年的公司获得芯片巨头如此定价，意味着AI的竞争重心，正从数字世界转向物理世界。 视线转回国内。影身智能早已在同一条路上跑出完整答卷：以原生4D世界模型为核心引擎，打通从数据采集、模型训练到场景落地的全链条，并已经把这台“引擎”装进了真实产线。 影身智能创始人、CEO闵伟有一个直截了当的判断：“数据从来不是多少的问题，而是维度问题。”这与李飞飞从ImageNet到World Labs一以贯之的“数据焦虑”，形成隔空呼应。 一个在硅谷为空间智能定价，一个在中国车间为物理智能验证。看懂这两件事，就看懂了世界模型赛道的上半场：方向已无悬念，真正的分野才刚刚开始。 一、AI走向物理世界的“必答题” 世界模型要“预测下一个物理状态”。业界普遍认为，这是AI从数字智能迈向通用物理智能的关键路径。 但共识之下藏着硬瓶颈：世界模型需要同时具备三维空间信息与时间维度的4D数据，这类数据获取成本极高、供给极度稀缺。物理世界的信息是物体、接触、力、形变及其在时间上的演化——用二维视频或静态3D数据训练世界模型，信息在源头就被降维了。这解释了行业的集体困惑：训练数据从十万小时堆到千万小时，泛化能力却没有本质突破。 影身智能把这个困局称为“维度鸿沟”：机器人训练用一维语言加二维视频，处理却要在四维物理世界中交互，这是机器人能力没有突破性进展的底层原因。 要走4D世界模型这条路，对团队有两个硬要求：一是三维视觉和动态重建的学术积累，二是机器人进入真实产线的工程落地能力。同时具备这两项能力的团队，在国内屈指可数。 自成立起就押注原生4D世界模型的影身智能，是少数同时满足这两个条件的团队：创始人闵伟是清华博士、原阿里机器人业务负责

近日，大晓机器人与中国石油上海销售公司正式达成战略合作，启动试运营首个加油站便利店场景的全闭环具身智能机器人项目。双方将依托中国石油上海销售公司的数智平台、供应链体系及线下便利店网络，结合大晓机器人在开悟世界模型、机器人本体及具身智能技术方面的核心能力，共同探索“场景出题、平台协同、模型驱动、本体执行”四位一体的具身零售共创模式，打造面向真实业务场景的仓店一体化智能零售新范式。 在线上订单及到店消费场景中，大晓机器人以开悟世界模型作为“最强大脑”，以自研轮臂升降式履约机器人作为灵活“执行终端”，通过“晓满”即时零售场景解决方案接入中国石油数智平台与门店业务体系，赋能机器人自主完成商品识别、拣选、补货、上架、打包、放置及订单履约等任务。依托中国石油线下便利店网络的真实业务场景与规模优势，双方将持续验证开悟世界模型跨商品、跨任务、跨门店的泛化能力，加快形成从单店验证到网络复制、从机器人作业到业务协同的具身零售新模式，共同推动加油站便利店运营向更智能、更高效、更具规模复制能力的方向升级。 随着即时零售、到店零售与本地生活服务不断融合，加油站门店正从单一消费终端逐步演变为集商品仓储、订单履约和本地配送于一体的综合运营节点。SKU持续增加、线上订单波峰明显、夜间补货和高频理货需求增长，使传统依赖人工衔接的“仓—店”运营模式面临更高的人效与协同压力。如何让后台库存、前场销售与即时订单实现更高效联动，成为零售终端智能化升级的重要课题。 大晓机器人始终致力于让具身智能进入真实物理世界。公司首创ACE研发范式，构建以环境式数采和世界模型为核心的物理智能闭环技术体系，推出以人为中心的环境式数据采集方案2.0、开悟世界模型Kairos 3.1和具身超级大脑模组A1，并进一步发布晓满、晓新、晓途三大行业级解决方案，持续推动具身智能在即时零售、酒店服务及开放场景中的规模化商业落地。 双方此次合作落地

9月16日，WorldArena 2.0全球终榜揭晓，考拉悠然旗下悠然无界世界模型在Track 1视频质量赛道获得全球第二，并在Background Consistency与JEPA Similarity两项核心指标中位列第一。 进一步验证了其在长时场景一致性、状态演化与物理规律建模方面的能力。基于结构化4D世界建模、动态场景记忆等技术，悠然无界正进一步与Geek Mind具身大脑结合，将世界模型能力从榜单评测延伸至工业巡检等真实场景，推动具身智能从“能推演”走向“能执行、能复制”。 9月16日，WorldArena 2.0全球终榜正式揭晓。考拉悠然旗下悠然无界世界模型在Track 1（视频质量赛道）中综合得分位列全球第二。本次评测汇集了来自阿里巴巴、中国科学院等顶尖科技企业、科研机构及具身智能独角兽公司的80个模型，围绕世界模型的视频生成质量、时序一致性与物理演化能力展开统一评估 在多项核心指标上，悠然无界世界模型同样展现出领先性能。其中，Background Consistency（背景一致性）位列第一。长视频生成最常见的失效是场景漂移——推演到几十帧后，背景的纹理、光照或物体摆放在无声中发生改变；这一指标居首，意味着模型能在整段生成过程中稳定维持全局环境与场景布置。更具含金量的是 JEPA Similarity 位列第一：该指标不比对像素，而是在高层表征空间中度量生成结果与真实世界演化过程的距离，考察场景语义、物体状态与动作变化是否被正确保留。两项第一叠加指向同一个结论——模型不只是画得像，而是学到了物理世界随时间演化的规律。 视频质量赛道比的不是"生成的画面像不像"，而是模型在长时推演中能否保持场景几何、纹理外观、物体与交互状态的物理一致性——也就是世界模型最核心的能力：理解物理世界如何随时间演化。考拉悠然的技术路线，是以"世界模型＋智能体+场景复制"回应这一转折：

近日，具身智能企业帕西尼（PaXini AI）正式宣布完成 B++轮融资。这是其在单月内落地的第二笔大额融资，至此公司累计融资总额已超越 40 亿元人民币。 在 2026 年具身智能资本市场逐步走向理性与头部筛选的当下，帕西尼展现出了极为罕见的“资本虹吸效应”——仅 2026 年前 8 个月，其单家融资额已超过同期全球其他触觉传感器企业公开融资额的总和。本轮由广新基金（世界500强旗下）、四川省科创投资集团（社保基金）等国家队及地方国资，联合中信资本、森马方道基金等产业资本重磅注入，老股东京铭资本、合信方册等超额加码。 但在资本热闹的表象之下，行业更应看到这场“资本集中”背后的范式转移： 过去数年，大厂凭借计算资源与算法垄断了数字世界的智能；但在物理世界中，即便是被寄予 AGI 曙光的 GPT-6 Astra，在语义理解、视觉识别、空间关系判断和任务规划上展现出非凡推理能力时，一旦面对微小的物理接触、非结构化物体的力控抓取与柔性装配，依然暴露出深刻的“无力感”。 （图源：腾讯科技） 这印证了一个底层第一性原理，纯靠视觉与纯文本训练出的 AI，无法直接掌控真实世界的物理交互。触觉作为高频、高精度的物理交互模态，是通往通用物理智能长周期中确定性最高的基础设施。 三星、比亚迪等万亿级产业巨头之所以同样重金押注帕西尼，遵循的正是这种“AI基础设施逻辑”。而帕西尼，正是这条赛道上走得最远、护城河最深的领航者。 一、穿越“最难之路”后的豁然开朗，成就人形机器人产业链“水桶最长板” 帕西尼所走过的物理AI基础设施构建者之路，可以用“初极狭”终至“豁然开朗”来概括。 追溯至 2018 年，触觉传感器被官方列为 35 项“卡脖子”关键技术的第四项。彼时物理触觉感知一片荒芜，绝大多数玩家为了快速出样机，选择了易上手、易落地的压阻或压电等常规路线。帕西尼从入局之初，就做出了极具战略定力的选择——

你的算法，不该卡在本体适配这一步。 2026年，具身智能已经过了“能不能动”的阶段，进入“能不能干活”的深水区。但一个尴尬的现实是：很多团队的算法在仿真环境里已经跑得足够漂亮，但真机验证却迟迟无法闭环，时间全耗在了选本体、做适配、调接口、采数据上。 这不是个例。当下具身智能行业一个显性的结构性缺口是：高性能又对开发者彻底开放的本体底座，极度稀缺。灵御智能在这个节点推出TA2二开版本，并且附上一份申智杯“三个赛项全部第一”的成绩单，正是针对这个缺口给出的回答。 这份成绩单提供了一组真实、可追溯的性能坐标，标出了这副身体在真实工业场景中的作业上限。然后，灵御把这副身体的控制权和数据接口，向所有开发者和模型团队开放。本质上是在向行业传递一个信号：请把最宝贵的模型和精力，放在真正值得托付的物理躯体上。 一、赛场的验证——“打五折”计分，依然第一  2026年7月，首届“申智杯”人工智能创新大赛具身智能与机器人赛道决赛在上海张江落幕。赛道赛题均源自工业现场的真实作业需求。赛事规则明确：远程控制方式成绩乘以0.5系数计入总分，自主方式按1系数计分。 0.5系数体现的是自主作业与远程控制在实现难度上的差异。自主方式需要机器人独立完成感知、决策与执行，因此获得更高的计分权重；远程控制有人参与判断和操作，原始成绩则需要“打五折”。  灵御TA2并没有试图否认这种差异。它证明的是另一件事：即使原始成绩按0.5系数折算，整套系统依然可以凭借足够高的作业效率，在三个赛项中全部获得第一名，夺得该赛道首届冠军。 动态分拣15分钟213件，平均4秒一次抓取；零件装配15分钟121件，毫米级对位精度；物料搬运15分钟29箱，全向底盘与升降系统同步协同。即便系数折算后，动态分拣赛项的总分仍领先第二名200余分。这意味着灵御TA2的实际作业量达到了对手的数倍，在同等时间内，它完成的是别人做

2026年，具身赛道不缺野心，不缺金钱，唯独缺少一个能让产业界真正相信“通用”二字的落地样本。 过去两年，机械臂做咖啡、机器人后空翻、弹钢琴等……每一段视频都能在社交媒体上收割数百万播放量。但是这些光鲜的演示背后，几乎都有一个不能说的秘密：每一个炫酷动作都是为某一个特定场景，特定任务量身定制的。换个环境，换个其他任务，机器人就可能从神坛跌落。 这种一事一训的模式，在实验室里无伤大雅，但到了真正的产业现场，就成了致命伤。制造业需要的是能够快速响应订单变化的柔性产线，服务业需要的是能够适应千变万化现场环境的服务终端，家庭场景需要的是能够应对无数长尾需求的家庭助手，而一事一训的机器人，显然无法满足这些需求。 所以，当大多数玩家还在为了单一场景、单一机械臂训练专属模型时，它石智航用AWE3.7给出了另一种答案：一个不挑本体、不挑任务、不挑环境的通用具身大模型，正在将“物理世界操作系统”从概念拉进现实。 一、打破“一事一训”：通用泛化能力的产业价值 要理解AWE3.7的意义，得先把视野拉回到传统机器人身上。 如果把传统机器人比作一个非常聪明的工具，那么它最大的特点是：听话，但不会举一反三。 工程师告诉它怎么走，它就怎么走。只要环境足够稳定，这种方式当然没有问题。但问题恰恰出现在“稳定”二字上。因为现实世界并不稳定，一个零件稍微偏了一点，机器人就可能抓空；传动带速度发生变化，原本设定好的轨迹就可能失效；任务从一种产品切换成另一种产品，原有程序又需要重新调整。 也就是说，传统机器人本质上依然是高级数控机房：需要针对一个任务训练一套模型，一种机器人对应一种控制逻辑。可当市场需求从大批量少品种转向少批量多品种，这种一事一训的成本和效率瓶颈就彻底暴露了。 AWE3.7的核心突破，恰好是切中了这一痛点。 它构建了一个能理解物理世界通用逻辑的具身大脑，实现了跨环境、跨本体、跨任务的泛化能力。简而言